Criar uma habilidade de IA (visualização)

Artigo
02/27/2025

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, armazéns, modelos semânticos do Power BI e bancos de dados KQL no Fabric. Os seus insights sobre dados tornam-se acessíveis. Seus colegas podem fazer perguntas em inglês simples e receber respostas baseadas em dados, mesmo que não sejam especialistas em IA ou profundamente familiarizados com os dados.

Importante

Este recurso está em pré-visualização.

Pré-requisitos

Um recurso de capacidade de malha F64 pago ou superior
A opção de locatário de habilidade de IA está habilitada.
A opção de locatário do copiloto está habilitada.
O processamento intergeográfico para IA está habilitado.
Armazenamento geográfico cruzado para IA está habilitado.
Um armazém, Lakehouse, modelos semânticos do Power BI e bases de dados KQL com dados.
modelos semânticos do Power BI por meio da opção de locatário de pontos de extremidade XMLA, a está habilitada para fontes de dados de 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.

Crie uma nova habilidade de IA

Para criar uma nova habilidade de IA, primeiro navegue até seu espaço de trabalho e, em seguida, selecione o botão + Novo Item. Na guia Todos os itens, procure por habilidade de IA para localizar a opção apropriada, conforme mostrado nesta captura de tela.

Uma vez 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 obter 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 os seus dados

Depois de criar uma habilidade de IA, você pode adicionar até cinco fontes de dados, incluindo lakehouses, armazéns, 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 aparece 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 uma lakehouse, selecionar Adicionare continuar a 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 visualizar 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 pode utilizar as caixas de verificação para disponibilizar ou indisponibilizar tabelas para a IA, conforme mostrado na captura de ecrã a seguir.

Nota

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

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

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

Dica

Certifique-se de usar nomes descritivos para tabelas e colunas. Uma tabela chamada SalesData é mais significativa do que TableA, e nomes de colunas 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 pode começar a fazer perguntas. O sistema lida com perguntas como 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 5 principais produtos com os preços de tabela 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, em seguida, retornar respostas concretas com base em dados armazenados.

No entanto, exemplos como estes estão fora do âmbito:

"Porque é que a nossa produtividade fabril é mais baixa no segundo trimestre de 2024?"
"Qual é a causa raiz do nosso pico de vendas?"

Essas perguntas estão atualmente fora do escopo porque exigem raciocínio complexo, análise de correlação ou fatores externos não disponíveis diretamente no banco de dados. A habilidade de IA atualmente 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 OpenAI do Azure para processar a solicitação. O fluxo funciona desta 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 tem permissão para visualizar.

Construindo o prompt

Para interpretar a pergunta do utilizador, o sistema combina:

Consulta do usuário: A pergunta de linguagem natural fornecida pelo usuário.
Informações do esquema: metadados e detalhes estruturais da fonte de dados recuperados na etapa anterior.
Exemplos e instruções: Quaisquer exemplos predefinidos (por exemplo, exemplos de perguntas e respostas) 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 orientam 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 do Assistente OpenAI do Azure, 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:

Natural Language to SQL (NL2SQL): Usado para gerar consultas SQL quando os dados residem em um lago ou armazém
Natural Language to DAX (NL2DAX): usado para criar consultas DAX para interagir com modelos semânticos em fontes de dados do Power BI
Natural Language to 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 adequada e a conformidade com seus protocolos de segurança e suas próprias políticas de IA Responsável (RAI).

Construção da 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 fácil de usar. Finalmente, a resposta é exibida para o usuário em uma interface de conversação, como mostrado na captura de tela a seguir:

O agente apresenta o resultado e as etapas intermediárias que a habilidade de IA tomou para recuperar a resposta final. Esta abordagem aumenta a transparência e permite validar essas etapas, se necessário. Os utilizadores podem expandir a lista suspensa dos passos para visualizar todos os passos que a função de IA executou para recuperar a resposta, como mostrado na imagem seguinte.

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 envolvam

Criação de dados
Atualizações de dados
Eliminação de dados
qualquer tipo de alteração de dados

não são permitidos, para proteger a integridade dos seus dados.

A qualquer momento, pode selecionar o botão Limpar bate-papo para limpar o bate-papo, como mostrado na captura de ecrã abaixo:

O recurso Limpar bate-papo apaga todo o histórico de bate-papo e inicia uma nova sessão. Depois de excluir seu histórico de bate-papo, você não poderá recuperá-lo.

Alterar a fonte de dados

Para remover uma fonte de dados, passe o mouse sobre o nome da fonte de dados no do Explorer no painel esquerdo da página de habilidades de IA até que o menu de três pontos apareça. Selecione os três pontos para revelar as opções e, em seguida, 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 captura de tela a seguir:

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

Configuração de habilidades de IA

A habilidade de IA oferece várias opções de configuração que permitem aos usuários personalizar o comportamento da habilidade de IA, para melhor atender 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-los, selecione instruções de IA conforme mostrado na captura de tela a seguir.

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

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

Por exemplo, você pode especificar a fonte de dados exata a ser usada para certos tipos de perguntas. Exemplos de escolhas de fontes de dados podem envolver direcionar a IA para uso

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 sua orientação e no contexto das perguntas.

Se o seu recurso de IA interpreta consistentemente mal determinadas palavras, acrónimos ou termos, pode fornecer definições claras nesta secção, para garantir que a IA os compreende e processa corretamente. Isso se torna especialmente útil para terminologia específica de domínio ou jargão comercial 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 melhorar a precisão das respostas de habilidades de IA ao fornecer consultas de exemplo personalizadas para cada fonte de dados, como bancos de dados 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 com suas expectativas.

Quando você fornece à IA exemplos de pares de consulta/pergunta, 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 do negócio e responder de forma eficaz às perguntas mais frequentes. Essa funcionalidade permite o ajuste fino para fontes de dados individuais e garante a geração de consultas SQL ou KQL mais precisas.

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

Dica

Um conjunto diversificado de consultas de exemplo melhora 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 Consultas de exemplo 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 captura de tela a seguir:

Nota

A habilidade AI 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. Certifique-se de que todas as consultas de exemplo são válidas e corretamente alinhadas com o esquema para garantir que a habilidade de IA as utilize de forma eficaz.

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-las com seus colegas. Nesse ponto, selecione Publicar, conforme mostrado na captura de tela a seguir:

Esta etapa abre uma janela que pede 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.