セマンティック モデルで Copilot を使用する

この記事は、セマンティック モデルに Power BI で Copilot エクスペリエンスを使用する際に役立ちます。

Microsoft Fabric の Copilot は、Power BI ワークロードを含む Fabric プラットフォームのデータ分析エクスペリエンスを強化することを目的とした生成 AI アシスタントです。 Power BI で Copilot を使用すると、セルフサービス ユーザーとエンタープライズ ユーザーの両方によるセマンティック モデルの開発と使用の両方をサポートできます。 効果的に使用すると、Copilot はアナリストとビジネス ユーザーの両方をサポートして生産性を向上させ、セマンティック モデルからより多くの価値を得ることができます。

ただし、Power BI でセマンティック モデルで Copilot を使用するには、まずデータ、セマンティック モデル、およびユーザーを準備する必要があります。 これらの要素を準備しないと、Copilot は主に、不適切または誤解を招く可能性がある低品質で不正確な出力を生成します。 次のセクションでは、Power BI で Copilot を使用して、使用可能な Copilot エクスペリエンスを使用してセマンティック モデルを開発または使用する方法について説明します。

Copilot の助けを借りてセマンティック モデルを開発する

Power BI でセマンティック モデルを開発する場合は、Copilot を使用して、特定のタスクの効率と利便性を向上させます。 通常、このプロセスでは、Copilot を利用して冗長な変更や繰り返しの変更 (メジャーの説明の生成など) を効率化したり、困難なモデル設計や DAX (DAX クエリ ビューで Copilot を使用して DAX の概念を説明したり、DAX クエリを生成したりするなど) に取り組んだり理解したりするのに役立ちます。

次のセクションでは、セマンティック モデルを作成する Power BI 開発者またはアナリストが、Power BI のさまざまな Copilot エクスペリエンスを活用する方法について説明します。

セマンティック モデルに関するデータの質問

セマンティック モデルを開発するときは、多くの場合、データを探索してクエリを実行する必要があります。 通常は、Power Query エディター、レポート キャンバス、DAX クエリの組み合わせを使用します。 ただし、Copilot チャット ウィンドウを使用して、モデルとその内容に関するデータの質問をすることもできます。 一般に、データの質問は消費エクスペリエンスの方が多く、ビジネス ユーザーはレポートで回答が見つからない場合にデータに関する質問をすることができます。 ただし、開発者はこの機能を使用して、データを探索したり、モデルで Copilot がどのように実行されるかを検証したりできます。

次の図は、セマンティック モデルについて Copilot にデータの質問をするユーザーの例を示しています。 その画像には、2023年のオーストラリア販売地域の利益 % はいくらだったかという質問 が示されています。

活用事例

Copilot を使用して、次のユース ケースについてデータに関する質問をします。

• モデル内のデータを調べる: 開発者は、 データ 質問エクスペリエンスを使用して、Copilot を使用してモデル内のデータを探索できます。 ただし、レポート キャンバスにビジュアルを追加するか、DAX クエリを使用して、データを探索する方が効率的である可能性があります。 これは、モデルを変更するたびにレポートビジュアルが自動的に更新されるためですが、Copilot チャット ウィンドウのデータの質問に対する回答は静的であり、Copilot チャット ウィンドウを閉じるたびに消えます。 さらに、Copilot によって生成されたビジュアルには、Power BI Desktop で自分で作成できないビジュアル固有のフィルターを含めることができます。 これらのフィルターは、誤解を招いたり、調査するのが面倒な場合があります。

• セマンティック モデルを使用するための Copilot の使用を検証します 。開発者は、 データ 質問エクスペリエンスを使用して、Copilot の消費エクスペリエンスがセマンティック モデルでどのように実行されるかを理解し、テストする必要があります。 これは、セマンティック モデルを開発するときに データの質問を 使用するための主なユース ケースです。 このユース ケースを使用すると、開発者はセマンティック モデルに変更を加え、より有用な出力を生成するために Copilot をより適切にサポートできます。

