次の方法で共有

AI スキルの概念 (プレビュー)

  • [アーティクル]

AI スキルは、生成 AI を使用して独自の会話型 Q&A システムを構築できる新しい Microsoft Fabric 機能です。 AI スキルを使用すると、組織内のすべてのユーザーがデータ分析情報にアクセスし、アクションを実行できるようになります。 AI スキルを使用すると、チームは、組織が Fabric OneLake に保存したデータについて、英語の質問を含む会話を行い、関連する回答を受け取ることができます。 これにより、AI に関する技術的な専門知識を持たない人や、データ構造を深く理解していないユーザーでも、正確でコンテキストに富んだ回答を受け取ることができます。

組織固有の手順、例、ガイダンスを追加して、AI スキルを微調整することもできます。 これにより、応答が組織のニーズと目標と一致し、すべてのユーザーがより効果的にデータを操作できるようになります。 AI スキルは、分析情報のアクセシビリティに対する障壁を下げ、コラボレーションを促進し、組織がデータからより多くの価値を抽出するのに役立つため、データ駆動型の意思決定の文化を促進します。

重要

この機能はプレビュー中です。

前提 条件

AI スキルのしくみ

AI スキルでは、大規模な言語モデル (LLM) を使用して、ユーザーが自然にデータを操作できるようにします。 AI スキルは Azure OpenAI Assistant API を適用し、エージェントのように動作します。 ユーザーの質問を処理し、最も関連性の高いデータ ソース (Lakehouse、Warehouse、Power BI データセット、KQL データベース) を決定し、クエリを生成、検証、実行するための適切なツールを呼び出します。 その後、ユーザーはプレーンな言語で質問し、構造化された人間が判読できる回答を受け取ることができ、複雑なクエリを記述する必要がなくなり、正確で安全なデータ アクセスを確保できます。

このしくみについて詳しく説明します。

質問の解析 & 検証: AI スキルは、基になるエージェントとして Azure OpenAI Assistant API を適用してユーザーの質問を処理します。 このアプローチにより、質問がセキュリティ プロトコル、責任ある AI (RAI) ポリシー、およびユーザーのアクセス許可に準拠していることが保証されます。 AI スキルは、読み取り専用アクセスを厳密に適用し、すべてのデータ ソースへの読み取り専用データ接続を維持します。

データ ソースの識別: AI スキルは、ユーザーの資格情報を使用してデータ ソースのスキーマにアクセスします。 これにより、ユーザーが閲覧権限を持つデータ構造情報がシステムによって取得されます。 次に、リレーショナル データベース (Lakehouse と Warehouse)、Power BI データセット (セマンティック モデル)、KQL データベースなど、使用可能なすべてのデータ ソースに対してユーザーの質問を評価します。 また、ユーザーが提供する AI 命令を参照して、最も関連性の高いデータ ソースを特定することもできます。

ツール呼び出し & クエリ生成: 正しいデータ ソースまたはソースが特定されると、AI スキルは明確さと構造の質問を言い換え、対応するツールを呼び出して構造化クエリを生成します。

  • リレーショナル データベース (Lakehouse/Warehouse) の SQL (NL2SQL) に対する自然言語。
  • Power BI データセット (セマンティック モデル) の DAX (NL2DAX) に対する自然言語。
  • KQL データベース向けの自然言語からKQL (NL2KQL) への変換。

選択したツールは、指定されたスキーマ、メタデータ、および AI スキルの基になるエージェントによって渡されるコンテキストに基づいてクエリを生成します。

クエリ検証: ツールは検証を実行して、クエリの形式が正しく、独自のセキュリティ プロトコルと RAI ポリシーに準拠していることを確認します。

クエリ実行 & 応答:: 検証されると、AI スキルは選択したデータ ソースに対してクエリを実行します。 結果は人間が判読できる応答に書式設定されます。これには、テーブル、概要、主要な分析情報などの構造化データが含まれる場合があります。

