لنفترض أنك تدير متجرًا إلكترونيًا أو مشروعًا رقميًا.
لاحظت هذا الأسبوع أن المبيعات انخفضت، لكن أمامك عشرات الأرقام: الزيارات، التحويلات، الحملات الإعلانية، الطلبات والعملاء.
السؤال البسيط هو:
لماذا انخفضت المبيعات؟
الوصول إلى إجابة موثوقة قد يتطلب عادة فتح أكثر من تقرير ومقارنة عدة فترات، وأحيانًا الاستعانة بشخص يجيد أدوات تحليل البيانات.
هنا تأتي فكرة Data agent الذي أعلنت عنه OpenAI في 10 سبتمبر 2026 داخل ChatGPT Work.
بحسب الشركة، يستطيع الوكيل الاتصال بمصادر بيانات العمل المعتمدة، والتحقيق في التغيرات التي حدثت في الأرقام، ثم تحويل النتائج إلى إجابات وتقارير ولوحات معلومات تفاعلية يمكن مشاركتها.
بمعنى أبسط: بدل أن تبحث بنفسك داخل الجداول وتسأل أين حدث الانخفاض، تستطيع طرح السؤال باللغة الطبيعية، ثم متابعة التحليل بأسئلة إضافية.
لكن هذا لا يعني أن كل مستخدم ChatGPT يستطيع ربط أي بيانات يملكها تلقائيًا؛ توفر Data plugin ومصادر البيانات يعتمد على حساب أو مساحة ChatGPT Work والإضافات المتاحة فيها.
ما هو Data agent الجديد في ChatGPT؟
Data agent هو وكيل بيانات داخل ChatGPT Work يركز على تحليل بيانات الأعمال المتصلة، والتحقيق في التغيرات التي تحدث في المؤشرات، ثم تلخيص النتائج في صورة مفهومة للمستخدم.
الفكرة ليست مجرد قراءة جدول أو استخراج رقم، بل متابعة السؤال التجاري نفسه.
مثلًا، بدل أن تسأل:
كم كانت المبيعات هذا الشهر؟
تستطيع أن تسأل:
لماذا انخفضت المبيعات هذا الشهر مقارنة بالشهر السابق، وما أكثر العوامل التي ساهمت في هذا التغير؟
ثم تتابع التحليل بأسئلة إضافية.
لماذا يعتبر Data agent مهمًا لأصحاب المشاريع؟
الذكاء الاصطناعي دخل خلال السنوات الماضية في كتابة المحتوى وإنشاء الصور والبرمجة وخدمة العملاء.
لكن هناك تحول آخر أكثر أهمية لأصحاب الأعمال:
استخدامه في اتخاذ القرار نفسه.
صاحب المشروع لا يحتاج فقط إلى تقرير يقول إن المبيعات انخفضت 10%.
ما يحتاج معرفته هو:
- ماذا تغيّر؟
- لماذا تغيّر؟
- أين المشكلة؟
- ما الذي يستحق أن أراجعه أولًا؟
وهذا تحديدًا من الاستخدامات التي تركز عليها OpenAI في Data agent.
يمكن للمستخدم طرح سؤال، ثم متابعة النتائج وطلب مقارنة الفترات أو مراجعة الأدلة التي استند إليها التحليل، وبعدها تحويل النتائج إلى Dashboard تفاعلية.
ماذا يستطيع وكيل البيانات أن يفعل؟
الأداة ليست مجرد قارئ لملف Excel.
وفق المعلومات الرسمية، يستطيع Data agent العمل مع مصادر متعددة من بيانات المؤسسة والسياق المرتبط بها.
| المصدر | نوع الاستخدام |
|---|---|
| Google BigQuery | تحليل قواعد البيانات |
| Snowflake | بيانات الأعمال |
| Databricks | التحليلات والبيانات |
| MongoDB | قواعد البيانات |
| Amazon Redshift | مستودعات البيانات |
| ClickHouse | التحليلات السريعة |
| Google Drive | الملفات والمستندات |
| SharePoint | ملفات المؤسسة |
كما يستطيع التعامل مع أدوات ذكاء الأعمال مثل Power BI وTableau وOracle BI وSigma وThoughtSpot وغيرها.
وهذه نقطة مهمة: الأداة موجهة حاليًا بصورة واضحة إلى بيئات العمل والبيانات المنظمة أكثر من كونها زرًا سحريًا لمستخدم لديه ملف مبيعات صغير على هاتفه.
كيف يستفيد منه المسوق؟
هذه واحدة من أقوى الاستخدامات المحتملة.
المسوق الرقمي يعمل باستمرار مع مؤشرات مثل:
- تكلفة اكتساب العميل.
- معدل التحويل.
- قيمة المبيعات.
- أداء الحملات.
