Sekretess, säkerhet och ansvarsfull användning av Copilot för Real-Time Intelligence
I den här artikeln får du lära dig hur Copilot för Real-Time Intelligence fungerar, hur de skyddar dina affärsdata och följer sekretesskraven och hur du använder generativ AI på ett ansvarsfullt sätt. En översikt över dessa ämnen för Copilot i Fabric finns i Sekretess, säkerhet och ansvarsfull användning för Copilot.
Den här funktionen utnyttjar kraften i OpenAI för att sömlöst översätta frågor på naturligt språk till Kusto Query Language (KQL), ett specialiserat språk för att köra frågor mot stora datamängder. I grund och botten fungerar det som en brygga mellan användarnas dagliga språk och de tekniska invecklingarna i KQL som tar bort implementeringsbarriärer för användare som inte är bekanta med språket. Genom att utnyttja OpenAI:s avancerade språkförståelse ger den här funktionen användarna möjlighet att skicka affärsfrågor i ett välbekant, naturligt språkformat som sedan konverteras till KQL-frågor.
Copilot ökar produktiviteten genom att förenkla processen för att skapa frågor, men ger också en användarvänlig och effektiv metod för dataanalys.
Copilot för avsett bruk av Real-Time Intelligence
Kusto Copilot påskyndar dataexperternas och analytikernas datautforskningsprocess genom att översätta affärsfrågor för naturligt språk till KQL-frågor, baserat på de underliggande kolumnnamnen för datamängden/schemat.
Vad kan Copilot göra för Real-Time Intelligence?
Kusto Copilot drivs av generativa AI-modeller som utvecklats av OpenAI och Microsoft. Specifikt använder den OpenAI:s API:er för inbäddningsfunktioner och slutförande för att bygga naturligt språk-promptar och generera KQL-frågor.
Dataanvändning av Copilot för Real-Time Intelligence
Copilot för Real-Time Intelligence har åtkomst till data som är tillgängliga för den Copilot användaren, till exempel databasschemat, användardefinierade funktioner och datasampling av den anslutna databasen. Copilot refererar till den databas som för närvarande är ansluten till KQL-frågeuppsättningen. Copilot lagrar inga data.
Utvärdering av Copilot för Real-Time Intelligens
- Efter en grundlig forskningsperiod där flera konfigurationer och metoder har testats hade OpenAI-integreringsmetoden visat sig generera KQL-frågor med högsta noggrannhet. Copilot kör inte automatiskt den genererade KQL-frågan och användarna uppmanas att köra frågorna efter eget gottfinnande.
- Kusto Copilot kör inte automatiskt någon genererad KQL-fråga och användarna uppmanas att köra frågorna efter eget gottfinnande.
Begränsningar av Copilot för Real-Time Intelligens
- Komplexa och långa användarindata kan missförstås av Copilot, vilket resulterar i potentiellt felaktiga eller vilseledande föreslagna KQL-frågor.
- Användarindata som dirigerar till databasentiteter som inte är KQL-tabeller eller materialiserade vyer (till exempel en KQL-funktion) kan resultera i potentiellt felaktiga eller missvisande föreslagna KQL-frågor.
- Mer än 10 000 samtidiga användare inom en organisation kommer sannolikt att misslyckas eller resultera i en stor prestandabelastning.
- KQL-frågan bör verifieras av användaren innan den körs för att förhindra osäker KQL-frågekörning.
Tips för att arbeta med Copilot för Real-Time Intelligence
- Vi rekommenderar att du tillhandahåller detaljerade och relevanta frågor på naturligt språk. Dessutom bör du ge koncisa och enkla begäranden till andrepiloten för att undvika felaktiga eller vilseledande föreslagna KQL-frågor. Du bör också begränsa frågor till databaser som är KQL-tabeller eller materialiserade vyer.
- Om du till exempel frågar om en specifik kolumn anger du kolumnnamnet och vilken typ av data den innehåller. Om du vill använda specifika operatorer eller funktioner hjälper det också. Ju mer information du anger, desto bättre blir Copilot svar.