Condividi tramite

Concetti relativi all'agente dei dati di Fabric (anteprima)

L'agente dei dati in Microsoft Fabric è una nuova funzionalità di Microsoft Fabric che consente di creare sistemi di domande e risposte conversazionali personalizzati usando l'IA generativa. Un agente dei dati di Fabric rende le informazioni dettagliate sui dati più interattive e accessibili per tutti gli utenti dell'organizzazione. Con un agente dei dati di Fabric, il team può svolgere conversazioni, con semplici domande in lingua inglese, sui dati archiviati nell'organizzazione in Fabric OneLake e ricevere risposte pertinenti. In questo modo, anche le persone che non hanno competenze tecniche nel settore dell'intelligenza artificiale o una profonda comprensione della struttura dei dati possono ricevere risposte precise e ricche di contesto.

È anche possibile aggiungere istruzioni, esempi e materiale sussidiario specifici dell'organizzazione per ottimizzare l'agente dei dati di Fabric. Questo garantisce che le risposte siano in linea con le esigenze e gli obiettivi dell'organizzazione, consentendo a tutti di interagire con i dati in modo più efficace. L'agente dei dati di Fabric promuove la cultura del processo decisionale basato sui dati, in quando riduce le barriere all'accessibilità delle informazioni dettagliate, facilita la collaborazione e consente all'organizzazione di estrarre più valore dai dati.

Importante

Questa funzionalità si trova in Anteprima.

Prerequisiti

Funzionamento dell'agente dei dati di Fabric

L'agente dei dati di Fabric usa modelli linguistici di grandi dimensioni (LLM) per consentire agli utenti di interagire con i dati in modo naturale. L'agente dei dati di Fabric applica le API assistente di Azure OpenAI e si comporta come un agente. Elabora le domande degli utenti, determina l'origine dati più pertinente (lakehouse, warehouse, set di dati di Power BI, database KQL) e richiama lo strumento appropriato per generare, convalidare ed eseguire query. Gli utenti possono quindi porre domande in linguaggio normale e ricevere risposte strutturate e leggibili. Questo elimina la necessità di scrivere query complesse e assicura un accesso ai dati accurato e sicuro.

Ecco come funziona in dettaglio:

Analisi e convalida delle domande: l'agente dei dati di Fabric applica le API assistente di Azure OpenAI come agente sottostante per elaborare le domande degli utenti. Questo approccio garantisce che la domanda sia conforme ai protocolli di sicurezza, ai criteri per l'intelligenza artificiale responsabile (RAI) e alle autorizzazioni utente. L'agente dei dati di Fabric applica rigorosamente l'accesso di sola lettura, mantenendo le connessioni in sola lettura a tutte le origini dati.

Identificazione dell'origine dati: l'agente dei dati di Fabric usa le credenziali dell'utente per accedere allo schema dell'origine dati. Ciò garantisce che il sistema recuperi le informazioni sulla struttura dei dati che l'utente è autorizzato a visualizzare. Valuta quindi la domanda dell'utente rispetto a tutte le origini dati disponibili, inclusi database relazionali (lakehouse e warehouse), set di dati di Power BI (modelli semantici) e database KQL. Può anche fare riferimento alle istruzioni dell'agente dei dati fornite dall'utente per determinare l'origine dati più pertinente.

Chiamata dello strumento e generazione di query: una volta identificate le origini dati corrette, l'agente dei dati di Fabric riformula la domanda in termini di chiarezza e struttura e quindi chiama lo strumento corrispondente per generare una query strutturata:

  • Dal linguaggio naturale a SQL (NL2SQL) per i database relazionali (lakehouse/warehouse).
  • Dal linguaggio naturale a DAX (NL2DAX) per i set di dati di Power BI (modelli semantici).
  • Dal linguaggio naturale a KQL (NL2KQL) per i database KQL.

Lo strumento selezionato genera una query basata sullo schema, i metadati e il contesto forniti, che vengono poi passati dall'agente dei dati di Fabric sottostante.

Convalida della query: lo strumento esegue la convalida per assicurarsi che la query sia formata correttamente e rispetti i propri protocolli di sicurezza e i criteri RAI.

Esecuzione della query e risposta: dopo la convalida, l'agente dei dati di Fabric esegue la query sull'origine dati scelta. I risultati vengono formattati in una risposta leggibile, che può includere dati strutturati come tabelle, riepiloghi o informazioni dettagliate chiave.

Questo approccio garantisce che gli utenti possano interagire con i propri dati in linguaggio naturale, mentre l'agente dei dati di Fabric gestisce le complessità della generazione, della convalida e dell'esecuzione di query, tutto senza bisogno che gli utenti scrivano in linguaggio SQL, DAX o KQL.

Configurazione dell'agente dei dati di Fabric

La configurazione di un agente dei dati di Fabric è simile alla creazione di un report di Power BI. Si inizia progettandolo e poi si perfeziona per assicurarsi che soddisfi le proprie esigenze, quindi si pubblica e si condivide con i colleghi in modo che possano interagire con i dati. La configurazione di un agente dei dati di Fabric prevede:

Selezione delle origini dati: un agente dei dati di Fabric supporta fino a cinque origini dati in qualsiasi combinazione, inclusi lakehouse, warehouse, database KQL e modelli semantici di Power BI. Ad esempio, un agente dei dati di Fabric configurato può includere cinque modelli semantici di Power BI. Può includere una combinazione di due modelli semantici di Power BI, un lakehouse e un database KQL. Sono disponibili molte opzioni.

