Banyak keputusan bisnis tertunda bukan karena datanya tidak tersedia, melainkan karena hanya sedikit orang yang bisa mengakses dan membacanya dengan cepat. Tim penjualan ingin tahu mengapa konversi turun, bagian keuangan mencari sumber pemborosan, sementara tim produk perlu memahami fitur mana yang mulai ditinggalkan pengguna. Biasanya, semua pertanyaan itu berakhir di antrean analis data.
Perkembangan terbaru menunjukkan arah yang berbeda. Pada 10 September 2026, OpenAI memperkenalkan Data agent di ChatGPT Work, yaitu agen yang dapat terhubung ke sumber data perusahaan, menyelidiki perubahan, menjawab pertanyaan, dan membuat dashboard interaktif melalui instruksi bahasa alami. Google Cloud juga mendorong pendekatan serupa melalui Conversational Analytics dan berbagai data agent untuk BigQuery serta ekosistem datanya. Pengumuman OpenAI dan penjelasan Google Cloud memperlihatkan bahwa analisis data sedang bergerak dari alat khusus menuju kemampuan yang lebih dekat dengan alur kerja sehari-hari.
Dari menunggu laporan menjadi mengajukan pertanyaan
Perubahan paling mudah dipahami ada pada antarmuka. Selama ini, seseorang yang ingin menjawab pertanyaan bisnis mungkin harus membuka dashboard, memilih filter, meminta bantuan analis, atau menulis SQL—bahasa yang umum digunakan untuk mengambil data dari database.
Dengan data agent, pertanyaannya bisa berbentuk seperti ini:
“Mengapa nilai rata-rata pesanan turun pada Januari, padahal pendapatan bulanan relatif stabil?”
Agen kemudian dapat menyusun langkah analisis: memeriksa tren nilai pesanan, membandingkan jumlah transaksi, melihat perubahan produk yang dibeli, lalu menghubungkan hasilnya dengan promosi atau kanal pemasaran. Ini bukan berarti agen selalu menemukan jawaban yang benar. Perbedaannya, proses eksplorasi awal menjadi lebih cepat dan dapat dilakukan oleh lebih banyak orang.
Dalam pengumumannya, OpenAI menyebut Data agent dapat terhubung ke sejumlah sumber seperti Amazon Redshift, Google BigQuery, Datadog, ClickHouse, Databricks, MongoDB, dan Snowflake. Agen juga dapat memakai dokumen dari Google Drive atau SharePoint sebagai konteks tambahan. Google Cloud, dengan pendekatan yang lebih berorientasi pada ekosistem datanya, menjelaskan penggunaan agen untuk analisis percakapan, investigasi akar masalah, hingga pekerjaan data engineering.
Yang berubah bukan hanya chatbot, tetapi cara kerja analisis
Chatbot biasa terutama membantu menjelaskan atau merangkum informasi yang diberikan kepadanya. Data agent bekerja pada lapisan yang lebih operasional: ia perlu memahami sumber data, menjalankan query, membaca hasil, memilih langkah berikutnya, dan menyajikan bukti di balik kesimpulannya.
Di sinilah istilah semantic layer menjadi penting. Semantic layer adalah lapisan yang menjelaskan arti bisnis dari data—misalnya bahwa “pendapatan bersih” tidak sama dengan total transaksi, atau bahwa “pelanggan aktif” memiliki definisi tertentu. Tanpa definisi ini, dua orang bisa menanyakan hal yang sama tetapi memperoleh angka berbeda karena memakai rumus atau rentang waktu yang tidak sama.
OpenAI menyebut Data agent dapat menggunakan definisi metrik, kalkulasi khusus, dan hubungan antardata yang telah ditetapkan organisasi. Google Cloud juga menekankan pentingnya konteks bisnis dan tata kelola agar agen tidak hanya menghasilkan SQL yang valid, tetapi juga menjawab pertanyaan dengan makna yang benar.
Analisis: dalam praktiknya, kualitas data agent kemungkinan akan lebih banyak ditentukan oleh kerapian fondasi data daripada kemampuan model semata. Model yang sangat canggih tetap dapat menghasilkan jawaban menyesatkan jika nama kolom membingungkan, data terlambat diperbarui, atau definisi metrik berubah tanpa dokumentasi.