メリット

開発者は、 データの質問 を使用して、Power BI で Copilot を使用してセマンティック モデルを使用するビジネス ユーザーのエクスペリエンスを理解できます。 ビジネス ユーザーが Copilot を使用してセマンティック モデルを使用する場合、このテストは不可欠です。

エクスペリエンスの詳細

データに関する質問をする体験は、次の領域で Fabric プロセスにおける標準的な Copilot とは異なります。 この概要は、セマンティック モデルの開発と消費の両方においてデータに関する質問体験の使用に適用されます。

• インプット： ユーザーは、質問をしたり、セマンティック モデルに特定の情報を要求したりするプロンプトを書きます。

• データの前処理と接地: Copilot は、モデル スキーマからグラウンド データを取得します。 スキーマの削減を実行して、コンテキストを最も重要なものに制限しようとします。 コンテキストとして、Copilot は、Copilot 出力の有用性と特定性を向上させるために、次の情報を受け取ります。

  • 現在のレポート ページ上にある任意のレポート メタデータ。 関連するレポート メタデータがある場合、Power BI の Copilot は、モデルではなくレポートからのデータの質問に回答します。
  • 現在のセッションでの Copilot との会話。 この会話には、以前の質問と出力が含まれます。これには、Copilot が以前に回答したデータの質問からのデータ ポイントが含まれます。
  • セマンティック モデル スキーマ。テーブル、行、列、メジャー、およびその他のオブジェクト (リレーションシップ、計算グループなど) が含まれます。
  • 完全なモデル言語スキーマ。
  • 説明、データ型、書式指定文字列、データ カテゴリなど、特定のセマンティック モデルプロパティ。

  次の情報は除外されます。

  • 非表示になっているレポート ページ。
  • 非表示になっているモデル内の任意のフィールド (メジャーまたは列)。
  • プライベートとしてマークされているモデル内の任意のテーブル。

• アウトプット： Copilot が提供する出力には、いくつかの部分が含まれています。

  • ビジュアル： Copilot は、カード、折れ線グラフ、テーブルなどの Power BI ビジュアルをレンダリングすることで、データの質問に回答します。 Copilot は、ユーザーがプロンプトで制御または要求できないビジュアルとその書式設定を選択します。 基になるモデル、DAX、またはデータが最適化されていない場合、または複雑すぎる場合は、ビジュアルがタイムアウトになる可能性があります。
  • 概要： Copilot はクエリ結果を要約します。 この概要は、セマンティック クエリの結果を Azure OpenAI (データ ポイントを含む) に送信し、自然言語の説明を要求することによって生成されます。
  • エラーまたは明確化要求: Copilot が応答を生成できない場合は、一般的なエラー メッセージが返される可能性があります。 このエラー メッセージには、ユーザーの元のデータの質問の提案されたバリエーションを含む、明確化の要求が含まれる場合があります。

Copilot の出力を改善するためのヒント

Copilot は、データの質問に対する不適切な回答を含め、不正確または低品質の出力を生成する可能性があります。 多くの場合、誤った回答は、ユーザーの間違いやモデルの問題から生じます。 間違った、または予期しない Copilot 出力の確率を下げるには、ユーザー プロンプトとデータ モデルの設計に対処します。

ユーザーは、不適切なプロンプトを記述することによってのみ、実際には間違った結果を生成できます。 不適切なプロンプトの例を次に示します。

• あいまいまたは不完全なプロンプト: 目的の出力を不正確または不完全に記述した場合、またはプロンプトであいまいな言語を使用した場合、Copilot は有用な結果を生成する可能性が低くなります。 プロンプトを記述するときは、目的の結果を示すために、できるだけ具体的でわかりやすいものにしてください。

