ChatGPT WorkのData agentとは？社内データ分析とダッシュボード作成にできること

Data agentは、社内データを調べるための「仕事の相棒」

今回のData agentは、ChatGPT Workのプラグイン一覧では「Data」として提供されています。質問に答えるだけでなく、データの変化を調べ、対話型のダッシュボードへまとめる役割を持ちます。

ダッシュボードは、重要な数字やグラフをまとめた画面のこと。売上、利用状況、問い合わせ件数などを、一覧で見たり、条件を変えて確認したりするためのものです。

そして「エージェント」は、ここでは複数の作業をつないで進めるAI、と考えると分かりやすいと思います。文章を一回返して終わるより、質問、調査、追加確認、資料づくりを一つの会話で進めるイメージです。

ただ、インストールした瞬間に会社中の情報へ自由にアクセスできる、という話ではありません。使いたいデータの接続と、そのデータを見る権限が必要です。まずここを押さえておくと、その後の話が分かりやすくなります。

• 出典：公式発表（新しいタブ）

つながるのは表だけではなく、「その数字の意味」まで

公式に挙げられている接続先には、Snowflake、Databricks、Google BigQuery、Amazon Redshiftなどがあります。GoogleドライブやSharePointにある資料も、接続が利用できる場合は分析の材料にできます。

知らないサービス名が多くても、大丈夫です。「会社でデータをためている場所」「いつも使っている資料の置き場所」とつながる仕組み、と考えてみてください。

ここで僕が大事だと思うのは、データそのものに加えて、数字の定義を扱うことです。

たとえば同じ「売上」でも、注文された金額なのか、入金された金額なのか。キャンセルや返品を含むのか。税込なのか、税抜なのか。この前提が違えば、同じ会社の資料なのに数字が合わないことがあります。

Dataの公式ヘルプは、こうした指標の定義やデータ同士の関係を「Semantic Layer」と呼び、分析の文脈として使うことを説明しています。難しく聞こえますが、僕なら「会社の数字を読むための共通ルール集」と捉えます。

たとえば「継続利用者」という言葉一つでも、一週間に一回使えばよいのか、三回以上なのかで見え方が変わります。AIに数字を渡すだけではなく、何をどう数えているかも一緒に渡す。この下準備が、実務では効いてきそうです。

• 出典：公式：データ連携の紹介（新しいタブ）
• 出典：公式：Dataプラグインの使い方（新しいタブ）

「先月より下がった。なぜ？」から、順番に掘り下げる

ここからは僕が考えた使い方の例です。特定の会社の実データや、実際に得られた分析結果ではありません。

たとえば、月次の販売状況を確認したいとします。最初から「売上を伸ばす戦略を全部考えて」ではなく、まず比較の土台をそろえる依頼にします。

結果を見て気になる場所があれば、「その商品だけ、件数と単価に分けて見たい」と追加する。件数が減ったのか、単価が下がったのかが分かれば、次に調べる場所も変わります。

さらに「今月は途中なので、前月の同じ日数でも比べて」と伝えれば、月全体と月途中をそのまま比較するズレも避けやすくなります。

大事なのは、一つの回答で結論を確定することではなく、気になる点を会話で掘り下げることです。公式も、追加質問で結果を調べ、根拠を確認する使い方を示しています。

「理由を教えて」と言っても、数字の動きだけで因果関係まで証明できるとは限りません。僕なら、確認できた事実、考えられる仮説、追加で必要なデータを分けてもらいます。これなら、もっともらしい説明に引っ張られにくくなると思います。

• 出典：公式発表：分析から行動へ（新しいタブ）

分析結果を、見て触れるダッシュボードへ

分析した内容を長文で読むだけではなく、画面にまとめられるのも注目点です。

公式では、指標の選択や表示の調整を会話で進め、ダッシュボードを編集・共有・更新する使い方が紹介されています。また、Power BIやTableauなど、すでに会社で使っているBIツールとの連携も案内されています。実際にできる操作は接続先と権限によって異なります。公式：Dataのダッシュボード機能

僕なら、こんな形でお願いしてみたいです。

見た目の希望も、「かっこよく」だけより、「会議中に一画面で読める」「色は三色以内」「注意点は目立たせる」と用途に結びつけると相談しやすそうです。

きれいな画面ができると、それだけで正しそうに見えてしまうこともあります。だからこそ、元の表や既存のレポートと主要な合計が一致するかを先に確認したいです。画面づくりと検算を一緒に進めるのが、実用的だと思います。

