これまで、社内データに触れるには「関所」がありました。データウェアハウスに直接つなげるのは一部のアナリストだけで、多くの社員は誰かが作ったダッシュボード越しにしか数字を見られなかった。その関所は不便であると同時に、アクセス制御の最後の砦でもありました。見せてよい範囲に絞った画面だけを配る——それが実質的なデータ統制として機能してきたのです。
2026年9月10日（米国時間）、OpenAI は ChatGPT Work に Data agent を投入しました（OpenAI: Now everyone can put data to work / Unite.AI）。承認済みの社内データソースに接続し、指標の変化を自分で調べ、共有できるインタラクティブなダッシュボードまで作る——「なぜ売上が鈍ったのか」「どの支出が増えているのか」を、SQLも専用のBIツールも学ばずに、会話だけで問えるエージェントです。homula はエンタープライズ向けAIエージェント・インテグレーターとして、この発表を「便利さ」ではなく「外れた関所をどう置き直すか」という統制の観点から読み解きます。
何が発表されたのか——「ダッシュボードを作る」がチャットに溶けた
Data agent は、ChatGPT Work（OpenAI が2026年に投入したエンタープライズ向けの業務エージェント環境）の中で動くプラグインです。公開情報で確認できる要点は次のとおりです。
- 接続先（データソース）: Amazon Redshift、Google BigQuery、Snowflake、Databricks、MongoDB、ClickHouse、Datadog などの承認済みソースに接続し、Google Drive や SharePoint のファイル・文書も分析に取り込む（AlternativeTo / Unite.AI）。
- 出力先（BIツール）: Power BI、Tableau、Sigma、ThoughtSpot、Omni、Oracle BI などの中でダッシュボードを構築・操作できる。
- 管理: 管理者が Workspace 設定からインストール可否を決め、Databricks や Snowflake などのデータソース・プラグインを有効化し、誰が使えるかを管理する。
- アクセス制御: 接続したアカウントにもともと紐づいているアクセス権をそのまま適用するとされる（＝別建ての権限を新たに設定するのではなく、既存の権限を引き継ぐ設計）。
OpenAI は、自社のプロダクトチームのほぼ全員、Go-To-Market 組織の3分の2超がすでに ChatGPT Work 内で data agent を使っていると述べています（Unite.AI）。この数字の真偽より重要なのは、「分析」という仕事の入口が、専門ツールから会話へ移りつつあるという方向性です。
これは単発の新機能ではなく、業界全体の流れの一点です。Gartner は「タスク特化型のAIエージェントを組み込む企業アプリは、2025年の5%未満から**2026年末までに40%**へ拡大する」と予測しています（Gartner プレスリリース）。データ分析は、その最も分かりやすい適用先の一つです。
「関所」が外れる、という構造変化
ここで統制の観点から見落とせないのが、冒頭の「関所」の話です。従来、ダッシュボードはアクセス制御の中間フィルタでした。アナリストが「見せてよい集計・見せてよい行と列」だけを画面に固定し、それ以外は物理的に届かない。ところが自然言語で直接ウェアハウスに問える agent が入ると、その中間フィルタが消えます。これまでウェアハウスへの直接アクセスを持たなかった社員が、自分の代わりにクエリを走らせるインターフェースを手にする、という構造変化です。
「接続アカウントの既存アクセス権を引き継ぐ」という設計は、この問題への一次的な答えです。しかし実務では、ここが新しい統制課題の入口になります。
- 権限の粒度が合わない: BIツール側は「ダッシュボード単位」で権限を配っていることが多く、ウェアハウスの行レベル・列レベルの制御と一対一で対応していない。会話で自由に問えると、ダッシュボードでは伏せていた粒度の生データに、正規の権限の“すき間”から手が届いてしまう。
- 属性の伝播（identity passthrough）: エージェントが「誰の権限で」クエリを実行しているかが、ソースのウェアハウスまで正しく伝わっているか。共有サービスアカウントで動いていれば、個人の権限境界は無効化される。
- 監査の主語: 生成されたクエリを、実際にプロンプトした個人まで遡って attribution できるか。「誰が・何を・いつ見たか」を後から再構成できなければ、統制は成立しません。
「便利になった」の裏で問われるのは、"誰が何のデータを見られるか"の設計を、ダッシュボードという偶発的な関所に頼っていなかったかです。関所が外れた今、その制御はデータ基盤側に明示的に置き直す必要があります。エージェントが賢いほど、抜け道も速く見つかります。
統制をどこに置き直すか——4つの制御点
