In januari 2026 liet OpenAI een van hun handigste interne dingen zien: een eigen AI-data-agent die is gemaakt om medewerkers te helpen snel van een lastige zakelijke vraag naar een bewezen, door data ondersteund antwoord te gaan. Als je meer wilt weten over de eigen data-agent van OpenAI, dan ben je hier aan het juiste adres!
In dit artikel gaan we dieper in op de interne data-agent van OpenAI en kijken we hoe die werkt.
Klaar?
Laten we erin duiken!
TL; DR
- OpenAI heeft een eigen AI-data-agent gemaakt om hun eigen dataplatform, rechten en werkprocessen te onderzoeken en te analyseren.
- De agent helpt teams om binnen een paar minuten vragen om te zetten in inzichten op het gebied van engineering, datawetenschap, financiën, marktintroductie en onderzoek.
- Het wordt aangedreven door GPT 5.2 en past gewoon in de tools die je al gebruikt (zoals Slack, web UI, IDEs, Codex CLI via MCP en interne ChatGPT via MCP).
- Het belangrijkste verschil: contextlagen (gebruik, aantekeningen, betekenis afgeleid van code, institutionele kennis, geheugen en live runtime-inspectie).
- Als je een data-agent wilt bouwen die met je bedrijfsgegevens werkt, dan TextCortex de oplossing voor jou.
OpenAI Data Agent Review
Data is de basis voor alles: beslissingen over producten, lanceringen, betrouwbaarheid, financiën, groei. Maar helaas verandert dat datagestuurde vaak in:
- Welke van deze 12 soortgelijke tabellen is de echte?
- Waarom heeft mijn deelname mijn statistieken ineens omhoog geschoten?
- Waarom ben ik meer tijd kwijt met het debuggen van SQL dan met het beantwoorden van de eigenlijke vraag?
OpenAI heeft een oplossing gemaakt: . Dit is een AI-data-agent die alleen intern gebruikt kan worden en die het dataplatform kan verkennen, SQL kan schrijven en uitvoeren, het hele proces kan herhalen als de resultaten er niet goed uitzien, en kan uitleggen wat hij onderweg heeft gedaan.
Waarom OpenAI een aangepaste tool nodig had
Het interne dataplatform van OpenAI heeft meer dan 3500 gebruikers, bevat meer dan 600 petabytes aan data en omvat 70.000 datasets. Bij zo'n omvang is het eerste obstakel vaak niet de analyse, maar het vinden van de juiste info.
Zelfs als je een tabel hebt gevonden, is de volgende uitdaging of het wel klopt:
- veel-op-veel-koppelingen
- fouten bij het doorvoeren van filters
- null-verwerking
- kleine verschillen in betekenis tussen tabellen die er hetzelfde uitzien
Hoe werkt de data-agent van OpenAI?
De agent wordt aangedreven door GPT-5.2 en is ontworpen om direct op het dataplatform van OpenAI te redeneren. Hij is toegankelijk via veelgebruikte werkplatforms zoals Slack, web, IDE's en MCP-verbonden omgevingen (waaronder Codex CLI en interne ChatGPT-connectoren). Wat hem tot een echte teamgenoot maakt, is dat hij een analyse van begin tot eind kan uitvoeren:
- de vraag begrijpen
- vind relevante datasets/tabellen
- SQL schrijven
- het uitvoeren
- tussentijdse resultaten checken
- pas het aan als iets niet klopt
- vindingen samenvatten met aannames + links naar resultaten
OpenAI Data Agent-structuur
OpenAI heeft zes lagen context gemaakt (zoals een hamburger) om de agent te baseren op echte organisatorische waarheid.
Laag 1: Gebruik van tabellen
Metadata van schema's + afkomst + historische querypatronen helpen de agent om te snappen hoe tabellen met elkaar te maken hebben en hoe mensen ze echt gebruiken.
Laag 2: Menselijke aantekeningen
Domeinexperts voegen beschrijvingen, kanttekeningen en betekenissen toe die je nooit alleen uit kolomnamen kunt afleiden.
