Технологии
OpenAI запускает агента данных для корпоративной аналитики в ChatGPT Work
Новый агент связывает ChatGPT Work с хранилищами данных, семантическими слоями и инструментами бизнес-аналитики, позволяя сотрудникам исследовать метрики и создавать панели мониторинга, при этом сохраняя разрешения на исходные данные.
Патрик Т ·
САН-ФРАНЦИСКО. OpenAI запустила агента данных в ChatGPT Work, который подключается к складским системам компании, документам, семантическим слоям и системам бизнес-аналитики, позволяя сотрудникам исследовать метрики, создавать интерактивные дашборды и предлагать последующие действия через разговор. Продукт продвигает ChatGPT глубже в работу, которая традиционно делится между аналитиками, инженерами данных и программным обеспечением BI.
Агент поддерживает утвержденные источники, включая Amazon Redshift, BigQuery, ClickHouse, Databricks, MongoDB и Snowflake, а также файлы в Google Drive и SharePoint. OpenAI заявляет, что запросы соблюдают разрешения подключенной учетной записи на уровне таблиц, строк и столбцов. Эта деталь важнее, чем интерфейс на естественном языке: аналитический агент становится полезным только тогда, когда он может получить доступ к управляемым данным, не превращая широкий доступ в обход существующих контролей.
Аналитика переходит от ответов к расследованию
Продукт предназначен для последующих вопросов, а не для одного сгенерированного графика. Пользователь может спросить, почему замедлились продажи, изучить доказательства, уточнить анализ и опубликовать дашборд. Агент может использовать бизнес-определения и связи данных из источников, таких как dbt, Snowflake Horizon и Databricks Genie Онтология. Эти семантические слои помогают различать доход от бронирований или активных клиентов от зарегистрированных аккаунтов, термины, которые кажутся простыми, но различаются в разных компаниях.
OpenAI утверждает, что агент может создавать или взаимодействовать с панелями мониторинга в Power BI, Tableau, Sigma, Omni, Oracle BI и ThoughtSpot. Затем он может рекомендовать дальнейшие шаги, определять заинтересованные стороны и, после одобрения, делиться результатами через Slack или электронную почту. Эта последовательность превращает анализ в операционный рабочий процесс. Она также делает проектирование одобрения крайне важным, поскольку ошибочная интерпретация может распространяться дальше и быстрее, чем неверный индивидуальный запрос.
Привлекательность очевидна. Бизнес-пользователи часто ждут аналитика, потому что исходный запрос требует технических знаний, а метрика — институционального контекста. Разговорный агент может сократить эту очередь. Опасность заключается в том, что скорость скрывает неоднозначность. Два разумных фильтра могут дать разные показатели удержания, а привлекательная визуализация может сделать неопределенный вывод кажущимся окончательным.
OpenAI утверждает, что пользователи могут просмотреть доказательства каждого вывода. Компаниям следует проверить, что это означает на практике. Достоверный результат должен указывать таблицы, временной диапазон, соединения, фильтры, преобразования и используемые предположения. Он также должен сохранять сгенерированный запрос или эквивалентный план выполнения, чтобы аналитик мог воспроизвести результат вне разговора.
Наследование прав необходимо, но недостаточно
Уважение разрешений источника предотвращает возможность для сотрудника напрямую запрашивать строки, к которым у него нет доступа. Это не устраняет риск вывода информации. Агент может объединять разрешённые агрегаты, документы и предыдущие ответы, чтобы раскрыть что-то чувствительное. Он также может помещать ограниченные результаты в панель с более широкими настройками совместного использования. Управление должно охватывать полный путь от извлечения до созданного артефакта и внешнего действия.
OpenAI заявляет, что почти вся его продуктовая команда и более двух третей его подразделения по выходу на рынок используют базовые возможности внутри компании. Компания разработала общие определения, правила доступа и меры защиты для конфиденциальных данных. Этот опыт является важным, но среды клиентов будут менее однородными. Приобретения, региональные системы и конкурирующие определения метрик могут сделать семантический слой самой сложной частью внедрения.
Конкурентная среда насыщена. Платформы данных и поставщики BI уже предлагают разговорный анализ, часто обладая более глубокими знаниями своих собственных метаданных. OpenAI делает ставку на то, что ChatGPT может стать нейтральной рабочей поверхностью для множества систем. Партнеры получают распространение, в то время как OpenAI получает позицию выше хранилища и панели управления. Клиенты получают выбор, но должны решить, какой уровень управляет журналами аудита и политиками.
Для команд работы с данными продукт должен менять приоритеты, а не устранять работу. Меньшее количество рутинных запросов к панели может освободить аналитиков для экспериментального проектирования и более сложных исследований. В то же время большее количество сотрудников, задающих больше вопросов, выявит слабые определения и непоследовательные конвейеры данных. Агент может демократизировать доступ только до качества, которое уже существует под ним.
Агент данных является значительным выпуском, потому что он соединяет общего помощника с числовым учётом, используемым для ведения бизнеса. Его успех не будет измеряться тем, насколько быстро он строит диаграмму. Он будет измеряться тем, могут ли команды воспроизводить логику, оспаривать предположения и действовать, не теряя контроля над доказательствами.
Темы: OpenAI, работа ChatGPT, аналитика данных, бизнес-аналитика, ИИ-агенты