関所が外れた前提で、統制を「画面」ではなく「データに届く経路」へ移す。整理すると制御点は4つです。
| 制御点 | 何を担保するか | 実装の勘所 |
|---|---|---|
| アクセス権の伝播（RBAC） | エージェントのクエリが、プロンプトした本人の権限で実行される | 共有アカウントを避け、末端ユーザーの identity をソースまで透過。行・列レベルの権限をソース側で定義 |
| セマンティックレイヤー | 「見せてよい指標・粒度」をクエリ生成の前段で強制 | テナント／ロール／行・列ルールを、データがウェアハウスを出る前にクエリへコンパイル。2026年は MCP が“統制された指標”をエージェントに公開する共通経路として定着しつつある |
| 監査（誰が何を見たか） | クエリを個人まで attribution し、後から再構成できる | プロンプト単位でユーザーを記録。BIツールの操作ログとウェアハウスのクエリログを突き合わせられる状態にする |
| 人の監督（human oversight） | 高リスクな出力・行動の前に人が介在できる | 単なる閲覧と、共有・実行（メール送信・チケット更新など）を分け、後者に承認ゲートを置く |
この整理は思想論ではなく、規制の要請とも重なります。EU AI Act は、高リスクAIシステムに対する義務を 2026年8月2日 から本格適用しました。Article 12 は自動ログによるトレーサビリティを、Article 14 は人による監督を求め、導入者にはログの一定期間（6か月以上）の保持義務があります。違反時の制裁は最大1,500万ユーロ、または全世界年間売上高の3%のいずれか高い方とされます（Help Net Security: EU AI Act logging / Legal Nodes: EU AI Act 2026）。「誰が・何を・いつ」を残せない分析エージェントは、便利であるほど説明責任のリスクを積み上げます。
homula の観点——統制は「特定ベンダーの外」に置く
Data agent のような機能は歓迎すべき進歩です。ただし統制の主導権まで、単一ベンダーの一製品に預けてはいけません。理由は単純で、実際の業務は ChatGPT Work だけでなく、複数のLLM・BIツール・社内システムにまたがるからです。ベンダーごとにアクセス制御と監査がサイロ化すれば、全体としての「誰が何を見たか」は誰にも分からなくなります。homula が推奨するのは、統制を自社のデータ主権の内側に置き直す設計です。
- 速く始め、統制を先に設計する: AIエージェント・ブートキャンプ（業務棚卸し・プロトタイプ構築・ROI試算を3〜5日で完結）で、最初の分析ユースケースと同時に「どのデータに、誰の権限で、どこまで触らせるか」を決めます。関所が外れる前提を、着手時点で織り込む。
- 接続を統べる: Agens（MCPを活用したエンタープライズ向け統合プラットフォーム。200以上のツールと構築ゼロで接続）と n8n / Dify / LangGraph を使い、ウェアハウス・BI・社内システムへの接続を一元的に張ります。接続がベンダー製品に散らばらないほど、統制点はまとまります。
- アクセスと監査を握る: Agens Control が承認フロー・DLP・5年分の監査ログ・RBAC を提供し、「誰が・どのデータに・いつ触れ／実行したか」を統制下に置きます。閲覧と共有・実行を分け、後者に承認ゲートを置く——EU AI Act が求めるログと人の監督を、製品機能としてではなく自社の運用として担保できます。
分析の民主化それ自体は、追い風です。処理時間を大幅に削る（例: 93%削減）ような成果も、非専門家が会話でデータに問える環境から生まれます。ただしアクセス制御と監査という土台を自社側に残すことが、その追い風を安全に受ける条件です。小規模検証は月額30〜80万円規模から設計できます。
まとめ
OpenAI の Data agent は、企業データ分析の入口を「専門ツール」から「会話」へと大きく動かしました。
- ダッシュボードという偶発的な関所が外れた。これまで直接アクセスを持たなかった社員が、自分の代わりにウェアハウスへ問うインターフェースを手にする。
- 「接続アカウントの既存権限を引き継ぐ」は一次的な答えだが、権限の粒度・identity の伝播・監査の主語という新しい統制課題を連れてくる。
- 制御は「画面」ではなく「データに届く経路」へ置き直す——RBAC の透過／セマンティックレイヤー／個人単位の監査／人の監督の4点。これは EU AI Act（2026年8月適用）の要請とも重なる。
- homula の型は変わらない——速く始めて統制を先に設計し、接続を統べ、アクセスと監査を自社の主権下で握る。
関所が外れたら、扉を閉めるのではなく、鍵と記録をデータの側に持ち直す。それが、分析の民主化を安全に企業の資産へ変える道です。
自然言語でデータに問える環境を、アクセス制御と監査まで含めて安全に設計したい方は、まずは現状の要件を持ち寄る無料相談からご相談ください。