OpenAI 推出的 Data agent 面向 ChatGPT Work，目标是让员工用自然语言查询企业数据、追问变化原因，并把分析整理成交互式看板。它可以连接经组织批准的数据源和文件服务，并参考企业已有的指标定义和语义层。它不是自动替代数据团队的“答案机器”：连接器、数据口径和访问权限是否正确，决定了结论是否可信。查看 OpenAI Data agent 发布说明。
它能接触哪些信息
公告列出 BigQuery、ClickHouse、Databricks、Snowflake、Amazon Redshift、Datadog、MongoDB 等数据服务，也可纳入 Google Drive 和 SharePoint 文件。语义上下文可来自 dbt、GitHub、Snowflake Horizon、BI 看板等工具，帮助解释组织内部的指标和业务关系。管理员选择允许的连接器和角色；查询应沿用连接账户已有的表、行和列级权限。
一个适合的试用流程
- 由管理员先在测试工作区启用少量只读数据连接，并确认账户权限与敏感字段。
- 从一个明确业务问题开始，例如“本月续费率比上月下降了多少，变化集中在哪些客户组？”
- 让 Data agent 说明使用了哪些数据表、时间范围和指标定义，再针对异常趋势追问。
- 确认计算口径后，再把分析制作为交互看板；看板发布前由指标负责人核对数值。
它还可以与 Tableau、Power BI、Sigma、ThoughtSpot 等分析工具配合，或根据授权连接通过 Slack、邮件等渠道推进经批准的后续动作。能否执行某项写操作取决于具体连接和权限，不能仅凭“Data agent”名称推断它能改写任意数据源。
什么决定结果质量
自然语言降低了提问门槛，却不会自动统一“活跃客户”“收入”“流失”等业务定义。若数据模型缺少语义层，或同一指标在部门间含义不同，智能体可能给出看似流畅但口径不一致的答案。试点时应准备一组已知答案的问题，比较结果与现有报表，检查来源引用、时间筛选、聚合方式和行级权限是否正确。
权限与管理边界
管理员可以控制哪些数据连接可用、哪些角色能使用；查询沿用连接账户的现有访问权限。上线前明确数据保留、敏感信息、导出方式和日志审计规则。企业资料即使能被模型读取，也不代表可以把报告分享给任意员工或外部人员。