OpenAI 于 2026 年 9 月 10 日发布 ChatGPT Work 的 Data agent。它的定位不是另一个只会回答数据问题的聊天机器人，而是一个由企业数据、业务语义、互动仪表板和后续行动组成的工作流程。用户可以用自然语言提出问题，要求它整理答案、建立仪表板，或者在获得批准后把结果交给已连接的工具处理。
数据接入范围是这次发布的基础。OpenAI 列出 Amazon Redshift、Datadog、Google BigQuery、ClickHouse、Databricks、MongoDB 和 Snowflake 等连接器，也支持从 Google Drive 和 SharePoint 读取文件。这个设计让 Data agent 可以把查询、文件背景和既有数据平台放在同一个对话工作区，但实际可用连接器仍取决于组织管理员和账户设置。
更关键的是业务语义层。OpenAI 表示 Data agent 可以使用组织的业务术语、指标定义、自定义计算和数据关系，这些内容可来自语义层或可信来源，例如 Databricks Genie Ontology、dbt、GitHub、Snowflake Horizon 和既有 BI 仪表板。这解决了企业分析最常见的问题：同一个「收入」或「活跃客户」在不同团队有不同定义，模型即使查对数据，也可能答错业务问题。
治理不是附加功能。管理员可以决定哪些数据连接可用、哪些角色可以使用 Data agent；查询会沿用已连接账户的权限，包括表格、行和列限制。换句话说，agent 的数据视野应该由企业原有的访问政策决定，而不是由用户在提示词中声称自己有权限决定。这个边界对涉及客户数据、财务数据和人事数据的分析尤其重要。
Data agent 也把「找出答案」和「交付答案」分开。用户可以追问、查看支撑发现的证据、编辑和分享仪表板，或者把仪表板刷新后接到 Omni、Oracle BI、Power BI、Sigma、Tableau 和 ThoughtSpot 等工具。OpenAI 也提到它可以建议下一步、指出应该邀请哪些人参与，并通过 Slack、电子邮件或其他已连接工具分享结果。涉及实际变更或外部动作时，仍要依赖已批准的连接和组织设置，不能把产品描述理解成无限制的自动写入。
OpenAI 称，几乎所有产品团队以及超过三分之二的 go-to-market 团队已经在内部使用 data agents。文章也列出 NTT DATA、Thermo Fisher、ServiceTitan 等 Alpha 参与者的例子；这些是产品方提供的早期使用情况，不是跨企业的独立成效研究。值得参考的不是单一客户的故事，而是它们共同依赖的三件事：共享的业务定义、清楚的数据权限，以及在 agent 执行前后保留人工判断。
对企业来说，落地顺序应该从数据治理开始，而不是先问模型能否写出一份漂亮报告。先列清楚可信数据源、指标定义、可用角色、敏感字段和必须人工审批的动作，再选择一条重复且有明确输入输出的流程试行。每次答案也应该保留来源、计算方式、查询权限和审批记录，让团队可以重做和追查，而不只是接受一段看似合理的文字。
这次发布最值得留意的变化，是 data agent 的终点不再是查询结果，而是「数据到决策再到行动」的一条受治理链。模型能力固然重要，但真正决定企业能否放心使用的，是语义是否一致、权限是否沿用、证据是否可见，以及行动是否有清楚的审批点。Data agent 把这些元素放在一起，也提醒企业：AI 分析的下一个竞争点，不只是回答得快，而是能否在可控边界内把正确答案交到正确的人和工具手上。
