データに聞けばいい。「詳しい人」を待たない働き方が始まる

1. ChatGPT Workに加わったDataエージェント

社内のデータに、話しかけて聞けるようになります。OpenAIが2026年9月11日に発表したDataエージェントは、ChatGPT Workのプラグインとして動き、会社が承認したデータ源につないで質問に答え、共有できるダッシュボードまで組み立てます。クエリを書く技術も、新しい分析ツールの習熟も、前提になっていません。

01 「なぜ落ちた？」を、その場で聞く

売上が鈍った理由。支出が増えている場所。大口顧客の更新を脅かしている問題と、直すべき順番。発表資料が最初に並べたのは、機能ではなくこうした問いでした。答えはデータの中にあるのに、たいていは誰かがレポートを作り終えるまで待つことになる。その待ち時間を、Dataエージェントは一本の会話に置き換えます。

つないだデータを調べ、何が変わったのかを追い、根拠を添えて返す。納得できなければ、同じ会話のなかで追加の質問を重ねられます。結果は組み込みのグラフを持つインタラクティブなダッシュボードにでき、チームで編集し、共有し、更新できる。ブランドガイドラインを渡せば、見た目を自社のものに寄せることもできます。

02 つなぐ先は、会社が承認した場所だけ

接続先として挙がっているのは、Amazon Redshift、Datadog、Google BigQuery、ClickHouse、Databricks、MongoDB、Snowflakeなど。さらにGoogle DriveとSharePointにあるファイルや文書も、そのまま分析に持ち込めます。いま使っているデータの置き場を、わざわざ引っ越さなくていい。始めるときの重さが、ここでだいぶ軽くなります。

もう一つ効くのが、言葉の共有です。会社の業務用語、指標の定義、独自の計算、データ同士の関係を、Databricks Genie Ontology、dbt、GitHub、Snowflake Horizon、既存のBIダッシュボードといった意味レイヤーから受け取って解釈する。「売上」という一語が部署ごとに違う意味を持ってしまう会社ほど、ここの価値は大きい。

2. 変わるのは、レポートを待つ時間

新しくなるのは分析の道具ではなく、順番です。質問して、依頼して、待って、受け取って、また質問する。その往復が会話一本に縮みます。OpenAI社内では製品チームのほぼ全員と、GTM部門の3分の2以上が自分でデータを分析しているとのこと。ただしそれは、データチームが共通の定義と規則を先に用意したうえでの話です。

01 待たされないことは、優しさに近い

疑問が小さいうちに聞けることは、それだけで仕事の質を変えます。micro1の担当者は、運用チームが自分でダッシュボードを作り、30分で既存の実績追跡ダッシュボードを作り直しながら、元の方にあった誤りを見つけたと語っています。速く聞ける環境は、間違いに早く気づける環境でもある。

ServiceTitanは、AIサイドキック「Atlas」の利用者が非利用者の約3倍の頻度でキャンペーンを立ち上げていたことをダッシュボードで示し、オンボーディングの簡素化に生かしています。Ziplineは、優秀な担当者が数時間かけて掘るはずだった発見が初期テストで出てきたと述べる。どちらも起点は、結論より前に「聞けた」ことでした。

02 ダッシュボードは、頼むものになる

Dataエージェントは、Omni、Oracle BI、Power BI、Sigma、Tableau、ThoughtSpotのなかでもダッシュボードを作り、操作できます。チームが慣れた画面を捨てる必要はない。指示は自然な言葉のままでいい、という設計です。使う場所を動かさずに、頼み方だけが変わる。

NTT DATAは、ライセンス費用と工数と技術的な専門性が、ダッシュボードを社内に広げる壁だったと振り返っています。営業や管理部門の非エンジニアが、自分で作って自分で更新できるようになった、と。加えて次の一手の提案、関係者の洗い出し、Slackやメールでの共有、承認した操作の実行まで頼める。分析が、報告書の手前で止まらなくなります。

3. 向いている職場、向かない職場

効くのは、データはあるのに聞ける人が足りない職場です。逆に、指標の定義が人によってずれている、権限の設計が曖昧、という状態では期待しにくい。発表資料そのものが、共有の業務定義づくり、アクセス規則の設定、機微なデータへの安全策を、全社展開の前提として挙げています。道具より先に、土台の話になる。

01 権限は、あなたのまま

管理者が、どのデータ接続を使えるようにするか、どの役割に許すかを選びます。クエリは接続したアカウントの既存の権限に従って実行され、テーブル・行・列の制限もそのまま適用される。つまり、自分が見られないものは、聞いても出てきません。「AIに全部見えてしまう」という心配とは、設計が逆を向いています。

SnowflakeやRedisのコメントも、顧客がすでに信頼しているアクセス制御をそのまま使える点を強調しています。ガバナンスを一から作り直す前提ではない、というのは導入する側には大きい。ただし裏を返せば、権限がまだ整っていない会社は、そこを整えるところが出発点になります。

02 先に整えた人が、いちばん得をする

OpenAIのデータチームがやったのは、共有の業務定義をつくること、アクセス規則を決めること、機微なデータに安全策を置くこと。派手ではないこの三つが、ほぼ全社が自分で分析する状態をつくりました。個人の工夫より、組織の下ごしらえが効くタイプの機能だと言えます。

読者が今日できることがあるとすれば、自分のチームで「同じ言葉が同じ数字を指しているか」を確かめることでしょう。会議で「今月の数字」と言ったとき、全員が同じ集計を思い浮かべているか。そこが揃っていれば、聞ける相手が増えた瞬間に、速さがそのまま効いてきます。

4. 始め方は、@Dataと打つだけ

使えるかどうかは、管理者の設定で決まります。Dataエージェントは、ChatGPT Workのプラグインディレクトリに「Data」として並んでいます。入っていなければ「Install plugin」を選ぶ。管理者はWorkspace settings > Pluginsから配布し、DatabricksやSnowflakeなどのデータ源プラグインを有効化して、使える人を管理します。接続を済ませたら、あとは@Dataに話しかけるだけです。

01 今日やること、三つだけ

一つ、管理者に「Dataプラグインは入っているか」と聞く。二つ、自分が毎週見ている数字の置き場が、接続できるデータ源に含まれているか確かめる。三つ、最初に聞きたい質問を一文で書いておく。この三つが揃っていれば、有効になった初日から動き出せます。順番を決めておくと、迷いが消えます。

質問が思い浮かばないなら、発表資料のプロンプト例がそのまま使えます。指標の変化を診断する、新しい製品領域のKPI設計を頼む、今月の数字を経営向けの報告にまとめる。たとえば「先週の週間アクティブユーザーが変わった理由を診断して、要因と、次に確認すべきことを挙げて」。打ってみるコストは、ほとんどゼロです。

02 それでも、待つ判断はある

自社が毎日見ている数字の置き場が、接続先の一覧に見当たらない。指標の呼び方が部署ごとにばらばら。そんな状態なら、急いで手を挙げる理由は薄いはずです。一方でNTT DATAやThermo Fisher ScientificといったAlphaプログラムの組織は、売上や支出の分析、報告の誤りの発見、案件の優先順位づけに、すでに使い始めています。

データは、もう十分にあります。足りなかったのは、聞く習慣のほうだった。管理者が有効にした翌日、チームの誰かが最初の質問を打ち込む。その一回が、来月の会議の中身を変えていきます。これは道具が増える話ではなく、人の手が空く話です。空いた手で何をするかは、こちらの自由になる。

5. よくある質問

6. まとめ