ChatGPT получил Data agent. Почему следующий бой за AI идёт уже не за чат, а за данные

В сентябре OpenAI представила Data agent в ChatGPT Work. Он подключается к корпоративным данным, помогает исследовать изменения и собирать интерактивные дашборды обычным запросом.

Новость выглядит как ещё одна функция ChatGPT. Но за ней есть более важный сдвиг: AI постепенно перестаёт быть отдельным окном рядом с бизнесом и начинает работать внутри данных бизнеса.

Красивый ответ без данных быстро упирается в потолок

Можно спросить модель: «Почему упали продажи?»

Она даст список разумных причин: сезонность, трафик, конверсия, средний чек, изменение ассортимента.

Ответ может быть хорошим. Но он всё равно общий.

Чтобы ответить на вопрос компании, нужно знать, какие продажи упали, где, за какой период, какие сегменты изменились и что именно компания считает «активным клиентом» или «маржой».

Без этого AI рассуждает. С этим — начинает анализировать.

Данные становятся частью интерфейса AI

Раньше бизнес строил отдельные BI-системы: человек открывает дашборд, выбирает фильтры, смотрит графики и сам формулирует вывод.

Новый подход разворачивает процесс:

человек задаёт бизнес-вопрос → агент ищет нужные данные → проверяет изменения → показывает расчёт → человек уточняет вопрос.

Это не отменяет BI и не делает контроль ненужным. Наоборот: чем проще задать вопрос, тем важнее понимать, какие данные и определения стоят под ответом.

Где здесь главный риск

Самый опасный вариант — когда AI уверенно отвечает на основании непонятного набора данных.

Для рабочего корпоративного контура должны быть видны как минимум четыре вещи:

Источник. Откуда взялись данные.

Период. За какой интервал сделан вывод.

Метрика. Что означает «выручка», «активный клиент» или «конверсия».

Артефакт. Где сохранить расчёт, таблицу и итоговый вывод.

Если этого нет, удобный интерфейс легко превращается в фабрику убедительных, но непроверяемых объяснений.

Почему это важнее очередной новой модели

Модель можно улучшить или заменить.

Но если данные компании лежат в пяти системах, называются по-разному и не имеют понятных прав доступа, новая модель это не исправит.

Поэтому для бизнеса ближайший практический вопрос звучит так:

не «какой AI самый умный?», а «к каким данным мы готовы безопасно его подпустить?»

Это уже вопрос архитектуры, ролей, источников истины и качества данных.

Маленький тест для компании

Возьмите один регулярный управленческий вопрос, например: «Почему в этом месяце снизилась маржа?»

И заранее перечислите:

1. какие источники нужны;
2. какие поля нужны;
3. кто имеет право их видеть;
4. какие расчёты должны быть воспроизводимы;
5. какой результат нужно сохранить.

Если список нельзя составить, проблема пока не в AI. Сначала надо привести в порядок сам контур данных.

Что меняется

Рынок AI движется от генерации текста к выполнению работы вокруг корпоративного контекста.

И это хорошая новость: ценность становится измеримее.

Можно спорить о качестве ответа чат-бота. Гораздо проще проверить, нашёл ли агент нужные данные, правильно ли посчитал показатель и сохранил ли результат так, чтобы его можно было повторить.

Именно такие задачи, а не очередной «умный чат», постепенно становятся настоящим корпоративным AI.