Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Questo articolo illustra come funziona Microsoft Copilot nei notebook e negli agenti dati di Fabric (in precedenza noti come agente dati), come mantiene i dati aziendali sicuri e conformi ai requisiti di privacy e come usare in modo responsabile l'intelligenza artificiale generativa. Per una panoramica di questi argomenti per Copilot in Fabric, vedere Privacy, sicurezza e uso responsabile per Copilot (anteprima).
Uso dei dati
Utilizzo dei dati in Copilot per notebook in Fabric
Nei notebook, Copilot può accedere solo ai dati accessibili al notebook corrente dell'utente, sia in una lakehouse a cui è collegato, sia caricati o importati direttamente in quel notebook dall'utente. Nei notebook, Copilot non può accedere ai dati non accessibili al notebook.
Per impostazione predefinita, Copilot ha accesso ai tipi di dati seguenti:
- Cronologia conversazioni: messaggi precedenti inviati a e risposte da Copilot per tale utente. (vedere di seguito per altri dettagli sull'archiviazione della cronologia delle conversazioni)
- Contenuto delle celle eseguite dall'utente.
- Output delle celle eseguite dall'utente.
- Schemi di origini dati nel notebook.
- Dati di esempio provenienti da origini dati nel notebook.
- Schemi provenienti da fonti di dati esterne in un lakehouse collegato.
Uso dei dati negli agenti dati di Fabric
- Gli agenti dati tessutali si basano sulla cronologia delle conversazioni dell'utente per rispondere meglio alle domande. (vedere di seguito per altri dettagli sull'archiviazione della cronologia delle conversazioni)
- Informazioni sullo schema delle origini dati aggiunte. Sono inclusi i nomi delle tabelle e delle colonne. L'autore di un agente dati seleziona le tabelle da includere.
Come gestire la cronologia delle conversazioni
Per Copilot nei notebook e negli agenti di dati di Fabric, la cronologia delle conversazioni viene archiviata tra le sessioni utente.
Perché si archivia la cronologia delle conversazioni e dove vengono archiviate?
Per utilizzare esperienze complete di intelligenza artificiale agentica conversazionale, l'agente deve archiviare la cronologia delle conversazioni nelle varie sessioni utente per mantenere il contesto. In questo modo l'agente di intelligenza artificiale mantiene il contesto su ciò che un utente ha chiesto nelle sessioni precedenti ed è in genere un comportamento desiderato in molte esperienze di intelligenza artificiale agentic. Le esperienze come Copilot nei notebook e negli agenti dati di Fabric sono esperienze di intelligenza artificiale che archiviano la cronologia delle conversazioni nelle sessioni dell'utente.
Questa cronologia viene archiviata all'interno del limite di sicurezza di Azure, nella stessa area e nelle stesse risorse OpenAI di Azure che elaborano tutte le richieste di intelligenza artificiale dell'infrastruttura. La differenza in questo caso è che la cronologia delle conversazioni viene archiviata per tutto il tempo consentito dall'utente. Per le esperienze che non archiviano la cronologia delle conversazioni tra le sessioni, non vengono archiviati dati. Le richieste vengono elaborate solo dalle risorse OpenAI di Azure usate da Fabric.
Gli utenti possono eliminare la cronologia delle conversazioni in qualsiasi momento, semplicemente cancellando la chat. Questa opzione esiste sia per Copilot nei Notebooks che nei data agent. Se la cronologia delle conversazioni non viene rimossa manualmente, viene archiviata per 28 giorni.
Copilot in Notebooks: Domande frequenti sull'intelligenza artificiale responsabile
Con *Copilot* nei notebook per Data Science e Data Engineering in Microsoft Fabric, offriamo un assistente AI per aiutare a trasformare, esplorare e sviluppare soluzioni all'interno del contesto del notebook.
Per considerazioni e limitazioni, vedere Limitazioni .
Come è stato valutato Copilot nei notebook per la data science e la ingegneria dei dati?
- Il team di prodotto ha testato Copilot per verificare le prestazioni del sistema all'interno del contesto dei notebook e se le risposte di intelligenza artificiale sono dettagliate e utili.
- Il team ha anche investito in altre mitigazioni dei danni, inclusi gli approcci tecnologici per concentrare l'output di Copilot sugli argomenti correlati all'analisi scientifica dei dati.
Come si lavora meglio con Copilot nei notebook per data science e ingegneria dei dati?
- Copilot è meglio attrezzato per gestire gli argomenti di data science, quindi limitare le domande a questa area.
- Descrivere in modo esplicito i dati da esaminare da Copilot. Se si descrive l'asset di dati, ad esempio assegnando un nome a file, tabelle o colonne, Copilot può probabilmente recuperare i dati pertinenti e generare output utili.
- Per risposte più granulari, caricate i dati nel notebook come DataFrame o fissate i dati nel vostro Lakehouse. In questo modo, Copilot ha un contesto maggiore di cui eseguire l'analisi. Se un asset è troppo grande da caricare, bloccarlo è un'alternativa utile.
