Uso de Copilot con modelos semánticos

Este artículo le ayuda a usar las experiencias de Copilot en Power BI para modelos semánticos.

Copilot en Microsoft Fabric es un asistente de inteligencia artificial generativa que pretende mejorar la experiencia de análisis de datos en la plataforma Fabric, incluida la carga de trabajo de Power BI. Puede usar Copilot en Power BI para admitir tanto el desarrollo como el consumo de modelos semánticos tanto por parte de usuarios de autoservicio como de empresa. Cuando se usa de forma eficaz, Copilot puede apoyar tanto a analistas como a usuarios empresariales para mejorar la productividad y obtener más valor de los modelos semánticos.

Sin embargo, para usar Copilot con modelos semánticos en Power BI, primero debe preparar los datos, el modelo semántico y los usuarios. Si no prepara estos elementos, Copilot produce principalmente salidas de baja calidad e inexactas que podrían ser incorrectas o incluso engañosas. Las secciones siguientes le guían a través de cómo puede usar Copilot en Power BI para desarrollar o consumir un modelo semántico con las experiencias de Copilot disponibles.

Nota:

Para más información, consulte la documentación de Copilot en Power BI.

Copilot y sus capacidades evolucionan con el tiempo. Las experiencias de Copilot en las secciones siguientes podrían cambiar y las nuevas experiencias podrían estar disponibles con modelos semánticos. Por lo tanto, debe estar al tanto de las versiones mensuales de Power BI y las novedades relevantes de Copilot.

Importante

No puede habilitar ni deshabilitar Copilot en cargas de trabajo específicas o para experiencias específicas de Copilot. Si habilita Copilot en Fabric en su capacidad para un usuario o grupo de seguridad, todas las cargas de trabajo y las experiencias de Copilot son accesibles para esos usuarios.

Desarrollo de un modelo semántico con ayuda de Copilot

Al desarrollar un modelo semántico en Power BI, use Copilot para ayudar a mejorar la eficacia y comodidad de determinadas tareas. Normalmente, este proceso implica aprovechar Copilot para simplificar los cambios redundantes o repetitivos (como generar descripciones de medida) o ayudarle a abordar o comprender un diseño de modelo desafiante o DAX (por ejemplo, usar Copilot en la vista de consulta DAX para explicar los conceptos de DAX o generar consultas DAX).

En las secciones siguientes se explica cómo un desarrollador o analista de Power BI que crea modelos semánticos puede aprovechar las diversas experiencias de Copilot en Power BI.

Nota:

Las siguientes secciones se centran en las experiencias que respaldan el desarrollo de modelos semánticos en Power BI Desktop, y no mediante la edición de modelos de datos en línea en el servicio Power BI. Es posible que las instrucciones y consideraciones de las secciones siguientes se sigan aplicando al editar modelos de datos en el servicio Power BI, pero tenga en cuenta que existen diferencias entre estas dos experiencias.

En general, desarrolle modelos semánticos de Power BI mediante Power BI Desktop o herramientas de terceros y, a continuación, publique estos modelos en el servicio Power BI cuando esté listo para usarlos. Sin embargo, también puede editar modelos de datos en el servicio Power BI si es su preferencia o si no puede usar herramientas de escritorio para desarrollar el modelo.

Realizar consultas de datos sobre su modelo semántico

Al desarrollar un modelo semántico, a menudo es necesario explorar y consultar los datos. Normalmente, se usa una combinación del editor de Power Query, el lienzo del informe y las consultas DAX. Sin embargo, también puede realizar preguntas sobre los datos del modelo y su contenido mediante la ventana de chat de Copilot. Por lo general, hacer preguntas de datos es más una experiencia de consumo, donde los usuarios empresariales pueden formular preguntas sobre los datos cuando no pueden encontrar la respuesta en un informe. Sin embargo, los desarrolladores pueden usar esta característica para explorar datos o validar cómo funciona Copilot en su modelo.