- الاحتفاظ بالعملاء.
- المنتجات الأكثر طلبًا.
- أداء الفترات المختلفة.
بدل عرض الأرقام فقط، يمكن استخدام وكيل بيانات لتحليل التغيرات وطرح أسئلة متتابعة عليها.
مثلًا:
لماذا انخفض معدل التحويل هذا الأسبوع مقارنة بالأسبوع السابق؟
ثم:
أي شريحة من العملاء ساهمت أكثر في الانخفاض؟
ثم:
اعرض النتائج في لوحة واضحة وقارنها بمتوسط آخر ثلاثة أشهر.
هذه الطريقة تحول الذكاء الاصطناعي من أداة لإنشاء إعلان إلى أداة تساعدك على فهم نتيجة الإعلان.
كيف يستفيد صاحب المتجر الإلكتروني؟
تخيل متجرًا لديه آلاف الطلبات.
قد تظهر مشكلة مثل انخفاض متوسط قيمة السلة.
مع وجود البيانات المناسبة، تستطيع عملية التحليل البحث في عدة عوامل بدل النظر إلى رقم واحد فقط.
المنتجات
هل انخفضت مبيعات منتج كان يرفع متوسط الطلب؟
العملاء
هل جاءت نسبة أكبر من المبيعات من عملاء جدد يشترون منتجات أقل سعرًا؟
الفترة الزمنية
هل الانخفاض طبيعي مقارنة بالفترة نفسها سابقًا؟
الحملات
هل جاءت الزيارات الجديدة من حملة تحقق تحويلات لكنها تجذب مشتريات منخفضة القيمة؟
الفائدة هنا ليست أن الذكاء الاصطناعي يعرف السبب مسبقًا، بل أنه يستطيع فحص البيانات المتاحة والبحث عن التفسيرات التي تدعمها الأرقام.
هل يعني ذلك الاستغناء عن Excel؟
لا.
وهذه نقطة مهمة حتى لا يتحول الخبر إلى مبالغة تسويقية.
Excel وGoogle Sheets وأدوات BI ما زالت مهمة جدًا، وData agent نفسه يتكامل مع منظومة أدوات بيانات موجودة بدل أن يعلن إلغاءها.
الفرق هو أن الواجهة بين الإنسان والبيانات بدأت تصبح أكثر اعتمادًا على اللغة الطبيعية.
بدل أن تعرف كيف تكتب استعلامًا معقدًا، قد تبدأ بسؤال واضح.
لكن كلما كان القرار حساسًا ماليًا أو تجاريًا، يجب مراجعة البيانات والافتراضات التي بُني عليها التحليل.
هل تحتاج إلى معرفة SQL؟
أحد الأهداف الرئيسية للأداة هو تمكين المستخدم من التحقيق في بيانات الأعمال دون الحاجة إلى كتابة الاستعلامات بنفسه أو تعلم أداة تحليل جديدة لكل سؤال.
وهذا قد يكون مفيدًا خصوصًا للمسوق، ومدير المبيعات، وصاحب المشروع الذي يفهم نشاطه جيدًا لكنه ليس محلل بيانات.
لكن معرفة أساسيات البيانات تظل ميزة قوية.
يجب أن تعرف مثلًا الفرق بين:
- الإيرادات والربح.
- الزيارات والمستخدمين.
- معدل التحويل وعدد التحويلات.
فالذكاء الاصطناعي يستطيع تنفيذ التحليل، لكنه يحتاج إلى تعريفات وبيانات صحيحة حتى تكون النتيجة مفيدة.
مثال عملي لصاحب مشروع رقمي
لنفترض أنك تبيع منتجات رقمية.
لديك بيانات الزيارات والمبيعات والمنتجات والعملاء.
لاحظت أن الإيرادات الشهرية انخفضت.
بدل السؤال:
لماذا مبيعاتي سيئة؟
ابدأ بسؤال أكثر دقة:
قارن إيرادات آخر 30 يومًا بالفترة السابقة، وحدد المنتجات والعملاء والقنوات التي ساهمت أكثر في التغير.
بعد ظهور النتيجة:
افصل تأثير انخفاض عدد الطلبات عن انخفاض متوسط قيمة الطلب.
ثم:
حدد أكبر ثلاثة تغيرات تستحق التحقيق فيها واعرض الأدلة التي تدعم كل استنتاج.
ثم:
أنشئ لوحة تعرض الإيرادات وعدد الطلبات ومتوسط قيمة الطلب والتحويل أسبوعيًا.
هذه الطريقة أهم بكثير من مجرد طلب «حلل بياناتي».
هل يمكن استخدام Data agent في التسويق بالعمولة؟
الفكرة ممكنة إذا كانت بياناتك متاحة في مصادر يستطيع النظام التعامل معها ضمن بيئة العمل التي تستخدمها.
