OpenAI又向企業數據分析市場邁出一步。

當地時間9月10日，OpenAI宣佈在ChatGPT Work中推出新的「數據智能體」（Data agent），用戶無需編寫SQL或手動整理多個數據源，只需用自然語言提出問題，智能體就能連接企業獲授權的數據和文檔，調查數據發生了什麼變化，生成分析和互動式Dashboard，並在獲得用戶批准後執行後續行動。

不過，這款產品發布之際也留下了一個關鍵懸念：OpenAI尚未公布面向外部客戶的公開準確率或檢索準確率基準。這意味着，企業可以看到它能夠連接哪些數據、完成哪些任務，卻暫時缺少一個獨立、可量化的公開指標來判斷它究竟「答得有多準」。

一句話「拷問」600PB數據，OpenAI把數據分析變成對話

OpenAI稱，數據智能體的目標是讓企業員工直接「向數據提問」。

例如，用戶可以詢問某項業務指標為何發生變化，要求系統找出影響因素、比較不同時間段或客戶群體，再進一步生成管理層需要的報告。智能體會自行調查相關數據，而不是簡單返回一段SQL或一個數字。

它還能將分析結果直接轉化為互動式Dashboard，包括圖表、指標和可進一步編輯的可視化內容，並支持團隊成員共享、刷新和繼續追問。

官宣新智能體前，OpenAI的內部數據智能體此前運行已覆蓋龐大數據。據VentureBeat報道，OpenAI內部的數據智能體已經服務超過3500名用戶，覆蓋超過600PB數據和約7萬個數據集。

這也解釋了OpenAI為什麼強調此次產品並非從零開始開發，而是將內部已經使用的數據分析工作流進一步產品化。

從數據庫到Dashboard：打通企業數據、文件與BI工具

與傳統的「自然語言查數據庫」工具相比，OpenAI更強調數據智能體對企業現有工具鏈的整合。

目前支持的數據平台包括Amazon Redshift、Google BigQuery、ClickHouse、Databricks、MongoDB、Snowflake和Datadog等；同時可以把Google Drive和SharePoint中的文件、文檔納入分析。

在分析完成後，數據智能體還可以與Omni、Oracle BI、Power BI、Sigma、Tableau、ThoughtSpot等Dashboard和BI工具協同工作。

OpenAI稱，其數據智能體還可以利用企業已經建立的業務術語、指標定義、自定義計算方式以及數據關係。也就是說，它試圖理解的並不只是「這張表裏有什麼」，而是企業內部究竟如何定義收入、客戶、訂單等業務指標。

此外，管理員可以預先決定哪些數據連接和角色可以使用，數據查詢繼續遵循企業原有的表級、行級和列級權限。

更進一步，數據智能體並不止於「給出答案」。它可以根據分析結果建議下一步應該聯繫誰、哪些團隊需要參與，並通過連接的工具分享結果或執行用戶批准的行動。

先給自己用：OpenAI內部超3500人已靠它查數據

OpenAI稱，數據智能體源自公司自身的數據使用需求。

VentureBeat援引OpenAI企業技術負責人Arpan Shah報道稱，大約一年前，OpenAI內部只有極少數數據問題能夠在沒有人工介入的情況下端到端解決；如今，公司員工已經可以自行處理大量數據問題。

內部版本曾服務超過3500名用戶，覆蓋約7萬個數據集和超過600PB數據。OpenAI還表示，目前幾乎所有產品團隊成員以及超過三分之二的GTM（市場與銷售）團隊都在使用數據智能體。

這也是OpenAI此次產品定位的重要變化：它希望把過去需要數據分析師、工程師介入的工作，進一步變成普通員工可以通過自然語言完成的任務。

最大懸念：能回答問題，但準確率到底有多高？

但對於企業級數據產品而言，「能不能做」只是第一關，「做得準不準」纔是更關鍵的問題。

OpenAI沒有在此次發布中公布一個面向外部客戶的公開準確率或檢索準確率Benchmark。VentureBeat稱，OpenAI內部確實進行了對比測試，包括將數據智能體的結果與公司已有的數據工具進行比較，但OpenAI沒有公開具體成績，也沒有提供一個可供外部客戶橫向比較的數字。

這並不意味着數據智能體準確率低，而是意味着企業客戶目前缺少一個公開、統一的量化標準來判斷其在複雜企業數據環境中的表現。

這一點尤其值得關注，因為企業數據往往比普通問答覆雜得多：答案可能分散在多個數據表、BI Dashboard、文檔乃至Slack消息中，還涉及不同團隊對同一指標的不同定義。

與此同時，競爭對手正在主動用Benchmark證明自己的數據智能能力。

例如，Databricks近期公布的Adaptive Instructed-Retriever研究稱，其系統在特定企業檢索任務中的回答質量可以達到Claude Sonnet 5、GPT-5.6 Luna和DeepSeek-V4-Flash的水平，同時平均回答時間約為5.8秒。需要指出的是，這些結果來自Databricks自身測試，尚未經過獨立驗證。

因此，隨着企業開始把更多數據查詢交給智能體，誰能夠用公開、可復現的指標證明「準確」，可能與誰能連接更多數據源同樣重要。

不想讓員工事事找分析師，OpenAI正把數據智能推向企業

從OpenAI的產品設計來看，其最終目標並不是簡單推出一個「更強的SQL助手」，而是讓數據智能體成為企業員工與數據之間的新入口。

銷售人員可以直接分析客戶和銷售數據，市場人員可以追蹤營銷指標，管理層可以要求智能體調查業務變化並生成Dashboard，而不是每次都等待數據分析師準備報告。

這也使數據智能體成為ChatGPT Work向企業工作流進一步深入的一步：從回答問題，走向調查數據、製作分析、生成可視化，再到執行後續行動。

而在另一端，Databricks、Snowflake等企業數據基礎設施廠商也在加速向智能體延伸。未來企業數據智能的競爭，可能不再只是「誰擁有更好的大模型」，而是誰能更準確地理解企業數據、遵循權限體系，並把分析結果真正轉化為業務行動。

對於OpenAI而言，此次發布解決的是「讓所有人都能問數據」的問題；至於能否進一步證明「讓所有人都能放心相信答案」，公開準確率Benchmark仍是它需要面對的下一道考題。