このアプローチにより、ユーザーは自然言語を使用してデータを操作できるようになりますが、AI スキルはクエリの生成、検証、実行の複雑さを処理します。ユーザーは SQL、DAX、または KQL 自体を記述する必要はありません。

AI スキルの構成

AI スキルの構成は、Power BI レポートを作成するのと似ています。まず、設計と調整を行ってニーズを満たすようにし、同僚がデータを操作できるように公開して共有します。 AI スキルの設定には、次のものが含まれます。

データ ソースの選択: AI スキルは、レイクハウス、ウェアハウス、KQL データベース、Power BI セマンティック モデルなど、任意の組み合わせで最大 5 つのデータ ソースをサポートします。 たとえば、構成済みの AI スキルには、5 つの Power BI セマンティック モデルを含めることができます。 これには、2 つの Power BI セマンティック モデル、1 つの lakehouse、1 つの KQL データベースの組み合わせが含まれる場合があります。 使用可能なオプションは多数あります。

関連テーブルの選択: データ ソースを選択したら、それらを一度に 1 つずつ追加し、AI スキルが使用する各ソースの特定のテーブルを定義する必要があります。 この手順により、AI スキルは関連するデータのみに焦点を当てることで正確な結果を取得できます。

コンテキストの追加: AI スキルの精度を向上させるために、AI 命令とサンプル クエリを使用してより多くのコンテキストを提供できます。 このコンテキストは、AI スキルの基になるエージェントとして、Azure OpenAI Assistant API がユーザーの質問を処理する方法に関する情報に基づいた意思決定を行い、回答に最適なデータ ソースを決定するのに役立ちます。

  • AI 命令: 特定の種類の質問に答える最適なデータ ソースを決定する際に、AI スキルの基礎となるエージェントをガイドする手順を追加できます。 組織の用語や特定の要件を明確にするカスタムルールや定義を提供することもできます。 これらの手順では、エージェントがデータ ソースを選択してクエリを実行する方法に影響を与える、より多くのコンテキストまたは基本設定を提供できます。

    • の財務メトリックについての質問は、Power BI セマンティック モデルにしてください。
    • 生データ探索 を含むクエリを lakehouse に割り当てます。
    • ログ分析が必要な質問を KQL データベースにルーティングします。

  • クエリの例: サンプルの質問とクエリのペアを追加して、AI スキルが一般的なクエリにどのように応答するかを示すことができます。 これらの例は、エージェントのガイドとして機能し、同様の質問を解釈し、正確な回答を生成する方法を理解するのに役立ちます。

手記

Power BI セマンティック モデルのデータ ソースでは、サンプル クエリと質問のペアの追加は現在サポートされていません。

明確な AI 命令と関連するサンプル クエリを組み合わせることで、AI スキルを組織のデータ ニーズに合わせて調整し、より正確でコンテキストに対応した応答を確保できます。

AI スキルとコパイロットの違い

AI スキルと Fabric の副操縦士の両方が、データを処理および推論するために生成 AI を使用しますが、その機能とユース ケースには主な違いがあります。

構成の柔軟性: AI スキルは高度に構成可能です。 特定のシナリオに合わせて動作を調整するためのカスタム命令と例を提供できます。 一方、ファブリックの副操縦士は事前に構成されており、このレベルのカスタマイズは提供されません。

スコープとユース ケースの: Fabric の副操縦は、ノートブック コードやウェアハウス クエリの生成など、Microsoft Fabric 内のタスクを支援するように設計されています。 一方、AI スキルはスタンドアロンの成果物です。 広範なユース ケースで AI スキルの汎用性を高めるために、Microsoft Copilot Studio、Azure AI Foundry、Microsoft Teams、Fabric 以外の他のツールなどの外部システムと統合できます。

AI スキルの評価

AI スキル応答の品質と安全性は、厳密な評価を行いました。

ベンチマーク テスト: 製品チームは、さまざまなパブリック データセットとプライベート データセットにわたって AI スキルをテストし、高品質で正確な応答を確保しました。