Laag 3: Codex-verrijking
OpenAI gebruikt Codex om een code-definitie te maken van wat er in een tabel zit, hoe het is gemaakt, de details, de versheid en de kleine dingen die je niet in de SQL-geschiedenis ziet.
Laag 4: Wat we als organisatie weten
De agent kan bedrijfsinformatie halen uit bronnen zoals Slack, Google Docs en Notion hij op de hoogte is van lanceringen, incidenten, definities van statistieken en interne termen.
Laag 5: Geheugen
Als het wordt gecorrigeerd (of als het een belangrijke nuance ontdekt), kan het lessen opslaan voor de volgende keer, zodat dezelfde fout zich niet steeds herhaalt. Herinneringen kunnen algemeen of persoonlijk zijn en kunnen worden bewerkt.
Laag 6: Runtime-context
Als er context ontbreekt of verouderd is, kan de agent live vragen stellen om schema's te checken en aannames in realtime te valideren.
Dan draait OpenAI een offline pijplijn om deze signalen te normaliseren, ze in te bedden en alleen de relevante context op te halen op het moment van de zoekopdracht via RAG, waardoor de latentie voorspelbaar blijft, zelfs op grote schaal.
TextCortex - Maak binnen een paar seconden je eigen bedrijfsdata-agent
Als je een interne data-agent voor je bedrijf wilt maken met je bedrijfsgegevens, TextCortex de oplossing voor jou. TextCortex een toonaangevende tool voor kennisbeheer en workflowautomatisering die repetitieve taken automatiseert en kennisbeheer voor gebruikers versnelt, waardoor werknemers minder stress hebben.
Als je je afvraagt hoe je een data-agent kunt bouwen met TextCortex, lees dan verder!
Hoe maak je een data-agent met TextCortex?
Het bouwen van een AI-agent met TextCortex super simpel. Nadat je je TextCortex hebt aangemaakt, ga je naar de TextCortex . Klik dan op het tabblad 'Agents' aan de linkerkant van het scherm en druk op het kleine '+'-teken. Nu kun je je AI-agent handmatig maken of de AI-agentbouwer gebruiken die we hebben gemaakt door op de knop'Create with AI' te klikken.
Handmatig maken
Als je besluit om je AI-agent zelf te maken, moet je zijn achtergrond beschrijven, zijn toon kiezen en de regels bepalen die hij altijd moet volgen en nooit mag volgen. Nadat je je agent hebt gemaakt, kun je de preview-chat gebruiken om nog even te checken voor je hem publiceert, en je aangepaste agent bijstellen op basis van de resultaten.
Creëer met AI-proces
Met TextCortex agent builder kun je je AI-agent bouwen in een conversatieformaat. Het enige wat je hoeft te doen is de vragen beantwoorden die de AI-agent builder stelt, en voilà, je agent is klaar voor gebruik!
Maak van je agenten data-agenten
Zoals je kunt zien in het proces voor het maken van AI-agents, kun je datasets en kennisbanken integreren in je AI-agents. Als je een AI-agent wilt bouwen die werkt met je interne gegevens, hoef je alleen maar je documenten te uploaden naar TextCortex je databases, zoals Google Drive, Notion of Slack, te koppelen. Je hoeft je geen zorgen te maken over de veiligheid; al je gegevens worden beschermd. Voor meer info kun je deze link checken.
Veelgestelde vragen
Is de interne data-agent van OpenAI beschikbaar voor iedereen?
Nee. Het is een tool die alleen intern wordt gebruikt en speciaal is gemaakt voor de eigen gegevens, machtigingen en werkprocessen van OpenAI.
Welk model stuurt de agent aan?
OpenAI zegt dat het wordt aangedreven door GPT-5.2.
Hoe krijg je toegang tot de OpenAI-data-agent?
Je kunt de OpenAI-dataagentfunctie openen via het OpenAI-platform.
.png)
.png)
.png)