• 正しくないプロンプト: メジャー、列、またはテーブル名を参照するときにスペル ミスを行った場合、Copilot が正しいフィールドを参照していない可能性があります。 プロンプトを記述するときは、プロンプトでメンションしたフィールドがセマンティック モデル スキーマのフィールドを正しく参照していることを確認します。 この規則には、省略形、頭字語、または過度の句読点の回避が含まれます。 シノニムを使用してフィールドを参照することもできますが、特定のフィールドで使用できるシノニムを検証する方法はありません (データ ペインのメジャーまたは列にカーソルを合わせると説明を表示する方法など)。

• 過剰または不適切な接地データ: Copilot チャット ウィンドウを介してプロンプトを送信すると、Copilot は、そのセッションのチャット履歴を前処理中にグラウンド データとして受け取ります。 そのチャット履歴に伴う内容によっては、異なる結果や予期しない結果が得られる場合があります。 プロンプトを記述するときは、以前のプロンプトと出力がグラウンド データとして使用されることを考慮してください。 この問題を回避するには、Copilot ボタンを選択して Copilot チャット ウィンドウを閉じて再度開き、新しいプロンプトを送信する前にチャット履歴をクリアします。

次の図は、ユーザー プロンプトが不適切なため、Copilot からの出力が正しくない例を示しています。

次のプロンプトが画像に示されています：2023 年のオーストラリア販売地域の利益 % はいくらでしたか？ 出力では、Copilot は利益をパーセンテージではなく値として返します。 この場合、ユーザーは(パーセント記号を使用するのではなく)利益をパーセンテージで望むようにより明確に指定することで、Copilotからより良い結果を得ることができました。

ユーザー プロンプトとは別に、[ データの質問 ] エクスペリエンスでは、基になるセマンティック モデルの品質または組織が原因で、不適切な結果や予期しない結果が生成される可能性もあります。 セマンティック モデルで結果が低い場合の例を次に示します。

• 不適切なモデルの設計または実装: セマンティック モデルが一般的なベスト プラクティス ( スター スキーマ設計など) に従っていない場合は、消費ツールやエクスペリエンスで低い結果が得られる可能性があります。 Power BI と Fabric を最大限に活用するために、常に品質セマンティック モデルに努めます。 Power BI セマンティック モデルを改善するためのその他のヒントとガイダンスについては、 Power BI のデータ モデリング ガイダンスも参照してください。

• 不適切な名前付け規則: フィールドに一貫性のない名前付け規則や過剰な名前付け規則 (頭字語、省略形、句読点など) がある場合、ユーザーはプロンプトを間違える可能性が高くなり、これらのフィールドを参照すると Copilot が混乱します。 Copilot は、テーブル、列、および尺度が人間にとって判読しやすい英語の名前を持っている場合に、最も効果的に機能します。

• モデルの編成が悪い: モデルを整理しないと、Copilot でさらに多くの問題が発生する可能性があります。 モデル編成は、フィールドの説明、列とメジャーの非表示、異なるテーブル間での同じ名前のフィールドの回避など、多くのタスクを含む大規模なトピックです。

• 言語モデリング: セマンティック モデルに言語モデリングが設定されていない場合 (フィールドのシノニムやリレーションシップの動詞を含む)、Copilot が予期しない結果を返す可能性が高くなる可能性があります。 Power BI は、Q&A 機能と同じ言語モデリングに依存しています。 セマンティック モデルの言語モデルを設定すると、セマンティック モデル開発タスクに加えて時間と労力が増えます。 詳細については、「Power BI Q&A をトレーニングするための Q&A ツールの概要」を参照してください。

• モデルの複雑さ: より複雑なモデルでは、フィールド、依存関係、ビジネス ロジックの数が多いほど、Copilot を使用するときに困難が発生する可能性が高くなります。 たとえば、通貨換算や切断されたテーブル ( フィールド パラメーターなど) などの複雑なパターンでは、ユーザーがプロンプトでこれらのフィールドまたはテーブルを参照すると、予期しない、または正しくない結果が発生する可能性があります。 より複雑なモデルでは、Copilot で最適な結果を得るために、特定のモデル設計の決定を検討する必要がある場合があります。 一般に、Copilot でモデルをテストして、一貫して正しく信頼性の高い結果が得られるかどうかを判断する必要があります。 そうでない場合は、セマンティック モデルを使用するために Copilot を使用しないようにユーザーに勧めてみてください。

