• OpenAI пишет, что их дата-платформа обслуживает 3 500 внутренних пользователей и работает с 600 петабайтами данных, распределёнными по 70 000 датасетам.
• В статье утверждается, что для внутренней аналитики не используется Tableau, Power BI, Looker, Qlik или Superset как единый централизованный инструмент.
• В июне 2024 OpenAI объявила о покупке Rockset; в тексте также указано, что Rockset привлёк $117.5 млн инвестиций и был закрыт для клиентов через три месяца с удалением данных.
• Data agent описан как система на GPT-5.2, доступная в Slack, веб-интерфейсе, IDE и через Codex CLI по MCP, которая выполняет цикл «вопрос → поиск таблиц → SQL → анализ → визуализация → отчёт».
• OpenAI выделяет пять слоёв контекста для агента: история использования таблиц, человеческие аннотации, чтение ETL-кода через Codex, корпоративные источники знаний (Slack/Docs/Notion) с контролем доступа и слой памяти для закрепления исправлений.

Почему это важно: Текст фиксирует типовую боль на масштабе: похожие таблицы, сложные джоины и «тихие» ошибки в SQL приводят к тому, что ответы становятся недостоверными или слишком дорогими по времени. Переход к агенту строится вокруг идеи, что смысл живёт в коде: ключевые допущения о метриках и фильтрах часто лежат в логике пайплайнов, а не в схемах и описаниях. В результате основная ценность смещается с «построить дашборд» на «собрать правильный контекст и воспроизводимый способ ответа».

На что обратить внимание: В описании подчёркивается, что ранние версии агента ухудшались от избытка данных, и отдельно выделяется фильтрация контекста под вопрос как фактор качества. Также важна связка retrieval и прав доступа: корпоративные документы и переписки индексируются, но доступ к ним должен соблюдаться на уровне выдачи. Наконец, закрытие Rockset после поглощения показано как пример того, что инфраструктурные решения могут резко менять режим доступности для внешних пользователей.