«Чому продажі цього місяця нижчі?» — коротке запитання, за яким можуть стояти кілька таблиць, різні визначення виручки й години роботи аналітика. Data Agent у ChatGPT Work задуманий як спосіб працювати з такими питаннями через розмову.
OpenAI представила інструмент 10 вересня 2026 року. Він звертається до підключених бізнес-даних і допомагає досліджувати їх та готувати представлення результатів. Розберемо можливості й те, що команді потрібно підготувати до запуску. Джерела перевірено 15 вересня.
Що таке Data Agent у ChatGPT Work
За анонсом OpenAI, Data Agent працює з підключеними джерелами та контекстом компанії. Серед описаних систем — BigQuery, Snowflake, MongoDB, Amazon Redshift, ClickHouse і Databricks. Доступ до конкретного джерела залежить від налаштування інтеграції та прав.
Користувач може формулювати запитання звичайною мовою, але підключення й організацію даних усе одно потрібно виконати. Докладніше середовище роботи розібрано в нашому огляді ChatGPT Work.
Чому визначення метрик важливіші за красивий графік
Уявімо дві таблиці: одна містить створені замовлення, інша — фактичні оплати. Якщо запитати про «продажі», без уточнення можна отримати різні правильні з погляду таблиці числа. Додайте повернення, різні валюти й часові пояси — і розбіжність стане ще більшою.
Перед роботою погодьте словник: що означає замовлення, клієнт, виручка та активність. Укажіть, яке джерело головне і як обробляти скасування. Це редакційний приклад типової аналітичної задачі, а не результат тесту Data Agent на реальній компанії.
Як сформулювати перший запит
Візьміть невелике питання з відомою відповіддю. Наприклад, порівняйте кількість оплачених замовлень за два завершені тижні й звірте її з чинним звітом.
Порівняй оплачені замовлення за два останні повні календарні тижні в часовому поясі Europe/Kyiv. Перед розрахунком покажи джерело, поле дати оплати та правило виключення скасованих замовлень. Не прирівнюй створене замовлення до оплаченого. Після розрахунку дай таблицю й опиши невизначеність у даних. Нічого не змінюй у джерелах і не поширюй результат.
Такий запит задає межі, але не замінює перевірки прав на рівні системи. Більше принципів формулювання завдань є в гайді з промптів.
Що потрібно адміністратору
На сторінці рішення для команд даних OpenAI описує зв’язок джерел, контекстних шарів та інструментів візуалізації. Для вашої організації це означає необхідність визначити власників інтеграцій і перевірити, які дані бачить конкретний користувач.
Починайте з читання обмеженого набору, а потім окремо вирішуйте питання запису й поширення. Перевірте приклад користувача, який має доступ до одного відділу й не має доступу до іншого. Саме такий тест показує, чи відповідає інтеграція очікуваній моделі доступу.
Для керування робочим простором перегляньте також матеріал про Admin-плагін ChatGPT Work.
Як перевіряти відповідь агента
- Чи використано потрібний період, часовий пояс і валюту?
- Чи збігається визначення показника з погодженим словником?
- Чи видно джерела та логіку розрахунку?
- Чи є пропуски, дублікати або затримка оновлення?
- Чи відокремлено спостереження від пояснення причин?
Зменшення продажів у таблиці ще не доводить причину падіння. Якщо агент пов’язує зміну з рекламою, попросіть дані, що підтверджують цей зв’язок, і альтернативні пояснення.
Кому Data Agent може бути корисним
Інструмент варто оцінювати команді, яка вже має впорядковані дані, повторювані питання й відповідального за аналітичні визначення. Якщо показники зберігаються у випадкових файлах без єдиних правил, спершу потрібно навести лад у джерелах.
Перед рішенням перевірте актуальний тариф, доступність інтеграції та можливі витрати підключеної інфраструктури. Початковий критерій успіху — відтворювана відповідь на конкретне питання, яку команда може перевірити.