強化された損害軽減: AI スキルの出力が選択されたデータ ソースのコンテキストに集中し続け、無関係または誤解を招く回答のリスクを軽減するために、より多くのセーフガードが実施されています。

制限事項

AI スキルは現在パブリック プレビュー段階であり、制限があります。 更新プログラムにより、時間の経過に伴い AI スキルが向上します。

  • AI スキルは、ファクト、合計、ランク付け、またはフィルターを含む質問に対して構造化クエリ (SQL、DAX、または KQL) を生成することで、データを取得できます。 ただし、傾向を解釈したり、説明を提供したり、基になる原因を分析したりすることはできません。
  • AI スキルでは、SQL/DAX/KQL の "読み取り" クエリのみが生成されます。 データを作成、更新、または削除する SQL/DAX/KQL クエリは生成されません。
  • AI スキルは、指定したデータにのみアクセスできます。 指定したデータ リソース構成のみが使用されます。
  • AI スキルには、AI スキルと対話するユーザーに付与されたアクセス許可と一致するデータ アクセス許可があります。 これは、AI スキルが他の場所 (Microsoft Copilot Studio、Azure AI Foundry、Microsoft Teamsなど) に公開されている場合に当てはまります。
  • AI スキルに 5 つ以上のデータ ソースを追加することはできません。
  • AI スキルを使用して非構造化データ リソースにアクセスすることはできません。 これらのリソースには、たとえば、.pdf、.docx、または .txt ファイルが含まれます。
  • AI スキルは、英語以外の質問や指示をブロックします。
  • AI スキルが使用する LLM を変更することはできません。
  • 1,000 を超えるテーブルまたは 100 列を超えるテーブルがある場合、KQL データベースをデータ ソースとして追加することはできません。
  • 合計 100 を超える列とメジャーが含まれている場合、Power BI セマンティック モデルをデータ ソースとして追加することはできません。
  • AI スキルは、すべてのデータ ソースで選択された 25 個以下のテーブルで最適に動作します。
  • 非規範的なデータ リソースの列とテーブル名は、生成された SQL/DAX/KQL クエリ品質に大きな悪影響を及ぼします。 わかりやすい名前を使用することをお勧めします。
  • 列とテーブルをあまりに多く使用すると、AI スキルのパフォーマンスが低下する可能性があります。
  • AI スキルは現在、単純なクエリを処理するように設計されています。 多くの結合または高度なロジックを必要とする複雑なクエリでは、信頼性が低くなる傾向があります。
  • Power BI セマンティック モデルをデータ ソースとして追加した場合、AI スキルでは非表示のテーブル、列、メジャーは使用されません。
  • 以前にデータ ソースとしてウェアハウスを使用する AI スキルを作成し、そのウェアハウスがその AI スキルをホストしていないワークスペースに配置されている場合は、エラーが発生する可能性があります。 この問題を解決するには、既存のデータ ソースを削除し、もう一度追加します。
  • AI スキルのデータ ソースとして Power BI セマンティック モデルを追加するには、その Power BI セマンティック モデルの読み取り/書き込みアクセス許可が必要です。 Power BI セマンティック モデルを使用する AI スキルのクエリを実行するには、基になる Power BI セマンティック モデルの読み取り/書き込みアクセス許可も必要です。
  • AI スキルが正しくない回答を返す可能性があります。 AI スキルを同僚とテストして、質問に予想通りに回答することを確認する必要があります。 間違えていた場合は、より多くの例と指示を提供してください。
  • 以前に AI スキルを作成して発行し、その URL をプログラムで使用した場合、AI スキルの新しいユーザー インターフェイス ページで AI スキルを開いた場合、URL は機能しなくなります。 これを解決するには、AI スキルを再発行し、Assistants API に基づいて新しい URL を使用する必要があります。

関連するコンテンツ