En la imagen siguiente se muestra un ejemplo de un usuario que hace una pregunta de datos a Copilot sobre un modelo semántico. La imagen muestra el siguiente mensaje: ¿Cuál fue el beneficio % para la región de ventas de Australia en 2023?

Captura de pantalla del panel de chat de Copilot donde un usuario realiza una pregunta de datos respondida por el modelo semántico.

Casos de uso

Use Copilot para formular preguntas de datos para los siguientes casos de uso:

Explore los datos del modelo: Un desarrollador puede usar la experiencia Hacer preguntas de datos para explorar los datos de su modelo mediante Copilot. Sin embargo, es probable que sea más eficaz explorar los datos agregando objetos visuales al lienzo del informe o mediante consultas DAX. Esto se debe a que las visualizaciones del informe se actualizan automáticamente cada vez que haces cambios en el modelo, pero las respuestas a las preguntas de datos en el panel de chat de Copilot son estáticas y desaparecen cada vez que cierras el panel de chat de Copilot. Además, los objetos visuales generados por Copilot pueden incluir filtros específicos que no puedes crear por ti mismo en Power BI Desktop. Estos filtros pueden ser engañosos o problemáticos para investigar.
Valide el uso de Copilot para consumir el modelo semántico: Los desarrolladores deben usar la experiencia Hacer preguntas de datos para comprender y probar cómo funcionan las experiencias de consumo de Copilot en su modelo semántico. Este es el caso de uso principal para el uso de Preguntas de datos al desarrollar un modelo semántico. Este caso de uso permite al desarrollador realizar cambios en su modelo semántico que podría admitir mejor Copilot para generar salidas más útiles.

Importante

Al diseñar el modelo semántico, asegúrese de hablar con los usuarios y documentar cómo lo consumirán, incluidos los elementos, las herramientas y las experiencias que usarán. Si los usuarios no usarán Copilot en Power BI, no es necesario que un desarrollador use la experiencia Hacer preguntas de datos para probar su modelo. Sin embargo, si los usuarios planean usar Copilot para consumir modelos semánticos ahora o en el futuro, es esencial que los desarrolladores tengan en cuenta esto durante el diseño y el desarrollo del modelo.

Ventajas

Un desarrollador puede usar Hacer preguntas de datos para comprender cómo será la experiencia para los usuarios empresariales que consumen el modelo semántico mediante Copilot en Power BI. Esta prueba es esencial si los usuarios empresariales quieren usar Copilot para consumir un modelo semántico.

Detalles de la experiencia

La experiencia de Formular preguntas sobre datos es distinto al proceso estándar de Copilot en Fabric en las siguientes áreas. Esta introducción se aplica al uso de la experiencia Formular preguntas sobre datos al desarrollar y consumir modelos semánticos:

