Privacidade, segurança e uso responsável de Copilot para Real-Time Intelligence
Neste artigo, saiba como Copilot para Real-Time Intelligence funciona, como ele mantém os dados da sua empresa seguros e adere aos requisitos de privacidade, e como usar a IA generativa de forma responsável. Para obter uma visão geral desses tópicos para Copilot no Fabric, consulte Privacidade, segurança e uso responsável para Copilot.
Esse recurso aproveita o poder do OpenAI para traduzir perfeitamente consultas em linguagem natural para Kusto Query Language (KQL), uma linguagem especializada para consultar grandes conjuntos de dados. Em essência, ele atua como uma ponte entre a linguagem cotidiana dos usuários e os meandros técnicos do KQL, removendo barreiras de adoção para usuários não familiarizados com o idioma. Ao aproveitar a compreensão avançada da linguagem OpenAI, esse recurso permite que os usuários enviem perguntas de negócios em um formato familiar de linguagem natural, que são então convertidas em consultas KQL.
Copilot acelera a produtividade simplificando o processo de criação de consultas, mas também fornece uma abordagem amigável e eficiente para a análise de dados.
Copilot para o uso previsto de Real-Time Intelligence
Kusto Copilot acelera o processo de exploração de dados de cientistas de dados e analistas, traduzindo perguntas de negócios em linguagem natural em consultas KQL, com base nos nomes/esquema de colunas do conjunto de dados subjacente.
O que pode fazer o Copilot para a Real-Time Intelligence?
Kusto Copilot é alimentado por modelos de IA generativa desenvolvidos pela OpenAI e Microsoft. Especificamente, ele usa as APIs de incorporação e conclusão da OpenAI para criar o prompt de linguagem natural e gerar consultas KQL.
Uso de dados de Copilot para Real-Time Intelligence
Copilot for Real-Time Intelligence tem acesso a dados acessíveis ao usuário Copilot, por exemplo, o esquema do banco de dados, funções definidas pelo usuário e amostragem de dados do banco de dados conectado. O Copilot refere-se a qualquer banco de dados atualmente conectado ao conjunto de consultas KQL. O Copilot não armazena dados.
Avaliação de Copilot para Real-Time Intelligence
- Após um período de pesquisa minucioso em que várias configurações e métodos foram testados, o método de integração OpenAI provou gerar consultas KQL da mais alta precisão. Copilot não executa automaticamente a consulta KQL gerada, e os usuários são aconselhados a executar as consultas a seu próprio critério.
- Kusto Copilot não executa automaticamente nenhuma consulta KQL gerada, e os usuários são aconselhados a executar as consultas a seu próprio critério.
Limitações de Copilot para a Inteligência Real-Time
- Entradas de usuário complexas e longas podem ser mal interpretadas por Copilot, resultando em consultas KQL sugeridas potencialmente imprecisas ou enganosas.
- A entrada do usuário que direciona para entidades de banco de dados que não são tabelas KQL ou exibições materializadas (por exemplo, uma função KQL), pode resultar em consultas KQL sugeridas potencialmente imprecisas ou enganosas.
- Mais de 10.000 usuários simultâneos dentro de uma organização provavelmente falharão ou resultarão em um grande impacto no desempenho.
- A consulta KQL deve ser validada pelo usuário antes da execução para evitar a execução insegura da consulta KQL.
Dicas para trabalhar com Copilot para Real-Time Intelligence
- Recomendamos que forneça consultas detalhadas e relevantes em linguagem natural. Além disso, você deve fornecer solicitações concisas e simples ao copiloto para evitar consultas KQL sugeridas imprecisas ou enganosas. Você também deve restringir as consultas a bancos de dados que são tabelas KQL ou vistas materializadas.
- Por exemplo, se você estiver perguntando sobre uma coluna específica, forneça o nome da coluna e o tipo de dados que ela contém. Se você quiser usar operadores ou funções específicas, isso também ajudará. Quanto mais informações fornecer, melhor será a resposta Copilot.