OpenAI近日在企业数据分析领域推出创新产品——ChatGPT Work中的“数据智能体”，这一工具旨在让企业员工通过自然语言直接与数据交互，无需掌握SQL或手动整合多源数据。用户只需提出问题，智能体即可自动连接授权数据源，分析数据变化，生成可视化报告，并在获得授权后执行后续操作。
该产品的核心功能是打破传统数据分析的门槛。例如，员工可以询问业务指标波动原因，系统会自主调查相关数据，识别影响因素，并生成管理层所需的报告。与传统工具仅返回数据或代码不同，数据智能体直接提供分析结果，并转化为可交互的仪表盘，支持团队共享、编辑和持续追问。
OpenAI强调，这一工具并非从零开发，而是基于内部实践的优化。据披露，其内部版本已服务超3500名员工，覆盖600PB数据和约7万个数据集，产品团队和三分之二以上的市场与销售团队均在使用。这一背景使得新工具更贴近企业实际需求，目标是将原本依赖数据分析师的任务，转化为普通员工可通过自然语言完成的操作。
在技术整合方面，数据智能体支持与主流数据平台和文档工具的深度协作。数据源涵盖Amazon Redshift、Google BigQuery、Snowflake等，文件分析范围包括Google Drive和SharePoint。分析完成后，结果可导出至Power BI、Tableau等BI工具，并利用企业已有的业务术语、指标定义和计算逻辑，确保分析符合内部规范。权限管理方面，管理员可预设数据连接和角色权限，查询过程严格遵循企业原有的表、行、列级权限控制。
更进一步，数据智能体不仅提供答案，还能根据分析结果建议后续行动，例如推荐联系团队或分享结果，并通过集成工具执行用户批准的操作。这种设计使其成为企业工作流中的主动参与者，而非被动响应工具。
然而，产品发布时未公布面向外部客户的准确率或检索基准，引发市场关注。尽管OpenAI内部进行了对比测试，但未公开具体数据或提供横向比较标准。这导致企业客户缺乏量化指标评估其在复杂数据环境中的表现，尤其是在答案可能分散于多个数据表、文档甚至即时通讯消息的场景下，准确性成为关键考量。
竞争对手已开始通过公开基准证明自身能力。例如，Databricks近期发布的研究显示，其系统在企业检索任务中的回答质量可媲美Claude Sonnet 5等模型，平均响应时间约5.8秒。不过，这些结果尚未经过独立验证，凸显行业对标准化评估的迫切需求。
对于OpenAI而言，数据智能体的推出标志着其从问答工具向企业工作流核心的延伸。从回答问题到调查数据、生成分析、执行行动，这一工具正重新定义员工与数据的互动方式。随着企业数据智能竞争的加剧，未来胜负可能不仅取决于模型能力，更在于对业务逻辑的理解、权限体系的遵循，以及分析结果向实际业务的转化效率。
