AI 기술을 만드세요 (미리 보기)
데이터에 대한 대화를 할 준비가 되셨나요? Microsoft Fabric의 AI 기술을 사용해 AI 환경을 만들어 레이크하우스 및 웨어하우스 테이블에 대한 질문에 대답할 수 있습니다. 동료가 영어로 질문하고 데이터 기반의 답변을 받을 수 있기 때문에 이 기술은 다른 사람들이 자신의 데이터 질문에 대답할 수 있는 장벽을 낮춥니다.
Important
이 기능은 프리뷰로 제공됩니다.
필수 조건
- 유료 F64 이상의 패브릭 용량 리소스입니다.
- AI 기술 테넌트 스위치를 사용할 수 있습니다.
- 부조종사 테넌트 스위치를 사용할 수 있습니다.
- 관련된 경우 AI에 대한 지역 간 공유를 사용할 수 있습니다.
- 데이터가 있는 웨어하우스 또는 레이크하우스입니다.
AI 기술 만들기 및 구성
패브릭에서 AI 기술을 만들고 구성하려면 다음 단계를 수행합니다.
- 새 AI 기술을 만듭니다.
- 데이터를 선택합니다.
- 질문합니다.
- 예제를 제공합니다
- 지침을 제공합니다.
이 프로세스는 간단하며 몇 분 안에 AI 기술 리소스 테스트를 시작할 수 있습니다.
새 AI 기술 만들기
다른 표준 패브릭 항목 만들기 프로세스와 마찬가지로 패브릭 데이터 과학 홈페이지에서 작업 영역 새로 만들기 옵션을 선택하거나 허브 만들기를 사용하여 새 AI 기술을 만들 수 있습니다. 이 스크린샷에 표시된 대로 이름을 제공해야 합니다.
데이터 선택
AI 기술을 만든 후 데이터 원본을 선택합니다. 데이터 웨어하우스 또는 레이크하우스일 수 있습니다. 다음 화면에서 창고 또는 레이크하우스를 선택한 다음 연결을 선택합니다.
왼쪽 창은 선택한 데이터 원본에서 사용 가능한 테이블로 채워집니다. 확인란을 사용하여 AI에서 테이블을 사용할 수 있거나 사용할 수 없게 만듭니다. AI 기술에 질문을 하려면 먼저 하나 이상의 테이블을 선택해야 합니다.
참고 항목
설명이 포함된 열 이름을 사용해야 합니다.
C1 또는 ActCu 등의 열 이름을 사용하기보다 ActiveCustomer 또는 IsCustomerActive를 사용합니다. 설명이 포함된 이름을 사용하는 것이 AI에서 보다 신뢰할 수 있는 쿼리를 가져오는 가장 효과적인 방법입니다.
UI 구성 패널에서 모델에 대한 메모를 사용합니다. AI 기술이 잘못된 T-SQL 쿼리를 생성하는 경우 모델에 일반 영어로 지침을 제공하여 향후 쿼리를 개선할 수 있습니다. 시스템은 모든 쿼리에 이러한 지침을 사용합니다. 짧고 직접적인 지침이 가장 적합합니다.
질문하기
데이터를 선택한 후 질문을 시작할 수 있습니다. 시스템은 다음 스크린샷과 같이 단일 쿼리가 대답할 수 있는 질문을 처리합니다.
다음 예제와 같은 질문이 효과적입니다.
- "2023년 캘리포니아에서의 총 매출은 어땠나요?"
- "판매된 적이 없는 가장 비싼 품목은 무엇인가요?"
이러한 질문은 범위를 벗어납니다.
- "2024년 2분기 공장 생산성이 낮은 이유는 무엇인가요?"
- "판매 급증의 근본 원인은 무엇인가요?"
질문을 하면 시스템이 자격 증명을 사용하여 스키마를 가져옵니다. 질문에 따라 시스템은 제공한 정보("예제 제공" 및 "지침 제공" 섹션 참조) 및 스키마를 사용하여 프롬프트를 생성합니다. 이 프롬프트는 여러 SQL 쿼리를 생성하는 AI로 전송되는 텍스트입니다.
SQL 쿼리를 생성한 후에는 데이터만 쿼리하는지 확인하기 위해 살펴봅니다. 또한 어떤 방식으로든 데이터를 만들거나, 업데이트하거나, 삭제하거나, 변경하지 않는지 확인합니다. 그런 다음 생성된 쿼리 목록에서 최상의 쿼리 후보를 추출합니다. 최상의 AI 생성 쿼리에서 필요한 기본 복구를 만듭니다. 마지막으로 자격 증명을 사용하여 쿼리를 다시 테스트하고 결과 집합을 사용자에게 반환합니다.