次の図は、セマンティック モデルの問題による Copilot からの正しくない出力の例を示しています。

この画像は、2023 年にオーストラリアで販売されたユニットの数を示しています。応答では、Copilot は Sales リージョン テーブルの Country 列をフィルター処理するのではなく、Customer テーブルの Country列が "Australia" にフィルター処理されるユニット数を返します。 この場合、ユーザーは販売地域の国を指定するプロンプトを改善できました。 ただし、セマンティック モデル開発者は、Copilot で使用することを意図していない場合、Customer テーブルの Country 列を非表示または名前変更することもできます。 また、Q&A セットアップを使用して、言語モデルの フィールドシノニムのフィールド を無効にすることもできます。

プロンプトやモデルの品質に関係なく、 データの質問 エクスペリエンスを使用すると、Copilot から不正確または低品質の出力を取得できます。 これは、基になるモデル (現在の構成) は非決定的であり、正しい回答や、同じプロンプト、モデル、およびデータを使用して同じ回答を生成することが保証されていないためです。

次の図は、Copilot が不正確または不適切な結果を生成する例を示しています。

この例では、次の画像はプロンプトを示しています。質問: 2024 年に最も高い利益を生み出した国はどれですか。質問: 2023 年に最も高い利益を生み出した国はどれですか?この出力は、モデルに 2024 のデータがないと言った後、Copilot が最初に明確化を求めていることを示しています。 ただし、2024 年の モデルには、 日付テーブルを使用してその年にフィルター処理する場合のデータがあります。 その後、Copilot は、モデル内のマークされた日付テーブルではなく、Customer テーブルから誕生日列をフィルター処理した結果を返します。 ユーザーはより具体的なプロンプトを生成することも、開発者が 誕生日 フィールドを非表示にすることもできますが、この場合、Copilot は期待される結果を生成する必要があります。

この問題を軽減するには、Fabric と Power BI で Copilot から取得した出力を重大に評価し、予期しない結果をトラブルシューティングしたり、Copilot チャット ウィンドウまたはウィンドウを閉じて再度開いて新しいプロンプトを試したりするために何を行うかをユーザーにトレーニングします。

DAX クエリ ビュー

セマンティック モデルを開発するときに、Copilot を使用して DAX クエリ ビューで DAX クエリを生成します。 これらのクエリでは、DAX メジャーを定義することもできます。これにより、セマンティック モデルに追加できます。 また、Copilot を使用して、生成されたクエリまたは自分で作成したクエリで DAX の概念を説明することもできます。

次の図は、DAX クエリの生成を Copilot に求めるユーザーの例を示しています。

この図は、 2023 年の月別の YTD 利益というプロンプトを 示しています。次の図に示すように、ユーザーは Copilot にクエリの説明を依頼できます。

この図は、次のプロンプトを示しています。 この DAX クエリについて説明します。 説明は、Copilot ウィンドウの下部に表示されます。

活用事例

DAX クエリ ビューで Copilot を使用して、次のユース ケースに対応します。

• DAX クエリを生成する: Copilot を使用して DAX クエリを提案します。これは次の場合に使用できます。

  • モデルまたはデータを探索または分析します。
  • モデルまたはデータをテストして検証します。
  • DAX の計算に対する新しいアプローチまたはパターンを試してください。

• 既存の DAX クエリをリファクタリングする: Copilot を使用して、自分でコピーまたは記述したクエリをより便利に、または効率的に変更します。次に例を示します。

  • DAX クエリまたはメジャーを説明および文書化するためのコメントを追加する。
  • 調査中の Power BI レポート ビジュアルからコピーされたクエリなど、クエリの読み取りと理解を容易にします。
  • コード内で大きな置換または繰り返しの置換を行う。
  • 変数の削除または置換を Copilot に依頼する。

