Real-Time Intelligence 用 Copilot のプライバシー、セキュリティ、責任ある使用 (プレビュー)
この記事では、Copilot リアルタイム インテリジェンス (プレビュー) のしくみ、ビジネス データをセキュリティで保護し、プライバシー要件に準拠する方法、生成 AI を責任を持って使用する方法について説明します。 Fabric での Copilot に関留守トピックの概要については、「プライバシー、セキュリティ、Copilot の責任ある使用 (プレビュー)」を参照してください。
この機能では、OpenAI の機能を利用して、自然言語クエリを大規模なデータセットのクエリに特化した言語である Kusto 照会言語 (KQL) にシームレスに変換します。 本質的には、ユーザーの日常言語と KQL の技術的複雑さの間の橋渡しとして機能し、言語に慣れていないユーザーの導入障壁を取り除きます。 OpenAI の高度な言語理解を活用することで、この機能を使用すると、ユーザーは使い慣れた自然言語形式でビジネスの質問を送信し、KQL クエリに変換できます。
Copilot は、クエリ作成プロセスを簡略化することで生産性を向上させますが、データ分析に対するユーザー フレンドリで効率的なアプローチも提供します。
Copilot リアルタイム インテリジェンスの用途
Kusto Copilot は、基になるデータセットの列名/スキーマに基づいて、自然言語ビジネスの質問を KQL クエリに変換することで、データ サイエンティストとアナリストのデータ探索プロセスを高速化します。
Copilotリアルタイム インテリジェンスの機能
Kusto Copilot は、OpenAI と Microsoft によって開発された生成型 AI モデルを利用しています。 具体的には、OpenAI の埋め込みと完了の API を使用して自然言語プロンプトを作成し、KQL クエリを生成します。
Real-Time Intelligence 用 Copilot のデータ使用
Copilot リアルタイム インテリジェンスの場合、データベース スキーマ、ユーザー定義関数、接続されたデータベースの Copilot データ サンプリングなど、ユーザーがアクセスできるデータにアクセスできます。 Copilot は、現在 KQL クエリセットに接続されている任意のデータベースを参照します。 データは Copilot 格納されません。
Real-Time Intelligence 用 Copilot の評価
- いくつかの構成とメソッドをテストし徹底的な調査期間を経た後、OpenAI 統合メソッドは、最も精度の高い KQL クエリを生成することが実証されました。 Copilot は生成された KQL クエリを自動的に実行しません。ユーザーが独自の判断でクエリを実行することをお勧めします。
- Kusto Copilot は生成された KQL クエリを自動的に実行しません。ユーザーは、独自の判断でクエリを実行することをお勧めします。
リアルタイム インテリジェンスの Copilot 制限事項
- 複雑で長いユーザーによる入力は、Copilot が誤解し、その結果、不正確または誤解を招く可能性のある KQL クエリが提案される可能性があります。
- KQL テーブルや具体化されたビュー (KQL 関数など) ではないデータベース エンティティに送信するユーザー入力は、KQL クエリの候補として不正確または誤解を招く可能性があります。
- 組織内の 10,000 人を超える同時ユーザーが失敗したり、パフォーマンスに大きな影響を受けたりする可能性が最も高くなります。
- 安全でない KQL クエリの実行を防止するために、実行する前に、ユーザーが KQL クエリを検証する必要があります。
Real-Time Intelligence 用 Copilot を使用する際のヒント
- 詳細で関連性の高い自然言語クエリを提供することをお勧めします。 さらに、不正確または誤解を招く推奨 KQL クエリを copilot 回避するために、簡潔で単純な要求を提供する必要があります。 また、KQL テーブルまたは具体化されたビューであるデータベースに質問を制限する必要があります。
- たとえば、特定の列について質問する場合は、列名とその列に含まれるデータの種類を指定します。 特定の演算子または関数を使用する場合は、これも含めると役立ちます。 提供される情報が多いほど、Copilot の回答も向上します。