Entrada: Los usuarios proporcionan una solicitud escrita que formula una pregunta o solicitan información específica del modelo semántico.
Preprocesamiento y datos de referencia: Copilot recupera los datos de referencia del esquema del modelo. Realiza la reducción del esquema para intentar restringir el contexto a lo que es más importante. Como contexto, Copilot toma la siguiente información para intentar mejorar la utilidad y la especificidad de la salida de Copilot:
- Cualquier metadato de informe aparece en la página del informe actual. Si hay metadatos de informe relevantes, Copilot en Power BI responde a preguntas de datos del informe en lugar del modelo.
- Conversación con Copilot en la sesión actual. Esta conversación incluye cualquier pregunta y respuestas anteriores, que incluye puntos de datos provenientes de preguntas que Copilot respondió anteriormente.
- El esquema de modelo semántico, que incluye tablas, filas, columnas, medidas y otros objetos (como relaciones, grupos de cálculo, etc.).
- Esquema lingüístico completo del modelo.
- Ciertas propiedades del modelo semántico, incluidas descripciones, tipos de datos, cadenas de formato y categoría de datos.
Se excluye la siguiente información:
- Cualquier página de informe que esté oculta.
- Cualquier campo (medida o columna) del modelo oculto.
- Cualquier tabla del modelo marcada como privada.
Salida: La salida que proporciona Copilot contiene varias partes:
- Visual: Copilot responde a la pregunta de datos mediante la representación de un objeto visual de Power BI, como una tarjeta, un gráfico de líneas o una tabla. Copilot elige el objeto visual y su formato, que el usuario no puede controlar ni desarrollar en su solicitud. El objeto visual puede agotar el tiempo de espera si el modelo subyacente, DAX, o los datos no están optimizados o son demasiado complejos.
- Resumen: Copilot resume el resultado de la consulta. Este resumen se genera mediante el envío de un resultado de consulta semántico a Azure OpenAI (que incluye puntos de datos) y la solicitud de una explicación del lenguaje natural.
- Errores o solicitud de aclaración: Si Copilot no puede generar una respuesta, podría devolver un mensaje de error genérico. Este mensaje de error podría incluir una solicitud de aclaración, incluidas las variantes sugeridas de la pregunta de datos original del usuario.

Precaución

Cuando se usa Copilot en Power BI con modelos semánticos en Power BI Desktop, Copilot podría usar metadatos de informe como datos base. En determinadas circunstancias, los metadatos del informe pueden contener puntos de datos, como valores de columna, que pueden incluir información confidencial. Esta condición es verdadera para el formato de metadatos del informe heredado y el nuevo formato de informe mejorado de Power BI (PBIR).

Sugerencias para mejorar las salidas de Copilot

Copilot puede producir salidas inexactas o de baja calidad, incluidas respuestas incorrectas a preguntas de datos. A menudo, las respuestas incorrectas surgen de errores de usuario o problemas del modelo. Para reducir la probabilidad de salidas incorrectas o inesperadas de Copilot, solucione las indicaciones del usuario y el diseño del modelo de datos.

Importante

Las respuestas inexactas a preguntas de datos pueden dar lugar a decisiones y acciones incorrectas por parte de los usuarios empresariales, lo que produce resultados incorrectos. Para evitar este impacto negativo, es importante que mitigue la probabilidad de respuestas inexactas por Copilot tanto como sea posible.

Un usuario solo puede producir resultados incorrectos escribiendo una solicitud insuficiente. Entre los ejemplos de mensajes insuficiente encontramos:

Indicaciones imprecisas o incompletas: Si describe inexacta o incompletamente la salida deseada o usa lenguaje ambiguo en el mensaje, es menos probable que Copilot genere un resultado útil. Al escribir mensajes, intente ser lo más específico y descriptivo posible al indicar el resultado deseado.
Avisos incorrectos: Si comete errores ortográficos al hacer referencia a un nombre de medida, columna o tabla, Es posible que Copilot no haga referencia al campo correcto. Al escribir mensajes, asegúrese de que los campos que menciona en el mensaje hacen referencia correctamente a los campos del esquema de modelo semántico. Esta regla incluye evitar abreviaturas, acrónimos o puntuación excesiva. También puede usar sinónimos para hacer referencia a campos, pero no hay ninguna manera de validar qué sinónimos están disponibles para un campo determinado (como puede ver descripciones al mantener el puntero sobre una medida o columna en el panel Datos).
Datos de referencia excesivos o inadecuados: Si envía una indicación a través del panel de chat de Copilot, Copilot toma el historial de chat de esa sesión como datos de fundamentación durante el preprocesamiento. Dependiendo de lo que implica ese historial de chats, es posible que obtenga resultados diferentes o inesperados. Al escribir instrucciones, tienes en cuenta que las instrucciones y resultados anteriores se usan como datos de referencia. Para evitar este problema, seleccione el botón Copilot para cerrar y volver a abrir el panel de chat de Copilot, borrando el historial de chat antes de enviar un mensaje nuevo.

