Privacidad, seguridad y uso responsable de Copilot en cuadernos y agentes de datos de Fabric

2025-05-30

En este artículo, descubrirá cómo funciona Microsoft Copilot en Notebooks y los agentes de datos de Fabric (anteriormente conocidos como Agente de Datos), cómo este sistema mantiene los datos empresariales seguros y garantiza el cumplimiento de los requisitos de privacidad, y la manera de utilizar la inteligencia artificial generativa de forma responsable. Para obtener información general sobre estos temas para Copilot en Fabric, consulte Privacidad, seguridad y uso responsable de Copilot (versión preliminar).

Uso de datos

Uso de datos en Copilot para cuadernos en Fabric

En los cuadernos, Copilot solo puede acceder a los datos accesibles para el cuaderno actual del usuario, ya sea en un lago de datos adjunto, cargado o importado directamente en ese cuaderno por el usuario. En los cuadernos, Copilot no puede acceder a los datos que no sean accesibles para el cuaderno.
De forma predeterminada, Copilot tiene acceso a los siguientes tipos de datos:
- Historial de conversaciones: mensajes anteriores enviados a y respuestas de Copilot para ese usuario. (consulte a continuación para obtener más detalles sobre cómo almacenar el historial de conversaciones)
- Contenido de las celdas que ejecutó el usuario.
- Salidas de celdas que ejecutó el usuario.
- Esquemas de orígenes de datos en el cuaderno.
- Datos de ejemplo de orígenes de datos en el cuaderno.
- Esquemas de orígenes de datos externos en un almacén de lago de datos adjunto.

Uso de datos en agentes de datos de Fabric

Los agentes de datos de Fabric dependen del historial de conversaciones del usuario para responder mejor a las preguntas del usuario. (consulte a continuación para obtener más detalles sobre cómo almacenar el historial de conversaciones)
Información de esquema de los orígenes de datos agregados. Esto incluye nombres de tabla y columna. (El creador de un agente de datos selecciona las tablas que se deben incluir).

Cómo se controla el historial de conversaciones

Para Copilot en cuadernos y agentes de datos de Fabric, almacenamos el historial de conversaciones a lo largo de las sesiones de usuario.

¿Por qué almacenamos el historial de conversaciones y dónde se almacena?

Para usar experiencias de INTELIGENCIA artificial agente totalmente conversacionales, el agente debe almacenar el historial de conversaciones entre sesiones de usuario para mantener el contexto. Esto garantiza que el agente de IA mantenga el contexto sobre lo que un usuario preguntó en sesiones anteriores y normalmente es un comportamiento deseado en muchas experiencias de IA agente. Las experiencias como Copilot en cuadernos y agentes de datos de Fabric son experiencias de inteligencia artificial que almacenan el historial de conversaciones en las sesiones del usuario.

Este historial se almacena dentro del límite de seguridad de Azure, en la misma región y en los mismos recursos de Azure OpenAI que procesan todas las solicitudes de Fabric AI. La diferencia en este caso es que el historial de conversaciones se almacena mientras el usuario lo permita. En el caso de las experiencias que no almacenan el historial de conversaciones entre sesiones, no se almacenan datos. Los mensajes solo los procesan los recursos de Azure OpenAI que usa Fabric.

Los usuarios pueden eliminar su historial de conversaciones en cualquier momento, simplemente borrando el chat. Esta opción existe tanto para Copilot en cuadernos como para agentes de datos. Si el historial de conversaciones no se quita manualmente, se almacena durante 28 días.

Copilot en cuadernos: Preguntas frecuentes sobre inteligencia artificial responsable

Con Copilot en cuadernos para la ciencia de datos y la ingeniería de datos en Microsoft Fabric, ofrecemos un asistente de inteligencia artificial para ayudar a transformar, explorar y crear soluciones en el contexto del cuaderno.

Para conocer las consideraciones y limitaciones, consulte Limitaciones.

¿Cómo se ha evaluado Copilot en cuadernos para la ciencia de datos y la ingeniería de datos?

El equipo de productos ha probado Copilot para ver el rendimiento del sistema en el contexto de los cuadernos y si las respuestas de inteligencia artificial son detalladas y útiles.
El equipo también invertía en otras mitigaciones de daños, incluidos los enfoques tecnológicos para centrar la salida de Copilot en temas relacionados con la ciencia de datos.

¿Cómo trabajar mejor con Copilot en cuadernos para ciencia de datos e ingeniería de datos?

Copilot está mejor equipado para controlar temas de ciencia de datos, así que limite sus preguntas a esta área.
Describa explícitamente los datos que desea que Copilot examine. Si describe el recurso de datos , por ejemplo, al asignar nombres a archivos, tablas o columnas, Copilot puede recuperar datos relevantes y generar salidas útiles.
Para obtener respuestas más pormenorizadas, cargue los datos en el cuaderno como DataFrames o ánclelos en el almacén de lago de datos. Esto proporciona a Copilot más contexto con el que realizar análisis. Si un activo es demasiado grande para cargar, una alternativa útil es anclarlo.

Agente de datos de Fabric: Preguntas frecuentes sobre IA responsable

¿Qué es el agente de datos de Fabric?

