AIレポート作成を週次業務に組み込む：ChatGPT Data実践ガイド

OpenAIは、2026年9月10日にChatGPT WorkとCodexへDataを追加しました。これは、単にグラフ作成ボタンが増えたという話ではありません。指標の定義と人による承認を維持しながら、AIレポート作成で繰り返していたアナリストとの受け渡しを、連携された更新可能な単一のワークフローへ移せるようになったことが、ビジネス上の本質的な変化です。

ChatGPT Dataとは何か

Dataは、ChatGPT WorkとCodexの中でデータ分析を行うためのプラグインです。ビジネス上の問いを渡すと、そのアカウントに許可されたデータソースを横断して処理し、結果をインタラクティブなダッシュボードやレポートにまとめられます。これらの製品を初めて使う場合は、ChatGPT WorkのレビューでWorkとCodexの役割の違いを確認できます。

Dataはデータウェアハウスでも、データベースの新しいコピーでも、あらゆるBIツールの代替でもありません。OpenAIのData設定ガイドでは、データウェアハウスを接続し、セマンティックレイヤーを用意したうえで、完成したダッシュボードにChatGPT Sitesを使う構成を推奨しています。セマンティックレイヤーとは、売上に何を含めるか、顧客をいつアクティブとみなすか、どの返金を除外するか、各テーブルがどう関連するかといった、承認済みの業務定義です。

成否を分けるのは、この定義レイヤーです。これがなければ、Dataは誤った数値をもっともらしく説明してしまう可能性があります。

従来のレポート作成は、たいてい次のように進みます。責任者が質問し、アナリストがテーブルを探し、クエリを組み直し、結果をエクスポートし、グラフを更新して追加質問に答えます。やり取りが増えるたびに、新たな受け渡しが発生します。

Dataを使えば、責任者とアナリストは同じスレッドで作業を続けられます。Dataは承認済みのソースを照会し、チームの指標定義を適用し、フィルターと根拠を示しながら分析を修正し、ダッシュボードまで構築できます。アナリストの役割は、ツール間で数値を運ぶことから、指標を定義し、クエリを検証し、結果を承認することへ移ります。

これはChatGPT WorkのDeep Researchとも異なります。Deep Researchは、Web、ファイル、対応アプリを横断して根拠を集め、出典を付けるための機能です。一方のDataは、接続された業務データを統制のもとで分析することを目的としています。前者が出典付きの調査レポートを作るのに対し、後者はチームが毎週開く定例の指標レポートになり得ます。

AIレポート作成で変わるのはワークフローであり、正本ではない

有用な変化は、レポート作成に伴う受け渡しが減ることです。一方で、会話形式の依頼がデータウェアハウスから共有ダッシュボードまで一気に到達できる点にはリスクがあります。

Dataは、Amazon Redshift、ClickHouse、Databricks、Google BigQuery、MongoDB、Snowflakeなどのソースを扱えます。Google DriveやSharePointから業務コンテキストを参照し、接続が利用できる場合はPower BI、Tableau、Sigma、ThoughtSpotなどのBIツールと併用することも可能です。実行できる操作は、各ツールとユーザーのアクセス権によって異なります。

ただし、モデルが記録の正本になるわけではありません。OpenAIは、結果を利用する前に、ソース、対象期間、フィルター、指標定義を確認するよう案内しています。Dataの回答が既存レポートと食い違う場合、まず比較すべきなのはこの4点です。

財務資料、パイプラインレビュー、顧客向けダッシュボード、継続率レポート、業務レビューで受け渡しコストがすでに生じているチームほど、大きな効果を得られます。承認済みのソース、安定した定義、Dataへのアクセスのいずれかが欠けていれば、定例ワークフローにはできません。単発のCSVでも操作回数は減らせますが、導入価値が明確になるのは定例レポートです。

