Bedrijven beschikken over steeds grotere hoeveelheden data, maar het vinden van een bruikbaar antwoord blijft vaak verrassend omslachtig. Een manager stelt een vraag, een analist zoekt de juiste gegevens, er wordt een rapport gebouwd en pas daarna kan een beslissing volgen. Met de nieuwe Data Agent in ChatGPT Work wil OpenAI die keten aanzienlijk korter maken.
De Data Agent maakt van ChatGPT niet alleen een plek waar medewerkers vragen stellen, maar een omgeving waarin bedrijfsdata kan worden onderzocht, gevisualiseerd, opgevolgd en uiteindelijk vertaald naar concrete vervolgstappen.
Van zakelijke vraag naar data-analyse
Het uitgangspunt is opvallend eenvoudig: een medewerker stelt een zakelijke vraag in gewone taal. Bijvoorbeeld waarom het aantal actieve gebruikers daalt, waar de kosten stijgen of welke klanten mogelijk dreigen af te haken.
De Data Agent kan vervolgens verbinding maken met goedgekeurde databronnen, de beschikbare informatie onderzoeken en proberen te achterhalen welke factoren achter een verandering zitten. Daarbij hoeft de gebruiker niet noodzakelijk zelf SQL-query's te schrijven of een gespecialiseerde analysetool te beheersen.
Dat maakt data-analyse potentieel toegankelijk voor veel meer medewerkers. Niet alleen data-analisten, maar ook mensen uit marketing, sales, finance, operations of productmanagement kunnen rechtstreeks met bedrijfsdata communiceren.
Dashboards bouwen door erom te vragen
De analyse hoeft bovendien niet te eindigen met een tekstueel antwoord. De Data Agent kan de resultaten omzetten in interactieve dashboards die medewerkers verder kunnen aanpassen, delen en vernieuwen.
OpenAI ondersteunt daarbij niet alleen dashboards binnen ChatGPT Work. De agent kan ook werken met bestaande BI-omgevingen zoals Power BI, Tableau, Sigma, ThoughtSpot, Omni en Oracle BI.
Daardoor ontstaat een interessante verschuiving. Waar medewerkers vroeger moesten leren hoe ze een dashboard moesten bouwen, kunnen ze steeds vaker beschrijven welk inzicht ze nodig hebben. De AI neemt vervolgens een deel van de technische vertaalslag voor zijn rekening.
Niet alleen cijfers, maar ook bedrijfscontext
Een van de belangrijkste onderdelen zit onder de motorkap. Een cijfer heeft immers weinig waarde wanneer verschillende afdelingen een andere definitie gebruiken.
Wat is bijvoorbeeld een actieve klant? Wanneer telt iemand als nieuwe gebruiker? Welke periode wordt gebruikt voor een vergelijking? En welke omzet telt mee in een bepaalde KPI?
De Data Agent kan gebruikmaken van bestaande bedrijfsdefinities, metriekdefinities, berekeningen en relaties tussen gegevens. Die context kan onder meer afkomstig zijn uit semantische lagen en vertrouwde bronnen binnen de organisatie.
Het doel is dat medewerkers niet alleen sneller antwoorden krijgen, maar dat verschillende teams hun vragen vanuit dezelfde gedeelde bedrijfscontext laten beantwoorden.
Van datawarehouse tot documenten
Daarvoor moet de agent natuurlijk bij de relevante informatie kunnen. OpenAI noemt onder meer Amazon Redshift, Google BigQuery, ClickHouse, Databricks, MongoDB en Snowflake als databronnen waarmee de Data Agent kan werken. Ook bestanden en documenten uit Google Drive en SharePoint kunnen onderdeel worden van een analyse.
Zo kan een analyse verder gaan dan een traditionele databasequery. Cijfers uit een datawarehouse kunnen bijvoorbeeld worden gecombineerd met bedrijfsdocumenten en andere relevante context.
De bestaande toegangsrechten blijven daarbij belangrijk. Volgens OpenAI worden bestaande beperkingen op onder meer tabellen, rijen en kolommen gerespecteerd, terwijl beheerders bepalen welke databronnen en verbindingen binnen de organisatie beschikbaar zijn.
Een agent die veranderingen blijft volgen
De demonstratie rond de Data Agent laat ook zien hoe analyse steeds meer richting monitoring verschuift. In plaats van telkens opnieuw hetzelfde dashboard te controleren, kan een gebruiker aangeven welke verandering belangrijk is en onder welke omstandigheden daar aandacht voor nodig is.
Dat verandert de rol van business intelligence. Een dashboard is traditioneel iets waar iemand naartoe gaat om cijfers te bekijken. Een data-agent kan juist actief helpen onderzoeken wat veranderd is en welke vervolgstappen relevant kunnen zijn.
Analyse wordt het beginpunt van actie
Daar ligt uiteindelijk de grotere ambitie. De Data Agent moet niet alleen antwoord geven op de vraag wat er gebeurt, maar ook helpen bepalen wat er vervolgens moet gebeuren.
ChatGPT Work kan op basis van een analyse mogelijke vervolgstappen voorstellen en aangeven welke mensen betrokken moeten worden. Bevindingen kunnen vervolgens via gekoppelde tools worden gedeeld, bijvoorbeeld via Slack of e-mail, waarna goedgekeurde acties verder kunnen worden uitgevoerd.
Daarmee schuift AI-analyse op van vraag → rapport naar een bredere workflow: vraag → analyse → dashboard → monitoring → aanbeveling → actie.
De data-afdeling krijgt een andere rol
Dat betekent niet noodzakelijk dat data-experts overbodig worden. Hun rol kan juist verschuiven.
Wanneer medewerkers zelfstandig analyses kunnen uitvoeren, wordt het belangrijker dat iemand bepaalt welke databronnen betrouwbaar zijn, hoe KPI's worden gedefinieerd, welke toegangsrechten gelden en welke context de AI moet gebruiken.
OpenAI past die aanpak naar eigen zeggen ook intern toe. Bijna het volledige productteam en meer dan twee derde van de go-to-marketorganisatie gebruikt data-agents om zelf bedrijfsdata te analyseren. Het datateam ondersteunt dat door gedeelde bedrijfsdefinities, toegangsregels en beveiligingsmaatregelen op te zetten.
De Data Agent maakt data-expertise daarmee niet minder relevant. Hij kan ervoor zorgen dat die expertise op een andere manier wordt opgeschaald: het datateam bouwt de betrouwbare basis, terwijl veel meer medewerkers daar zelfstandig vragen aan kunnen stellen.
Van dashboard naar gesprek
De belangrijkste verandering zit misschien daarom niet in een nieuwe grafiek of nog een AI-dashboard. Het gaat om de interface tussen medewerkers en bedrijfsinformatie.
Data-analyse wordt steeds minder iets waarvoor iemand eerst een gespecialiseerde tool moet openen. Het kan een gesprek worden waarin een medewerker begint met een eenvoudige vraag, vervolgens doorvraagt, een dashboard laat bouwen, afwijkingen onderzoekt en uiteindelijk acties formuleert.
Met de Data Agent probeert ChatGPT Work zo een nieuwe laag bovenop de bestaande datastack te leggen: één gesprek waarin bedrijfsdata, definities, analyse, visualisatie en actie bij elkaar komen.
