Del via

Ferdighetskonsepter for kunstig intelligens (forhåndsversjon)

  • Artikkel

AI-ferdigheter er en ny Microsoft Fabric-funksjon som lar deg bygge din egen samtale q&A-systemer ved hjelp av generativ AI. AI-ferdigheter gjør datainnsikter mer tilgjengelige og gjennomførbare for alle i organisasjonen. Med en ai-ferdighet kan teamet ditt ha samtaler, med vanlige engelskspråklige spørsmål, om dataene som organisasjonen lagret i Fabric OneLake, og deretter motta relevante svar. På denne måten kan selv personer uten teknisk ekspertise innen kunstig intelligens eller en dyp forståelse av datastrukturen, få presise og kontekstrike svar.

Du kan også legge til organisasjonsspesifikke instruksjoner, eksempler og veiledning for å finjustere AI-ferdigheten. Dette sikrer at svarene samsvarer med organisasjonens behov og mål, slik at alle kan engasjere seg mer effektivt med data. AI-ferdigheter fremmer en kultur for datadrevet beslutningstaking fordi det senker hindringer for innsiktstilgjengelighet, det forenkler samarbeid, og det hjelper organisasjonen med å trekke ut mer verdi fra dataene.

Viktig

Denne funksjonen er i forhåndsvisning.

Forutsetning

Slik fungerer AI-ferdigheten

AI-ferdigheter bruker store språkmodeller (LLM-er) for å hjelpe brukere med å samhandle med dataene sine naturlig. AI-ferdigheter bruker Azure OpenAI Assistant API-er, og fungerer som en agent. Den behandler brukerspørsmål, bestemmer den mest relevante datakilden (Lakehouse, Warehouse, Power BI-datasett, KQL-databaser), og aktiverer det aktuelle verktøyet for å generere, validere og kjøre spørringer. Brukere kan deretter stille spørsmål på vanlig språk og motta strukturerte, lesbare svar– eliminere behovet for å skrive komplekse spørringer og sikre nøyaktig og sikker datatilgang.

Slik fungerer det i detalj:

Spørsmålsanalyse & Validering: Ai-ferdigheten bruker Azure OpenAI Assistant API-er som den underliggende agenten for å behandle brukerspørsmål. Denne fremgangsmåten sikrer at spørsmålet overholder sikkerhetsprotokoller, ansvarlige AI-policyer (RAI) og brukertillatelser. Ai-ferdigheten håndhever skrivebeskyttet tilgang, og opprettholder skrivebeskyttede datatilkoblinger til alle datakilder.

for datakildeidentifikasjon: Ai-ferdigheten bruker brukerens legitimasjon til å få tilgang til skjemaet til datakilden. Dette sikrer at systemet henter datastrukturinformasjon som brukeren har tillatelse til å vise. Deretter evalueres brukerens spørsmål mot alle tilgjengelige datakilder, inkludert relasjonsdatabaser (Lakehouse og Warehouse), Power BI-datasett (semantiske modeller) og KQL-databaser. Det kan også referere til brukerangitte ai-instruksjoner for å finne den mest relevante datakilden.

verktøyaktivering & spørringsgenerering: Når den riktige datakilden eller kildene er identifisert, omformulerer AI-ferdigheten spørsmålet for klarhet og struktur, og aktiverer deretter det tilsvarende verktøyet for å generere en strukturert spørring:

  • Naturlig språk til SQL (NL2SQL) for relasjonsdatabaser (Lakehouse/Warehouse).
  • Naturlig språk til DAX (NL2DAX) for Power BI-datasett (semantiske modeller).
  • Naturlig språk til KQL (NL2KQL) for KQL-databaser.

Det valgte verktøyet genererer en spørring basert på det angitte skjemaet, metadataene og konteksten som sendes av agenten som ligger under AI-kompetansen.

for spørringsvalidering: Verktøyet utfører validering for å sikre at spørringen er riktig utformet og overholder sine egne sikkerhetsprotokoller og RAI-policyer.

spørringskjøring & svar:: Når den er validert, utfører AI-ferdigheten spørringen mot den valgte datakilden. Resultatene er formatert i et menneskelig lesbart svar, som kan omfatte strukturerte data, for eksempel tabeller, sammendrag eller viktig innsikt.