데이터 원본 변경
다른 레이크하우스 또는 웨어하우스로 전환하려면 다음 스크린샷과 같이 탐색기 창 위쪽에 있는 화살표를 선택합니다.
AI 기능 구성
AI 기술은 작성자가 자신의 요구에 더 잘 맞게 동작을 사용자 지정할 수 있는 몇 가지 구성 옵션을 제공합니다. 이러한 구성은 AI 기술이 데이터를 처리하고 제공하는 방법을 유연하게 제공하므로 결과를 더 많이 제어할 수 있습니다.
예제 쿼리 제공
예제 SQL 쿼리를 제공하여 AI 기술 응답의 정확도를 향상시킬 수 있습니다. 생성 AI의 Few Shot Learning으로 알려진 이 기술은 AI가 당신의 기대에 맞는 답변을 생성할 수 있도록 안내합니다.
샘플 쿼리/질문 쌍을 AI에 제공하는 경우 향후 질문에 대답할 때 이러한 예제를 참조로 사용합니다. AI는 제공된 예제를 탐색하여 새 질문과 일치하는 가장 관련성이 큰 쿼리를 찾습니다. 이를 통해 AI는 비즈니스별 논리를 통합하고 최종 사용자가 자주 묻는 일반적인 쿼리에 응답할 수 있습니다.
AI가 원하는 SQL 쿼리를 생성하지 않는 경우 추가 예제를 제공하여 성능을 향상시킬 수 있습니다.
팁
다양한 예제 쿼리 집합을 제공하면 정확하고 관련 있는 SQL 쿼리를 생성하는 AI 기술의 기능이 향상됩니다.
예제를 추가하려면 아래 스크린샷과 같이 오른쪽의 "예제 SQL 쿼리"에서 편집 단추를 클릭합니다.
참고 항목
AI 기술은 유효한 SQL을 포함하고 선택한 테이블의 스키마와 일치하는 쿼리만 참조합니다. 유효성 검사를 완료하지 않은 쿼리는 AI 기술에서 사용되지 않습니다. 모든 예제 쿼리가 유효하고 스키마와 올바르게 정렬되어 효과적으로 활용되는지 확인합니다.
지침 제공
지침에 따라 AI를 조정할 수도 있습니다. 모델용 노트 텍스트 상자에 이러한 지침을 제공할 수 있습니다. 여기서는 영어로 지침을 작성할 수 있습니다. AI는 SQL을 생성할 때 이러한 지침을 사용합니다.
AI가 특정 단어 또는 약어를 일관되게 잘못 해석하는 경우 이 스크린샷에 나온 것과 같이 이 섹션의 용어 정의를 제공할 수 있습니다.
SQL 쿼리 변형 사용자 지정
SQL 쿼리 변형 설정은 최종 쿼리를 결정하기 전에 AI 기술이 생성하는 SQL 쿼리 수의 가변성을 제어합니다. 이 설정을 조정하면 작성자는 최종 쿼리에 도착하기 전에 AI 기술이 평가할 다양한 SQL 쿼리 수에 영향을 줄 수 있습니다.
AI 기술이 가장 적합한 쿼리 경로를 선택하기 전에 더 많은 쿼리 경로를 탐색하려면 SQL 쿼리 변형 설정을 늘입니다. 이는 여러 잠재적인 쿼리 구조가 원하는 결과를 얻을 수 있는 복잡한 시나리오에서 특히 유용할 수 있습니다.
실행된 SQL 쿼리 표시
실행된 SQL 쿼리를 표시하는 설정 을 사용하면 작성자가 AI 기능으로 생성된 결과를 디버그할 수 있습니다. 사용하도록 설정하면 이 설정은 최종 출력을 생성하는 데 사용된 AI 기술에서 생성된 최종 SQL 쿼리에 대한 가시성을 제공합니다.
AI 기술에서 생성된 SQL 쿼리를 확인하거나 문제를 해결해야 하는 경우 이 설정을 사용하도록 설정할 수 있습니다. 이는 AI 기술이 쿼리를 구성하는 방법을 이해하고 예상되는 논리 및 구조에 맞게 조정하는 데 특히 유용합니다.