Scelta delle tabelle pertinenti: dopo aver selezionato le origini dati, è necessario aggiungerle una alla volta e definire le specifiche tabelle di ogni origine che verranno usate dall'agente dei dati di Fabric. Questo passaggio garantisce che l'agente dei dati di Fabric recuperi risultati accurati concentrandosi solo sui dati pertinenti.

Aggiunta di contesto: per migliorare l'accuratezza dell'agente dei dati di Fabric, è possibile fornire più contesto utilizzando istruzioni dell'agente di Fabric e query di esempio. Come l'agente sottostante per l'agente dei dati di Fabric, il contesto consente all'API assistente di Azure OpenAI di prendere decisioni più informate su come elaborare le domande dell'utente e determinare quale origine dati è più adatta per rispondere.

  • Istruzioni dell'agente dei dati: è possibile aggiungere istruzioni per guidare l'agente sottostante all'agente dei dati di Fabric nella determinazione dell'origine dati migliore per rispondere a tipi specifici di domande. È anche possibile fornire regole o definizioni personalizzate che chiariscano la terminologia dell'organizzazione o requisiti specifici. Queste istruzioni possono fornire più contesto o preferenze che influiscono sul modo in cui l'agente seleziona le origini dati ed esegue le query.

    • Domande dirette sulle metriche finanziarie a un modello semantico di Power BI.
    • Assegnare le query che coinvolgono l'esplorazione di dati non elaborati al lakehouse.
    • Indirizzare le domande che richiedono l'analisi dei log al database KQL.

  • Query di esempio: è possibile aggiungere coppie query-domanda di esempio per illustrare in che modo l'agente dei dati di Fabric deve rispondere alle query comuni. Questi esempi fungono da guida per l'agente, aiutandolo a comprendere come interpretare domande simili e generare risposte accurate.

Nota

L'aggiunta di coppie di query/domande di esempio non è attualmente supportata per le origini dati del modello semantico di Power BI.

Combinando istruzioni di intelligenza artificiale chiare e query di esempio pertinenti, è possibile allineare meglio l'agente dati di Fabric alle esigenze dei dati dell'organizzazione, garantendo risposte più accurate e consapevoli del contesto.

Differenza tra un agente dei dati e un Copilot di Fabric

Anche se sia gli agenti dati di Fabric che i Copilot di Fabric usano l'IA generativa per elaborare i dati e ragionare su di essi, esistono differenze chiave nel funzionamento e nei casi d'uso:

Flessibilità di configurazione: gli agenti dei dati di Fabric sono altamente configurabili. È possibile fornire istruzioni ed esempi personalizzati per adattarne il comportamento a scenari specifici. I Copilot di Fabric sono invece preconfigurati e non offrono questo livello di personalizzazione.

Ambito e caso d'uso: i copiloti di Fabric sono progettati per facilitare le attività all'interno di Microsoft Fabric, ad esempio la generazione di codice per notebook o query sul magazzino dati. Gli agenti dei dati di Fabric, al contrario, sono artefatti autonomi. Per rendere gli agenti dei dati di Fabric più versatili per casi d'uso più ampi, possono integrarsi con sistemi esterni come Microsoft Copilot Studio, Fonderia Azure AI, Microsoft Teams o altri strumenti esterni a Fabric.

Valutazione dell'agente dei dati di Fabric

La qualità e la sicurezza delle risposte dell'agente dei dati di Fabric sono state sottoposte a una valutazione rigorosa:

Test di benchmark: il team di prodotto ha testato gli agenti dei dati di Fabric su un'ampia gamma di set di dati pubblici e privati per garantire risposte accurate e di qualità elevata.

Mitigazioni dei danni migliorate: sono disponibili altre misure di sicurezza per garantire che gli output dell'agente dei dati di Fabric rimangano incentrati sul contesto delle origini dati selezionate, per ridurre il rischio di risposte irrilevanti o fuorvianti.

Limitazioni

L'agente dei dati di Fabric è attualmente in anteprima pubblica e presenta limitazioni. Gli aggiornamenti miglioreranno l'agente dei dati di Fabric nel tempo.

  • L'agente dei dati di Fabric genera solo le query SQL/DAX/KQL di lettura. Non genera query SQL/DAX/KQL che creano, aggiornano o eliminano dati.
  • L'agente dati di Fabric non supporta dati non strutturati (.pdf, .docxo .txt). Non è possibile usare l'agente dei dati di Fabric per accedere a risorse di dati non strutturate. Queste risorse includono .pdf, .docx o file di .txt, ad esempio.
  • L'agente dati di Fabric attualmente non supporta lingue non in lingua inglese. Per ottenere prestazioni ottimali, fornire domande, istruzioni e query di esempio in inglese.
  • Non è possibile modificare l'LLM usato dall'agente dei dati di Fabric.

Contenuto correlato