データ サイエンスの Copilot のプライバシー、セキュリティ、責任ある使用
この記事では、Microsoft Copilot for Data Science のしくみ、ビジネス データのセキュリティ保護とプライバシー要件への準拠方法、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 の Copilot に関するこれらのトピックの概要については、Copilot (プレビュー) のプライバシー、セキュリティ、責任ある使用に関するを参照してください。
Microsoft Fabric のデータ サイエンスの Copilot とプレビュー段階のその他の生成 AI 機能により、Microsoft Fabric は、データの変換と分析、分析情報の生成、データ サイエンスやその他のワークロードでの視覚化とレポートの作成を行うための新しい方法を提供します。
考慮事項と制限事項については、「制限事項の」を参照してください。
データ サイエンスのための Copilot のデータ使用
ノートブックでは、Copilot は、ユーザーの現在のノートブックにアクセスできるデータ (接続された lakehouse 内、またはユーザーが直接そのノートブックに読み込んだり、そのノートブックにインポートしたりする) にのみアクセスできます。 ノートブックでは、Copilot はノートブックにアクセスできないデータにアクセスできません。
既定では、Copilot は次のデータ型にアクセスできます。
- そのセッションで、そのユーザーに対して送信された以前のメッセージと Copilot からの応答。
- ユーザーが実行したセルの内容。
- ユーザーが実行したセルの出力。
- ノートブック内のデータ ソースのスキーマ。
- ノートブック内のデータ ソースからのサンプル データ。
- アタッチされたレイクハウス内の外部データ ソースからのスキーマ。
データ サイエンスの Copilot の評価
- 製品チームは Copilot をテストして、ノートブックのコンテキスト内でのシステムのパフォーマンスと、AI 応答が洞察に富み、有用かどうかを確認しました。
- また、データ サイエンスに関連するトピックに Copilotの出力に焦点を当てる技術的アプローチなど、追加の損害軽減策にも投資しました。
データ サイエンスの Copilot を使用するためのヒント
- Copilot は、データ サイエンスのトピックを処理するのに最適な機能を備えているので、質問はこの領域に限定してください。
- Copilot 調べるデータについて明示的に指定します。 名前付けファイル、テーブル、列などのデータ資産を記述する場合、Copilot は関連するデータを取得し、有用な出力を生成する可能性が高くなります。
- より詳細な応答が必要な場合は、DataFrame としてノートブックにデータを読み込むか、Lakehouse にデータをピン留めしてみてください。 これにより、Copilot は分析を実行するためのコンテキストが増えます。 資産が大きすぎて読み込めない場合は、ピン留めすると便利な代替手段になります。
AI スキル: 責任ある AI に関する FAQ
AI スキルとは
AI Skill は Fabric の新しいツールであり、表形式のデータから自然言語で回答を取得する方法を提供します。
AI スキルでできること
データ アナリストまたはエンジニアは、技術以外のビジネス ユーザーが使用できるように AI スキルを準備できます。 Fabric データ ソースを構成する必要があり、必要に応じてスキーマからは明らかではない追加のコンテキスト情報を提供できます。
その後、技術ユーザー以外のユーザーは質問を入力し、AI によって生成された SQL クエリの実行から結果を受け取ることができます。
AI スキルの意図された用途とは
データの構造に慣れていないビジネス ユーザーは、Fabric Lakehouses と Fabric Warehouses に格納されている表形式のデータの上に、"前月の売上数量別の上位 10 製品は何か" などの説明的な質問をすることができます。
AI スキルは、決定論的で 100% 正確な結果が必要な場合に使用することを目的としていません。これは、現在の LLM の制限を反映しています。
AI スキルは、詳細な分析や因果分析を必要とするユースケースを対象としていません。 たとえば、"前月の売上数が減少した理由" を尋ねる場合などです。 対象外です。
AI スキルはどのように評価されましたか? パフォーマンスを測定するために使用されるメトリックは何ですか?
製品チームは、SQL タスクのパブリックベンチマークとプライベート ベンチマークで AI スキルをテストし、SQL クエリの品質を確認しました。
また、選択したデータ ソースのコンテキストに AI スキルの出力を集中させる技術的アプローチなど、追加の損害軽減策にも投資しました。
AI スキルの制限事項は何ですか? システムを使用する場合、ユーザーが AI スキルの制限の影響を最小限に抑えるにはどうすればいいでしょうか。
列名がわかりやすいことを確認します。 "C1" や "ActCu" などの列名を使用する代わりに、"ActiveCustomer" または "IsCustomerActive" を使用します。 これは、AI からより信頼性の高いクエリを取得するための最も効果的な方法です。
UI の構成パネルでモデルのメモを使用します。 AI スキルによって生成される SQL クエリが正しくない場合は、将来のクエリを改善するために、プレーンな英語でモデルに指示を提供できます。 システムは、すべてのクエリでこれらの命令を使用します。 短い指示と直接の指示が最適です。
UI のモデル構成パネルで例を示します。 システムは、回答を提供するときに最も関連性の高い例を活用します。
AI スキルの効果的かつ責任ある使用を可能にする運用上の要因と設定は何ですか?
AI スキルは、指定したデータにのみアクセスできます。 スキーマ (テーブル名と列名) と、UI で提供するモデルと例のメモを使用します。
AI スキルは、質問者がアクセスできるデータにのみアクセスできます。 AI スキルを使用する場合は、基になるデータベースへのアクセスに資格情報が使用されます。 基になるデータにアクセスできない場合、AI スキルもアクセスできません。 これは、他の質問者が AI スキルを使用できる、Microsoft 365 の Copilot や Microsoft Copilot Studio など、他の宛先に AI スキルを公開する場合に当てはまります。