今週から変えられる4つの業務

ソフトウェア企業の財務責任者

財務責任者は、承認済みのウェアハウスビューを使い、週次の売上・継続率資料を更新するようDataに依頼できます。プロンプトには、報告対象期間、比較期間、財務部門が管理する定義を明記します。Dataは差異の説明案を作り、各グラフを裏付ける根拠を示します。

効果は、決算業務が自動化されることではありません。アナリスト、スプレッドシート、スライド資料、財務責任者の間を何度も往復する必要が減ることです。経営陣へ資料を渡す前に、数値を最終承認する責任は引き続き財務部門にあります。

レベニューオペレーション担当者

RevOps担当者は、承認済みのパイプライン定義と、自分のアカウントで利用できるCRMまたはウェアハウスのデータを使い、地域別のパイプラインが動いた理由を調べられます。追加質問を重ねれば、実際の営業上の変化なのか、フィルター変更、同期の遅れ、マッピングされていないレコードの影響なのかを切り分けられます。

「数値が動いた」という状態から、「このセグメントの、このソース行が変化した」と特定するまでの距離が短くなります。それでも、ステージ定義と予測変更の判断を担うのは営業オペレーション部門です。

代理店のアカウント責任者

アカウント責任者は、承認済みの広告・コマースデータから顧客向けパフォーマンスダッシュボードを作り、週次ミーティングの前に最大の変化を説明するようDataへ依頼できます。ブランドルールを反映すれば、レイアウトを手作業で組み直さずにダッシュボードの見た目を整えられます。

繰り返し発生していたスライド作成を減らせるのが利点です。ただし、完成したダッシュボードにコピーされたすべての項目を顧客が閲覧してよいかは、代理店側で確認しなければなりません。ソースへのアクセス権とダッシュボードへのアクセス権は、同じ管理項目ではありません。

プロダクトオペレーション責任者

プロダクトオペレーション責任者は、プロダクト分析データとアクティブユーザーの定義文書をまたいで、継続率が変化した原因を追跡できます。Dataはコホートを比較し、対象期間とフィルターを明示し、検証済みの分析をプロダクト部門と経営陣向けのレポートにまとめられます。

プロダクトマネージャーとアナリストの間で繰り返す確認が減ります。ただし、アクティベーションの定義に意見の相違がある場合、Dataが決着をつけることはできません。まずチームがセマンティックレイヤー上で定義を確定する必要があります。

AIレポート作成を週次レポートで試す方法

最初から経営ダッシュボードを対象にしてはいけません。担当者、ソース、定義、現在の出力がすでに明確なレポートから始めます。

1. 1

   レポートと意思決定を選ぶ

   定例レポートを1つ選び、それが支える意思決定を言語化します。「週次売上資料」だけではまだ曖昧です。「業務レビューの前に、継続率への対応が必要かを判断する」とすれば、分析の到達点が明確になります。

2. 2

   プロンプトを書く前にアクセス権を確認する

   管理者はWorkspace settings > Plugins > Dataを開き、インストールを許可するユーザーを選び、必要なソース接続を有効にします。各ユーザーはプラグインディレクトリからDataをインストールします。CodexではSourcesを開いてUse pluginsを選び、インストール済みのプラグインを指定します。ソース側のアプリでも、別途セットアップと認証が必要になる場合があります。

3. 3

   指標の契約を明文化する

   承認済みのソース、指標定義、報告対象期間、比較対象、除外条件、担当者をDataへ伝えます。定義が競合したときに優先するセマンティックビューまたは信頼済みダッシュボードも指定してください。これらを書き出せないチームは、まだ自動化の準備ができていません。

4. 4

   最初の1回は非公開で実行する

   どのプラグインが処理したか曖昧にならないよう、@Dataから始めます。ダッシュボードに加え、その計算根拠、ソースの鮮度、フィルター、未照合レコード、回答を変え得る前提も提示するよう依頼します。結果は非公開のままにするよう明記してください。

5. 5

   根拠を検証する

   意思決定を左右する数値を現在のレポートと比較します。ソース、期間、フィルター、定義、除外レコードを確認してください。見栄えのよいグラフだからと受け入れず、不一致があれば理由をDataに説明させます。