Agente di dati Fabric: Domande frequenti sull'intelligenza artificiale responsabile
Che cos'è l'agente dati di Fabric?
L'agente dati è una nuova funzionalità di Microsoft Fabric che consente di creare sistemi Q&A conversazionali personalizzati con intelligenza artificiale 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 dati di Fabric, il team può avere conversazioni, con semplici domande in lingua inglese, sui dati archiviati in Fabric OneLake e quindi ricevere risposte pertinenti. Anche le persone senza esperienza tecnica nell'IA o senza una profonda comprensione della struttura dei dati, possono ricevere risposte precise e ricche di contesto.
Cosa può fare l'agente dei dati?
L'agente dati di Fabric consente interazioni in linguaggio naturale con dati strutturati, consentendo agli utenti di porre domande e ricevere risposte avanzate e con riconoscimento del contesto. Consente agli utenti di connettersi e ottenere informazioni dettagliate da origini dati come Lakehouse, Warehouse, set di dati di Power BI, database KQL senza dover scrivere query complesse. L'agente dati è progettato per consentire agli utenti di accedere ed elaborare facilmente i dati, migliorando il processo decisionale tramite interfacce conversazionali mantenendo al contempo il controllo sulla sicurezza e la privacy dei dati.
Quali sono gli usi previsti per l'agente dati?
L'agente dati di Fabric è progettato per semplificare il processo di query sui dati. Consente agli utenti di interagire con i dati strutturati tramite il linguaggio naturale. Supporta informazioni dettagliate sugli utenti, processo decisionale e generazione di risposte a domande complesse senza la necessità di conoscenze specifiche del linguaggio di query. L'agente dati è particolarmente utile per analisti aziendali, decision maker e altri utenti non tecnici che necessitano di informazioni dettagliate rapide e utilizzabili dai dati archiviati in origini come il database KQL, Lakehouse, il set di dati di Power BI e le risorse warehouse.
L'agente dati di Fabric non è destinato ai casi d'uso in cui sono necessari 100% risultati accurati, a causa delle limitazioni LLM correnti.
L'agente dati di Fabric non è destinato a casi d'uso che richiedono analisi approfondite o analisi causali. Ad esempio, "perché i numeri di vendita sono diminuiti il mese scorso?" non rientra nell'ambito attuale.
Come è stato valutato l'agente di dati di Fabric? Quali metriche vengono usate per misurare le prestazioni?
Il team del prodotto ha testato l'agente dati in vari benchmark pubblici e privati per determinare la qualità delle query su origini dati diverse. Il team ha anche investito in altre mitigazioni dei danni, inclusi gli approcci tecnologici per garantire che l'output dell'agente dati sia vincolato al contesto delle origini dati selezionate.
Quali sono le limitazioni dell'agente dati di Fabric? In che modo gli utenti possono ridurre al minimo l'impatto delle limitazioni dell'agente dati di Fabric quando si usa il sistema?
Assicurarsi di usare nomi di colonna descrittivi. Anziché i nomi di colonna "C1" o "ActCu" (come esempi), usare "ActiveCustomer" o "IsCustomerActive". Questo è il modo più efficace per ottenere query più affidabili dall'IA.
Per migliorare l'accuratezza dell'agente dati di Fabric, è possibile fornire più contesto con istruzioni sull'agente dati e query di esempio. Questi input consentono all'API Assistente OpenAI di Azure, che supporta l'agente dati di Fabric, di prendere decisioni migliori su come interpretare le domande dell'utente e sull'origine dati più appropriata da usare.
È possibile usare le istruzioni dell'agente dati per guidare il comportamento dell'agente sottostante, consentendo di identificare l'origine dati migliore per rispondere a tipi specifici di domande.
È anche possibile fornire coppie di query di esempio per illustrare in che modo l'agente dati di Fabric deve rispondere alle query comuni. Questi esempi fungono da modelli per interpretare input utente simili e generare risultati accurati. Le coppie di esempio di domande-query non sono attualmente supportate per le origini dati dei modelli semantici di Power BI.
Per un elenco completo delle limitazioni correnti dell'agente dati, vedere questa risorsa .
Quali fattori operativi e impostazioni consentono un uso efficace e responsabile dell'agente dati di Fabric?
L'agente dati di Fabric può accedere solo ai dati forniti. Usa lo schema (nome della tabella e nome della colonna), nonché le istruzioni dell'agente dati di Fabric e le query di esempio fornite, nell'interfaccia utente o tramite l'SDK.
L'agente dati di Fabric può accedere solo ai dati a cui l'utente può accedere. Se si usa l'agente dati, le credenziali vengono usate per accedere al database sottostante. Se non si ha accesso ai dati sottostanti, l'agente dati non può accedere ai dati sottostanti. Ciò vale quando si usa l'agente dati in diversi canali, ad esempio Azure AI Foundry o Microsoft Copilot Studio, in cui altri utenti possono usare l'agente dati.