Procedure consigliate per la configurazione dell'agente dati

Questo articolo illustra le procedure consigliate per la configurazione di un agente dati per fornire risposte accurate, pertinenti e utili alle domande degli utenti. Impostando istruzioni chiare a livello di agente e origine dati specifiche, è possibile guidare come l'agente interpreta le query, seleziona le origini dati e genera risposte. Si apprenderà come definire l'obiettivo dell'agente, classificare in ordine di priorità le origini dati, incorporare la terminologia chiave e fornire la logica di query per scenari comuni. Questi suggerimenti per la configurazione consentono di garantire che l'agente funzioni in modo affidabile in diversi ambienti dati e esigenze degli utenti.

Per esplorare i diversi tipi di configurazioni dell'agente dati, vedere Configurazioni dell'agente dati.

1. Prepara i tuoi dati per l'intelligenza artificiale

Per garantire che l'agente dati possa generare query accurate, è importante che le origini dati, le tabelle e le colonne usino nomi chiari e descrittivi. Evitare etichette vaghe o generiche come Table1, col1o flag, che possono rendere difficile per l'agente interpretare la finalità dell'utente.

❌ Meno efficace:

• Nomi delle tabelle: Table1, Table2
• Nomi di colonna: col1, status, flag

✅ Migliore:

• Nomi di tabella: CustomerOrders, ProductCatalog, SalesTransactions, OrderItems
• Nomi di colonna: customer_email_address, order_submission_date, product_unit_price

La denominazione descrittiva consente all'agente di comprendere la struttura dei dati e migliorare la qualità delle query generate.

2. Creare agenti specializzati per domini specifici

Per una maggiore precisione e pertinenza, progettare agenti dati incentrati su un dominio specifico o caso d'uso anziché tentare di gestire un'ampia gamma di domande. Gli agenti specializzati possono essere ottimizzati con istruzioni mirate, origini dati pertinenti e terminologia specifica del dominio, rendendoli più affidabili ed efficaci.

❌ Meno efficace: Un agente di dati per scopo generico che risponde a un'ampia gamma di domande relative ai clienti con diverse persone utente

✅ Migliore: Un agente dati personalizzato per supportare il team di leadership combinando informazioni dettagliate da più origini dati per la preparazione delle riunioni

Restringendo la concentrazione dell'agente, si migliora la sua capacità di generare risposte precise e si riduce l'ambiguità nell'interpretazione delle interrogazioni.

3. Ridurre al minimo l'ambito dell'origine dati

Includere solo le origini dati necessarie per rispondere alle domande dell'utente previste. All'interno di ogni origine dati selezionare solo le tabelle e le colonne specifiche rilevanti per il caso d'uso. Una configurazione più mirata migliora la capacità dell'agente di generare query accurate ed efficienti.

❌ Meno efficace: Collegamento di un intero Lakehouse o modello con tutte le tabelle e colonne

✅ Migliore: Selezione solo delle tabelle e delle colonne essenziali necessarie per le query comuni

4. Essere specifici di cosa fare, non solo quello che non fare

Invece di indicare solo ciò che l'agente deve evitare, fornire indicazioni chiare sull'approccio corretto. In questo modo l'agente risponde in modo più efficace ed evita ambiguità nella gestione dei casi perimetrali.

❌ Meno efficace: Non fornire informazioni sulla retribuzione obsolete o fare ipotesi sui dati mancanti.
✅ Migliore: Fornire sempre le informazioni di pagamento più recenti disponibili nel sistema di retribuzione ufficiale. Se il pagamento è mancante o incompleto, informa il dipendente che non riesci a individuare i registri attuali e consiglia di contattare le risorse umane per ulteriore assistenza.

5. Definire termini aziendali, abbreviazioni e sinonimi

Per garantire che l'agente dati interpreti correttamente le domande, definire eventuali termini ambigui, specifici dell'organizzazione o specifici del dominio. Queste definizioni consentono all'agente di applicare logica coerente e generare risposte accurate, soprattutto quando le domande utente fanno riferimento a terminologia interna o concetti simili.

