Procedimientos recomendados y limitaciones del agente de operaciones

En este artículo se describen los procedimientos recomendados y las limitaciones al usar agentes de operaciones en Real-Time Intelligence.

procedimientos recomendados

Los agentes de operaciones ayudan a las organizaciones a poner en marcha objetivos empresariales claros mediante la supervisión continua de los datos en tiempo real, la evaluación de umbrales explícitos y la recomendación de acciones cuando se cumplen las condiciones definidas. Por ejemplo, los agentes de operaciones le ayudan a responder de forma proactiva cuando la disponibilidad del inventario cae a un nivel crítico. Se recomiendan los siguientes procedimientos recomendados para los agentes de operaciones.

• Tablas de eventhouse: si las tablas del centro de eventos contienen columnas anidadas como JSON, aplane las tablas antes de configurar el agente. Las tablas planas con nombres de columna descriptivos mejoran la capacidad del agente para analizar y evaluar los datos.

• Descripciones de columnas de Eventhouse: si el propósito de una columna no está claro a partir de su nombre, agregue una descripción en lenguaje sencillo usando el campo de descripción en su esquema de tabla KQL. Esto ayuda al agente a interpretar correctamente los valores de datos.

• Identificación de objetos empresariales: si el agente necesita supervisar un objeto de negocio específico, como una estación, un sensor o un registro de personal, identifique la columna que identifica de forma única el objeto (por ejemplo, "StationID" o "SensorID"). Si usa un origen de base de datos KQL, especifique a qué tabla pertenece. Si usa un origen de ontología, especifique la entidad que debe usar el agente.

• Comillas de nombre de campo: si una regla hace referencia a nombres de columna o propiedad que contienen caracteres especiales, como caracteres de subrayado o guiones, incluya el nombre de columna entre comillas (""). Esta práctica garantiza que el agente lo identifique correctamente.

• Condiciones cuantificables: si una regla usa lenguaje cualitativo como "baja disponibilidad" o "alta temperatura", reemplácelo por un umbral numérico específico. Por ejemplo, use una frase como "menos de 3 bicicletas disponibles" o "la temperatura supera los 80".

• Separación de normas: Si define varias normas, describa cada norma en una línea o viñeta separada. No combine condiciones de reglas diferentes en la misma oración.

• Orden de reglas: si el agente necesita priorizar determinadas reglas, enumere primero las reglas de mayor prioridad. Los modelos de lenguaje grande (LLM) pueden interpretar la información de forma diferente según su posición en el mensaje de entrada.

Ejemplo de instrucciones

Este es un ejemplo de cómo puede diseñar las instrucciones para que el agente esté claro sobre sus reglas operativas y la información semántica sobre los campos de los datos.

*** Operational Instructions ***
1. Alert me when a trip has high occupancy level.
2. Alert me when a trip has high departure delay.

*** Semantic Instructions ***
1. Information about a trip can be found in 'TripUpdateFlattened' table, each identified by the 'trip_id' column.
2. Information about a vehicle can be found in 'VehiclePositionsFlat' table, each identified the 'vehicle_id' column.
3. A trip is a associated with multiple vehicles via shared trip ID.
4. Occupancy status of a trip is calculated as the latest occupancy status from the vehicle the trip is associated with. The value 'HIGH' means high occupancy level.
5. The departure delay is measured in number of seconds. Higher than 300 seconds of delay is considered significant.

Limitaciones

• Los agentes de operaciones se basan en un LLM para crear el cuaderno de estrategias y las reglas que sigue el agente, y para razonar y generar mensajes para acciones y recomendaciones. Dado que los servicios de inteligencia artificial basados en LLM son probabilísticos y pueden ser fallibles, es importante revisar cuidadosamente los resultados y las recomendaciones que proporcionan. Para obtener más información, consulte Privacidad, seguridad y uso responsable de Copilot para Real-Time Intelligence.

  Para realizar un seguimiento de las consultas y los datos a los que accede el agente, puede examinar el centro de eventos y la base de datos KQL que supervisa. En la pestaña Información de consultas, verá las consultas que ejecuta y puede validar el KQL que usa.

  

• Actualmente, solo se admiten tablas estándar de Eventhouse. No se admiten tablas de acceso rápido, funciones y vistas materializadas.

• Si usa una ontología de Fabric para el origen de datos del agente, debe encontrarse en la misma área de trabajo que el agente de operaciones.

• Las entidades de ontología que desea que el agente supervise deben tener al menos una propiedad estática para usarla como identificador para las entidades. Las propiedades timeseries deben enlazarse a los campos del centro de eventos.

• La supervisión de la ontología solo se limita a los valores de propiedad básicos. No se admite ninguna agregación como un valor medio, mínimo o máximo. La supervisión que requiere una condición "AND" (por ejemplo, el índice de frenado para una pista es superior a 0,8 y la temperatura de superficie es < 40) no se admite.

• Aunque las barreras de seguridad del sistema están en vigor, el uso intensivo podría resultar en un estrangulamiento, lo que limita el número de mensajes que puede enviar el agente. En tales casos, puede recibir mensajes simplificados y no generados por LLM a través de Microsoft Teams.

• En la actualidad, el agente y LLM solo admiten instrucciones y objetivos en inglés.

• El agente funciona mediante la identidad delegada y los permisos de su creador. Esto significa lo siguiente:

  • Las consultas, el acceso a datos y las acciones se ejecutan en función de las credenciales del creador.

  • De forma predeterminada, el creador recibe mensajes de recomendación. Cambiar el destinatario no cambia las credenciales usadas para las consultas y las acciones.

• El agente ejecuta consultas de datos cada cinco minutos cuando está activa.

• Cuando el agente detecta datos que coinciden con sus reglas, realiza un seguimiento de las acciones recomendadas y la respuesta del usuario como una operación. Si el usuario no responde (aprueba o rechaza) en un plazo de tres días, la operación se cancela automáticamente. Después de este período, no puede interactuar con ni aprobar la acción.

• El agente de operaciones está disponible en las regiones de Microsoft Fabric, excepto Centro-sur de EE. UU. y Este de EE. UU.

• Si el inquilino y la capacidad de Fabric están en regiones diferentes, es posible que tenga errores al configurar acciones de Power Automate. Hasta que haya una corrección disponible, para usar el agente de operaciones, asegúrese de que la capacidad del área de trabajo se encuentra en la misma región que el inquilino de Fabric.