Denne fremgangsmåten sikrer at brukere kan samhandle med dataene sine ved hjelp av naturlig språk, mens AI-kompetansen håndterer kompleksiteten i spørringsgenerering, validering og utførelse – alt uten at brukerne må skrive SQL, DAX eller KQL selv.

Kompetansekonfigurasjon for kunstig intelligens

Konfigurering av ai-ferdigheter ligner på å bygge en Power BI-rapport – du starter med å utforme og finjustere den for å sikre at den oppfyller behovene dine, og deretter publiserer og deler den med kolleger slik at de kan samhandle med dataene. Å konfigurere en ai-ferdighet innebærer:

Velge datakilder: En ai-ferdighet støtter opptil fem datakilder i enhver kombinasjon, inkludert lakehouses, warehouses, KQL databaser og Power BI semantiske modeller. En konfigurert ai-ferdighet kan for eksempel inneholde fem semantiske Power BI-modeller. Det kan inkludere en blanding av to Semantiske Power BI-modeller, én lakehouse og én KQL-database. Du har mange tilgjengelige alternativer.

Velge relevante tabeller: Når du har valgt datakildene, må du legge dem til én om gangen og definere de bestemte tabellene fra hver kilde som AI-kompetansen skal bruke. Dette trinnet sikrer at ai-ferdigheten henter nøyaktige resultater ved å fokusere bare på relevante data.

Legge til kontekst: Hvis du vil forbedre nøyaktigheten for kunstig intelligens, kan du gi mer kontekst gjennom ai-instruksjoner og eksempelspørringer. Som den underliggende agenten for AI-ferdigheten, hjelper konteksten Azure OpenAI Assistant API med å ta mer informerte beslutninger om hvordan du behandler brukerspørsmål, og bestemmer hvilken datakilde som passer best til å svare på dem.

  • ai-instruksjoner: Du kan legge til instruksjoner for å veilede agenten som ligger til grunn for AI-ferdigheten, for å bestemme den beste datakilden for å svare på bestemte typer spørsmål. Du kan også angi egendefinerte regler eller definisjoner som klargjør organisasjonsterminologi eller spesifikke krav. Disse instruksjonene kan gi mer kontekst eller preferanser som påvirker hvordan agenten velger og spør datakilder.

    • Direkte spørsmål om økonomiske måledata til en semantisk Power BI-modell.
    • Tilordne spørringer som involverer rå datautforskning til lakehouse.
    • Rutespørsmål som krever logganalyse til KQL-databasen.

  • Eksempelspørringer: Du kan legge til eksempelspørsmålsspørringspar for å illustrere hvordan AI-ferdigheten skal reagere på vanlige spørringer. Disse eksemplene fungerer som en veiledning for agenten, som hjelper den med å forstå hvordan man tolker lignende spørsmål og genererer nøyaktige svar.

Obs!

Å legge til eksempelspørrings-/spørsmålspar støttes for øyeblikket ikke for datakilder for semantisk modell for Power BI.

Ved å kombinere tydelige ai-instruksjoner og relevante eksempelspørringer, kan du bedre justere AI-ferdighetene med organisasjonens databehov, noe som sikrer mer nøyaktige og kontekstavhengige svar.

Forskjellen mellom en AI-ferdighet og en copilot

Selv om både AI-ferdigheter og Fabric-kopiloter bruker generativ KUNSTIG til å behandle og resonnere over data, er det viktige forskjeller i funksjonalitet og brukstilfeller:

for konfigurasjonsfleksibilitet: Ai-ferdigheter er svært konfigurerbare. Du kan gi egendefinerte instruksjoner og eksempler for å skreddersy virkemåten deres til bestemte scenarier. Stoff copilots, derimot, er forhåndskonfigurert, og de tilbyr ikke dette nivået av tilpasning.

omfang og brukstilfelle: Stoff-kopiloter er utformet for å hjelpe til med oppgaver i Microsoft Fabric, for eksempel generering av notatblokkkode eller lagerspørringer. AI-ferdigheter er derimot frittstående artefakter. Hvis du vil gjøre AI-ferdigheter mer allsidige for bredere brukstilfeller, kan de integreres med eksterne systemer som Microsoft Copilot Studio, Azure AI Foundry, Microsoft Teams eller andre verktøy utenfor Fabric.

Evaluering av ai-ferdigheten

Kvaliteten og sikkerheten til ai ferdigheter svar gikk gjennom streng evaluering:

Benchmark Testing: Produktteamet testet AI-ferdigheter på tvers av en rekke offentlige og private datasett for å sikre svar av høy kvalitet og nøyaktige svar.

