OpenAI 让所有人都能问数据，答案谁负责

9 月 10 日，OpenAI 在 ChatGPT Work 里推出「数据智能体」（Data agent）。用户不用写 SQL，用自然语言提问就行。它能连上企业已授权的数据源，从 Redshift、Snowflake、Databricks 这类数据仓库，一直到 Google Drive、SharePoint 里的文档。查清指标为什么变、生成可交互的看板，你批准之后它还能接着往下做。

同一天，OpenAI 官方博客发了另一篇《Inside OpenAI's in-house data agent》，讲他们内部用的那个版本。它已服务超过 3500 名用户，覆盖 600PB 以上数据、约 7 万个数据集，由 GPT-5.2 驱动。

两条消息放一起，最值得琢磨的地方，其实不在「AI 又会干什么了」。

它靠什么答对

OpenAI 那篇博客里最值钱的一段，根本不在讲模型。

它列出智能体赖以作答的六层上下文，分别是表结构的中继资料与血缘、人工注释、从代码推导出的表定义、机构知识、记忆、运行时校验。

说到这里，有个更基本的问题得先回答。这些数据，是拿去训练模型的吗？

不是。模型的参数在发布那天就冻住了。你的表、你的字段、你三年前定下的指标算法，一个字都没有进到模型里去。它们是在你提问的那一刻，被现场查出来、现场拼进上下文，跟着问题一起送去给模型。

数据跟模型的关系常见有三种。训练，数据在出厂前被学进参数，出厂之后你就改不动它。微调，拿自己的数据再训一轮，改的是模型权重，成本高，改完照样是冻的。调用，数据根本不进模型，每次提问时被检索出来、拼成上下文，用完即走。

    

OpenAI 这个数据智能体走的是第三种。也正因为走第三种，那六层上下文才必须由企业自己维护。训练和微调是模型厂商的活，调用时用的那份上下文，是企业的活。

六层里，模型自己能搞定的是第一层和最后一层，把表名列名读进去，出结果前再临时查一次数仓确认结构。中间那四层，是人写的，是企业自己攒的。

第二层是人工注释，领域专家给每张表、每个字段写的说明，含着设计意图、商业含义，还有「这个字段有什么坑」。第四层是机构知识，散在 Slack、Docs、Notion 里的产品发布记录、故障复盘、内部代号，以及最要命的那一项，关键指标的标准定义和计算逻辑。第五层是记忆，被纠正过的错误、加过的筛选条件，存下来下次别再犯。

这些，都买不到。

    

错的不在模型那一段

做企业数据这行的人，对这类场景不陌生。

有家企业要上一个「本月活跃客户数」。市场部算出来一个数，财务算出来是另一个，两个对不上。追下去才发现，问题不在人，在口径。市场部把只在线上问过价、还没下单的也算成了活跃，财务那边只认有回款的。两张表在系统里的名字只差两个字，谁看谁晕。

这家企业最后难住的地方跟模型无关。那行查询它一瞬间就能写出来，错的是它前面拿到的那句话，什么叫「活跃」。

六层上下文里，②③④⑤ 这四层，尤其第二层和第四层，全是这种活。它们不在任何一家模型厂商的产品清单上，也不在任何一份采购合同里。你的口径、你的补丁、你三年前为了应急改过的那个算法，只存在于你自己的组织里。

模型厂商卖的是「能不能问」，企业自己扛的是「敢不敢信」，中间那一段，花钱买不到。

为什么这一段这么难？因为它根本不是技术问题。一个指标怎么算，往往是三年前某次业务调整时临时定的；定完之后没人再碰，也没人写下来。等到要用 AI 回答问题时，这些散落在各人脑子里的约定，才第一次被认真地摆到桌面上。而摆桌这事，只能自己人来干。

    

最强的 AI 公司，也磨了一年多

OpenAI 博客里引了一位内部用户的原话。

一家全球最强的 AI 公司，自己的数据分析师，也要花大量时间在「该用哪张表」上。

同一篇博客里还有一句。大约一年前，公司内部只有极少数数据问题能在无人介入下端到端解决，如今大量问题员工自己就能搞定。

这一年多磨的不是模型参数，是那套关于「什么叫收入、什么叫客户、什么叫这个月」的内部共识。 模型换了多少代，这套共识得一行一行谈出来。

这笔账，是每一家想上智能问数的企业都要交的，跟买谁的模型没关系。

    

现在还没有一把大家认的尺

卡在哪，OpenAI 其实也留了白。

它没有公布面向外部客户的公开准确率或检索准确率基准。 内部做过对比测试，成绩没公开。同期 Databricks 公布了自家的检索研究，说回答质量可比肩主流模型、平均 5.8 秒出结果。那是厂商自测，没有第三方验证。

这就是眼下的实情。「能不能做」是模型厂商交的第一关，「做得准不准」是企业的第二关，而第二关眼下还没有一把大家都认的尺。

所以别去问「你们这个准确率多少」。对方给你的数，多半是他自己那一套语料上的成绩。能回答「准不准」的只有你自己的业务。

    

该做的第一件事

别铺全公司。挑一个业务域，销售或库存最容易见效，只做三件事。

第一，盘口径。 把该域 20 到 30 个核心指标的口径盘清、定死、落到表上。这一步不产生任何炫目的产出，但它是决定后面所有答案对错的那一步。

第二，接权限与留痕。 行级权限怎么卡的，谁问过什么，全部留痕。

第三，开放问数，并从第一天起记录「每次回答用了哪个口径」。 跑一个月，你会得到一张属于自己的准确率基线。

你买的是模型，但决定答案对不对的，是你自己的口径。模型的价格一年比一年低，而口径这东西，只会一年比一年贵。因为它从来买不来，只能一句一句谈出来。