Privacy, sicurezza e uso responsabile di Copilot per Data Science
Questo articolo illustra come funziona Microsoft Copilot per Data Science, il modo in cui garantisce la sicurezza dei dati aziendali e rispetta i requisiti di privacy, nonché come usare l'IA generativa in modo responsabile. Per una panoramica di questi argomenti per Copilot in Fabric, vedere Privacy, sicurezza e uso responsabile per Copilot (anteprima).
Con Copilot per Data Science in Microsoft Fabric e altre funzionalità di intelligenza artificiale generativa in anteprima, Microsoft Fabric introduce un nuovo modo di trasformare e analizzare i dati, generare informazioni dettagliate e creare visualizzazioni e report in Data Science e altri carichi di lavoro.
Per considerazioni e limitazioni, vedere Limitazioni.
Uso dei dati di Copilot Data Science
Nei Notebook Copilot può accedere solo ai dati accessibili al notebook corrente dell'utente, in un lakehouse collegato oppure caricato o importato direttamente dall’utente in tale notebook. Nei Notebook, Copilot può accedere ai dati non accessibili al notebook.
Per impostazione predefinita, Copilot ha accesso ai seguenti tipi di dati:
- Messaggi precedenti inviati e risposte da parte di Copilot per tale utente in quella sessione.
- 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 origini dati esterne in un lakehouse collegato.
Valutazione di Copilot per Data Science
- Il team del prodotto ha testato Copilot per verificare le prestazioni del sistema nel contesto dei Notebook e se le risposte dell’intelligenza artificiale sono dettagliate e utili.
- Il team si è dedicato anche a mitigare altri danni, inclusi gli approcci tecnologici per concentrare l’output di Copilot sugli argomenti relativi alla scienza dei dati.
Suggerimenti per l'uso di Copilot con Data Science
- Copilot è stato studiato per gestire gli argomenti di Data Science, quindi limitare le domande a questa area.
- Spiegare chiaramente i dati Copilot che si vogliono esaminare. Se si descrive nei dettagli l'asset di dati, ad esempio i file di denominazione, le tabelle o le colonne, Copilot ha più probabilità di recuperare i dati pertinenti e generare output utili.
- Se si vogliono risposte più granulari, provare a caricare i dati nel notebook come dataframe o aggiungere i dati in lakehouse. In questo modo Copilot ha a disposizione un contesto più ampio con cui eseguire l'analisi. Se un asset è troppo grande da caricare, un'alternativa utile può essere quella di associare i dati.
AI Skill: Domande frequenti sull'intelligenza artificiale responsabile
Che cos'è AI Skill?
AI Skill è un nuovo strumento di Fabric che offre un modo per ottenere dai dati tabulari risposte nel linguaggio naturale.
Che cosa può fare AI Skill?
Un analista di dati o un ingegnere può preparare AI Skill per l'uso da parte di utenti aziendali non tecnici. Il tecnico competente dovrà configurare l'origine dati di Fabric e facoltativamente fornire informazioni di contesto aggiuntive che non sono evidenti dallo schema.
Gli utenti non tecnici possono quindi digitare domande e ricevere i risultati dall'esecuzione di una query SQL generata dall'intelligenza artificiale.
Quali sono gli usi previsti di AI Skill?
Gli utenti aziendali che non hanno familiarità con il modo in cui i dati sono strutturati potranno fare domande descrittive, ad esempio "quali sono i 10 prodotti principali per volume di vendite del mese scorso?" basandosi sui dati tabulari archiviati in Fabric Lakehouses e Fabric Warehouses.
AI Skill non è destinato all'uso nei casi in cui sono necessari risultati deterministici e accurati al 100%, che riflette le limitazioni LLM correnti.
AI Skill non è destinato all’uso in casi che richiedono analisi approfondite o analisi causali. Ad esempio, la domanda "perché i numeri di vendita sono calati l'ultimo mese?" è fuori ambito.
Come è stato valutato AI Skill? Quali metriche vengono utilizzate per misurare le prestazioni?
Il team del prodotto ha testato la competenza di AI Skill su un'ampia gamma di benchmark pubblici e privati per le attività SQL, allo scopo di verificare la qualità delle query SQL.
Il team ha anche investito in altre mitigazioni dei danni, inclusi gli approcci tecnologici per concentrare l'output di AI Skill sul contesto delle origini dati scelte.
Quali sono le limitazioni di AI Skill? In che modo gli utenti possono ridurre al minimo l'impatto delle limitazioni di AI Skill durante l'utilizzo del sistema?
Assicurarsi che i nomi delle colonne siano descrittivi. Anziché usare nomi di colonna come "C1" o "ActCu", usare "ActiveCustomer" o "IsCustomerActive". Questo è il modo più efficace per ottenere query più affidabili dall'IA.
Usare le note per il modello nel pannello di configurazione dell'interfaccia utente. Se le query SQL generate da AI Skill non sono corrette, è possibile fornire istruzioni in inglese al modello per migliorare le query future. Il sistema userà queste istruzioni con ogni query. Le istruzioni migliori sono quelle brevi e dirette.
Fornire esempi nel pannello di configurazione del modello nell'interfaccia utente. Il sistema sfrutta gli esempi più rilevanti per fornire le risposte.
Quali fattori operativi e impostazioni consentono un uso efficace e responsabile di AI Skill?
AI Skill ha accesso solo ai dati forniti. Usa lo schema (nome della tabella e nome della colonna), nonché le note per il modello e gli esempi forniti nell'interfaccia utente.
AI Skill ha accesso solo ai dati a cui ha accesso anche chi pone le domande. Se si usa AI Skill, le credenziali vengono usate per accedere al database sottostante. Se non si ha accesso ai dati sottostanti, allora non potrà accedervi nemmeno AI Skill. Ciò vale quando si pubblica AI Skill in altre destinazioni, ad esempio Copilot per Microsoft 365 o Microsoft Copilot Studio, in cui AI Skill può essere usata da altri inquirenti.