Forbedrede skadereduksjoner: Flere sikkerhetstiltak er på plass for å sikre at ai-ferdighetsutdata forblir fokusert på konteksten til utvalgte datakilder, for å redusere risikoen for irrelevante eller villedende svar.

Begrensninger

AI-ferdigheten er for øyeblikket i offentlig forhåndsvisning, og den har begrensninger. Oppdateringer vil forbedre ai-ferdigheten over tid.

  • Ai-ferdigheten kan hente data ved å generere strukturerte spørringer (SQL, DAX eller KQL) for spørsmål som involverer fakta, totaler, rangeringer eller filtre. Den kan imidlertid ikke tolke trender, gi forklaringer eller analysere underliggende årsaker.
  • Ai-ferdigheten genererer bare SQL/DAX/KQL-lesespørringer. Den genererer ikke SQL/DAX/KQL-spørringer som oppretter, oppdaterer eller sletter data.
  • Ai-ferdigheten kan bare få tilgang til data du oppgir. Den bruker bare dataressurskonfigurasjonene du angir.
  • Ai-ferdigheten har datatilgangstillatelser som samsvarer med tillatelsene som gis til brukeren som samhandler med AI-ferdigheten. Dette gjelder når ai-ferdigheten publiseres til andre steder, for eksempel Microsoft Copilot Studio, Azure AI Foundry og Microsoft Teams.
  • Du kan ikke legge til mer enn fem datakilder i AI-kompetansen.
  • Du kan ikke bruke ai-ferdigheten til å få tilgang til ustrukturerte dataressurser. Disse ressursene inkluderer for eksempel .pdf, .docx eller .txt filer.
  • AI-ferdigheten blokkerer spørsmål eller instruksjoner som ikke er på engelsk.
  • Du kan ikke endre LLM som AI-ferdigheten bruker.
  • Du kan ikke legge til en KQL-database som en datakilde hvis den har mer enn 1000 tabeller eller en tabell med over 100 kolonner.
  • Du kan ikke legge til en Semantisk Power BI-modell som en datakilde hvis den inneholder mer enn totalt 100 kolonner og mål.
  • Ai-ferdigheten fungerer best med 25 eller færre tabeller valgt på tvers av alle datakilder.
  • Ikke-beskrivende dataressurskolonne og tabellnavn har en betydelig, negativ innvirkning på generert SQL/DAX/KQL-spørringskvalitet. Vi anbefaler bruk av beskrivende navn.
  • Bruk av for mange kolonner og tabeller kan redusere ytelsen til kunstig intelligens.
  • AI-ferdigheten er for øyeblikket utformet for å håndtere enkle spørringer. Komplekse spørringer som krever mange sammenføyninger eller avansert logikk, har en tendens til å ha lavere pålitelighet.
  • Hvis du legger til en Semantisk Power BI-modell som en datakilde, bruker ikke AI-ferdigheten noen skjulte tabeller, kolonner eller mål.
  • Hvis du tidligere opprettet en AI-ferdighet som brukte et lager som datakilde, og lageret var plassert i et arbeidsområde som ikke er vert for ai-ferdigheten, kan det oppstå en feil. Hvis du vil løse dette problemet, sletter du den eksisterende datakilden og legger den til på nytt.
  • Hvis du vil legge til en Semantisk Power BI-modell som en datakilde for ai-ferdigheter, trenger du lese-/skrivetillatelser for den semantiske Power BI-modellen. Spørring av en ai-ferdighet som bruker en Semantisk Power BI-modell, krever også at du har lese-/skrivetillatelser for den underliggende semantiske modellen for Power BI.
  • Ai-ferdigheten kan returnere feil svar. Du bør teste AI-ferdigheten med kollegene dine for å bekrefte at den svarer på spørsmål som forventet. Hvis det gjør feil, kan du gi det flere eksempler og instruksjoner.
  • Hvis du tidligere har opprettet og publisert en kunstig intelligens-ferdighet, og du har brukt nettadressen programmatisk, vil ikke nettadressen lenger fungere hvis du åpner AI-kompetansen på den nye brukergrensesnittsiden for kunstig intelligens. Hvis du vil løse dette, må du publisere AI-kompetansen på nytt og bruke den nye nettadressen basert på Assistenter-API-en.

Relatert innhold