• DAX メジャーを生成する: Copilot を使用して、生成されたクエリの上流で定義されている DAX メジャーを提案します。 これらのメジャーは、生成する DAX クエリに限定したり、セマンティック モデルに追加したりすることができます。

• DAX の概念について説明します。 Copilot を使用して、次のような DAX のさまざまな概念について説明し、理解を深めます。

  • DAX クエリ、またはクエリで定義されたメジャー。
  • CALCULATE や KEEPFILTERS などの DAX 関数。

メリット

DAX クエリ ビューで Copilot を使用する主な利点は、DAX クエリを記述するときにサポートを受けることです。 このサポートは、経験の少ない開発者やアナリストが Copilot を使用して DAX の概念を学習したり、モデルで使用する DAX を生成したりできることを意味します。 また、中間の経験豊富な開発者が DAX を開発する必要があるが、特定の関数やパターンを記憶できない場合や、既存のクエリをリファクタリングまたは簡略化したい場合にも時間を節約できます。

DAX コードには他の生成 AI ツールも用意されていますが、Power BI の Copilot には次のような利点があります。

• Power BI の Copilot は、DAX 言語の作成者と共同で開発されています。
• Copilot ではモデルの微調整は使用されませんが、Microsoft の特定の DAX 例を含むメタプロトコルが含まれています。
• Copilot は Power BI Desktop に統合されているため、コードまたはモデル情報をコピーまたは貼り付ける必要はありません。
• 後処理時に、Copilot は DAX パーサーを使用してクエリが有効であることを確認します。これにより、クエリで幻覚を受け取る確率が低下します。

エクスペリエンスの詳細

DAX クエリ ビューの Copilot エクスペリエンスには、Fabric の他の Copilot エクスペリエンスとは異なる前処理と後処理の間の手順があります。

DAX クエリ ビューの Copilot には、次の点に留意する必要があります。

• インプット： ユーザーは、1 つの DAX クエリ ウィンドウに固有の入力ボックスにプロンプトを書き込みます。 クエリの要求、Copilot が既に生成した既存のクエリへの変更の要求、DAX の概念の説明を行うことができます。 入力ボックスでは、ユーザーはボタンを選択してクエリを生成することもできます。 [再試行] ボタンは、現在のコンテキストを無視しながらクエリを生成し直し、別のアプローチを試みることができるようにします。

• データの前処理と接地: Copilot は、モデル スキーマとクエリ ウィンドウ内の何かからグラウンド データを取得します。 Copilot は、Copilot 出力の有用性と特定性を向上させるために、コンテキストとして次の情報を受け取ります。

  • 作成した DAX コード、コメント、または生成した以前の DAX クエリを含む、現在の DAX クエリ ウィンドウ内のすべてのテキスト。
  • 現在アクティブなセッションからの Copilot との会話履歴。 この履歴には以前の質問と出力が含まれますが、データ ポイントは含まれません。
  • セマンティック モデル スキーマ。テーブル、行、列、メジャー、リレーションシップや計算グループなどのその他のオブジェクトが含まれます。 このスキーマには、共有セマンティック モデルへのライブ接続がある場合を除き、非表示かどうかに関係なく、すべてのオブジェクトが含まれます。
  • モデル言語スキーマのシノニム。
  • 特定のセマンティックモデルのプロパティには、DAX 式、説明（最初の 200 文字で切り捨てられる）、データ型、書式指定文字列（および書式指定文字列式）、データカテゴリが含まれます。
  • クエリで使用される可能性があるモデルの列の最小値や最大値などの一部の統計集計。 これらの値は、コンテキストとして Copilot に送信されるデータ ポイントです。
  • また、Copilot は、生成されたクエリまたはその結果を説明するために、クエリ結果を Azure OpenAI に送信する場合もあります。