Esempi di cosa definire

• Concetti simili: "calendar year" vs. "fiscal year"
• Termini aziendali comuni: "quarter", "sales", "SKU", "shoes"
• Abbreviazioni o acronimi: "NPS" (Net Promoter Score), "MAU" (Utenti Attivi Mensili)

Dove inserire le definizioni

• Istruzioni a livello di agente: usare questa opzione per le definizioni che si applicano a tutte le origini dati e alle query ,ad esempio ciò che rappresenta un "trimestre".
• Istruzioni per l'origine dati: usare questa opzione per le definizioni specifiche del modo in cui un termine viene usato all'interno di un determinato set di dati, ad esempio "vendite" definito in modo diverso tra i sistemi.

6. Usare le parole iniziali per guidare la generazione di query

Nelle istruzioni dell'origine dati è possibile includere hint o frammenti di sintassi SQL/DAX/KQL per guidare il modello verso la generazione di query in un formato specifico. Queste "parole iniziali" consentono all'agente di dedurre la logica corretta durante la conversione del linguaggio naturale nel codice.

❌ Meno efficace:
Trova tutti i prodotti con nomi contenenti "bike".

✅ Migliore:
Trova tutti i prodotti con nomi contenenti "bike"
LIKE '%bicicletta%'

L'inclusione di frammenti di sintassi, LIKE '%...%' ad esempio, consente al modello di riconoscere che è prevista una clausola pattern-matching nella query. Questa tecnica migliora l'accuratezza del codice SQL generato, soprattutto quando si gestiscono corrispondenze parziali, filtri o join.

7. Scrivere istruzioni chiare e incentrate; evitare dettagli non necessari

Le istruzioni devono essere concise e intenzionali. Includere solo le informazioni necessarie per consentire all'agente di generare risposte accurate. Evitare contenuto vago, obsoleto o eccessivamente ampio che introduce confusione o diluisce l'attenzione dell'agente.

❌ Meno efficace:

You are an HR data agent who should try to help employees with all kinds of questions about work. You have access to many systems, like the HRIS platform, old payroll databases from previous vendors, archived employee files, scanned PDF policy documents, and maybe even some spreadsheets that HR used in the past. If someone asks about their pay, you might want to look in one of the old systems if needed. Also, sometimes data isn't updated immediately, so just do your best. Remember that the company reorganized in 2017, so department names might be different before then. Try to be friendly, but also make sure you don't seem robotic. Sometimes HR policies change, so answers might not always be the same depending on the date. Just explain if something seems complicated.

Perché questo è meno efficace?

• Ambito troppo ampio ("tutti i tipi di domande sul lavoro")
• Fa riferimento a origini obsolete o inaffidabili (ad esempio, "vecchi database con retribuzione")
• Manca la definizione delle priorità delle origini dati
• Introduce un contesto cronologico non necessario
• Crea ambiguità con frasi come "fai il tuo meglio"
• Manca una guida chiara per la gestione dei dati mancanti o complessi

✅ Migliore:

You are an HR Assistant Agent responsible for answering employee questions about employment status, job details, pay history, and leave balances.  
Use the official HR data warehouse to retrieve current and accurate records.  
If data is missing or unclear, inform the user and recommend they contact HR for further support.  
Keep responses concise, professional, and easy for employees to understand.

Perché è meglio?

• Chiarire l'ambito e le responsabilità dell'agente
• Fa riferimento all'origine dati corretta senza sovraccaricare i dettagli tecnici
• Fornisce un comportamento di fallback chiaro
• Stabilisce il tono e lo stile di comunicazione
• Lascia le specifiche relative al livello di tabella alle istruzioni sull'origine dati

8. Scrivere istruzioni dettagliate sull'agente dati

Le istruzioni dell'agente definiscono il modo in cui l'agente interpreta le domande utente, seleziona le origini dati e formatta le risposte. Usare questa sezione per descrivere chiaramente il ruolo dell'agente, il comportamento previsto, il tono e il modo in cui deve gestire diversi tipi di query. Includere dettagli specifici sui casi d'uso previsti, sulle origini dati preferite e sul comportamento di fallback quando mancano informazioni.

❌ Meno efficace:

You are an agent that helps with HR topics.  
Find answers if possible.  
Try not to give wrong information.  
If you cannot find something, you can tell the user to check elsewhere.  
Answer employee questions about work, pay, and other topics using available systems.  
Keep responses professional.

✅ Migliore:

## Tone and style
Use clear, simple, and professional language.  
Sound friendly and helpful, like an internal HR support agent.  
Avoid technical jargon unless it's part of the business terminology used in the data.

