Criar uma habilidade de IA (versão prévia)

Artigo
03/01/2025

Com uma habilidade de IA do Microsoft Fabric, você pode criar experiências de IA de conversação que respondem a perguntas sobre dados armazenados em lakehouses, warehouses, modelos semânticos do Power BI e bancos de dados KQL no Fabric. Seus insights de dados ficam acessíveis. Seus colegas podem fazer perguntas em inglês sem formatação e receber respostas controladas por dados, mesmo que não sejam especialistas em IA ou profundamente familiarizados com os dados.

Importante

Esse recurso está em versão prévia.

Pré-requisitos

Um recurso de capacidade F64 ou superior pago do Fabric
A Alternância de locatário de habilidade de IA está habilitada.
A Alternância de locatário do Copilot está habilitada.
O Processamento entre áreas geográficas de IA está habilitado.
O Armazenamento entre áreas geográficas de IA está habilitado.
Um warehouse, lakehouse, modelos semânticos do Power BI e bancos de dados KQL com dados.
Os Modelos semânticos do Power BI pela opção de locatário dos pontos de extremidade XMLA estão habilitados para as fontes de dados do modelo semântico do Power BI.

Fluxo de ponta a ponta para criar e consumir habilidades de IA no Fabric

Esta seção descreve as principais etapas para criar, validar e compartilhar uma habilidade de IA no Fabric, tornando-a acessível para consumo.

O processo é simples e você pode começar a testar os recursos de habilidade de IA em minutos.

Criar uma nova habilidade de IA

Para criar uma nova habilidade de IA, primeiro navegue até o workspace e selecione o botão + Novo Item. Na guia Todos os itens, pesquise por Habilidade de Inteligência Artificial para localizar a opção apropriada, conforme mostrado nessa captura de tela.

Depois de selecionado, você será solicitado a fornecer um nome para sua habilidade de IA, conforme mostrado nesta captura de tela:

Consulte a captura de tela fornecida para um guia visual sobre como nomear a habilidade de IA. Depois de inserir o nome, prossiga com a configuração para alinhar a habilidade de IA com seus requisitos específicos.

Selecione seus dados

Depois de criar uma habilidade de IA, você pode adicionar até cinco fontes de dados, incluindo lakehouses, warehouses, modelos semânticos do Power BI e bancos de dados KQL em qualquer combinação. Por exemplo, você pode adicionar cinco modelos semânticos do Power BI ou dois modelos semânticos do Power BI, um lakehouse e um banco de dados KQL.

Quando você cria uma habilidade de IA pela primeira vez e fornece um nome, o catálogo do OneLake é exibido automaticamente, permitindo que você adicione fontes de dados. Para adicionar uma fonte de dados, selecione-a no catálogo, conforme mostrado na próxima tela e selecione Adicionar. Cada fonte de dados deve ser adicionada individualmente. Por exemplo, você pode adicionar um lakehouse, selecionar Adicionare, em seguida, prosseguir para adicionar outra fonte de dados. Para filtrar os tipos de fonte de dados, selecione o ícone de filtro e, em seguida, selecione o tipo desejado. Você pode exibir apenas as fontes de dados do tipo selecionado, facilitando a localização e a conexão das fontes apropriadas para sua habilidade de IA.

Depois de adicionar a fonte de dados, o Explorer no painel esquerdo da página de habilidades de IA é preenchido com as tabelas disponíveis em cada fonte de dados selecionada, onde você pode usar as caixas de seleção para torná-las disponíveis ou indisponíveis para a IA, como mostrado na captura de tela a seguir.

Observação

Você precisa de permissão de leitura/gravação para adicionar um modelo semântico do Power BI como uma fonte de dados à habilidade de IA.

Para obter as adições subsequentes de fontes de dados, navegue até o Explorer no painel esquerdo da página de habilidades de IA e selecione + Fonte de dados, conforme mostrado nesta captura de tela:

O catálogo do OneLake é aberto novamente e você pode adicionar diretamente mais fontes de dados conforme necessário.

Dica

Use nomes descritivos para tabelas e colunas. Uma tabela chamada SalesData é mais significativa do que TableAe nomes de coluna como ActiveCustomer ou IsCustomerActive são mais claros do que C1 ou ActCu. Nomes descritivos ajudam a IA a gerar consultas mais precisas e confiáveis.

Faça perguntas

Depois de adicionar as fontes de dados e selecionar as tabelas relevantes para cada fonte de dados, você poderá começar a fazer perguntas. O sistema lida com perguntas conforme mostrado nesta captura de tela:

Perguntas semelhantes a estes exemplos também devem funcionar:

"Quais foram nossas vendas totais na Califórnia em 2023?"
"Quais são os cinco principais produtos com os preços de lista mais altos e quais são suas categorias?"
"Quais são os itens mais caros que nunca foram vendidos?"

