ChatGPT Workが分析待ちを短縮、非技術職もダッシュボード作成へ

OpenAIは2026年9月10日、ChatGPT Work向けの「Data agent」を発表した。OpenAIの製品発表 によると、承認済みの社内データを自然言語で調査し、追加質問で分析を調整したうえで、共有可能なインタラクティブ・ダッシュボードを作成できる。

2026年9月10日に発表されたData agentは、SQLや新しい分析ツールの習得を前提とせず、業務上の質問をデータ分析へ変えるChatGPT Workのエージェントだ。ITmediaの国内報道 も、プラグインとしての提供と、NTTデータの非エンジニアが自然言語でダッシュボードを作成・更新している事例を伝えており、従来は分析担当者への依頼後に発生していた待ち時間を短くすることが狙いとなる。

質問から共有画面までを一つの対話で進める

Data agentが担うのは、一度だけ回答を返す処理ではない。利用者は結果に追加質問を重ね、変化の要因や各所見の根拠を調べ、条件を修正できる。分析は組み込みの可視化を備えたダッシュボードに変換でき、作成後も編集、共有、更新が可能だ。

接続先として挙げられているのは、Amazon Redshift、Datadog、Google BigQuery、ClickHouse、Databricks、MongoDB、Snowflakeなどだ。Google DriveやSharePointに保存されたファイルと文書も分析対象に取り込めるほか、dbt、Snowflake Horizon、Databricks Genie Ontology、GitHub、既存のBIダッシュボードなどから、社内用語、指標定義、独自計算、データ間の関係を参照する。

Omni、Oracle BI、Power BI、Sigma、Tableau、ThoughtSpotでは、既存環境のダッシュボードを作成、操作できる。ただし、自然言語で質問できることは、結果が無条件に正しいことを意味しない。同じ「売上」でも、計上日、返品の扱い、対象地域、為替換算が異なれば数字は変わるため、信頼できる定義を接続する作業は残る。

分析担当者は作表より定義と検証を担う

非技術職が初期分析と可視化を自分で進めれば、定型的な抽出やグラフ作成を依頼して待つ工程は減らせる可能性がある。一方、今回の発表は分析担当者を不要にするものではない。担当者の重心は、依頼ごとに表を作る作業から、質問に使うデータと指標を管理し、生成結果を検証できる状態を整える作業へ移る。

質問の段階では、業務部門が判断したい内容、対象期間、比較対象、必要な粒度を示す。分析担当者は、顧客、売上、アクティブ利用者といった指標の定義に加え、タイムゾーン、欠損値、社内テストデータ、遅延して到着するデータの扱いをそろえる。ここが曖昧なら、処理が速くなっても部署ごとに異なる数字が作られかねない。

検証では、業務部門が結果を現場の出来事と照合し、分析担当者が参照先、フィルター、集計粒度、既存レポートとの差を確認する分担が考えられる。Data agentは追加質問による根拠の確認に対応するが、生成された所見をそのまま確定値として扱うのではなく、再現性を確かめられる分析案としてレビューする必要がある。

既存権限を使うが、接続範囲は企業が決める

利用可能なデータ接続と、それを使える役割は企業の管理者が選択する。クエリには接続アカウントが持つテーブル、行、列単位の権限が適用されるため、Data agentを追加しただけで、利用者が閲覧権限のないデータへアクセスできるようになる仕組みではない。

MongoDB Atlasでは制御方法がさらに具体化されている。MongoDBの接続機能発表 では、AIクライアントからのアクセスは初期状態で無効とされ、組織所有者が有効化を選択できるほか、読み取り専用にも制限できる。OAuthで認証し、各クエリはAtlasへ接続した利用者の権限で実行されるため、接続文字列や認証情報を利用者自身が管理する方式ではない。

権限の継承は、権限設計そのものを代行しない。接続アカウントに業務上不要な広い権限があれば、その範囲で照会できる状態も引き継がれる。個人情報、給与、取引条件などを扱う企業では、利用者と接続先の組み合わせに加え、元データ側の行・列制限、読み取り専用設定、共有先の範囲を事前に整える必要がある。

質問、検証、承認、共有を分けて設計する

分析の入口が速くなっても、結果を業務判断へ使う責任まで自動化されるわけではない。導入時には、作成者、検証者、承認者、閲覧者を区別し、用途の重要度に応じたレビューを設ける必要がある。探索用のダッシュボードと、経営会議、会計判断、顧客対応に使う数値を同じ承認条件で扱うべきではない。

1. 質問：業務部門が判断したい事項、対象期間、比較対象、必要な粒度を明記する。
2. 定義：分析担当者が指標の計算式、正本となるデータ、除外条件、更新頻度を管理する。
3. 検証：所見とダッシュボードを既存レポートや再実行可能な抽出結果と照合し、差異の理由を記録する。
4. 承認：外部連絡や重要な業務判断へ進む前に、権限を持つ担当者が対象、定義、内容を確認する。
5. 共有：閲覧者、表示可能な項目、再共有の可否、更新責任者を決める。

この分担では、Data agentが調査の反復と可視化を速め、人が問いの妥当性、指標の意味、結果を意思決定に使えるかを判断する。分析担当者への依頼件数が減るかだけでなく、定義の不一致やレビューでの差し戻しが増えていないかも、導入効果を見極める材料になる。

提供は始まったが、一般化できる効果測定はこれから

Data agentはChatGPT Workのプラグイン一覧に「Data」として掲載され、管理者がワークスペース設定から利用可能にする。分析対象となるサービスには別途データソース用プラグインの有効化や接続設定が必要で、実行できる操作は接続先の機能と各社の権限構成に左右される。

今回確認できるのは、自然言語による調査、分析の反復、ダッシュボード作成と共有、既存権限を用いた照会という提供内容だ。企業間で比較できる精度、誤分析の発生率、導入後の依頼待ち時間や工数の削減幅は公表資料からは判断できない。Data agentは分析結果を得るまでの経路を短くし得るが、その結果を信頼できる数値として承認する責任は企業側に残る。