المسوق بالعمولة يحتاج عادة إلى مقارنة:
- عدد الزيارات.
- النقرات.
- معدل التحويل.
- العمولات.
- الصفحات التي ترسل الزيارات.
- المنتجات التي تحقق مبيعات.
- تغير الأداء مع الوقت.
لو جمعت هذه البيانات بصورة منظمة، يصبح السؤال المفيد مثلًا:
أي 20% من الصفحات تولد معظم العمولات؟
ثم تستطيع تحديد الصفحات التي تستحق تحديث المحتوى أو تحسين ترتيبها أو زيادة الروابط الداخلية المؤدية إليها.
وهنا تظهر الفائدة الحقيقية: البيانات تحدد أين تضع وقتك.
وهل يفيد أصحاب المدونات؟
نعم، لكن بنفس الشرط: وجود بيانات يمكن تحليلها وربطها بطريقة مناسبة.
صاحب المدونة يستطيع بناء تحليلات حول:
- المقالات الأكثر جذبًا للزيارات.
- الصفحات التي تفقد زياراتها.
- المواضيع التي تجذب مستخدمين جددًا.
- الصفحات التي تؤدي إلى التحويل.
- أداء مجموعات المقالات المختلفة.
- التغير في الإيرادات بمرور الوقت.
لكن لا تجعل الأداة تقرر وحدها حذف مقال أو تغيير استراتيجية كاملة.
إذا انخفضت صفحة لمدة أسبوع، قد يكون السبب موسميًا أو تحديثًا في نتائج البحث أو تغيرًا في الطلب.
التحليل يعطيك إشارة للتحقيق وليس حكمًا نهائيًا دائمًا.
أين توجد الأداة وكيف تبدأ؟
بحسب تعليمات OpenAI الحالية، يظهر وكيل البيانات باسم Data ضمن Plugin Directory في ChatGPT Work.
بعد إتاحة الإضافة في الحساب أو مساحة العمل، يتم ربط مصادر البيانات المسموح بها، ثم يمكن بدء المحادثة مع Data وطرح سؤال العمل المطلوب.
دليل OpenAI الرسمي لاستخدام Data plugin
المهم هنا أن توفر الميزة ومصادر الربط ليس واحدًا بالضرورة لكل المستخدمين، لذلك تحقق مما يظهر فعليًا في حسابك قبل بناء سير عمل كامل عليها.
ماذا عن خصوصية بيانات المشروع؟
هذه النقطة أهم من ميزة إنشاء Dashboard نفسها.
بحسب OpenAI، مسؤولو المؤسسة يحددون مصادر البيانات التي يمكن استخدامها ومن يملك صلاحية الوصول إليها، كما تحترم الاستعلامات صلاحيات الحساب المتصل، بما فيها قيود الوصول إلى الجداول والصفوف والأعمدة.
لكن عمليًا، قبل ربط أي مصدر يحتوي على معلومات حساسة:
- راجع إعدادات الحساب.
- راجع الصلاحيات.
- راجع سياسة المؤسسة.
- حدد نوع المعلومات التي ستتم مشاركتها.
ولا تربط بيانات العملاء الحساسة لمجرد تجربة ميزة جديدة.
هل نتائج Data agent دقيقة دائمًا؟
لا يوجد أساس يسمح بالقول ذلك.
وهذه واحدة من أهم النقاط التي ينبغي معرفتها قبل الاعتماد عليه.
حتى الآن، لا توجد نسبة دقة عامة منشورة يمكن من خلالها القول إن كل تحليل يقدمه صحيح تلقائيًا.
لذلك تعامل معه كمحلل يساعدك على البحث والاستكشاف، وليس كبديل عن التحقق.
إذا قال مثلًا إن حملة معينة هي سبب انخفاض المبيعات، راجع:
- الفترة.
- العينة.
- تعريف المؤشر.
- مصدر البيانات.
- المقارنة التي استخدمها.
هل Data agent مناسب للمشروع الصغير؟
يعتمد على حجم مشروعك وطريقة حفظ بياناتك.
| وضع المشروع | هل تحتاج Data agent الآن؟ |
|---|---|
| عشرات الطلبات شهريًا وملف بسيط | غالبًا لا |
| متجر ينمو وبياناته موزعة | قد يصبح مفيدًا |
| فريق تسويق ومبيعات | أكثر فائدة |
| بيانات في مستودعات وBI | مناسب جدًا للتجربة |
| لا توجد بيانات منظمة أصلًا | ابدأ بتنظيم البيانات أولًا |
لا تشترك في خدمة متقدمة فقط لأنها جديدة.
لو كان مشروعك صغيرًا وتستطيع فهم مبيعات الشهر خلال عشر دقائق في جدول بسيط، فربما لا تحتاجها الآن.
