ChatGPT Dataプラグインとは｜できること・使い方・必要な準備

ChatGPT Dataプラグインとは、ChatGPTの「Work」とCodexで使える拡張機能で、接続済みの社内業務データに業務上の問いを投げると、変化の理由を分析して説明し、対話型のダッシュボードやレポートまで作るものです。 OpenAIは2026年9月10日(米国時間)にこれを公開しました。公式ブログでは「Dataエージェント(Data agent)」、ヘルプ記事とリリースノートでは「Dataプラグイン」と呼ばれていますが、指しているものは同じです。この記事では、OpenAIの公式ブログ・ヘルプ・リリースノートだけを根拠に、できること・使えないこと・必要な準備・質問の書き方を整理します。料金や対象プランのように公式が書いていないことは「記載なし」と明示します。

ChatGPT Dataプラグインとは — 「画面を開いて探す」から「会話で聞く」へ

公式ヘルプの説明で前に出ているのは、集計そのものではなく**「何が変わったのか」を調べて説明させること**です。概要には、接続された社内データとビジネスの文脈を使って「何が変化したかを分析し、発見を説明し、対話型のダッシュボードやレポートを作る」と書かれています。さらに、同じ会話の中で追加の質問を重ねることで、分析を精緻化(refine)・検証(validate)・公開(publish)まで進められるとしています。

言い換えると、これまでBIツールのダッシュボードを開いて自分でフィルタを動かしながら原因を探していた作業を、質問と追加質問の往復で進める形に置き換える機能です。大規模言語モデルに社内データベースへの読み取り経路と指標の定義を与え、その上で調査させる、という構成になっています。

どこで動くのか — ChatGPTの「Chat」「Work」とCodexの違い

Dataプラグインが動くのはChatGPT WorkとCodexで、ふだんの「Chat」ではありません。OpenAIのヘルプ(ChatGPT Work and Codex)は3つの使い分けを次のように定義しています。

Workについて公式は、対象となる有料プランのChatGPT web・モバイルで使え、プランとワークスペースの条件を満たせばデスクトップアプリでも使えると書いています。あわせて「ChatGPT Workは対象アカウントへ数日かけて段階的に展開中で、まだ表示されない場合はアクセス権がまだ無い可能性がある」とも明記しています。つまり、社内でDataを試そうとして画面に出てこないケースは想定内です。

この「長い仕事を通しでやり切らせる」路線は、9月3日に公開されたGPT-6 Astraや、ChatGPTがWebページ側の機能を直接使うサイトツール(WebMCP)と同じ方向にあります。主要なAIエージェントの比較でも、単発の応答ではなく業務データへの接続と実行が競争点になっています。

対応するデータソースと連携できるBIツール

公式(ブログ・ヘルプ)が名前を挙げている接続先は次のとおりです。公式ブログは列挙のあとに「and more(ほか)」と書いており、これは代表例であって全部ではありません。 ヘルプ記事とブログで挙がっている名前が一部違うため、両方を並べます。

指標定義の取得元にdbtやGitHubが挙がっているのは、「どこかに書いてある定義」を読ませる前提だからです。公式ブログは、社内のビジネス用語・指標の定義・独自の計算・データ同士の関係を使ってデータを解釈する、と説明しています。

BIツールについて公式は「Dataは接続されたBIツールとも連携して動作する」とし、実際に使えるダッシュボードの操作は接続先ツールの対応機能と自分の権限によって変わると条件を付けています。既存のBIツールを置き換えるという説明はどこにもなく、概要でも「既存のBIツールやデータ補完のコネクタなどとよく統合される」と書かれています。導入の稟議を「BIツールの代替」として書くと、公式の説明より踏み込んだ主張になります。

