แชร์ผ่าน

แนวคิดเกี่ยวกับทักษะ AI (ตัวอย่าง)

  • บทความ

ทักษะ AI เป็นคุณลักษณะใหม่ของ Microsoft Fabric ที่ช่วยให้คุณสามารถสร้างระบบ Q&A แบบการสนทนาของคุณเองโดยใช้ AI ที่สร้างขึ้น ทักษะ AI ทําให้ข้อมูลเชิงลึกสามารถเข้าถึงได้มากขึ้นและดําเนินการได้สําหรับทุกคนในองค์กรของคุณ ด้วยทักษะ AI ทีมของคุณสามารถสนทนาด้วยคําถามภาษาอังกฤษแบบธรรมดาเกี่ยวกับข้อมูลที่องค์กรของคุณจัดเก็บไว้ใน Fabric OneLake และรับคําตอบที่เกี่ยวข้องแล้ว ด้วยวิธีนี้ แม้แต่ผู้ที่ไม่มีความเชี่ยวชาญด้านเทคนิคใน AI หรือความเข้าใจในโครงสร้างข้อมูลอย่างลึกซึงก็สามารถรับคําตอบที่แม่นยําและเต็มไปด้วยบริบทได้

คุณยังสามารถเพิ่มคําแนะนํา ตัวอย่าง และคําแนะนําเฉพาะขององค์กรเพื่อปรับแต่งทักษะ AI ได้ ซึ่งทําให้แน่ใจได้ว่าการตอบสนองสอดคล้องกับความต้องการและเป้าหมายขององค์กรของคุณ ช่วยให้ทุกคนสามารถมีส่วนร่วมกับข้อมูลได้อย่างมีประสิทธิภาพมากขึ้น ทักษะ AI ส่งเสริมวัฒนธรรมของการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลเนื่องจากช่วยลดอุปสรรคในการช่วยสําหรับการเข้าถึงข้อมูลเชิงลึก ช่วยอํานวยความสะดวกในการทํางานร่วมกัน และช่วยให้องค์กรของคุณดึงค่าที่มากขึ้นจากข้อมูล

สำคัญ

คุณลักษณะนี้อยู่ในตัวอย่าง

ข้อกําหนดเบื้องต้น

วิธีการทํางานของทักษะ AI

ทักษะ AI ใช้แบบจําลองภาษาขนาดใหญ่ (LLMs) เพื่อช่วยให้ผู้ใช้โต้ตอบกับข้อมูลของตนเองได้อย่างเป็นธรรมชาติ ทักษะ AI ใช้ Azure OpenAI Assistant API และทํางานเหมือนตัวแทน ซึ่งจะประมวลผลคําถามของผู้ใช้ กําหนดแหล่งข้อมูลที่เกี่ยวข้องมากที่สุด (เลคเฮ้าส์, คลังสินค้า, ชุดข้อมูล Power BI, ฐานข้อมูล KQL) และเรียกใช้เครื่องมือที่เหมาะสมเพื่อสร้าง ตรวจสอบ และดําเนินการคิวรี ผู้ใช้สามารถถามคําถามด้วยภาษาธรรมดาและรับคําตอบที่มีโครงสร้างซึ่งสามารถอ่านได้โดยไม่ต้องเขียนคิวรีที่ซับซ้อนและรับรองการเข้าถึงข้อมูลที่ถูกต้องและปลอดภัย

นี่คือวิธีการทํางานโดยละเอียด:

การแยกวิเคราะห์คําถาม & การตรวจสอบ: ทักษะ AI ใช้ Azure OpenAI Assistant API เป็นตัวแทนพื้นฐานในการประมวลผลคําถามของผู้ใช้ วิธีนี้ช่วยให้มั่นใจได้ว่าคําถามนั้นเป็นไปตามข้อกําหนดของโปรโตคอลความปลอดภัย นโยบาย AI (RAI) ที่รับผิดชอบ และสิทธิ์ของผู้ใช้ ทักษะ AI บังคับใช้การเข้าถึงแบบอ่านอย่างเดียวอย่างเคร่งครัด รักษาการเชื่อมต่อข้อมูลแบบอ่านอย่างเดียวไปยังแหล่งข้อมูลทั้งหมด