En la imagen siguiente se muestra un ejemplo de una salida incorrecta de Copilot debido a un mensaje de usuario deficiente:

Captura de pantalla que muestra el panel de chat de Copilot donde el usuario hace una pregunta de datos que Copilot responde con el modelo semántico.

La imagen muestra el siguiente mensaje: ¿Cuál fue el beneficio % para la región de ventas de Australia en 2023? En la salida, Copilot devuelve el valor numérico del beneficio en lugar de ofrecerlo como porcentaje. En este caso, el usuario podría obtener un mejor resultado de Copilot especificando más claramente que quieren el beneficio en porcentaje (en lugar de usar el símbolo de porcentaje).

Además de las solicitudes del usuario, la experiencia de preguntas sobre los datos también puede producir resultados incorrectos o inesperados debido a la calidad u organización del modelo semántico subyacente. Entre los ejemplos de cuándo el modelo semántico genera resultados deficientes se incluyen:

Diseño o implementación de modelos deficientes: Si el modelo semántico no sigue los procedimientos recomendados comunes (como un diseño de esquema de estrella), es probable que obtenga resultados deficientes con cualquier herramienta de consumo o experiencia. Esfuérzate siempre por crear modelos semánticos de calidad para aprovechar al máximo Power BI y Fabric. Consulte también Guía de modelado de datos para Power BI para obtener más sugerencias e instrucciones para mejorar los modelos semánticos de Power BI.
Convenciones de nomenclatura deficientes: Si los campos tienen convenciones de nomenclatura incoherentes o excesivas (como acrónimos, abreviaturas y puntuación), es más probable que los usuarios cometan errores en sus mensajes y Copilot se confunda al hacer referencia a estos campos. Copilot funciona mejor cuando las tablas, columnas y medidas tienen nombres en inglés legible.
Organización de modelos deficiente: Si no organiza el modelo, es probable que experimente más problemas con Copilot. La organización del modelo es un tema grande que abarca muchas tareas, incluidas las descripciones de campos, ocultar columnas y medidas, y evitar campos con los mismos nombres en distintas tablas.
Modelado lingüístico: Si el modelo semántico no tiene configurado el modelado lingüístico, incluidos los sinónimos de campos o verbos para las relaciones, Es más probable que Copilot devuelva resultados inesperados. Power BI se basa en el mismo modelado lingüístico que la característica de preguntas y respuestas. La configuración de un modelo lingüístico para el modelo semántico cuesta más tiempo y esfuerzo sobre las tareas de desarrollo del modelo semántico. Sin embargo, puede compensar esto ligeramente usando Copilot para generar sinónimos, como se explica más adelante en este artículo.
Complejidad del modelo: Cuanto más complejo sea el modelo, incluido tener más campos, dependencias y lógica de negocios, más probable es que experimente dificultades al usar Copilot. Por ejemplo, patrones complejos como la conversión de moneda o tablas desconectadas (como parámetros de campo) pueden provocar resultados inesperados o incorrectos cuando los usuarios hacen referencia a estos campos o tablas en sus mensajes. Con modelos más complejos, es posible que tenga que tener en cuenta decisiones de diseño de modelos específicas para obtener los mejores resultados con Copilot. En general, debe probar el modelo con Copilot para determinar si obtiene resultados coherentes y confiables. Si no, podría sugerir a los usuarios que no utilicen Copilot para consumir su modelo semántico.

Nota:

Para obtener más información, consulte Preparación de un modelo semántico para el consumo de Copilot más adelante en este artículo. Consulte también el artículo independiente sobre cómo actualizar el modelo de datos para que funcione bien con Copilot para Power BI para obtener más consideraciones.

En la imagen siguiente se muestra un ejemplo de una salida incorrecta de Copilot debido a problemas con el modelo semántico:

Captura de pantalla de un usuario que realiza una pregunta de datos que Copilot responde incorrectamente debido a nombres de campo ambiguos en el modelo semántico.

