Copilot para inteligencia en tiempo real

Copilot en la carga de trabajo de Fabric Real-Time Intelligence es un asistente de inteligencia artificial que le ayuda a consultar, analizar y explorar los datos en tiempo real. Copilot traduce el lenguaje natural en consultas del lenguaje de consulta kusto (KQL) y permite la exploración interactiva de datos, sin necesidad de experiencia en KQL.

Copilot en conjuntos de consultas KQL

Copilot en los conjuntos de consultas de KQL transforma las preguntas de lenguaje natural en consultas KQL. Describe tus necesidades de análisis de datos en lenguaje sencillo, y Copilot generará la consulta correspondiente. Copilot admite interacciones conversacionales, por lo que puede refinar las consultas y formular preguntas de seguimiento sin empezar.

Para obtener más información sobre cómo usar Copilot en conjuntos de consultas KQL, consulte Copilot para escribir consultas KQL.

Copilot en paneles de control en tiempo real

Copilot en los paneles de Real-Time simplifica las ediciones de iconos del panel y la exploración de datos:

• Edit tile queries: Use Copilot para crear o modificar la consulta KQL detrás de un icono de panel directamente en el panel de edición, usando lenguaje natural en lugar de escribir KQL manualmente. Para obtener más información, consulte Use Copilot para agregar o editar un icono
• Explore datos de forma interactiva: en modo de vista, use Copilot para formular preguntas sobre los datos del panel, filtrar los resultados y guardar información como iconos nuevos. Para obtener más información, consulte exploración de datos en tiempo real asistida por Copilot.

Copilot de datos en Azure Data Explorer

Copilot también admite clústeres Azure Data Explorer (ADX). Cuando se conecta a un clúster de ADX, Copilot genera consultas KQL y explora los datos de la misma manera que lo hace para un centro de eventos. Se requiere una capacidad habilitada para Fabric.

Para obtener más información sobre cómo conectarse a ADX desde Fabric, consulte Consume datos de ADX en Fabric.

Procedimientos recomendados para consultas KQL de Copilot

Las siguientes sugerencias se aplican a Copilot tanto en conjuntos de consultas KQL como en paneles de tiempo real.

• Comience con indicaciones de lenguaje natural simples para aprender las funcionalidades y limitaciones actuales. Progrese gradualmente hacia indicaciones más complejas.

• Indique la tarea con precisión y evite la ambigüedad. Imagine compartir el mensaje con un experto de KQL sin agregar instrucciones orales. ¿Generarían la consulta correcta?

• Proporcione información relevante para ayudar al modelo. Especifique tablas, operadores o funciones que son fundamentales para la consulta siempre que sea posible.

• Prepare la base de datos:

  • Agregue propiedades docstring para describir las tablas y columnas comunes. Este paso es fundamental para tablas o columnas con nombres no significativos.
  • No es necesario agregar docstrings a tablas o columnas que rara vez se usan.
  • Para obtener más información, consulte el comando alter table column-docstrings.

• Para mejorar los resultados Copilot, seleccione el icono like o dislike para enviar comentarios.

  Nota:

  El formulario Submit feedback envía el nombre de la base de datos, su dirección URL, la consulta KQL generada por Copilot y cualquier respuesta de texto libre que incluya. Los resultados de la consulta KQL ejecutada no se envían.

Mejora de la precisión de Copilot con tomas privadas

Copilot mejora las indicaciones mediante el uso de los ejemplos más relevantes (llamados pares de lenguaje natural y KQL, o "ejemplos") de una base de datos de ejemplos públicos. El equipo de inteligencia de Real-Time mantiene esta base de datos, derivada de la documentación de KQL y está disponible para todos los usuarios de Copilot. La base de datos Public Shots proporciona una base sólida, pero es genérica y carece de conocimientos específicos del dominio de la base de datos KQL.

Para mejorar la capacidad de Copilot de generar consultas KQL precisas y complejas para sus escenarios específicos, cree una base de datos private Shots.

Este enfoque le permite incluir consultas KQL avanzadas que aborden los requisitos únicos del equipo. Por ejemplo, las consultas que usan: - semántica de grafos, - análisis de series temporales, - detección de anomalías, - o funciones almacenadas definidas en la base de datos KQL.

Las capturas privadas se publican automáticamente tanto desde conjuntos de consultas KQL como desde los paneles de control en tiempo real. Al guardar estos artefactos, las consultas KQL que contienen se publican en la base de datos Private Shots, lo que mejora la capacidad de Copilot generar consultas que se alinean con los datos y los casos de uso.

Limitations

Las siguientes limitaciones se aplican a Copilot en Real-Time Intelligence:

• Copilot no puede modificar las consultas KQL existentes en el editor de consultas. Si pide al Copilot panel de chat que edite una parte específica de una consulta existente, no funciona. Sin embargo, Copilot entiende las entradas anteriores en el panel de chat, por lo que puede refinar las consultas que Copilot generó antes de la inserción.
• Copilot puede producir resultados inexactos cuando la intención es evaluar los datos. Copilot solo tiene acceso al esquema de la base de datos y no tiene acceso a los datos en sí.
• Las respuestas de Copilot pueden incluir contenido inexacto o de baja calidad. Revisa los resultados antes de usarlos en tu trabajo.
• Las personas que pueden evaluar significativamente la precisión y la idoneidad del contenido deben revisar las salidas.
• El panel de chat Copilot en las bases de datos de KQL no está disponible cuando Private Link está habilitado y el acceso público está deshabilitado en la configuración del inquilino.

Inteligencia artificial responsable

Para ver las directrices de Microsoft para la inteligencia artificial responsable en Real-Time Intelligence, consulte Privacy, seguridad y uso responsable de Copilot para Real-Time Intelligence.

Microsoft se compromete a garantizar que los principios AI y Responsible AI Standard guían los sistemas de inteligencia artificial. Estos principios incluyen la capacidad de los clientes de usar estos sistemas de forma eficaz y en consonancia con sus usos previstos.

Contenido relacionado

• Copilot para escribir consultas KQL
• Exploración de datos en tiempo real asistida por Copilot
• Introducción a Copilot en Fabric