การระบุแหล่งข้อมูล : ทักษะ AI ใช้ข้อมูลประจําตัวของผู้ใช้ในการเข้าถึง Schema ของแหล่งข้อมูล ซึ่งทําให้แน่ใจว่าระบบดึงข้อมูลที่มีโครงสร้างข้อมูลที่ผู้ใช้มีสิทธิ์ในการดู จากนั้นจะประเมินคําถามของผู้ใช้กับแหล่งข้อมูลที่มีอยู่ทั้งหมด รวมถึงฐานข้อมูลเชิงสัมพันธ์ (Lakehouse และ Warehouse), ชุดข้อมูล Power BI (แบบจําลองความหมาย) และฐานข้อมูล KQL นอกจากนี้ยังอาจอ้างอิงคําแนะนํา AI ที่ผู้ใช้ระบุเพื่อกําหนดแหล่งข้อมูลที่เกี่ยวข้องมากที่สุด

การเรียกใช้เครื่องมือ & Query Generation: เมื่อมีการระบุแหล่งข้อมูลหรือแหล่งข้อมูลที่ถูกต้องแล้ว ทักษะ AI จะตอบคําถามเพื่อความชัดเจนและโครงสร้าง จากนั้นจะเรียกใช้เครื่องมือที่เกี่ยวข้องเพื่อสร้างคิวรีที่มีโครงสร้าง:

  • ภาษาธรรมชาติไปยัง SQL (NL2SQL) สําหรับฐานข้อมูลเชิงสัมพันธ์ (เลคเฮ้าส์/คลังสินค้า)
  • ภาษาธรรมชาติไปยัง DAX (NL2DAX) สําหรับชุดข้อมูล Power BI (แบบจําลองความหมาย)
  • ภาษาธรรมชาติไปยัง KQL (NL2KQL) สําหรับฐานข้อมูล KQL

เครื่องมือที่เลือกจะสร้างคิวรีตามสคีมา เมตาดาต้า และบริบทที่ให้มา ซึ่งถูกส่งผ่านโดยตัวแทนพื้นฐานของทักษะ AI

Query Validation: เครื่องมือนี้ดําเนินการตรวจสอบความถูกต้องเพื่อให้แน่ใจว่าการคิวรีถูกสร้างขึ้นอย่างถูกต้องและยึดตามโพรโทคอลความปลอดภัยและนโยบาย RAI ของตนเอง

การตอบสนอง & การดําเนินการคิวรี:: เมื่อได้รับการตรวจสอบแล้ว ทักษะ AI จะดําเนินการคิวรีกับแหล่งข้อมูลที่เลือก ผลลัพธ์ถูกจัดรูปแบบให้เป็นการตอบสนองที่มนุษย์สามารถอ่านได้ ซึ่งอาจรวมถึงข้อมูลที่มีโครงสร้าง เช่น ตาราง สรุป หรือข้อมูลเชิงลึกที่สําคัญ

วิธีนี้ช่วยให้ผู้ใช้สามารถโต้ตอบกับข้อมูลของพวกเขาโดยใช้ภาษาธรรมชาติในขณะที่ทักษะ AI จัดการกับความซับซ้อนของการสร้างคิวรี การตรวจสอบความถูกต้อง และการดําเนินการทั้งหมดโดยไม่ต้องให้ผู้ใช้เขียน SQL, DAX หรือ KQL ด้วยตนเอง

การกําหนดค่าทักษะ AI

การกําหนดค่าทักษะ AI คล้ายกับการสร้างรายงาน Power BI คุณเริ่มต้นด้วยการออกแบบและปรับแต่งเพื่อให้แน่ใจว่าตรงกับความต้องการของคุณ จากนั้นเผยแพร่และแชร์กับเพื่อนร่วมงานเพื่อให้พวกเขาสามารถโต้ตอบกับข้อมูลได้ การตั้งค่าทักษะ AI เกี่ยวข้องกับ:

