ChatGPT får en data-agent, der bygger dashboards i Power BI og Tableau på et almindeligt spørgsmål
OpenAI har lanceret en Data-agent i ChatGPT Work. Den forbinder til blandt andet Snowflake, BigQuery, Databricks og filer i Google Drive og SharePoint, kan bygge dashboards i Power BI og Tableau og respekterer eksisterende rettigheder helt ned på række- og kolonneniveau.
Kort fortalt
- OpenAI har lanceret en Data-agent i ChatGPT Work, der ligger som pluginet Data i plugin-kataloget
- Den forbinder til Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB og Snowflake samt filer fra Google Drive og SharePoint
- Den kan bygge og rette dashboards i Omni, Oracle BI, Power BI, Sigma, Tableau og ThoughtSpot
- Forespørgsler respekterer den tilknyttede kontos eksisterende rettigheder, også begrænsninger på tabel-, række- og kolonneniveau
- Administratoren bestemmer, hvilke dataforbindelser der er tilgængelige, og hvilke roller der må bruge dem
Hvad agenten gør
Ideen er enkel at forklare: i stedet for at bede en analytiker om et tal, starter man en samtale med @Data og spørger på almindeligt sprog. Agenten skriver selv forespørgslen, henter svaret i de forbundne datakilder og kan ifølge Techzines gennemgang foreslå næste skridt, pege på hvem der bør inddrages og dele resultatet via Slack eller mail.
Listen over datakilder er bred: Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB og Snowflake, plus filer fra Google Drive og SharePoint. Det mest praktiske er måske, at agenten også kan bygge og rette dashboards i de BI-værktøjer, mange allerede betaler for, herunder Power BI og Tableau.
Rettighederne følger med, og det er pointen
Den store frygt ved at give en AI adgang til virksomhedens data er, at den kan vise folk tal, de ikke burde se. Her er svaret ifølge Techzine, at forespørgslerne respekterer den tilknyttede kontos eksisterende rettigheder, herunder begrænsninger på tabel-, række- og kolonneniveau.
Administratoren bestemmer, hvilke dataforbindelser der er tilgængelige, og hvilke roller der må bruge dem. Agenten gøres tilgængelig via indstillingerne for arbejdsområdet, hvor de tilhørende datakilde-plugins også skal slås til. Det er altså ikke noget, der sker af sig selv.
Det er værd at være præcis om, hvor gode rettighederne er: de er præcis så gode som dem, I har sat op i datakilden i forvejen. Har alle i dag læseadgang til hele lønregnskabet i datavarehuset, har agenten det også på deres vegne.
🇩🇰 Hvad betyder det for danske SMV'er?
De fleste danske SMV'er har ikke et Snowflake-lager. Men mange har Power BI og filer i SharePoint, og så bliver det her relevant hurtigere, end man tror.
1. Ryd op i rettighederne, før I tænder for den. Agenten arver de rettigheder, der allerede er sat. Er de for brede i dag, bliver problemet bare lettere at ramme ved et uheld. Start med et kig på, hvem der kan se hvad i jeres datakilder.
2. Start med én datakilde og én gruppe. Administratoren kan styre både forbindelser og roller. Giv agenten adgang til et afgrænset datasæt, lad en lille gruppe prøve den, og udvid bagefter.
3. Tjek tallene, før de bliver til beslutninger. Et dashboard bygget af en AI ser lige så overbevisende ud som et bygget af en analytiker. Lad nogen, der kender tallene, efterprøve de første resultater.
Se vores gennemgang af ChatGPT og Microsoft Copilot, eller sammenlign priserne i vores prisguide.
Vil du læse den oprindelige kilde?
Læs hos TechzineVi linker altid til den oprindelige kilde, så du kan verificere selv.