  次の情報は除外されます。

  • [再試行] ボタンを選択したときの、現在のセッションでの Copilot との会話履歴。
  • プライベートとしてマークされているモデル内の任意のテーブル 。
  • DAX 式のコメント。

• アウトプット： Copilot が提供する出力には、DAX クエリ ウィンドウの DAX コードと DAX コメント、または Copilot 入力ボックスの DAX の説明が含まれています。 通常、ユーザーはクエリ自体を実行して保持することを選択する必要があります。

Copilot の出力を改善するためのヒント

Copilot によって生成される DAX クエリの品質を向上させるには、Copilot でデータの質問エクスペリエンスを使用する場合と同じヒントを使用します。 具体的には、プロンプトが明確で正確で説明的であり、セマンティック モデルが適切に設計され、整理され、複雑さや例外があまり含まれていないことを確認します。

DAX クエリ エクスペリエンスに固有のヒントを次に示します。

• ローカル接続モデルとライブ接続モデルの違い: Power BI Desktop で開いているローカル モデルと Power BI サービスの共有セマンティック モデルのどちらをクエリするかによって、Copilot の動作は異なります。 たとえば、共有セマンティック モデルへのライブ接続があり、DAX クエリ ビュー エクスペリエンスを使用する場合は、次のようになります。

  • Copilot は、メジャーの DAX 式や非表示またはプライベートなオブジェクトを確認することができません。
  • Copilot は、クエリが有効であることを確認するために、DAX クエリを返す前に実行する必要があります。

• [再試行] ボタンを使用します。 [再試行] ボタンをクリックすると Copilot キャッシュが空になり、同じプロンプトとグラウンド データで新しい結果が得られます。 この機能は、特定の要件を満たすソリューションに向けて反復的に取り組んでいる場合に便利です。

• コードにコメントを追加するように Copilot に依頼します 。コメントは、DAX クエリを整理して文書化し、Copilot が生成するコードを理解するのに役立つ便利な方法です。 Dax の概念を説明するように Copilot に依頼することもできます。

• 品質、ピア レビューされたソースを確認する: Copilot からのコメントと説明を含む生成されたコードをまだ理解していない場合は、 Microsoft のドキュメント または Power BI コミュニティの評判の良いソースからオンラインで関数とパターンを調べることができます。

• Copilot による変数の使用に注意してください。 Copilot は、DAX クエリと定義されたメジャーで変数を適切に使用するのに苦労する可能性があります。 たとえば、Copilot は既に宣言されている変数をフィルター処理またはグループ化しようとする場合があります。これは不可能であり、予期しない結果が生成されます。

• 簡潔な説明を使用して、同様の名前のフィールドを区別します。説明は、Customer テーブルの名前や Store テーブルの名前など、同じモデルに類似のフィールドが存在する場合に役立ちます。

• Copilot による計算グループの使用状況に注意してください。 Copilot は、提案されたクエリで計算グループを使用するのに苦労する可能性があります。 Copilot による計算グループの使用を改善するには、計算グループの説明に記載されている計算項目名を含めます。

• 新しい関数と DAX 構文に注意してください。 Copilot やその他の生成 AI ツールは、トレーニング データの量と範囲に制限されています。 そのため、新しい DAX 関数または構文で間違いを犯す可能性が高くなります。 これらのシナリオでは、最初にクエリを自分で作成してから、Copilot を使用してクエリを変更してみてください。

• メジャーを生成するときは、常にクエリを要求します。 DAX クエリ ビューの Copilot エクスペリエンスは、DAX クエリを生成するように設計されています。 メジャーまたは別の DAX 式の生成を要求するのではなく、このタスクを実行するように Copilot に指示すると、最適な結果が得られます。

Copilot を使用して指標の説明を生成する

Copilot を使用して 、モデル メジャーの説明を生成します。 指標の説明は、モデルの利用者や他の開発者が指標の目的と使用方法を理解するのに役立ちます。 メジャーの説明を使用すると、他の Copilot エクスペリエンス、例えば Power BI セマンティック モデルの DAX クエリ ビューで Copilot を使用して DAX クエリを生成する場合において、Copilot の出力の有用性を向上させることができます。