使うまでの準備 — 管理者側と利用者側

準備は管理者と利用者で分かれます。公式ヘルプ(Data・Plugins)の手順を順番に並べると次のようになります。

1. 管理者: ワークスペース設定の Plugins からDataを選び、インストール方針を決める。方針は「Available(対象メンバーが自分で入れられる)」と「Installed(対象メンバーまたは対象ロールに自動で入る)」の2種類。ロールやグループ単位での付与にも対応する
2. 管理者: 使いたいデータソース側のプラグインを有効にし、含まれるアプリへのアクセスを管理する。アプリによっては、メンバーが使う前に管理者がアプリテンプレートの設定を済ませる必要がある
3. 管理者: 公式が強く推奨する構成を用意する。データウェアハウスのプラグイン(Databricks・Snowflakeなど)、モデルを脱線させないための権威ある定義とクエリを持つセマンティックレイヤー、共有用のChatGPT Sitesの3つ。BIツールは任意で、文脈の補強と使い慣れた可視化のために挙げられている
4. 利用者: ChatGPTデスクトップのPlugins、またはWeb版のプラグインディレクトリからDataを探して選び、未インストールなら「Install plugin」を押す
5. 利用者: 使いたいデータソースについて、必要なアカウント接続や設定を済ませる
6. 利用者: @Data で会話を始め、聞きたい業務上の問いを書く

なお、必要な他社プラグインは会話の中でDataの側からインストールを促してくる仕組みになっているため、公式は「事前に全部そろえておく必要はない(ワークスペースで有効になってさえいれば)」としています。プラグインを入れることと、その裏のアプリを使えるようにすることは別管理で、入れただけでは動かない点は繰り返し注意書きされています。

質問の書き方 — 出所・指標・期間・比較を先に書く

公式は、分かっている範囲で出所(source)・指標(metric)・対象期間(time period)・比較対象(comparison)を質問に含めるよう勧めています。ヘルプに載っている例文は次の3つです(訳は本記事によるもの)。

2つ目の例文が「使ったデータと定義も出せ」と書いている点は、そのまま実務の型として使えます。解約率のように定義が会社ごとに違う指標ほど、答えより先に定義を確認する価値があります。 公式ブログ側には、指示の粒度をさらに細かくした例文も載っています。どちらも出してほしい項目を並べて指定している点が共通しています。

• @Data Diagnose why weekly active users changed last week. Identify likely drivers, compare against prior periods, and recommend the next checks. — 週次アクティブユーザーの変化を診断させ、要因の候補・前期間との比較・次に確認すべきことまで出させる
• @Data Turn this month's metrics into a leadership-ready update with actuals, comparisons, drivers, caveats, and recommended actions. — 今月の指標を、実績・比較・要因・注意点・推奨アクションを備えた経営向けの報告にまとめさせる

Dataプラグインは@Dataと書かなくても暗黙的に起動することがあります。公式の勧め方は「最初は明示的なメンションから始めて慣れ、その後に暗黙の起動へ寄せていく。分からなくなったらDataプラグインが使われたかをChatGPTに聞けばよい」です。

できること・できないこと

料金・対象プランについては、Dataプラグインのヘルプにもリリースノートにも単独の記載がありません。関連する公式の記述は、プラグインディレクトリ自体は各プランで使えるが個々のプラグインの利用可否は「プラン・ワークスペース・ロール・地域・機能による」ということ、そしてWorkはCodexと同じ利用枠の仕組みに従う、という2点にとどまります。

標準化のしくみ — テンプレートとコンテキストスキル

繰り返す分析を型にする方法として、公式は2つを挙げています。ひとつはテンプレートで、@Template Creator please make a template from <url> のように頼むとスキルが作られ、以後は $product-feature-deepdive のような名前で呼び出せます。もうひとつはコンテキストスキルで、@Data I'd like to make a new context skill と伝えると、分析の作法やダッシュボードの見た目の決まりごとを対話形式で登録できます。

どちらもzipでチームに配るか、プラグインにまとめて管理者に配布してもらう形で共有します。管理者が自動インストールに設定すれば、ワークスペース全体で同じ型を使わせられます。社内のCRMや指標の呼び方が部署ごとに割れている会社ほど、この「定義をひとつに寄せる作業」が本体になります。

