「先月、売上が落ちた理由を見たい」
これまでなら、担当者へ頼む。BIを開く。SQLを書く。数字の定義を確認する。グラフを作る。会議で「この売上って返金後？」と聞かれ、もう一度作り直す。
OpenAIが9月10日に発表したChatGPT WorkのData agentは、この往復を会話へ寄せる。Amazon Redshift、Google BigQuery、ClickHouse、Databricks、MongoDB、Snowflakeなど、承認されたデータソースへ接続し、変化を調べ、回答やインタラクティブなダッシュボードを作る。
重要なのは「AIがSQLを書ける」ことではない。そこはもう珍しくない。
質問→調査→可視化→追加質問が、同じ会話の中で続くことだ。
BIのボトルネックは、グラフ作成より意味合わせ
会社の数字は、列名だけ見ても分からない。
revenue が税込か。キャンセルを引いた後か。受注日ベースか入金日ベースか。顧客数に無料ユーザーは入るのか。
Data agentは、チームの指標定義やビジネス背景を分析へ取り込めるとしている。ここがちゃんと機能すれば、AI分析の品質はモデルの賢さより会社側の定義の整い方に引っ張られる。
つまり、AIを入れた瞬間にデータ基盤の借金が消えるわけではない。むしろ「あの数字は部署ごとに意味が違う」が、ものすごい速度で露出する。
Excelが消えるというより、役割が分かれる
Excelが2026年も会社を支配している理由で書いたように、表計算は“考える途中”に強い。
Data agentが強いのは、確定したデータへ横断的に質問し、仮説を掘るところだろう。
- 「先週から解約率が上がった顧客群は？」
- 「広告費が増えたのに粗利が落ちたチャネルは？」
- 「大口更新を危険にしているサポート課題は？」
こういう問いを、分析担当へチケット化せず、その場で深掘りできる。
一方で「来月だけこの案件を別計算したい」「この3行だけ手で直したい」は、まだ表計算のほうが速いことも多い。
導入前に決めるべきは、AIの使い方ではない
会社で使うなら、先に次を決めたほうがいい。
- どのデータソースを接続してよいか
- 誰の権限で何が見えるか
- 重要指標の定義はどこが正本か
- ダッシュボードの数字を意思決定へ使う前に誰が確認するか
- 個人情報や機密列をどう扱うか
OpenAIは接続済みアカウントの権限とワークスペースのアクセス制御が適用されるとしている。だからこそ、元の権限が雑なら、AIだけ丁寧にはならない。
「データを見る人」が増えると、会議は変わる
これまでBIは、読める人と作れる人が分かれていた。Data agent型のUIが普及すると、「数字を見て質問を続けられる人」が一気に増える。
これは分析部門が不要になる話ではない。逆だ。
定型グラフを作る時間が減るほど、指標設計、因果の切り分け、実験設計、データ品質のほうが重要になる。
レポートを届ける仕事から、会社が間違った問いを立てないようにする仕事へ寄っていく。
Data agentの本当の破壊力は、BI画面を置き換えることではない。誰かに分析を“依頼する”前に、全員が一度データへ聞けるようになることだ。