OpenAIが示すChatGPT Workのデータエージェント構築手法

何が発表されたのか

米OpenAIは、業務向け統合ワークスペース環境「ChatGPT Work」を活用し、自社専用の「データエージェント（Data Agent）」を構築・運用する具体的なワークフローを公開しました。今回の実演動画では、データアナリストが普段使用している外部ツール群とAIをシームレスに接続し、分散した業務知識を集約する手順が提示されています。

本発表は、単に質問へ回答する対話型AIの枠組みを超え、組織固有の業務文脈を学習した自律型エージェントを現場主導で立ち上げる手法を示したものです。提供形態としてはChatGPT Workの機能群を活用する形となっており、Databricksなどのデータ基盤、Slackでの議論ログ、Google Drive内の仕様書を束ねるセマンティックレイヤーの構築から全社展開までの道筋が実演されました。

発表された機能・アップデートの全容

動画内で示されたデータエージェントの構築フローは、業務ツール連携から知識集約、人間によるレビュー、全社共有に至る一連のパイプラインで構成されています。実演画面をもとに各機能の仕様を解説します。

新任アナリストのオンボーディングを模したコンテキスト設計思想

動画の冒頭で解説されたのは、データエージェントに対する文脈（コンテキスト）の与え方に関する設計思想です。登壇者は「チームに新しく配属されたアナリストへどのようなコンテキストを共有するかを考えることと同じ」と述べ、人間に対する業務引き継ぎの要領でAIに前提知識をインプットする重要性を説きました。

従来のプロンプトエンジニアリングのように単発の指示を与えるのではなく、チームで使われている用語の定義、参照すべき正規テーブル、日頃の議論の場といった背景情報を網羅的に渡すことで、エージェントが業務の実態に即した推論を行えるようになります。この思想がChatGPT Work全体の操作設計の基礎となっています。

Plugins画面における各種業務ツール連携とアクセス権限管理

画面左上のメニューから「Plugins」タブを開くことで、業務で使用している多様な外部サービスをワンクリックで連携できる管理画面が示されました。画面上にはDatabricks Genieをはじめ、Gmail、Google Drive、Slack、GitHub、Outlook Email、Canvaなどの主要SaaSが並んでいます。

未インストールのツールは「＋」ボタンをクリックしてアカウント認証を行うだけで即座に接続されます。動画内では「BusinessやEnterpriseのプランを利用している組織の場合、特定のプラグインを有効化するために管理者（Admin）への申請や承認が必要になる場合がある」と説明されており、エンタープライズ用途におけるガバナンスとセキュリティ管理を想定した設計であることが明かされました。

異種データソースを統合するマルチソース参照プロンプト

実演のプロンプト入力画面では、データエージェントに対して「Sites Analytics」に関するデータコンテキスト層を構築するための具体的な指示が与えられました。プロンプト内では、参照先として3つの異なる性質を持つデータソースが明示的に指定されています。

1つ目はDatabricks内のデータテーブル（data_webinar_sites_dem）、2つ目はSlack上の専門チャンネル（#sites-analytics）、3つ目はGoogle Driveに格納された指標定義ドキュメントです。エージェントはデータプラグインを経由してこれらのリソースを横断的に走査し、数値データ、定性的な議論履歴、公式の仕様書という異なるコンテキストを1つの空間で統合して解釈します。

Markdown形式で自動構築される「セマンティックレイヤー」

3つのデータソースを読み込んだエージェントは、画面右側のエディタ領域に「Sites Semantic Layer」と題されたsemantic-layer.mdファイルを自動的に生成しました。このファイルは組織固有のデータコンテキストスキルとして機能します。

生成されたドキュメントには、指標の概要をまとめた「Quick Reference」、参照の優先順位を定めた「Source Precedence」、そして標準的な抽出条件を定義した「Standard Filters and Dimensions」が含まれています。例えば外部ユーザーの判定ルール（users.user_type = 'human'かつ外部組織に所属）や週次集計基準、重複排除のロジックが明文化されており、AIがデータを集計する際のブレを完全に防ぐ仕組みがコードおよびドキュメントとして可視化されました。

人間による検証（Human-in-the-Loop）と全社配布のパッケージング

エージェントが自動生成したセマンティックレイヤーは、そのまま盲目的に利用されるわけではありません。動画では「データに精通した社内のデータチーム担当者が内容をレビューし、調整（Refine）を加えるべきである」と強調されました。

業務の前提条件やエッジケースの解釈が正しいかを人間の専門家が最終確認した後、そのコンテキストは「プラグイン」として1つのパッケージにまとめられます。完成したカスタムプラグインを組織内のワークスペースに配布することで、データサイエンティスト以外の非エンジニア社員であっても、統制された正確な定義に基づいてデータエージェントへ分析を依頼できるようになります。