昨天有个运营在ChatGPT Work里用自然语言，把公司的销售报表、用户行为数据连起来，5分钟做了个能实时更新的客户留存仪表盘——换以前，这得找数据团队，排3天的活。
这不是程序员的专利
以前，公司里的“数据活”，基本是技术岗的专属。业务岗的人想拿数据，得先给数据团队提需求，等对方写SQL、拉数、做可视化，来回改好几次，才能拿到个大概的结果。ChatGPT Work里的Data agent，把这个流程直接砍没了。不用写复杂的查询语句，不用会操作专业的可视化工具，只要对着AI说人话——比如“帮我拉Q3华东区新用户的7日留存和转化率对比”，它就能自动连上公司的数据库，取数、分析、生成可交互的仪表盘，全流程搞定。
把数据鸿沟拆成了对话
很多公司里，数据和业务之间有层看不见的墙。业务不懂技术，技术不懂业务，两边说的话经常对不上——业务说“用户留不住”，技术拉出来的数却只给了“7日留存率”的冰冷数字，没人解释为什么。Data agent的厉害，就是把这层墙拆成了普通的对话。它把所有技术细节都藏在后面：数据库怎么连、数据权限怎么过、图表怎么生成，都不用业务人员操心。业务只要把自己要解决的问题说清楚，AI就能自动串联“取数-分析-可视化”的全链路，还能顺带讲清楚数据背后的小趋势。说白了，它是把“数据处理”这个需要技术门槛的活，变成了跟AI聊天的日常动作。
这是个去中介的信号
对行业来说，这个功能最直接的影响，是“数据中介”的消失。以前数据团队是业务和数据之间的中间层，现在业务不用再等中介递数据，自己就能直接调公司数据。那数据团队的角色会变：不再是“做数据的人”，而是“管数据的人”——要保证数据的安全、准确，还要给AI喂正确的规则，别让业务拿错了敏感数据。另外，小公司的成本会降，不用雇专职的BI分析师，用ChatGPT Work的这个功能，就能搞定日常的数据需求，不用再花大价钱请人做复杂仪表盘。
当然，这事也不是全好。比如，要是有人对着AI说“帮我拉所有付费用户的手机号”，AI会不会给？还有，要是有人对数据的理解偏了，比如把“留存率下降1%”当成“产品要崩”，会不会做出错误决策？ChatGPT Work现在还没说怎么管这些灰色地带，你觉得它得加个啥限制，才能让普通人用数据不踩坑？
素材来源：OpenAI News · AI情报、大模型、AI应用落地、消费级AI
查看报道原文
发表第一条评论吧