Copilot para Real-Time Intelligence

Copilot na tarefa de Inteligência em Tempo Real do Fabric é um assistente de IA que ajuda você a consultar, analisar e explorar seus dados em tempo real. Copilot converte a linguagem natural em consultas KQL (Linguagem de Consulta Kusto), gera painéis e permite a exploração interativa de dados, tudo sem a necessidade de conhecimento de KQL.

Copilot em conjuntos de consultas KQL

Copilot em conjuntos de consultas KQL transforma questões de linguagem natural em consultas KQL. Descreva suas necessidades de análise de dados em linguagem simples e Copilot gera a consulta correspondente. Copilot dá suporte a interações de conversa, para que você possa refinar consultas e fazer perguntas de acompanhamento sem recomeçar.

Para obter detalhes sobre como usar Copilot em conjuntos de consultas KQL, consulte Copilot para escrever consultas KQL.

Copilot em painéis de tempo real

Copilot nos Painéis em Tempo Real simplifica a criação de painéis e a exploração de dados.

  • Gerar painéis: selecione uma tabela de dados no Hub Real-Time ou um conjunto de consultas KQL e use Copilot para gerar automaticamente um painel de Real-Time com uma página de insights e uma página de perfil de dados. Para obter detalhes, consulte Generate a Real-Time Dashboard usando Copilot.
  • Edit consultas de bloco: use Copilot para criar ou modificar a consulta KQL por trás de um bloco de dashboard diretamente no painel de edição, usando linguagem natural em vez de escrever KQL manualmente.
  • Explore dados interativamente: no modo de exibição, use Copilot para fazer perguntas sobre os dados do painel, filtrar resultados e salvar insights como novos blocos. Para obter detalhes, consulte exploração de dados em tempo real assistida pelo Copilot.

Copilot para Azure Data Explorer

Copilot também dá suporte a clusters Azure Data Explorer (ADX). Quando conectado a um cluster do ADX, Copilot gera consultas KQL e explora dados da mesma maneira que faz para um Eventhouse. Uma capacidade habilitada para Fabric é necessária.

Para obter mais informações sobre como se conectar ao ADX de Fabric, consulte Consumir dados do ADX em Fabric.

Práticas recomendadas para consultas do Copilot KQL

As dicas a seguir se aplicam ao Copilot em conjuntos de consultas KQL e painéis em tempo real:

  • Comece com prompts de linguagem natural simples para aprender as funcionalidades e limitações atuais. Prossiga de forma gradual para prompts mais complexos.

  • Declare a tarefa com precisão e evite ambiguidade. Imagine compartilhar o prompt com um especialista em KQL sem adicionar instruções orais. Eles gerariam a consulta correta?

  • Forneça informações relevantes para ajudar o modelo. Especifique tabelas, operadores ou funções críticas para a consulta quando possível.

  • Prepare seu banco de dados:

    • Adicione propriedades docstring para descrever tabelas e colunas comuns. Esta etapa é essencial para tabelas ou colunas com nomes insignificantes.
    • Você não precisa adicionar docstrings a tabelas ou colunas que raramente são usadas.
    • Para obter mais informações, consulte o comando alter table column-docstrings.

  • Para melhorar Copilot resultados, selecione o ícone like ou dislike para enviar comentários.

    Note

    O formulário Submit feedback envia o nome do banco de dados, sua URL, a consulta KQL gerada por Copilot e qualquer resposta de texto livre que você incluir. Os resultados da consulta KQL executada não são enviados.

Note

A IA alimenta Copilot, portanto, surpresas e erros são possíveis.

Melhorar a precisão de Copilot com imagens privadas

Copilot aprimora os prompts usando os exemplos mais relevantes (conhecidos como linguagem natural e pares KQL ou "shots") de um banco de dados Public Shots. Esse banco de dados é coletado pela equipe do Real-Time Intelligence, derivado da documentação do KQL e está disponível para todos os usuários Copilot. O banco de dados Public Shots oferece uma base sólida, mas é genérico e carece do conhecimento específico de domínio que seu banco de dados KQL possui.

Para melhorar a capacidade do Copilot de gerar consultas KQL precisas e complexas para seus cenários específicos, crie um banco de dados de Fotos Privadas.

Essa abordagem permite incluir consultas KQL avançadas que abordam os requisitos exclusivos da sua equipe. Por exemplo, consultas que usam: - semântica de grafo, - análise de série temporal, - detecção de anomalias - ou funções armazenadas definidas em seu banco de dados KQL.

As Capturas Privadas são publicadas automaticamente a partir de conjuntos de consultas KQL e painéis em tempo real. Quando você salva esses artefatos, as consultas KQL que eles contêm são publicadas no banco de dados Private Shots, melhorando a capacidade do Copilot de gerar consultas alinhadas com seus dados e casos de uso.

Note

  • Depois de salvar os artefatos de Fotos Privadas, pode levar alguns minutos para que eles sejam publicados e disponíveis para o Copilot usar.
  • Somente o KQL é obrigatório. O LLM gera a descrição da linguagem natural. Você pode adicionar uma breve descrição incluindo um comentário prévio anexado ao KQL.
  • As consultas KQL são verificadas quanto à sintaxe válida. Somente consultas válidas são adicionadas ao banco de dados Private Shots.
  • Copilot usa apenas Imagens Privadas acessíveis ao usuário. Se você não tiver permissão para exibir um painel ou conjunto de consultas específico, Copilot não usará capturas desses artefatos.
  • As consultas KQL geradas por Copilot e inseridas no conjunto de consultas com o botão Copy to Editor incluem uma linha de comentário: // This KQL query was generated by AI:. Essas consultas não são publicadas no banco de dados Private Shots. Para incluí-los, remova esse comentário mantendo o comentário subsequente que contém o prompt do usuário.

Limitações

As seguintes limitações se aplicam a Copilot em Real-Time Intelligence:

  • Copilot não pode modificar consultas KQL existentes no editor de consultas. Se você pedir ao painel de chat Copilot para editar uma parte específica de uma consulta existente, ela não funcionará. No entanto, o Copilot entende as entradas anteriores no painel de chat, para que você possa iterar em consultas geradas pelo Copilot antes da inserção.
  • O Copilot pode produzir resultados imprecisos quando a intenção é avaliar dados. Copilot só tem acesso ao esquema de banco de dados e não tem acesso aos dados em si.
  • As respostas do Copilot podem incluir conteúdo impreciso ou de baixa qualidade. Revise as saídas antes de usá-las em seu trabalho.
  • As pessoas que podem avaliar significativamente a precisão e a adequação do conteúdo devem examinar as saídas.
  • O painel de chat Copilot em bancos de dados KQL não está disponível quando Link Privado está habilitado e o Acesso Público está desabilitado na configuração do locatário.

IA responsável

Para ver as diretrizes da Microsoft para IA responsável na Inteligência em Tempo Real, consulte Privacidade, segurança e uso responsável do Copilot para Inteligência em Tempo Real.

Microsoft está comprometida em garantir que os princípios AI e o Responsible AI Standard orientar os sistemas de IA. Esses princípios incluem capacitar os clientes a usar esses sistemas de forma eficaz e alinhada com seus usos pretendidos.

Conteúdo relacionado

  • Last updated on