6. 6

   計測してからスケジュールする

   人が実際に確認した時間、WorkまたはCodexの使用量、ウェアハウスの稼働、BIコストを記録します。手動実行で検証に合格してから、クラウド更新をスケジュールしてください。スケジュールされたChatGPT Workタスクがソースを確認し、ダッシュボードを更新します。Site自体がスケジュールを実行するわけではありません。

次の依頼文を出発点として調整できます。

@Data、承認済みの財務セマンティックビューを使って、週次の売上・継続率レポートを作成してください。直近の完了週と、その前の完了週を比較してください。財務チームの定義を使用し、ソースの鮮度、フィルター、計算、未照合レコードを示したうえで、最大の変化を説明してください。ダッシュボードは非公開のままにしてください。公開、共有、メッセージ送信、ソースデータの変更は行わないでください。別の定義やソースを使う場合は、事前に私へ確認してください。

初回の実行で目指すべきなのは、完成したダッシュボードで弱いソース境界や定義境界を覆い隠すことではなく、その弱点を明らかにすることです。

本当に見るべきコスト計算

OpenAIはDataプラグイン単体の価格を公表していません。だからといって、このワークフローが無料になるわけではありません。WorkまたはCodexの使用量、ウェアハウスのコンピューティング、継続利用するBIライセンス、そして残る人手のレビューに費用が発生します。

具体的な計画モデルとして、現在の週次レポートに1回あたり3.0人時、福利厚生などを含む人件費が1時間あたり$80かかると仮定します。52回なら年間$12,480です。Dataによって作成とレビューが1回あたり0.75人時に減れば、人件費は$3,120となり、モデル上は$9,360相当の余力が生まれます。

これは前提値であり、OpenAIのベンチマークではありません。パイロット実施後に、自社で計測した時間へ置き換えてください。

ChatGPTの項目では、GPT-5.6 Solを使い、入力トークン50,000、キャッシュ済み入力トークン200,000、出力トークン10,000という仮の更新処理を想定しています。OpenAIの現行新規Enterprise向け料金表では、それぞれ100万トークンあたり$4.00、$0.40、$20.00です。この条件なら、更新1回あたり$0.48、年間$24.96になります。

Businessおよびクレジット制のEnterpriseワークスペースでは、別の単位を使います。現行のクレジット料金表では、WorkとCodexでGPT-5.6 Solを利用する場合、入力100万トークンあたり100クレジット、キャッシュ済み入力100万トークンあたり10クレジット、出力100万トークンあたり500クレジットです。Standard Businessシートは、まず含まれている上限枠を使い、その後、対象となる処理に購入済みのワークスペースクレジットを充てられます。

Snowflakeの項目は、週次更新1回につきX-Smallウェアハウスを1回起動し、実行時間が最低課金時間の60秒以内に収まる前提です。Snowflakeの課金では、X-Smallは連続稼働1時間あたり1クレジットで、起動するたびに最低60秒、その後は秒単位で課金されます。Dataがより多くのクエリを発行したり、ウェアハウスの稼働を長引かせたり、より大きなウェアハウスを使ったりする可能性もあります。実際の費用は、この最低値ではなくウェアハウス履歴で確認してください。

OpenAIが推奨する構成では、Power BIは任意です。Microsoftが現在掲載しているPower BI Proの価格は、年払いで1ユーザーあたり月額$14ですが、既存ライセンスなら埋没費用になっている場合があり、購入時の価格は地域などで変わります。Dataが接続できるという理由だけで、BIシートを追加してはいけません。

判断式はシンプルです。

年間価値 = レポート実行回数 × 削減時間 × 福利厚生などを含む人件費 − Workの追加使用料 − ウェアハウスのコンピューティング費用 − 新規BIライセンス費用 − 残るレビュー費用。