Copilot を使用して、モデル メジャーの説明を生成します。 次に、結果を確認し、正確で簡潔で役に立つよう修正します。

メリット

指標の説明を作成することは、通常、困難でしばしば無視されるタスクです。 メジャーの説明を生成すると、セマンティックモデルの整理と文書化に費やす時間が短くなります。 言語スキーマとは異なり、すべてのセマンティック モデルでは、テーブル、列、メジャーに説明を追加することでメリットがあります。 このプラクティスは、組織内の他のユーザーに対するモデルドキュメントと有用性を向上するのに役立ちます。

Copilot の出力を改善するためのヒント

この Copilot エクスペリエンスでは、コンテキストに対して次のグラウンド データが使用されます。

• メジャーと計算済みオブジェクトの DAX 式。
• フィールド プロパティ (説明、データ型、書式指定文字列、データ カテゴリなど)。
• フィールドシノニム。

この接地データを考えると、推奨されるシノニムが次の方法で役立つことを確認できます。

• 一貫性のある名前付け規則の使用。
• 句読点、頭字語、および省略形の使用を制限する。
• 英語での命名の方法。

Web モデリングでのCopilot (Power BI サービス)

Web モデリングのCopilotは、ai を利用したアシスタントであり、Power BI サービス モデル作成エクスペリエンスに直接統合されます。 このセクションで主にPower BI Desktop で使用できる他のエクスペリエンスとは異なり、Web モデリングのCopilotでは、ブラウザーを離れることなく自然言語を使用してセマンティック モデルを分析および改善できます。

サービスのモデル ビューでセマンティック モデルを開き、編集モードに切り替えると、Copilot次のことができます。

• 一貫性のない名前付け規則や不明確な構造などの問題をモデルで分析し、ベスト プラクティスの改善を提案します。
• テーブルと列の名前変更、リレーションシップの作成、DAX メジャーの生成など、スキーマの更新を直接適用します。

このエクスペリエンスで Copilot が提案または適用する変更は、他の手動編集と同様に、アクティブなセマンティック モデルに影響します。 モデルの変更の場合と同様に、推奨されるすべての更新プログラムを受け入れる前に注意深く確認してください。 「Power BIでのCopilotのためのセマンティック モデルの最適化」で説明されている最適化ガイダンスも、適切に構造化された明確な名前の付いたモデルを使用すると、より優れたCopilot分析とより正確な提案が生成されます。

セマンティック モデルのCopilot アクセスを制御する

セマンティック モデルに対する書き込みアクセス許可を持つユーザーは、読み取り専用のアクセス許可を持つユーザーがCopilotエクスペリエンスを通じてモデルにアクセスできるかどうかを制御できます。 この設定は、組織がガバナンスとデータ アクセスの要件を満たしながら、CopilotがCopilot使用を目的としたセマンティック モデルでのみ使用できるようにするのに役立ちます。

この設定は、セマンティック モデル レベルの設定ウィンドウの Copilot セクションにあり、「読み取りアクセス許可のみを持つすべてのユーザーに、このモデルとその関連レポートで AI (Copilot、Microsoft の MCP ツールなど) を使用することを許可する」という説明があります。 この設定は、完全なセマンティック モデル設定ページの [ 探索と AI アクセス ] セクションでも確認できます。

この設定は、次のエクスペリエンスに適用されます。

• レポート ペイン、スタンドアロン、アプリを含む Power BI Copilot の利用画面
• M365 Copilot Chat と Cowork
• データ エージェント
• Microsoft のリモート用 MCP ツール

既定では、この設定は有効になっており、読み取り専用のアクセス許可を持つユーザーは、サポートされているCopilotとMicrosoft MCP エクスペリエンスを使用してセマンティック モデルにアクセスできます。

