Конфиденциальность, безопасность и ответственное использование Copilot в рабочей нагрузке обработки и анализа данных

Статья
2025-04-18

В этой статье вы узнаете, как работает Microsoft Copilot для обработки и анализа данных, как обеспечить безопасность и соответствие бизнес-данным требованиям к конфиденциальности, а также о том, как ответственно использовать генерированный ИИ. Общие сведения об этих разделах для Copilot в Fabric см. в разделе "Конфиденциальность, безопасность и ответственность за использование Copilot (предварительная версия)".

С помощью Copilot для обработки и анализа данных в Microsoft Fabric и других функций создания ИИ в предварительной версии Microsoft Fabric предлагает новый способ преобразования и анализа данных, создания аналитических сведений и отчетов в области обработки и анализа данных и других рабочих нагрузок.

См. соображения и ограничения в Limitations.

Использование данных Copilot для обработки и анализа данных

В записных книжках Copilot может получить доступ только к данным, доступным для текущей записной книжки пользователя, в подключенном Lakehouse или данных, непосредственно загруженных или импортированных в нее пользователем. В записных книжках Copilot не может получить доступ к данным, недоступным для записной книжки.
По умолчанию Copilot имеет доступ к следующим типам данных:
- Предыдущие сообщения, отправленные этому пользователю в этом сеансе и ответы от Copilot.
- Содержимое ячеек, исполненное пользователем.
- Результаты выполнения ячеек, запущенных пользователем.
- Схемы источников данных в записной книжке.
- Пример данных из источников данных в блокноте.
- Схемы из внешних источников данных в подключенном озерохранилище.

Оценка Copilot для обработки и анализа данных

Команда по продукту проверила Copilot, чтобы узнать, насколько хорошо система выполняется в контексте записных книжек, и является ли ответы ИИ аналитическими и полезными.
Команда также вложила средства в другие меры по снижению ущерба, включая технологические подходы к сосредоточению результатов работы Copilot на темах, связанных с обработкой данных в области науки о данных.

Советы по работе с Copilot для обработки и анализа данных

Copilot лучше всего оснащен для обработки тем обработки и анализа данных, поэтому ограничьте свои вопросы к этой области.
Ясно опишите данные, которые вы хотите, чтобы Copilot проверил. Если вы описываете ресурс данных , например, именовав файлы, таблицы или столбцы. Copilot может скорее получить соответствующие данные и создать полезные выходные данные.
Чтобы получить более подробные ответы, загрузите данные в ноутбук в виде DataFrame или закрепите данные в лейкхаусе. Это дает Copilot больше контекста для выполнения анализа. Если актив слишком велик для загрузки, его закрепление — полезная альтернатива.

Агент данных Fabric: часто задаваемые вопросы по ответственному ИИ

Что такое агент данных Fabric?

Агент данных — это новая функция Microsoft Fabric, которая позволяет создавать собственные системы беседы Q&A с помощью генерируемого искусственного интеллекта. Агент данных Fabric делает аналитику данных более доступной и доступной для всех пользователей в организации. С помощью агента данных Fabric ваша команда может беседовать с простыми вопросами на английском языке, о данных, хранящихся в Fabric OneLake, а затем получать соответствующие ответы. Даже люди без технического опыта в ИИ или без глубокого понимания структуры данных могут получать точные и контекстные ответы.

Что может сделать агент данных?

Агент данных Fabric позволяет взаимодействовать с структурированными данными на естественном языке, позволяя пользователям задавать вопросы и получать подробные ответы с учетом контекста. Он позволяет пользователям подключаться и получать аналитические сведения из таких источников данных, как Lakehouse, Warehouse, набор данных Power BI, базы данных KQL без необходимости записывать сложные запросы. Агент данных предназначен для упрощения доступа пользователей к данным и обработки данных, повышая принятие решений через диалоговые интерфейсы, сохраняя контроль над безопасностью и конфиденциальностью данных.

Каковы предполагаемые способы использования агента данных?

Агент данных предназначен для упрощения процесса запроса данных. Он позволяет пользователям взаимодействовать со структурированными данными с помощью естественного языка. Он поддерживает аналитику пользователей, принятие решений и создание ответов на сложные вопросы без необходимости специальных знаний о языке запросов. Агент данных особенно полезен для бизнес-аналитиков, разработчиков решений и других нетехнических пользователей, которым требуются быстрые, практические аналитические сведения из данных, хранящихся в таких источниках, как база данных KQL, Lakehouse, набор данных Power BI и ресурсы хранилища.
Агент данных не предназначен для вариантов использования, когда требуются детерминированные и 100% точные результаты из-за текущих ограничений LLM.
Агент данных не предназначен для вариантов использования, требующих глубокой аналитики или причинной аналитики. Например, "почему номера продаж упали в прошлом месяце?" находится вне текущей области.

Как оценивался агент данных? Какие метрики используются для измерения производительности?

Команда по продукту проверила агент данных на различных общедоступных и частных тестах, чтобы определить качество запроса для различных источников данных. Команда также инвестировала в другие способы устранения вреда, включая технологические подходы, чтобы гарантировать, что выходные данные агента данных ограничены контекстом выбранных источников данных.

Каковы ограничения агента данных? Как пользователи могут свести к минимуму влияние ограничений агента данных при использовании системы?

Убедитесь, что используются описательные имена столбцов. Вместо имен столбцов C1 или ActCu (например, используйте ActiveCustomer или IsCustomerActive). Это самый эффективный способ получить более надежные запросы из ИИ.
Чтобы повысить точность агента данных Fabric, можно предоставить больше контекста с инструкциями агента данных и примерами запросов. Эти входные данные помогают API Ассистента Azure OpenAI, который управляет агентом данных Fabric, принимать более лучшие решения о том, как интерпретировать вопросы пользователя и какой источник данных наиболее подходит для использования.
Инструкции агента данных можно использовать для руководства по поведению базового агента, помогая ему определить лучший источник данных для ответа на определенные типы вопросов.
Вы также можете предоставить примеры пар вопросов и запросов, чтобы продемонстрировать, как агент данных Fabric должен реагировать на распространенные запросы. Эти примеры служат шаблонами для интерпретации аналогичных входных данных пользователей и создания точных результатов. Примеры пар запросов к вопросу в настоящее время не поддерживаются для источников данных семантической модели Power BI.
Полный список текущих ограничений агента данных см. в этом ресурсе .

Какие операционные факторы и параметры позволяют эффективно и ответственно использовать агент данных Fabric?

Агент данных может получить доступ только к предоставленным данным. Она использует схему (имя таблицы и имя столбца), а также инструкции агента по обработке данных и примеры запросов, которые вы предоставили в пользовательском интерфейсе или через пакет SDK.
Агент данных может получить доступ только к данным, к которым пользователь может получить доступ. При использовании агента данных учетные данные используются для доступа к базовой базе данных. Если у вас нет доступа к базовым данным, агент данных не может получить доступ к этим базовым данным. Это верно при использовании агента данных в разных каналах, например Azure AI Foundry или Microsoft Copilot Studio, где другие пользователи могут использовать агент данных.