데이터 과학을 위한 Copilot의 개인 정보 보호, 보안 및 데이터 과학 및 책임 있는 사용
이 문서에서는 데이터 과학을 위한 Microsoft Copilot의 작동 방식, 비즈니스 데이터를 안전하게 유지하고 개인 정보 요구 사항을 준수하는 방법 및 생성형 AI를 책임감 있게 사용하는 방법을 알아봅니다. Fabric의 Copilot에 대한 이러한 주제의 개요는 Copilot 개인 정보 보호, 보안 및 책임 있는 사용(미리 보기)을 참조하세요.
미리 보기에 포함된 Microsoft Fabric의 데이터 과학을 위한 Copilot 및 기타 생성형 AI 기능을 통해 Microsoft Fabric은 데이터를 변환 및 분석하고, 인사이트를 생성하며, 데이터 과학 및 기타 워크로드에서 시각화 및 보고서를 만드는 새로운 방법을 제공합니다.
자세한 내용 및 제한 사항은 제한 사항을 참조하세요.
데이터 과학을 위한 Copilot의 데이터 사용
Notebook에서는 Copilot는 연결된 Lakehouse에서 또는 사용자가 해당 Notebook으로 직접 로드하거나 가져온 사용자의 현재 Notebook에 액세스할 수 있는 데이터에만 액세스할 수 있습니다. Notebook에서 Copilot은 Notebook에 액세스할 수 없는 데이터에 액세스할 수 없습니다.
기본적으로 Copilot은 다음 데이터 형식에 액세스할 수 있습니다:
- 해당 세션에서 해당 사용자에 대해 Copilot로 보내고 회신된 이전 메시지.
- 사용자가 실행한 셀의 내용.
- 사용자가 실행한 셀의 출력.
- Notebook의 데이터 원본 스키마.
- Notebook의 데이터 원본 샘플 데이터.
- 연결된 Lakehouse에 있는 외부 데이터 원본의 스키마.
데이터 과학을 위한 Copilot 평가
- 제품 팀은 Notebook의 컨텍스트 내에서 시스템이 얼마나 잘 수행되는지와 AI 응답이 통찰력 있고 유용한지 여부를 확인하기 위해 Copilot을 테스트했습니다.
- 또한, 팀은 데이터 과학과 관련된 주제에 관한 Copilot의 출력에 집중하는 기술적 접근 방식을 포함하여 추가 피해 완화에 투자했습니다.
데이터 과학을 위한 Copilot을 사용한 작업을 위한 팁
- Copilot는 데이터 과학 주제를 처리하는 데 가장 적합하므로 질문을 이 영역으로 제한합니다.
- Copilot가 검사할 데이터에 대해 명시적이어야 합니다. 파일, 테이블 또는 열 이름 지정과 같은 데이터 자산을 설명하는 경우 Copilot은 관련 데이터를 검색하고 유용한 출력을 생성할 가능성이 높습니다.
- 보다 세부적인 응답을 원하는 경우 데이터를 Notebook에 DataFrames로 로드하거나 Lakehouse에 데이터를 고정해 보세요. 이렇게 하면 Copilot에 분석을 수행하기 위한 더 많은 컨텍스트를 제공합니다. 자산이 너무 커서 로드할 수 없는 경우 고정하는 것이 유용한 대안입니다.
AI Skill: 책임 있는 AI 자주 묻는 질문
AI Skill이란?
AI Skill은 테이블 형식 데이터에서 자연어로 답변을 얻을 수 있는 방법을 제공하는 Fabric의 새로운 도구입니다.
AI Skill은 무엇을 할 수 있나요?
데이터 분석가 또는 엔지니어는 비기술 비즈니스 사용자가 사용할 AI Skill을 준비할 수 있습니다. Fabric 데이터 원본을 구성해야 하며 필요에 따라 스키마에서 명확하지 않은 추가 컨텍스트 정보를 제공할 수 있습니다.
그런 다음 비기술 사용자는 질문을 입력하고 AI가 생성한 SQL 쿼리를 실행하여 생성한 결과를 받을 수 있습니다.
AI Skill의 용도는 무엇입니까?
데이터가 어떻게 구성되는지 익숙하지 않은 비즈니스 사용자는 Fabric Lakehouse 및 웨어하우스에 저장된 테이블 형식 데이터 위에서 "지난 달 판매량 기준 상위 10개 제품은 무엇인가?"와 같은 서술형 질문을 할 수 있습니다.
AI Skill은 결정적이고 100% 정확한 결과가 필요한 경우에 사용하기 위한 것이 아니며, 현재 대규모 언어 모델의 제한 사항을 반영하고 있습니다.
AI Skill은 심층 분석 또는 인과 분석이 필요한 사용 사례를 위한 것이 아닙니다. 예를 들어 "지난 달에 판매 수가 감소한 이유는 무엇인가요?"와 같은 질문입니다. 이는 범위를 벗어난 것입니다.
AI Skill은 어떻게 평가되었나요? 성능을 측정하는 데 사용되는 메트릭은 무엇입니까?
제품 팀은 SQL 쿼리의 품질을 확인하기 위해 SQL 작업에 대한 다양한 공개 및 비공개 벤치마크에서 AI Skill을 테스트했습니다.
또한, 팀은 선택한 데이터 원본의 컨텍스트에 AI Skill의 출력을 집중하는 기술 접근 방식을 포함하여 추가적인 피해 완화에 투자했습니다.
AI Skill의 제한 사항은 무엇인가요? 사용자가 시스템을 사용할 때 AI Skill의 제한 사항으로 인한 영향을 최소화하려면 어떻게 해야 합니까?
열 이름이 서술형인지 확인합니다. "C1" 또는 "ActCu"와 같은 열 이름을 사용하는 대신 "ActiveCustomer" 또는 "IsCustomerActive"를 사용합니다. 이는 AI에서 보다 안정적인 쿼리를 받기 위한 가장 효과적인 방법입니다.
UI의 구성 패널에서 모델에 대한 노트를 사용합니다. AI Skill에서 생성하는 SQL 쿼리가 잘못된 경우 모델에 일반적인 영어로 지침을 제공하여 향후 쿼리를 개선할 수 있습니다. 시스템은 모든 쿼리에서 이러한 지침을 사용합니다. 짧고 직접적인 지침이 가장 좋습니다.
UI의 모델 구성 패널에 예제를 제공합니다. 시스템은 답변을 제공할 때 가장 관련성이 큰 예제를 활용합니다.
AI Skill의 효과적이고 책임 있는 사용을 가능하게 하는 운영 요소 및 설정은 무엇입니까?
AI Skill은 사용자가 제공하는 데이터에만 액세스할 수 있습니다. 스키마(테이블 이름 및 열 이름)뿐만 아니라 UI에서 제공하는 모델 및 예제에 대한 참고 사항도 사용합니다.
AI Skill은 질문자가 액세스할 수 있는 데이터에만 액세스할 수 있습니다. AI Skill을 사용하는 경우 자격 증명을 사용하여 기본 데이터베이스에 액세스합니다. 기본 데이터에 액세스할 수 없는 경우 AI 기술도 여기에 액세스하지 않습니다. 이는 다른 질문자가 AI 기술을 사용할 수 있는 Microsoft 365용 Copilot 또는 Microsoft Copilot Studio와 같은 다른 대상에 AI Skill을 게시할 때에도 적용됩니다.