Risiko baru: jawaban terlihat meyakinkan
Keuntungan terbesar data agent—kemudahan—juga menjadi risikonya. Ketika seseorang dapat memperoleh grafik dalam hitungan menit, ada godaan untuk menganggap hasil tersebut sudah siap dijadikan dasar keputusan.
Padahal, beberapa hal tetap perlu diperiksa:
- Apakah sumber datanya tepat? Angka penjualan dari sistem transaksi mungkin berbeda dari angka yang sudah dikurangi pembatalan atau pengembalian.
- Apakah rentang waktunya benar? Perbandingan bulanan dapat berubah jika satu periode memakai waktu lokal dan periode lain memakai UTC.
- Apakah hubungan sebab-akibat benar-benar terbukti? Penurunan konversi yang terjadi bersamaan dengan perubahan kampanye tidak otomatis berarti kampanye tersebut menjadi penyebabnya.
- Apakah data sensitif terlindungi? Akses terhadap gaji, informasi pelanggan, atau data kesehatan tidak boleh melebar hanya karena sebuah agen dapat menjalankan query.
OpenAI menyatakan bahwa administrator dapat menentukan koneksi data dan peran yang boleh menggunakannya. Query juga mengikuti izin akun yang terhubung, termasuk pembatasan pada tabel, baris, dan kolom. Ini merupakan fondasi penting, tetapi bukan pengganti audit dan pengujian. Izin teknis menjawab siapa yang boleh melihat data; organisasi tetap perlu menentukan siapa yang boleh mengambil keputusan berdasarkan data tersebut.
Apa artinya bagi kita?
Bagi pengguna nonteknis, data agent dapat mengurangi ketergantungan pada dashboard yang kaku. Pertanyaan lanjutan bisa diajukan langsung, dan hasilnya dapat dikembangkan dari percakapan yang sama. Bagi analis, ini bukan berarti peran mereka hilang. Pekerjaan mereka justru dapat bergeser dari menjawab permintaan rutin menuju merancang metrik, memeriksa kualitas data, dan menangani pertanyaan yang lebih kompleks.
Bagi pengembang dan tim data, tantangannya adalah membuat sistem yang bisa dipahami agen tanpa mengorbankan kontrol. Dokumentasi skema, katalog data, definisi metrik, pemisahan lingkungan, serta pencatatan aktivitas akan menjadi semakin penting. Agen yang dapat membaca data tanpa jejak audit adalah alat yang sulit dipercaya, meskipun hasilnya tampak rapi.
Yang bisa dilakukan sekarang
- Mulai dari pertanyaan berisiko rendah. Gunakan data agent untuk merangkum tren, mencari anomali, atau membuat draf analisis—bukan langsung mengubah harga, menghapus data, atau menjalankan tindakan yang sulit dibatalkan.
- Dokumentasikan definisi metrik utama. Tuliskan arti pelanggan aktif, pendapatan bersih, churn, biaya akuisisi, dan istilah lain yang sering dipakai.
- Minta bukti di balik jawaban. Biasakan memeriksa sumber tabel, periode data, filter, dan query yang digunakan.
- Pisahkan akses berdasarkan peran. Jangan memberikan akses ke seluruh gudang data jika kebutuhan pengguna hanya mencakup satu domain.
- Uji dengan pertanyaan yang jawabannya sudah diketahui. Ini membantu menemukan perbedaan definisi, data yang tertinggal, atau kesalahan interpretasi sebelum agen dipakai untuk keputusan penting.
Data agent bukan sekadar cara baru untuk berbicara dengan database. Ia memperpendek jarak antara pertanyaan bisnis dan analisis, tetapi juga membuat disiplin data semakin penting. Jika fondasinya rapi, lebih banyak orang dapat bekerja dengan informasi tanpa selalu menunggu laporan. Jika fondasinya berantakan, organisasi hanya akan memperoleh jawaban yang lebih cepat—bukan keputusan yang lebih baik.
Sumber & bacaan lebih lanjut
- OpenAI — Now everyone can put data to work
- Google Cloud — New data agents across the Agentic Data Cloud
- Google Cloud — Agentic analytics with the Data Agent Kit
– Rio Yotto @rioyotto