Note: This page does not support English, using the default language version
上周三，OpenAI在ChatGPT Work里上线了一个新功能——Data Agent。名字听起来很技术，但实际上这件事的意义，用大白话来说就是：
以后在办公室里，哪怕你完全不懂SQL、不懂数据库，只要你问得出来，你就能拿到数据答案。
Data Agent目前支持的连接非常广——Snowflake、Google BigQuery、Amazon Redshift、Databricks、MongoDB、ClickHouse……基本上主流的数据仓库和分析工具都覆盖了。
你只需要在ChatGPT里 @data，然后用自然语言提问：
Data Agent会自己去连接你授权的数据源，理解你公司的业务术语和指标定义（它能读取 dbt、Snowflake Horizon 这些语义层），然后执行查询、生成图表、给出分析。
更关键的是，它不只是给你一个数字，它还能追问：「你想看哪个时间段？」「要不要按客户类型拆分？」你可以在同一轮对话里不断深挖。
这里我想稍微展开一下，因为这件事对职场的冲击可能比很多人意识到的更大。
在过去，大多数公司的数据访问链路是这样的：
这个循环短的几天，长的能拖两三周。
而Data Agent相当于把中间那个「分析师」环节用AI替代了。你不再需要排队，不需要懂SQL，甚至不需要等——你在对话窗口里直接跟你的数据仓库对话，分钟级别拿到结果。
对数据分析师来说，这件事需要换个心态看待。Data Agent处理的是标准化、重复性的查询需求，比如「按X维度看Y指标」。这部分确实是会被替代的。但更复杂的探索性分析、跨系统的综合判断、带着业务直觉的数据解读——这些AI还做不好。分析师的真正价值会越来越往「提问框架」和「业务洞察」那端集中。
对普通业务人员来说，这是好事。数据不应该被锁在系统里，只有少数人才能碰。现在你只要会提问，就能拿到答案。当然，这也意味着你得学会怎么提问——模糊的问题得到模糊的答案，这跟用搜索引擎一个道理。
对企业来说，Data Agent引入了新的数据治理挑战。如果每个人都能访问数据，权限怎么管？敏感数据怎么隔离？OpenAI目前支持的是管理员在后台配置哪些数据源开放、哪些角色能访问，但这套机制能不能hold住真实的企业组织复杂度，还要打个问号。
这次Data Agent的上线，有一点特别值得注意：OpenAI没有说「我们要替代BI工具」。相反，它的定位是跟现有BI工具共存——可以对接Tableau、Power BI、Sigma，让AI生成的分析结果直接导入这些工具继续编辑和分享。
这个策略很聪明。与其让企业把整个分析流程推倒重来，不如在现有工作流里加一个AI层——用起来没门槛，替换成本也低。
这可能才是AI渗透企业软件最现实的路径：不是颠覆，是嵌入。
说到底，Data Agent不是什么魔法，它就是一个「把自然语言翻译成数据库查询」的工具。但当这个工具变得足够好用、足够便宜，它就不只是效率提升了——它会改变办公室里「谁有权提问、谁能看到数据」这个最基本的权力结构。
以后再有人说「这个数据我调不出来」，你可以直接甩给他一个链接了。
Loading comments...