การเลือกแหล่งข้อมูล: ทักษะ AI สนับสนุนแหล่งข้อมูลสูงสุดห้าแหล่งในทุกการผสมผสาน รวมถึง lakehouses คลังสินค้า ฐานข้อมูล KQL และแบบจําลองความหมายของ Power BI ตัวอย่างเช่น ทักษะ AI ที่กําหนดค่าไว้สามารถมีแบบจําลองความหมายของ Power BI ได้ห้าแบบจําลอง ซึ่งอาจรวมถึงการผสมผสานของสองแบบจําลองความหมาย Power BI, เลคเฮ้าส์หนึ่งและฐานข้อมูล KQL หนึ่งฐานข้อมูล คุณมีตัวเลือกมากมายที่พร้อมใช้งาน

เลือกตารางที่เกี่ยวข้อง: หลังจากที่คุณเลือกแหล่งข้อมูล คุณต้องเพิ่มทีละรายการและกําหนดตารางเฉพาะจากแต่ละแหล่งที่มาที่ทักษะ AI จะใช้ ขั้นตอนนี้ทําให้แน่ใจว่าทักษะ AI ดึงผลลัพธ์ที่ถูกต้องโดยมุ่งเน้นเฉพาะข้อมูลที่เกี่ยวข้องเท่านั้น

การเพิ่มบริบท : เพื่อปรับปรุงความแม่นยําของทักษะ AI คุณสามารถให้บริบทเพิ่มเติมผ่านคําแนะนํา AI และคิวรีตัวอย่างได้ ในฐานะตัวแทนเบื้องต้นสําหรับทักษะ AI บริบทนี้ช่วยให้ Azure OpenAI Assistant API ทําการตัดสินใจอย่างชาญฉลาดเกี่ยวกับวิธีการประมวลผลคําถามของผู้ใช้ และพิจารณาว่าแหล่งข้อมูลใดเหมาะสมที่สุดสําหรับการตอบคําถามเหล่านั้น

  • คําแนะนําของ AI: คุณสามารถเพิ่มคําแนะนําเพื่อแนะนําตัวแทนที่สนับสนุนทักษะ AI ในการกําหนดแหล่งข้อมูลที่ดีที่สุดเพื่อตอบคําถามบางประเภท คุณยังสามารถกําหนดกฎหรือข้อกําหนดแบบกําหนดเองที่เข้าใจคําศัพท์ขององค์กรหรือข้อกําหนดเฉพาะได้ คําแนะนําเหล่านี้สามารถให้บริบทหรือการตั้งค่าที่มีผลต่อวิธีการที่ตัวแทนเลือกและคิวรีแหล่งข้อมูล

    • คําถามโดยตรงเกี่ยวกับ เมตริกทางการเงิน ไปยังแบบจําลองความหมายของ Power BI
    • กําหนดคิวรีที่เกี่ยวข้องกับการสํารวจข้อมูลดิบ ให้กับเลคเฮ้าส์
    • คําถามเกี่ยวกับเส้นทางที่ต้องใช้ การวิเคราะห์บันทึก ไปยังฐานข้อมูล KQL

  • ตัวอย่างคิวรี: คุณสามารถเพิ่มคู่คําถามตัวอย่างเพื่อแสดงให้เห็นว่าทักษะ AI ควรตอบสนองต่อคิวรีทั่วไปอย่างไร ตัวอย่างเหล่านี้ทําหน้าที่เป็นแนวทางสําหรับตัวแทนซึ่งช่วยให้เข้าใจวิธีการตีความคําถามที่คล้ายกันและสร้างคําตอบที่ถูกต้อง

โน้ต

การเพิ่มคู่คิวรี/คําถามตัวอย่างยังไม่ได้รับการสนับสนุนสําหรับแหล่งข้อมูลแบบจําลองเชิงความหมายของ Power BI ในขณะนี้

ด้วยการรวมคําแนะนํา AI ที่ชัดเจนและคิวรี่ตัวอย่างที่เกี่ยวข้อง คุณจะสามารถปรับทักษะ AI ให้สอดคล้องกับความต้องการด้านข้อมูลขององค์กรของคุณเพื่อให้มั่นใจว่าการตอบกลับที่ถูกต้องและเป็นไปตามบริบทมากขึ้น