Perguntas desses tipos são adequadas porque o sistema pode traduzi-las em consultas estruturadas (T-SQL, DAX ou KQL), executá-las em bancos de dados e retornar respostas concretas com base em dados armazenados.

Porém, como esses estão fora do escopo:

"Por que nossa produtividade de fábrica é menor no 2º trimestre de 2024?"
"Qual é a causa raiz do nosso pico de vendas?"

No momento, essas perguntas estão fora do escopo porque exigem raciocínio complexo, análise de correlação ou fatores externos não disponíveis diretamente no banco de dados. Atualmente, a habilidade de IA não executa análises avançadas, aprendizado de máquina ou inferência causal. Ele simplesmente recupera e processa dados estruturados com base na consulta do usuário.

Quando você faz uma pergunta, a habilidade de IA usa a API do Assistente do Azure OpenAI para processar a solicitação. O fluxo opera dessa forma:

Acesso ao esquema com credenciais de usuário

O sistema primeiro usa as credenciais do usuário para acessar o esquema da fonte de dados (por exemplo, lakehouse, warehouse, modelo semântico PBI ou bancos de dados KQL). Isso garante que o sistema busque informações de estrutura de dados que o usuário tenha permissão para exibir.

Construindo o prompt

Para interpretar a pergunta do usuário, o sistema combina:

Consulta de usuário: a pergunta de linguagem natural fornecida pelo usuário.
Informações de esquema: metadados e detalhes estruturais da fonte de dados recuperada na etapa anterior.
Exemplos e instruções: quaisquer exemplos predefinidos (por exemplo, perguntas e respostas de exemplo) ou instruções específicas fornecidas ao configurar a habilidade de IA. Esses exemplos e instruções ajudam a refinar a compreensão da IA sobre a questão e orientar como a IA interage com os dados.

Todas essas informações são usadas para construir um prompt. Esse prompt serve como uma entrada para a API assistente do Azure OpenAI, que se comporta como um agente subjacente à habilidade de IA. Isso essencialmente instrui a habilidade de IA sobre como processar a consulta e o tipo de resposta a ser produzida.

Invocação de ferramenta com base nas necessidades de consulta

O agente analisa o prompt construído e decide qual ferramenta invocar para recuperar a resposta:

Linguagem Natural para SQL (NL2SQL): usado para gerar consultas SQL quando os dados residem em um lakehouse ou warehouse
Linguagem Natural para DAX (NL2DAX): usado para criar consultas DAX para interagir com modelos semânticos em fontes de dados do Power BI
Linguagem Natural para KQL (NL2KQL): usado para construir consultas KQL para consultar dados em bancos de dados KQL

A ferramenta selecionada gera uma consulta usando o esquema, os metadados e o contexto que o agente subjacente à habilidade de IA fornece. Em seguida, a ferramenta valida a consulta, para garantir a formatação e a conformidade adequadas com seus protocolos de segurança e suas próprias políticas de IA Responsável (RAI).

Construção de resposta

O agente subjacente à habilidade de IA executa a consulta e garante que a resposta seja estruturada e formatada adequadamente. O agente geralmente inclui contexto extra para tornar a resposta amigável. Por fim, a resposta é exibida para o usuário em uma interface de conversa, conforme mostrado na seguinte captura de tela:

O agente apresenta o resultado e as etapas intermediárias que a habilidade de IA tomou para recuperar a resposta final. Essa abordagem aprimora a transparência e permite a validação dessas etapas, se necessário. Os usuários podem expandir o menu suspenso das etapas para visualizar todas as etapas que a habilidade de IA realizou para recuperar a resposta, conforme mostrado na captura de tela a seguir:

Além disso, a habilidade de IA fornece o código gerado usado para consultar a fonte de dados correspondente, oferecendo mais informações sobre como a resposta foi construída.

Essas consultas são projetadas exclusivamente para consultar dados. Operações que envolvem

criação de dados
atualizações de dados
exclusões de dados
qualquer tipo de alteração de dados

não são permitidas para proteger a integridade dos seus dados.

A qualquer momento, você pode selecionar o botão Limpar chat para limpar o chat, conforme mostrado na seguinte captura de tela:

O recurso de chat Clear apaga todo o histórico de chat e inicia uma nova sessão. Depois de excluir o histórico do chat, você não poderá recuperá-lo.

Altere a fonte de dados

Para remover uma fonte de dados, passe o mouse sobre o nome da fonte de dados no Explorer no painel esquerdo da página de habilidades de IA até que o menu de três pontos seja exibido. Selecione os três pontos para revelar as opções e selecione Remover para excluir a fonte de dados, conforme mostrado na captura de tela a seguir:

Como alternativa, se a fonte de dados for alterada, você poderá selecionar Atualizar no mesmo menu, conforme mostrado na seguinte captura de tela:

Isso garante que todas as atualizações da fonte de dados sejam refletidas e preenchidas corretamente no explorer, para manter sua habilidade de IA em sincronia com os dados mais recentes.