このセマンティック モデル レベルの設定を無効にすると、次のようになります。

• 読み取り専用アクセス許可を持つユーザーは、サポートされている Copilot またはリモート Microsoft MCP ツール エクスペリエンスを通じてセマンティック モデルにアクセスできません。 Copilot のエントリ ポイントは、エクスペリエンスに応じて非表示になるか、無効になるか、またはアクセス メッセージが表示されます。
• 複数のセマンティック モデルをサポートするエクスペリエンスでは、ユーザーは設定が有効になっている他の対象となるセマンティック モデルと共にCopilotを引き続き使用できます。
• 複数のセマンティック モデルをサポートするエクスペリエンスでは、制限付きモデルとレポートは、ビルドと書き込みのアクセス許可を持つユーザーを含むすべてのユーザーの検索結果から除外されます。 ビルドと書き込みのアクセス許可を持つユーザーは、モデルまたはレポートの URL に移動したり、モデルまたはレポートを手動でアタッチしたりするなどの直接アクセス方法を使用して、制限付きモデルやレポートに引き続きアクセスできます。

Copilot を使ってセマンティック モデルを活用する

Copilot を使用して、使用中にセマンティック モデルにデータの質問を行うことができます。 このエクスペリエンスは、 Power BI Desktop、ワークスペース、アプリ、または OrgApp アイテムの 発行済みレポート 、 Power BI モバイル アプリなど、レポートを使用するたびに使用できます。

コンシューマーは、次のシナリオでセマンティック モデルに関するデータの質問をする場合があります。

• レポートに必要な情報や分析が見つかりません。
• 別の方法で表示されるデータを表示する必要があり、 ビジュアルのカスタマイズ が有効になっていません。
• ツールやコードを使用するのではなく、自然言語を使用してデータに関する質問をしたいと考えています。

セマンティック モデルを使用するレポートで Copilot を使用する方法の詳細については、 Power BI レポートでの Copilot の使用に関する記事を参照してください。

Copilot を使用するためのセマンティック モデルを準備する

Power BI 用 Copilot で 適切に動作するようにデータ モデルを更新するために必要な手順を実行した後にのみ、Copilot を使用してセマンティック モデルを使用します。

Power BI Desktop

Power BI Desktop で、Copilot チャット ウィンドウを使用して、セマンティック モデルに関するデータの質問をします。 この機能は、Power BI Desktop で開かれているローカル モデルと、ライブ接続を使用して共有セマンティック モデルに接続している場合の両方で機能します。 詳細については、この記事の前半の 「データに関する質問 」を参照してください。

DAX クエリ ビューを使用して、DAX クエリを生成してセマンティック モデルを使用することもできます。 Power BI の上級ユーザーは、コードを使用してデータを探索する場合に、このアプローチを使用できます。

ただし、ほとんどのデータ コンシューマーでは、レポート キャンバスにビジュアルを追加するか、 探索 や Excel 内分析ピボット テーブルなどの他の項目を使用することで、セマンティック モデルを使用して探索する方が一般的に便利で効率的です。 通常、これらの項目には、Copilot などの自然言語のチャットのようなエクスペリエンスよりも、データの探索と理解に適したシンプルなユーザー インターフェイスとユーザー エクスペリエンスがあります。

パブリッシュされたレポート

パブリッシュされたレポートで、Copilot チャット ウィンドウを使用して、接続されたセマンティック モデルに関するデータの質問をします。 Fabric でのこのエクスペリエンスは、モデルの開発と使用の両方に関する Power BI Desktop の データ質問 エクスペリエンスと同じです。

Power BI モバイル アプリ

Power BI モバイル アプリで、アプリの Copilot チャット ウィンドウを使用して、レポートのデータに関する質問をします。 質問は、そのレポートの接続されたセマンティック モデルに移動します。 この機能は、この記事で前述した データの質問 エクスペリエンスと同様に機能します。

関連コンテンツ

• Power BI 用 Copilot で適切に動作するようにデータ モデルを更新する
• Power BI 用 Copilot の概要
• Copilot と Power BI の統合