OpenAIは2026年9月10日、ChatGPT WorkとCodexで利用できるDataプラグインを発表しました。社内のデータ基盤や文書を会話から調べ、変化の原因を分析し、レポートや対話型ダッシュボードへまとめるための機能です。
結論から言うと、Dataプラグインは「SQLを書かずに質問できること」だけが価値ではありません。既存のデータ権限と社内の指標定義を使い、分析から共有までを同じ作業の流れにまとめられる点が重要です。ただし、出力をそのまま経営判断へ使うのではなく、対象期間・フィルター・指標定義・参照元を人が確認する運用が欠かせません。
多くの組織では、売上や利用状況はデータウェアハウスに、指標の説明は文書に、可視化はBIツールに分散しています。業務担当者が「先週の継続率が下がった理由」を知りたいだけでも、抽出条件の確認、SQL作成、集計、グラフ化、説明資料の作成が必要でした。
Dataプラグインは、こうした複数の作業を会話からつなぎます。OpenAIの公式発表では、Amazon Redshift、ClickHouse、Databricks、Google BigQuery、MongoDB、Snowflakeなどの承認済みデータソースに加え、Google DriveやSharePointの文書も分析へ取り込めるとされています。
「顧客」「有効ユーザー」「解約」の意味は会社ごとに違います。Dataプラグインは、dbtなどのセマンティック層、信頼済みのダッシュボード、社内文書にある定義を文脈として利用できます。
これは分析精度を自動的に保証するものではありません。複数の定義がある場合は、どの定義と期間を使うかを質問で明示し、結果にも記録するのが安全です。
公式ヘルプでは、接続アカウントの既存権限とワークスペースのアクセス制御が適用されると説明されています。管理者はDataプラグインの導入可否や、必要なデータソース用プラグインを管理します。
一方で、権限があることと、目的に照らして使ってよいことは同義ではありません。個人情報や人事情報などは、社内規程、利用目的、共有先を別途確認してください。
最初の回答に続けて、前年同期との比較、地域別の分解、外れ値の除外、根拠となるソースの確認を依頼できます。単発のグラフ作成よりも、仮説を絞り込む反復作業に向いています。
Dataプラグインの導入で変わるのは、分析担当者が不要になることではありません。定型集計や資料化の時間を短くし、分析担当者は指標設計、データ品質、因果関係の検討へ比重を移しやすくなります。
向いている業務例は次のとおりです。
最初の質問は、次のように条件と成果物を明示すると検証しやすくなります。
先週の週次アクティブユーザーの変化を前週・前年同期と比較してください。正式な指標定義を使い、対象期間、除外条件、参照元、確認できない点を示したうえで、主要因の候補と次の確認項目をまとめてください。
企業事例やベンダー発表の効果は、その組織固有の結果です。自社で同じ効果が出る保証値として扱わず、小規模な検証で精度と工数を測る必要があります。
ChatGPT WorkのDataプラグインは、社内データへの質問、原因調査、可視化、共有を一続きにするための機能です。効果を左右するのは、AIモデルだけではなく、正しい指標定義、データ品質、最小権限、そして人による検証です。
まずは読み取り専用のデータと、答えを照合できる定例レポートから始めるのが現実的です。分析速度を上げながら、根拠を追える運用を同時に設計しましょう。
最終確認日：2026年9月13日