誰が使い始めているか — 公式が挙げている実例

公式ブログは、OpenAI社内の利用状況として「プロダクトチームのほぼ全員と、GTM(市場開拓)組織の3分の2超が、ChatGPT Work上のデータエージェントを使って自分で社内データを分析している」と書いています。それを可能にしたのは、共通のビジネス定義を作り、アクセスのルールを決め、機微なデータに保護策を置いた社内データチームの作業だ、とも説明しています。先に定義と権限を整えた組織が使えている、という順番がここでも示されています。

アルファプログラムの参加企業として名前が挙がっているのはNTT DATA・Thermo Fisher・ServiceTitanなどで、用途は売上と支出の分析、レポートの誤りの発見、追いかける案件と人の割り当ての判断です。NTT DATAのコメントとしては、ライセンス費用・手間・技術的な専門性がダッシュボードの社内展開を阻んできたが、営業や管理部門の非エンジニアが自分でダッシュボードを作って更新できるようになった、という趣旨の発言が載っています。

ただし、これらはいずれもOpenAI自身の発表に掲載された導入企業のコメントです。第三者の検証ではないため、効果の裏付けとしては割り引いて読む必要があります。

結果を信用する前に確認する4項目

公式ヘルプは、最初の答えが出たあとの手順として次を挙げています。実務ではここを飛ばさないことがいちばん重要です。

1. 出所 — どのデータソースを見たのか
2. 対象期間 — いつからいつまでを集計したのか
3. 絞り込み条件 — どのフィルタが掛かっているのか
4. 指標の定義 — その「売上」「継続率」はどう計算した数字か

既存のレポートと数字が食い違ったときは、この4点を比較させるのが公式の推奨です。分析の正しさを人が確認してから次に進むヒューマン・イン・ザ・ループの設計は、社内データを扱う以上そのまま必要になります。AIガバナンスの観点では、誰がどのデータに接続したアカウントで質問できるかを先に決めることが前提条件です。

よくある失敗

• 指標定義を渡さずに聞く — セマンティックレイヤーは公式が「モデルを脱線させないため」と説明している構成要素です。定義が無いまま「今月の売上は?」と聞くと、会話ごとに違う数字が出ても気づけません
• 権限で見えていないデータを「無い」と読む — 問い合わせは接続アカウントの権限で走ります。公式のトラブルシューティングも「接続が成功しても、それだけで新しい権限が生まれるわけではない」と明記しています
• 公開してから共有範囲を考える — Sitesで公開すると分析に使ったデータが公開先へコピーされます。共有相手を決めてから公開する順番にします
• プラグインを入れただけで使えると思う — インストールとアプリの認可・ワークスペース設定は別です。動かないときは、意図したアカウントとワークスペースを使っているか、管理者がDataのインストール方針と裏のアプリへのアクセスを設定しているかを順に確認します
• BIツールの置き換えとして稟議を書く — 公式は既存BIツールとの統合として説明しており、置き換えは掲げていません。まず売上・商談の指標や解約分析のように、定義が固まっていて質問の形が決まっている領域から試すほうが失敗しにくくなります

出典

• OpenAI『Now everyone can put data to work』(2026年9月10日) https://openai.com/index/put-data-to-work/
• OpenAI Help Center『Using the Data plugin in ChatGPT Work and Codex』(2026年9月10日) https://help.openai.com/en/articles/20001518
• OpenAI Help Center『ChatGPT — Release Notes』September 10, 2026 の項 https://help.openai.com/en/articles/6825453-chatgpt-release-notes
• OpenAI Help Center『Plugins in ChatGPT and Codex』 https://help.openai.com/en/articles/20001256
• OpenAI Help Center『ChatGPT Work and Codex』 https://help.openai.com/en/articles/20001275-chatgpt-work-and-codex