2026 年 9 月 10 日，OpenAI 在 ChatGPT Work 中发布 Data Agent。它不是单独增加一个 Text-to-SQL 对话框，而是把企业数据源、业务上下文、分析工作流、交互式看板和批准后的行动接入同一条会话链。
这项发布值得关注，因为它把 Data Agent 的竞争从“模型能否写查询”推向了“组织能否让更多员工在现有权限内完成一项可复核的数据工作”。
数据连接和业务上下文同时进入分析
官方列出的获批数据源包括 Amazon Redshift、Datadog、Google BigQuery、ClickHouse、Databricks、MongoDB 和 Snowflake，也可将 Google Drive、SharePoint 中的文件与文档带入分析。
连接器只解决“数据可达”。Data Agent 还会使用组织已有的业务术语、指标定义、自定义计算和数据关系，相关上下文可来自 Databricks Genie Ontology、dbt、GitHub、Snowflake Horizon 与 BI 看板等可信来源。
这两类输入必须分开理解：数据源提供记录，语义资产规定这些记录如何变成业务含义。若组织没有稳定定义，Agent 只会更快暴露口径冲突。
分析过程变成可继续追问的工作区
用户可以在同一会话中要求 Agent 调查变化、比较历史时期、检查证据并调整范围。结果不仅是文字回答，还可以形成可编辑、分享和刷新的交互式看板；官方同时列出 Tableau、Power BI、Sigma 和 ThoughtSpot 等 BI 生态合作伙伴。
这里最重要的产品变化，是中间过程不再完全隐藏。用户可以沿着问题、证据和制品继续迭代，而不是每次重新提交一个孤立查询。
Skills 把常见分析方法拆成工作协议
Data Agent 背后包含指标设计、业务背景收集、数据上下文、质量分析、诊断、Notebook、可视化、看板和报告等分析 Skills。连接器回答“可以访问什么”，Skill 回答“这类任务应该怎样做、怎样验证、什么时候完成”。
Skill 不等于已经证明的产品性能。它描述的是工作方法和验收边界，实际效果仍取决于数据质量、语义资产、权限配置和具体任务。
从发现到行动，多了一道批准边界
Agent 可以建议下一步、识别需要参与的人，通过 Slack 或邮件分享发现，并使用连接工具执行用户批准的行动。这里的“批准”非常关键：分析建议、动作提案、授权执行和执行后回读应被视为不同状态。
如果系统只能展示“已调用工具”，却无法证明动作对象、参数、接收者和最终状态，分析到行动的链路仍不完整。
权限由连接账户和管理员控制
管理员负责启用插件、配置数据源并管理谁可以使用。官方说明，查询遵循所连接账户已有的表、行和列权限。用户通过 ChatGPT Work 的 Plugins 目录安装 Data，完成所需账户连接后，以 @Data 发起任务。
这意味着部署工作不会止于安装插件。企业仍需梳理连接账户、语义来源、敏感字段、数据驻留、日志和动作审批。
采用数据比功能数量更值得观察
OpenAI 表示，其产品团队几乎全部、GTM 组织超过三分之二已经使用 ChatGPT Work 中的数据 Agent；这些属于官方披露，尚无独立审计。Alpha 客户案例也说明产品正用于销售、支出、报表错误和机会筛选等场景。
判断这项发布能否改变企业分析，不应只数连接器或 Skills。更关键的是：员工能否完成真实高频任务，结论是否可追溯，纠正能否沉淀，权限拒绝是否准确，以及行动发生后能否确认结果。
参考：OpenAI：Now everyone can put data to work，发布于 2026-09-10，本文核对于 2026-10-06。