La imagen muestra el siguiente mensaje: ¿Cuántas unidades se vendieron en Australia en 2023? En la respuesta, Copilot devuelve el número de unidades donde la columna Country de la tabla Customer se filtra por "Australia", en lugar de filtrar la columna Country en la tabla Región de ventas . En este caso, el usuario podría haber mejorado la solicitud para especificar el país de la región de ventas. Sin embargo, el desarrollador de modelos semánticos también podría ocultar o cambiar el nombre de la columna País de la tabla Cliente si no se pretende usar con Copilot. Como alternativa, podrían deshabilitar el campo de los sinónimos de campo del modelo lingüístico mediante la configuración de preguntas y respuestas.

La importancia del esquema lingüístico y la configuración de preguntas y respuestas se describe en la sección Esquema lingüístico.

Sugerencia

Puede identificar qué campos y filtros usa Copilot para generar un objeto visual o responder a una pregunta de datos haciendo clic en el botón Agregar a la página . Esta acción agrega el objeto visual al lienzo del informe, donde puede seleccionar el objeto visual y ver los filtros que Copilot aplica o los campos que usa Copilot.

Independientemente de la calidad de la indicación o del modelo, todavía puede obtener resultados inexactos o de baja calidad de Copilot cuando se utiliza la experiencia Formular preguntas sobre datos. Esto se debe a que el modelo subyacente , con su configuración actual, no es determinista y no se garantiza que genere una respuesta correcta o la misma respuesta con el mismo aviso, modelo y datos.

En la imagen siguiente se muestra un ejemplo de Copilot que produce resultados inexactos o inadecuados:

Captura de pantalla de un usuario que realiza una pregunta de datos que Copilot responde incorrectamente filtrando la columna de fecha incorrecta.

En este ejemplo, la imagen muestra las indicaciones: Pregunta: ¿Qué país produjo el mayor beneficio en 2024? y Pregunta: ¿Qué país produjo el mayor beneficio en 2023? Las salidas muestran a Copilot en primer lugar pidiendo aclaración después de decir que no hay datos para 2024 en el modelo. Sin embargo, hay datos en el modelo en 2024 al filtrar a ese año mediante la tabla de fechas. A continuación, Copilot devuelve un resultado que filtra la columna Cumpleaños de la tabla Customer , en lugar de la tabla de fechas marcada en el modelo. Aunque el usuario podría generar un mensaje más específico o el desarrollador podría ocultar el campo Cumpleaños , en este caso, Copilot debería generar el resultado esperado.

Para mitigar este problema, entrene a los usuarios para que puedan valorar críticamente las salidas que obtienen de Copilot en Fabric y Power BI, y qué hacer para solucionar problemas de resultados inesperados o para probar un nuevo mensaje cerrando y reabrindo el panel o ventana de chat de Copilot.

Vista de consulta DAX

Al desarrollar un modelo semántico, use Copilot para generar consultas DAX en la vista de consulta DAX. En estas consultas, también puede definir medidas DAX, que luego puede agregar al modelo semántico. También puede usar Copilot para explicar los conceptos de DAX, ya sea en consultas generadas o en consultas que usted mismo haya creado.

En la imagen siguiente se muestra un ejemplo de un usuario que pide a Copilot que genere una consulta DAX.

Captura de pantalla de un usuario que solicita a Copilot que genere una consulta DAX en la vista de consulta DAX.

En la imagen se muestra el siguiente mensaje: beneficio de YTD por mes en 2023. A continuación, el usuario podría pedir a Copilot que explique la consulta, como se muestra en la siguiente imagen.

Captura de pantalla de Copilot que explica una consulta DAX en la vista de consulta DAX de Power BI Desktop.

La imagen muestra el siguiente mensaje: Explica esta consulta DAX. La explicación se muestra en la parte inferior de la ventana de Copilot.