ChatGPT Work får Data agent til forretningsanalyser

Hvad er nyt

OpenAI introducerede den 10. september 2026 en Data agent i ChatGPT Work. Den er et plugin (en tilføjelse), som kobler sig på virksomhedens godkendte datakilder og kan svare på spørgsmål som »hvorfor faldt salget?«, »hvor stiger udgifterne?« eller »hvilke store kunder risikerer at sige op?«. Svaret kommer som en analyse og et interaktivt dashboard, altså en visuel oversigt med tal og grafer, som man kan dele med kolleger.

Agenten kan hente data fra blandt andet Amazon Redshift, Google BigQuery, Databricks, MongoDB, Snowflake og ClickHouse. Den kan også bruge filer fra Google Drive og SharePoint. Man kalder på den med @Data, eller ChatGPT kan selv tage den i brug.

Hvad er smart

Man skal hverken skrive søgeforespørgsler (kode, der henter data) eller lære et nyt analyseprogram. Man skriver, hvad man vil vide, og kan så finpudse analysen i den samme samtale.

Agenten forsøger også at forstå virksomhedens eget sprog: hvordan en nøgletal er defineret, og hvordan tabeller hænger sammen. Til det bruger den kilder som dbt, GitHub, Snowflake Horizon, Databricks Genie Ontology og eksisterende BI-dashboards (BI betyder forretningsanalyse). Dashboards kan kobles til Power BI, Tableau, Sigma, ThoughtSpot, Omni og Oracle BI, så den supplerer værktøjerne i stedet for at erstatte dem.

Sikkerhed er tænkt ind: Forespørgsler følger den tilsluttede brugers eksisterende rettigheder, også på tabel-, række- og kolonneniveau. Man kan altså ikke se mere via chatten, end man må i forvejen. Administratorer kan slå agenten til for udvalgte roller eller grupper.

Billigere eller bedre?

OpenAI har ikke oplyst en særskilt pris for Data agent. Adgangen afhænger ifølge omtalen af et eksisterende ChatGPT Work- eller Codex-abonnement, hvor pluginet er slået til. Priser pr. måned og oplysninger om tilgængelighed i Danmark og EU er ikke fundet i kilderne.

En direkte sammenligning med konkurrenternes løsninger er heller ikke oplyst, og der er ingen benchmarks. OpenAI siger selv, at næsten hele produktteamet og over to tredjedele af salgs- og marketingorganisationen allerede bruger data-agenter internt. Blandt de tidlige testbrugere er NTT Data, Thermo Fisher og ServiceTitan. De bruger den til at analysere salg og udgifter, finde fejl i rapporter og vælge, hvilke muligheder de skal gå efter.

En vigtig realitet: Samtalebaseret analyse løser ikke dårlige data. Hvis virksomhedens tal er rodede, eller to afdelinger regner nøgletal forskelligt, hjælper agenten ikke af sig selv.

Det er den god til

Den passer til virksomheder, der allerede har samlet data i et datalager, og hvor almindelige medarbejdere i salg, økonomi eller kundeservice har brug for hurtige svar uden at vente på en dataanalytiker. Typiske opgaver er at forklare udsving i salget, spore stigende omkostninger, finde fejl i rapporter og lave et dashboard til et møde.

Den er mindre relevant for små virksomheder uden egne databaser. Og husk at tjekke vigtige tal, før de bruges til store beslutninger.