El agente de datos es una nueva característica de Microsoft Fabric que le permite crear sus propios sistemas de preguntas y respuestas conversacionales con inteligencia artificial generativa. Un agente de datos de Fabric hace que la información de datos sea más accesible y procesable para todos los usuarios de su organización. Con un agente de datos de Fabric, el equipo puede tener conversaciones, con preguntas de idioma inglés sin formato, sobre los datos almacenados en Fabric OneLake y, a continuación, recibir respuestas pertinentes. Incluso las personas sin conocimientos técnicos en inteligencia artificial o sin un profundo conocimiento de la estructura de datos pueden recibir respuestas precisas y contextuales.

¿Qué puede hacer el agente de datos?

El agente de datos de Fabric permite interacciones de lenguaje natural con datos estructurados, lo que permite a los usuarios formular preguntas y recibir respuestas enriquecidas con reconocimiento del contexto. Puede permitir que los usuarios se conecten y obtengan información de orígenes de datos como Lakehouse, Warehouse, conjunto de datos de Power BI, bases de datos de KQL sin necesidad de escribir consultas complejas. El agente de datos está diseñado para ayudar a los usuarios a acceder a los datos y procesarlos fácilmente, lo que mejora la toma de decisiones a través de interfaces conversacionales y mantiene el control sobre la seguridad y la privacidad de los datos.

¿Cuáles son los usos previstos para el agente de datos?

El agente de datos de Fabric está diseñado para simplificar el proceso de consulta de datos. Permite a los usuarios interactuar con datos estructurados a través del lenguaje natural. Admite información del usuario, toma de decisiones y generación de respuestas a preguntas complejas sin necesidad de conocimientos especializados del lenguaje de consulta. El agente de datos es especialmente útil para analistas de negocios, responsables de la toma de decisiones y otros usuarios no técnicos que necesitan información rápida y accionable de los datos almacenados en orígenes como la base de datos KQL, Lakehouse, el conjunto de datos de Power BI y los recursos de almacenamiento.
El agente de datos de Fabric no está pensado para casos de uso en los que se requieren resultados precisos deterministas y 100%, debido a las limitaciones actuales de LLM.
El agente de datos de Fabric no está pensado para casos de uso que requieren análisis profundos o análisis causales. Por ejemplo, "¿por qué bajaron los números de ventas el mes pasado?" está fuera del alcance actual.

¿Cómo se evaluó el agente de datos de Fabric? ¿Qué métricas se usan para medir el rendimiento?

El equipo del producto ha probado el agente de datos en varias pruebas comparativas públicas y privadas, para determinar la calidad de la consulta en distintos orígenes de datos. El equipo también invirtió en otras medidas de mitigación de daños, incluidos los enfoques tecnológicos para garantizar que el funcionamiento del agente de datos esté restringido al contexto de los orígenes de datos seleccionados.

¿Cuáles son las limitaciones del agente de datos de Fabric? ¿Cómo pueden los usuarios minimizar el impacto de las limitaciones del agente de datos de Fabric al usar el sistema?

Asegúrese de usar nombres de columna descriptivos. En lugar de nombres de columna "C1" o "ActCu" (como ejemplos), use "ActiveCustomer" o "IsCustomerActive". Esta es la manera más eficaz de obtener consultas más confiables de la inteligencia artificial.
Para mejorar la precisión del agente de datos de Fabric, puede proporcionar más contexto con instrucciones del agente de datos y consultas de ejemplo. Estas entradas ayudan a la API de Azure OpenAI Assistant ( que impulsa al agente de datos de Fabric) a tomar mejores decisiones sobre cómo interpretar las preguntas del usuario y qué origen de datos es más adecuado para su uso.
Puede usar instrucciones del agente de datos para guiar el comportamiento del agente subyacente, lo que le ayuda a identificar el mejor origen de datos para responder a determinados tipos de preguntas.
También puede proporcionar pares de preguntas y consultas de ejemplo para demostrar cómo el agente de datos de Fabric debería responder a consultas comunes. Estos ejemplos sirven como patrones para interpretar entradas de usuario similares y generar resultados precisos. Los pares de consulta de preguntas de ejemplo no se admiten actualmente para orígenes de datos del modelo semántico de Power BI.
Consulte este recurso para obtener una lista completa de las limitaciones actuales del agente de datos.

¿Qué factores operativos y configuraciones permiten un uso eficaz y responsable del agente de datos de Fabric?

El agente de datos de Fabric solo puede acceder a los datos que proporcione. Usa el esquema (nombre de tabla y nombre de columna), así como las instrucciones del agente de datos de Fabric y las consultas de ejemplo que proporcione, en la interfaz de usuario (UI) o mediante el SDK.
El agente de datos de Fabric solo puede acceder a los datos a los que puede acceder el usuario. Si usa el agente de datos, las credenciales se usan para acceder a la base de datos subyacente. Si no tiene acceso a los datos subyacentes, el agente de datos no puede acceder a esos datos subyacentes. Esto es cierto cuando se consume el agente de datos en distintos canales (por ejemplo, Azure AI Foundry o Microsoft Copilot Studio), donde otros usuarios pueden usar el agente de datos.