• 出典：出典：OpenAI Help Center（新しいタブ）

始め方は「Dataを入れる」＋「必要なデータにつなぐ」

公式ヘルプに沿うと、最初の流れは次のようになります。

Dataのインストールと、外部サービスの利用許可は別です。プラグインは見えているけれど、会社のSnowflakeにはまだ接続できない、といった状態もあり得ます。

会社のアカウントなら、管理者がWorkspace settingsのPluginsで提供やインストールの方針を決めます。必要なデータソースが許可されているかも確認します。公式ヘルプではCodexからの利用も案内されています。公式：セットアップと開始手順

表示されない場合は、まずアカウントやワークスペースを確認するところからでよさそうです。「自分の画面にない＝発表自体が間違い」と考える必要はありません。

• ChatGPT DesktopのPlugins、またはWebのプラグイン一覧を開く。
• 「Data」を探し、まだ入っていなければインストールする。
• 使いたいデータソースの接続や設定を済ませる。
• 会話で「@Data」を付けて、調べたい業務の質問をする。

• 出典：出典：OpenAI Help Center（新しいタブ）

料金は？　Dataの説明と、契約プランを分けて確認したい

今回確認したDataの発表ページには、全員共通の独立した月額料金は示されていません。Dataが使えるアカウントやワークスペースであることと、必要な接続が利用できることが前提になります。

参考として、OpenAIの法人向け料金ページでは、ChatGPT BusinessのStandard seatは年払い換算で1人月額20米ドル、月払いで25米ドルと案内されています。Enterpriseは個別見積もりです。BusinessにはChatGPT Workの機能も含まれるとされています。

ただし、これは法人プランの参考価格で、「Dataを使った全処理がこの金額で無制限になる」という意味ではありません。接続先サービスの契約や利用料、ワークスペースの利用条件も別に確認する必要があります。

日本円の請求額、税、契約条件は購入画面で確認してください。すでに会社の契約がある人は、新しく個人で契約する前に、今のワークスペースで使えるかを見るのがよさそうです。

• 出典：公式の法人向け料金（新しいタブ）

共有できるからこそ、誰に見せるかも大切

Dataが問い合わせる際には、接続したアカウントの権限が使われます。公式には、テーブル・行・列の制限を反映すると説明されています。

ここを日常の言葉にすると、「もともと見られない部署のデータが、AIを挟むだけで自由に見られるようになるわけではない」ということです。

ただし、分析後の成果物の共有は、別に確認が必要です。公式ヘルプでは、Sitesへ公開する際、分析に使ったデータが公開サイトへコピーされると説明されています。元データに制限があるからといって、作った画面を誰にでも見せてよいわけではありません。

僕なら、最初の共有は必要なメンバーだけに絞り、個人情報や顧客名をそのまま出す必要があるかを見ます。売上の傾向を話す会議なら、集計だけで足りることもありますよね。

「分析を依頼する」「結果を確認する」「共有を決める」は別の工程。会話で進められるからこそ、ここは自分たちの仕事の流れに合わせておきたいです。

• 出典：公式：公開・共有と権限（新しいタブ）

最初の一週間は、既存のレポートを一つ再現してみたい

僕がこの機能を仕事に入れるなら、最初から会社全体の経営判断を任せるより、すでに正解を確認できるレポートを一つ選びます。

たとえば、毎週作っている問い合わせ件数のまとめです。対象期間を固定し、カテゴリ別の件数を出し、いつもの表と突き合わせる。数字が合わなければ、フィルターや分類、更新時刻の違いを調べる。

これなら「AIがそれっぽい説明をした」で終わらず、何が合っていて、どこに調整が必要かを確認できます。

その上で、今までは時間が足りずに見られなかった切り口を一つ足す。曜日別、地域別、問い合わせの種類別などです。既存の作業を確かめた上で、次の疑問へ進む流れです。

最初に共通の定義をそろえるのは少し地味です。でも、この地味な部分が整えば、毎回同じ説明をやり直さずに済む可能性があります。派手なグラフより先に、信頼できる比較を一つ作る。僕はその使い方がよいと思います。

「数字を集める」から「次の問いを考える」へ

Data agentは、会社の情報と業務の前提をつなぎ、調査からダッシュボードづくりまでを会話で進めるための機能です。

面白いのは、分析の専門家だけに質問が集中していた状態から、現場の人も自分の疑問を確かめやすくなる可能性があることです。一方、接続、権限、数字の定義を整える仕事がなくなるわけではありません。

僕としては、データを見た後に「じゃあ次は何を調べようか」と考える余裕が増えるなら、かなり楽しみです。

まずは、使い慣れた一つのレポートから。正しく比べられることを確認しながら、自分たちの仕事に合う問い方を育てていく。そんな始め方が、いちばん身近ではないでしょうか。