このワークフローのためにChatGPTのシートを購入するなら、その費用も含めます。すでにシートとBIツールの料金を支払っている場合は、限界費用を使います。パイロットでは、すべての前提値を実測値に置き換える必要があります。

権限の落とし穴はクエリ実行後にある

Dataのクエリには、接続アカウントに既存のアクセス権が適用されます。テーブル、行、列単位の制限も含まれます。Dataプラグインをインストールしてもウェアハウス接続の権限は付与されず、ウェアハウスを接続しても、承認済みのロールを超えるアクセス権は与えられません。

公開すると、2つ目の権限境界が生まれます。OpenAIによると、分析に使われたデータは公開先のChatGPT Siteへコピーされます。そのSiteには独自の公開範囲設定があり、アカウントと管理者が許可していれば、選択したユーザー、ワークスペース、指定した外部閲覧者、または一般公開を対象にできます。

実務上は、ソースクエリを実行できない人でも、Siteへコピーされたデータの閲覧対象に含まれる可能性があるということです。ダッシュボードの項目と公開範囲は、ウェアハウス権限を自動継承するライブ画面としてではなく、新たな公開物として確認してください。

新しいSiteは、アクセス設定を変更するまで、所有者とワークスペース管理者だけに限定されます。Enterpriseの一般公開はデフォルトで無効ですが、それだけで十分ではありません。有効化されていれば、指定した外部ユーザーとの共有やワークスペース全体への共有でも、閲覧範囲は広がります。

現時点で明言できないこと

利用可能なプランについては、一律に断言できるほど情報が整理されていません。プラグインディレクトリ自体は複数のChatGPTプランで提供されていますが、各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、利用画面、展開状況、含まれる機能によって異なります。Dataガイドには、対象プランの明確な一覧がありません。導入を前提に購入する前に、実際に使うアカウントとワークスペースにDataが表示されるか確認してください。

Sitesにも、価格面で未確定な点があります。ChatGPTのワークスペース、Plus、Proアカウントを対象にパブリックベータとして提供されていますが、展開状況と管理設定の影響を受けます。使用量が含まれるのはプラン別のベータ上限までで、OpenAIは完全な料金情報を今後案内するとしています。

自動化にも使用量が発生します。対応するWorkとCodexの自動化処理は、適用される料金表に基づき、モデルの使用量として計測されます。OpenAIのダッシュボードワークフローによると、クラウドタスクはノートPCの電源が切れていても続行できますが、デスクトップタスクではコンピューターの電源が入り、アプリが動作している必要があります。実行環境を意図的に選び、使用量の記録も確認してください。

Dataは、不完全な業務ロジックを修復することもできません。セマンティックレイヤーがない、KPIの定義に合意できていない、アカウントのアクセス権が不足している、ソースが古い、ツールがその操作に対応していないといった問題は、そのまま残ります。ダッシュボードによって問題が見栄えよく見えることはあっても、問題自体が小さくなるわけではありません。

月曜日にまず実行すること

チームが同じレポートを毎回作り直しており、担当者と承認済みソースを明示でき、指標定義も安定しているなら、今週から着手する価値があります。想定するワークスペースにDataがない、ソース接続の審査が済んでいない、2つのチームが同じKPIを別々に計算している場合は待つべきです。既存のBI更新ですでに、必要な人へ検証済みレポートがほとんど手作業の受け渡しなく届いているなら、影響は限定的です。

月曜日になったら、すでに提出予定のレポートを1つ選び、Dataを使って非公開で実行します。まず現在の作成時間を記録してください。承認済みビューと指標の契約をDataへ渡し、意思決定を左右するすべての数値を既存レポートと比較します。Workの使用量、ウェアハウスの稼働、レビュー時間も記録してください。検証に合格し、Siteの公開範囲を管理する担当者が決まるまでは、スケジュール設定も公開も行いません。

AIによってワークフローの費用対効果が変わるときに役立つ、わかりやすい実務ガイドを受け取るには、ニュースレターを購読してください。