## General knowledge
You are an HR Assistant Agent designed to help employees access accurate information about their employment, benefits, and pay.  
Only answer questions using the official HR data sources provided.  
If multiple records exist, prioritize the most recent and most official source.  
Do not guess or assume answers—if information is missing or unclear, advise the employee to contact HR directly.  

## Data source descriptions
- **Employee Data Warehouse**: Contains employment records including status, role, start date, and department.
- **Payroll System**: Contains pay history, compensation details, and tax withholding information.
- **Benefits Enrollment Database**: Includes information about health insurance, retirement plans, and other employee benefits.
- **HR Policy Lakehouse**: Stores official company policies, including holidays, leave policies, and onboarding documents.

## When asked about
- **Employment status (e.g., active, on leave, terminated)**: Use the *Employee Data Warehouse*  
- **Pay history or compensation**: Use the *Payroll System*  
- **Benefits and enrollment details**: Use the *Benefits Enrollment Database*  
- **Company holidays and leave of absence policies**: Use the *HR Policy Lakehouse*

9. Fornire istruzioni dettagliate sull'origine dati

Le istruzioni dell'origine dati devono essere specifiche, strutturate e descrittive. Guidano l'agente nella creazione di query accurate definendo la modalità di organizzazione dei dati, le tabelle e le colonne rilevanti e il modo in cui devono essere gestite le relazioni tra tabelle.

Usare questa sezione per descrivere:

• Scopo dell'origine dati
• Quali tipi di domande si intende rispondere
• Colonne necessarie da includere nelle risposte
• Collegare la logica tra le tabelle
• Formati di valore tipici (ad esempio abbreviazioni e nomi completi)

❌ Meno efficace:

## General instructions
Use the EmployeeData warehouse to find answers about employees.  
Try to get useful employee details when needed.

### Employment status
You can use the EmployeeStatusFact table.  
Join to EmployeeDim if necessary.

✅ Migliore:

## General instructions
Use the EmployeeData data warehouse to answer questions related to employee details, employment status, pay history, and organizational structure.

When generating queries:
* Use EmployeeDim as the primary table for employee details.  
* Always include the following columns in the response (if available):  
  - EmployeeID  
  - EmployeeName  
  - EmploymentStatus  
  - JobTitle  
  - DepartmentName  
* Join other tables to EmployeeDim using EmployeeID unless otherwise specified.  
* Filter for the most recent records when applicable.  

Example values:
- EmploymentStatus: "Active", "On Leave", "Terminated"  
- DepartmentName: "Finance", "HR", "Engineering"  
- State: Use U.S. state abbreviations like "CA", "NY", "TX"

## When asked about

When asked about **employee status**, use the `EmployeeStatusFact` table.  
Join it to `EmployeeDim` on `EmployeeID`.  
Filter by the most recent `StatusEffectiveDate` and return the following columns: `EmploymentStatus`, `StatusEffectiveDate`, `EmployeeName`, and `DepartmentName`.

When asked about **current job title or department**, use the `EmployeeDim` table.  
Return `JobTitle` and `DepartmentName`.  
If multiple records exist, filter for the record where `IsCurrent = True`.

10. Utilizzare query di esempio per esprimere la logica complessa delle query

Usare query di esempio per consentire all'agente dati di comprendere come creare query accurate, soprattutto quando la logica è complessa o sfumata. Questi esempi fungono da modelli da cui l'agente può generalizzare, anche se la domanda dell'utente non è una corrispondenza esatta.

• Includere query di esempio per tipologie di domande comuni o rappresentative.
• Concentrarsi sugli esempi in cui la logica di query prevede filtri, join, aggregazioni o gestione delle date.
• Mantenere la struttura chiara e ben formattata, usando la sintassi corretta per l'origine dati (SQL, DAX o KQL).
• Non è necessario trovare una corrispondenza letterale con le domande dell'utente; gli esempi devono illustrare l'intento e la struttura.

Modalità di utilizzo delle query di esempio

Per ogni domanda dell'utente, l'agente dati esegue una ricerca di somiglianza vettoriale per recuperare le prime 3 query di esempio più rilevanti. Questi vengono quindi inseriti nel prompt migliorato dell'agente per guidare la generazione di query.

Passaggi successivi

• Concetto di agente dei dati
• Scenario dell'agente dei dati
• Panoramica delle configurazioni dell'agente dati
• Adattare un processo iterativo allo sviluppo di agenti dati