ความแตกต่างระหว่างทักษะ AI และนักบิน

ในขณะที่ทั้งทักษะ AI และ Fabric copilots ใช้ AI ที่ก่อให้เกิดการประมวลผลและเหตุผลในข้อมูล แต่ความแตกต่างที่สําคัญในด้านการทํางานและกรณีการใช้งาน:

การกําหนดค่าความยืดหยุ่น: ทักษะ AI สามารถกําหนดค่าได้สูง คุณสามารถให้คําแนะนําแบบกําหนดเองและตัวอย่างเพื่อปรับแต่งลักษณะการทํางานให้เข้ากับสถานการณ์ที่เฉพาะเจาะจง ในทางกลับกัน Fabric copilots มีการกําหนดค่าล่วงหน้าและพวกเขาไม่มีระดับการปรับแต่งนี้

ขอบเขตและกรณีการใช้งาน: Copilots Fabric ถูกออกแบบมาเพื่อช่วยงานภายใน Microsoft Fabric เช่น การสร้างรหัสสมุดบันทึกหรือคิวรี่คลังสินค้า ในทางตรงกันข้ามทักษะ AI เป็นวัตถุแบบสแตนด์อโลน เพื่อให้ทักษะ AI มีความยืดหยุ่นมากขึ้นสําหรับกรณีการใช้งานที่กว้างขึ้น พวกเขาสามารถรวมเข้ากับระบบภายนอกเช่น Microsoft Copilot Studio, Azure AI Foundry, Microsoft Teams หรือเครื่องมืออื่น ๆ ภายนอก Fabric ได้

การประเมินทักษะ AI

คุณภาพและความปลอดภัยของการตอบสนองทักษะ AI ได้ผ่านการประเมินที่เข้มงวด:

Benchmark Test: ทีมผลิตภัณฑ์ได้ทดสอบทักษะด้าน AI ในชุดข้อมูลสาธารณะและส่วนตัวเพื่อให้แน่ใจในการตอบสนองที่มีคุณภาพสูงและแม่นยํา

การลดอันตรายที่เพิ่มขึ้น: จะมีการป้องกันเพิ่มเติมเพื่อให้แน่ใจว่าผลลัพธ์ของทักษะ AI ยังคงมุ่งเน้นไปที่บริบทของแหล่งข้อมูลที่เลือกเพื่อลดความเสี่ยงของคําตอบที่ไม่เกี่ยวข้องหรือเข้าใจผิด

ข้อจำกัด

ทักษะของ AI อยู่ในการแสดงตัวอย่างสาธารณะและมีข้อจํากัด การอัปเดตจะช่วยปรับปรุงทักษะ AI เมื่อเวลาผ่านไป