Configuração das habilidades de IA

A habilidade de IA oferece várias opções de configuração que permitem que os usuários personalizem o comportamento de habilidade de IA para atender melhor às necessidades da sua organização. À medida que a habilidade de IA processa e apresenta dados, essas configurações oferecem flexibilidade que permite mais controle sobre os resultados.

Fornecer instruções

Você pode fornecer instruções específicas para orientar o comportamento da IA. Para adicioná-las, selecione Instruções de IA conforme mostrado na captura de tela a seguir:

O painel de instruções de IA é aberto, conforme mostrado nesta captura de tela:

Aqui, você pode escrever até 15.000 caracteres em texto em inglês sem formatação, para instruir a IA sobre como lidar com consultas.

Por exemplo, você pode especificar a fonte de dados exata a ser usada para determinados tipos de perguntas. Exemplos de opções de fonte de dados podem envolver a orientação da IA a ser usada

Modelos semânticos do Power BI para consultas financeiras
um lakehouse para dados de vendas
um banco de dados KQL para métricas operacionais

Essas instruções garantem que a IA gere consultas apropriadas, seja SQL, DAX ou KQL, com base em suas diretrizes e no contexto das perguntas.

Se o recurso de IA interpretar incorretamente determinadas palavras, acrônimos ou termos, você poderá fornecer definições claras nesta seção para garantir que a IA as entenda e processe corretamente. Isso se torna especialmente útil para terminologia específica do domínio ou jargão de negócios exclusivo.

Ao adaptar essas instruções e definir termos, você aprimora a capacidade da IA de fornecer insights precisos e relevantes, em total alinhamento com sua estratégia de dados e requisitos de negócios.

Fornecer consultas de exemplo

Você pode aumentar a precisão das respostas das habilidades de IA ao fornecer exemplos de consultas adaptadas a cada fonte de dados, como bancos de dados de lakehouse, warehouse e KQL. Essa abordagem, conhecida como Few-Shot Learning em IA generativa, ajuda a orientar a habilidade de IA para gerar respostas que se alinham melhor às suas expectativas.

Quando você fornece à IA pares de consulta/pergunta de exemplo, ela faz referência a esses exemplos quando responde a perguntas futuras. A correspondência de novas consultas com os exemplos mais relevantes ajuda a IA a incorporar lógica específica aos negócios e responder efetivamente a perguntas frequentes. Essa funcionalidade permite ajuste fino para fontes de dados individuais e garante a geração de consultas SQL ou KQL mais precisas.

Os dados de modelo semântico do Power BI não dão suporte à adição de pares de consulta/pergunta de exemplo no momento. No entanto, para fontes de dados com suporte, como lakehouse, warehouse e bancos de dados KQL, fornecer mais exemplos pode melhorar significativamente a capacidade da IA de gerar consultas precisas quando seu desempenho padrão precisa de ajuste.

Dica

Um conjunto diversificado de consultas de exemplo aprimora a capacidade de uma habilidade de IA para gerar consultas SQL/KQL precisas e relevantes. Para adicionar ou editar consultas de exemplo, selecione o botão Exemplo de consultas para abrir o painel de consultas de exemplo, conforme mostrado na captura de tela a seguir:

Este painel fornece opções para adicionar ou editar consultas de exemplo para todas as fontes de dados com suporte, exceto modelos semânticos do Power BI. Para cada fonte de dados, você pode selecionar Adicionar ou Editar Consultas de Exemplo para inserir os exemplos relevantes, conforme mostrado na seguinte captura de tela:

Observação

A habilidade de IA refere-se apenas a consultas que contêm sintaxe SQL/KQL válida e que correspondem ao esquema das tabelas selecionadas. A habilidade de IA não usa consultas que não concluíram sua validação. Verifique se todas as consultas de exemplo são válidas e alinhadas corretamente com o esquema para garantir que a habilidade de IA as utilize efetivamente.

Depois de testar o desempenho de sua habilidade de IA em várias perguntas e confirmar que ela gera consultas SQL, DAX ou KQL precisas, você pode compartilhá-la com seus colegas. Nesse ponto, selecione Publicar, conforme mostrado na seguinte captura de tela:

Esta etapa abre uma janela que solicita uma descrição da habilidade de IA. Aqui, forneça uma descrição detalhada do que a habilidade de IA faz. Esses detalhes orientam seus colegas sobre a funcionalidade da habilidade de IA e ajudam outros sistemas/orquestradores de IA a invocar efetivamente essa habilidade de IA.