فرصة جديدة للعمل الحر: محلل أعمال بالذكاء الاصطناعي؟
وهنا توجد زاوية دخل تستحق المتابعة.
كلما أصبح تنفيذ التحليل أسهل، قد تظهر حاجة أكبر إلى شخص يعرف:
- ما السؤال الصحيح الذي يجب طرحه؟
- ما المؤشر الذي يجب قياسه؟
- كيف نتأكد من صحة البيانات؟
- كيف نحول النتيجة إلى قرار؟
هذا قد يخلق خدمات جديدة تجمع بين التسويق وتحليل البيانات والذكاء الاصطناعي.
مثل:
- إعداد لوحة أداء شهرية لمتجر إلكتروني.
- تحليل أداء المحتوى وتحديد فرص النمو.
- تقرير أسبوعي يفسر تغير المبيعات والحملات.
لكن لا تبدأ ببيع الخدمة قبل اكتساب أساسيات تحليل البيانات وفهم المقاييس التجارية.
الأداة لا تعوض نقص المعرفة بالمجال.
أخطاء تجنبها عند تحليل مشروعك بالذكاء الاصطناعي
إدخال بيانات غير منظمة
إذا كانت الأرقام ناقصة أو التعريفات مختلفة، فالتحليل قد يقود إلى استنتاج غير مفيد.
سؤال عام جدًا
«حلل متجري» أضعف من:
قارن معدل التحويل خلال آخر 8 أسابيع وحدد الأسابيع التي خرجت عن المتوسط والأسباب المحتملة المدعومة بالبيانات.
الخلط بين الارتباط والسبب
ارتفاع متغيرين في الوقت نفسه لا يعني أن أحدهما تسبب في الآخر.
اتخاذ قرار مالي مباشرة
اطلب الأدلة، ثم تحقق من الأرقام قبل تغيير ميزانية إعلان أو إيقاف منتج.
مشاركة بيانات أكثر من اللازم
أعط الأداة الحد الذي تحتاجه للمهمة فقط، وفق صلاحيات وسياسات مشروعك.
أسئلة شائعة عن ChatGPT Data Agent
ما هو Data agent في ChatGPT؟
هو وكيل بيانات داخل ChatGPT Work يساعد على تحليل بيانات العمل المتصلة، والتحقيق في تغير المؤشرات، وإنشاء تقارير ولوحات معلومات تفاعلية باستخدام اللغة الطبيعية.
متى أعلنت OpenAI عنه؟
أعلنت OpenAI عن Data agent في 10 سبتمبر 2026.
هل يحتاج إلى البرمجة؟
الفكرة الأساسية هي السماح للمستخدم بالتعامل مع البيانات عبر الأسئلة والتعليمات الطبيعية دون الحاجة إلى كتابة الاستعلامات بنفسه، لكن فهم أساسيات البيانات يظل مهمًا.
هل يمكنه إنشاء Dashboard؟
نعم. من الوظائف المعلنة إنشاء لوحات معلومات تفاعلية قابلة للتعديل والمشاركة والتحديث.
هل هو متاح لكل مستخدمي ChatGPT؟
لا تفترض ذلك. يجب أن تكون إضافة Data متاحة في ChatGPT Work أو البيئة التي تستخدمها، كما يتطلب تحليل مصدر خارجي توفر إضافة مصدر البيانات المناسب وصلاحية الوصول إليه.
هل يمكن الاعتماد على تحليله لاتخاذ قرارات مالية؟
استخدمه للمساعدة في التحليل، لكن تحقق من البيانات والنتائج قبل اتخاذ قرارات مهمة.
الخلاصة
الجديد في Data agent ليس أن ChatGPT يستطيع رسم مخطط.
الأهم أن الذكاء الاصطناعي يتحرك خطوة أخرى من إنشاء المحتوى إلى فهم ما يحدث داخل المشروع.
بالنسبة لصاحب متجر أو مسوق أو ناشر محتوى، الفائدة المحتملة واضحة:
بيانات منظمة ← سؤال تجاري واضح ← تحليل ← تحقق من الأدلة ← قرار أفضل.
لكن لا تبدأ من الأداة.
إذا كان مشروعك ما زال في بدايته، نظم بيانات المبيعات والعملاء والمحتوى أولًا.
وعندما تصبح لديك أرقام كثيرة يصعب فهمها يدويًا، تبدأ أدوات مثل Data agent في اكتساب قيمة حقيقية.
وهذه قاعدة مهمة لأي مشروع رقمي في 2026:
لا تجمع أدوات أكثر؛ ابنِ نظامًا يساعدك على اتخاذ قرارات أفضل.
آخر تحديث للمعلومات: 13 سبتمبر 2026.