  • ทักษะ AI สามารถดึงข้อมูลโดยการสร้างคิวรีที่มีโครงสร้าง (SQL, DAX หรือ KQL) สําหรับคําถามที่เกี่ยวข้องกับข้อเท็จจริง ผลรวม การจัดอันดับ หรือตัวกรอง อย่างไรก็ตาม จะไม่สามารถตีความแนวโน้ม ให้คําอธิบาย หรือวิเคราะห์สาเหตุพื้นฐานได้
  • ทักษะ AI สร้างคิวรี SQL/DAX/KQL "อ่าน" เท่านั้น ซึ่งไม่ได้สร้างคิวรี SQL/DAX/KQL ที่สร้าง อัปเดต หรือลบข้อมูล
  • ทักษะ AI สามารถเข้าถึงข้อมูลที่คุณให้ไว้เท่านั้น ซึ่งใช้การกําหนดค่าทรัพยากรข้อมูลที่คุณระบุเท่านั้น
  • ทักษะ AI มีสิทธิ์ในการเข้าถึงข้อมูลที่ตรงกับสิทธิ์ที่มอบให้กับผู้ใช้ที่มีการโต้ตอบกับทักษะ AI นี่เป็นความจริงเมื่อมีการเผยแพร่ทักษะ AI ไปยังสถานที่อื่น ๆ เช่น Microsoft Copilot Studio, Azure AI Foundry และ Microsoft Teams
  • คุณไม่สามารถเพิ่มแหล่งข้อมูลมากกว่าห้าแหล่งให้กับทักษะ AI ได้
  • คุณไม่สามารถใช้ทักษะ AI เพื่อเข้าถึงแหล่งข้อมูลที่ไม่มีโครงสร้างได้ แหล่งข้อมูลเหล่านี้รวมถึงไฟล์.pdf, .docx หรือ.txt เป็นต้น
  • ทักษะ AI จะบล็อกคําถามหรือคําแนะนําที่ไม่ใช่ภาษาอังกฤษ
  • คุณไม่สามารถเปลี่ยน LLM ที่ทักษะ AI ใช้ได้
  • คุณไม่สามารถเพิ่มฐานข้อมูล KQL เป็นแหล่งข้อมูลได้ถ้ามีมากกว่า 1,000 ตารางหรือตารางใด ๆ ที่มีมากกว่า 100 คอลัมน์
  • คุณไม่สามารถเพิ่มแบบจําลองความหมาย Power BI เป็นแหล่งข้อมูลได้หากมีคอลัมน์และหน่วยวัดมากกว่า 100 รายการ
  • ทักษะของ AI ทํางานได้ดีที่สุดกับ 25 ตารางหรือน้อยกว่าที่เลือกในแหล่งข้อมูลทั้งหมด
  • คอลัมน์ทรัพยากรข้อมูลที่ไม่ได้อธิบายและชื่อตารางมีผลกระทบต่อคุณภาพคิวรี SQL/DAX/KQL ที่สร้างขึ้นอย่างมีนัยสําคัญ เราขอแนะนําให้ใช้ชื่อที่เป็นคําอธิบาย
  • การใช้คอลัมน์และตารางมากเกินไปอาจลดประสิทธิภาพการทํางานของทักษะ AI
  • ทักษะ AI ในขณะนี้ออกแบบมาเพื่อจัดการคิวรีอย่างง่าย คิวรีที่ซับซ้อนที่จําเป็นต้องมีการรวมจํานวนมากหรือตรรกะที่ซับซ้อนมีแนวโน้มที่จะมีความน่าเชื่อถือต่ํากว่า
  • ถ้าคุณเพิ่มแบบจําลองความหมายของ Power BI เป็นแหล่งข้อมูล ทักษะ AI จะไม่ใช้ตาราง คอลัมน์ หรือหน่วยวัดที่ซ่อนไว้ใดๆ
  • หากคุณเคยสร้างทักษะ AI ที่ใช้คลังเป็นแหล่งข้อมูลและคลังสินค้าอยู่ในพื้นที่ทํางานที่ไม่โฮสต์ทักษะ AI นั้น คุณอาจพบข้อผิดพลาดได้ เมื่อต้องการแก้ไขปัญหานี้ ให้ลบแหล่งข้อมูลที่มีอยู่และเพิ่มอีกครั้ง
  • หากต้องการเพิ่มแบบจําลองความหมายของ Power BI เป็นแหล่งข้อมูลสําหรับทักษะ AI คุณจําเป็นต้องมีสิทธิ์ในการอ่าน/เขียนสําหรับแบบจําลองความหมายของ Power BI นั้น การคิวรีทักษะ AI ที่ใช้แบบจําลองความหมายของ Power BI ยังจําเป็นต้องให้คุณมีสิทธิ์ในการอ่าน/เขียนสําหรับแบบจําลองความหมาย Power BI พื้นฐาน
  • ทักษะ AI อาจส่งกลับคําตอบที่ไม่ถูกต้อง คุณควรทดสอบทักษะ AI กับเพื่อนร่วมงานของคุณเพื่อตรวจสอบว่าสามารถตอบคําถามได้ตามที่คาดไว้ หากเกิดข้อผิดพลาด ให้แสดงตัวอย่างและคําแนะนําเพิ่มเติม
  • หากคุณสร้างและเผยแพร่ทักษะ AI ก่อนหน้านี้และคุณใช้ URL ทางโปรแกรม URL จะไม่ทํางานอีกต่อไปหากคุณเปิดทักษะ AI ในหน้าส่วนต่อประสานผู้ใช้ใหม่ของ AI skill เพื่อแก้ไขปัญหานี้ คุณต้องเผยแพร่ทักษะ AI อีกครั้งและใช้ URL ใหม่ตาม Assistants API

เนื้อหาที่เกี่ยวข้อง