Conceitos de habilidades de IA (visualização)
Com a habilidade de IA do Microsoft Fabric, você pode tornar os dados mais acessíveis para seus colegas. Você pode configurar um sistema de IA generativa para gerar consultas que respondam a perguntas sobre seus dados. Depois de configurar a habilidade de IA, você pode compartilhá-la com seus colegas, que podem fazer suas perguntas em inglês simples. Com base em suas perguntas, a IA gera consultas sobre seus dados que respondem a essas perguntas.
Importante
Este recurso está em pré-visualização.
Como funciona a habilidade de IA
A habilidade de IA depende de IA generativa, especificamente, grandes modelos de linguagem (LLMs). Esses LLMs podem gerar consultas, por exemplo, consultas T-SQL, com base em um esquema específico e uma pergunta. O sistema envia uma pergunta na habilidade de IA, informações sobre os dados selecionados (incluindo os nomes de tabelas e colunas e os tipos de dados encontrados nas tabelas) para o LLM. Em seguida, ele solicita a geração de uma consulta T-SQL que responde à pergunta. Analise a consulta gerada para primeiro garantir que ela não altere os dados de forma alguma. Em seguida, execute essa consulta. Finalmente, mostre os resultados da execução da consulta. Uma habilidade de IA destina-se a acessar recursos específicos de banco de dados e, em seguida, gerar e executar consultas T-SQL relevantes.
Configuração de habilidades de IA
Pense na habilidade de IA como você pode pensar nos relatórios do Power BI. Primeiro, você cria o relatório e, em seguida, compartilha o relatório com seus colegas, que podem consumi-lo para obter informações sobre os dados. A habilidade de IA funciona de maneira semelhante. Você precisa primeiro criar e configurar a habilidade de IA. Em seguida, você pode compartilhá-lo com seus colegas.
Você deve esperar lidar com algumas etapas de configuração necessárias antes que a habilidade de IA funcione corretamente. Uma habilidade de IA muitas vezes pode fornecer respostas prontas para perguntas razoáveis, mas pode fornecer respostas incorretas para sua situação específica. Respostas incorretas normalmente ocorrem porque a IA está faltando contexto sobre sua empresa, configuração ou definição de termos-chave. Para resolver o problema, forneça à IA instruções e exemplos de pares pergunta-consulta. Você pode usar essas técnicas poderosas para guiar a IA para as respostas certas.
Diferença entre uma habilidade de IA e um copiloto
A tecnologia por trás da habilidade de IA e dos copilots de tecido é semelhante. Ambos usam IA generativa para raciocinar sobre dados. Eles também têm algumas diferenças fundamentais:
- Configuração: Com uma habilidade de IA, você pode configurar a IA para se comportar da maneira que você precisa. Você pode fornecê-lo com instruções e exemplos que o ajustam ao seu caso de uso específico. Um copiloto Fabric não oferece essa flexibilidade de configuração.
- Caso de uso: um copiloto pode ajudá-lo a fazer seu trabalho no Fabric. Ele pode ajudá-lo a gerar código de bloco de anotações ou consultas de data warehouse. Em contraste, a habilidade de IA opera de forma independente. Você pode, eventualmente, conectá-lo ao Microsoft Teams e a outras áreas fora do Fabric.
Avaliação da competência de IA
- A equipe de produto testou a habilidade de IA em diferentes benchmarks de tarefas T-SQL públicas e privadas para verificar a qualidade das consultas SQL.
- A equipe de produto também investiu em mitigações de danos extras. Estas incluem abordagens tecnológicas para centrar a produção do copiloto no contexto das fontes de dados escolhidas.
Limitações
A habilidade de IA está atualmente em visualização pública e tem limitações. As atualizações melhorarão a habilidade de IA ao longo do tempo.
- A IA generativa não interpreta os resultados de uma consulta T-SQL executada. Ele só gera essa consulta.
- A habilidade de IA pode retornar respostas incorretas. Você deve testar a habilidade de IA com seus colegas para verificar se ela responde às perguntas conforme o esperado. Se cometer erros, forneça-lhe mais exemplos e instruções.
- Apenas consultas T-SQL em armazéns e lakehouses são suportadas.
- A habilidade de IA gera apenas consultas de "leitura" do T-SQL. Ele não gera consultas T-SQL que criam, atualizam ou excluem dados.
- A habilidade de IA só pode acessar os dados que você fornece. Ele usa apenas as configurações de recursos de dados que você fornece.
- A habilidade de IA tem permissões de acesso a dados que correspondem às permissões concedidas ao questionador de habilidades de IA. Isso é verdade quando a habilidade de IA é publicada em outros locais, por exemplo, Copilot para Microsoft 365 ou Microsoft Copilot Studio.
- Você não pode usar a habilidade de IA para acessar recursos de dados não estruturados. Esses recursos incluem arquivos .pdf, .docx ou .txt, por exemplo.
- Neste momento, você só pode selecionar um único armazém ou uma única casa do lago.
- A habilidade de IA não suporta uma interface de conversação. Todas as perguntas devem ser totalmente autónomas. Não se lembra de perguntas anteriores.
- Bloqueia perguntas ou instruções em língua não inglesa.
- Não é possível conectar a habilidade de IA a copilotos do Fabric, Microsoft Teams ou outras experiências fora do Fabric.
- Você não pode alterar o LLM que a habilidade de IA usa.
- A habilidade de IA perde precisão se você usar nomes de coluna não descritivos.
- A habilidade de IA perde precisão se você usar esquemas grandes com dezenas de tabelas.
- A habilidade de IA está em um status de visualização. Tem um âmbito limitado e pode ter bugs. Devido a essas considerações, recomendamos que você evite seu uso em sistemas de produção. Evite também o seu uso para decisões críticas.
- Os nomes de colunas e tabelas de recursos de dados não descritivos têm um impacto negativo significativo na qualidade da consulta T-SQL gerada. Recomendamos o uso de nomes descritivos.
- O uso de muitas colunas e tabelas pode diminuir o desempenho das habilidades de IA.
- A habilidade de IA é atualmente projetada para lidar com consultas simples. Consultas complexas que exigem muitas junções ou lógica sofisticada tendem a ter menor confiabilidade.