Klargjør dataene dine for AI: AI-instruksjoner

AI-instruksjoner gjør det mulig for forfattere av semantiske modeller å gi kontekst, forretningslogikk og spesifikk veiledning direkte på en semantisk modell. Copilot bruker disse instruksjonene for å tolke brukerspørsmål bedre ved å inkorporere organisasjonsspråk, terminologi og analytiske prioriteringer. Denne artikkelen tar deg gjennom stegene for å sette opp og teste AI-instruksjoner for å forberede dataene dine for AI-drevet analyse.

AI-instruksjoner bidrar til å klargjøre forretningstermer, veilede analysemetoder og redusere tvetydighet. De forbedrer kvaliteten og relevansen til Copilot svar, noe som gir mer meningsfulle innsikter og en smidigere opplevelse på tvers av rapporter som bruker samme modell.

Forutsetninger

• En Power BI-semantisk modell i Power BI Desktop eller Power Bi-tjeneste.
• Copilot aktivert for organisasjonen din.
• Power BI Q& A aktivert for modellen. Du kan aktivere spørsmål og svar under oppsettet hvis det ikke allerede er på.

Konfigurere instruksjoner for kunstig intelligens

1. Velg knappen Klargjør data for kunstig intelligens på Hjem-båndet i Power BI Desktop, eller på båndet på den valgte semantiske modellen i Power BI-tjenesten.

   

   Hvis fanene i Klargjør data for kunstig intelligens er deaktivert, aktiverer du Spørsmål og svar for Power BI for modellen.

   

2. I dialogboksen går du til fanen Legg til AI-instruksjoner .

3. Gi instruksjoner om den semantiske modellen som hjelper deg med å Copilot forstå bedriften, terminologien og hvordan du prioriterer dataene i modellen.

   

4. Velg Bruk.

Når du har lukket dialogboksen, lagres endringene i modellen. Copilot bruker nå AI-instruksjonene.

Test AI-instruksjoner i Power BI Desktop

1. Copilot Åpne ruten i Power BI Desktop.
2. Bruk skill picker for å velge den spesifikke Copilot-evnen du vil teste. For best resultat, velg Svar på spørsmål om dataene.
3. Bruk en av instruksjonene du har satt, og samhandle med Copilot.
4. Sørg for at Copilot svarer nøyaktig.
5. Hvis du trenger å endre instruksjonene, åpne dialogen Prep Data for AI på nytt og juster dem.
6. Når du er fornøyd med AI-instruksjonene, publiser du rapporten din i Power Bi-tjeneste eller lagre den i Power BI Desktop.

AI-instruksjoner etter publisering

Etter at rapporten din er publisert til Power Bi-tjeneste, eller endringer lagret i tjenesten, drar brukerne nytte av AI-instruksjonene i hver Copilot-opplevelse som bruker den semantiske modellen.

Vanlige brukstilfeller for ai-instruksjoner

AI-instruksjoner tilbyr en fleksibel måte å forbedre hvordan Copilot tolker og reagerer på brukermeldinger. To vanlige bruksområder er generell forretningskontekst og datatolkning, samt analyseregler.

Generell forretningskontekst og datatolkning

Instruksjoner kan hjelpe deg med å Copilot ramme inn svar innenfor konteksten til virksomheten din, skreddersy svar basert på din bransje, strategiske mål, terminologi eller operasjonell logikk. Når du bruker instruksjoner, kan du bidra til å sikre at brukerne får mer nøyaktig og relevant innsikt. Noen eksempler inkluderer:

• Travel sesong er oktober til februar.
• Ramme innsikt med fokus på risikovurdering og markedstrender.
• Når en bruker nevner ABCD, refererer de til feltet for totalfaktura .
• En lavere frafallsprosent er mer positiv.

Regler for analyse

Du kan veilede Copilot deg om hvordan du nærmer deg visse typer analyser ved å gi regler og preferanser for hvordan data skal deles opp eller prioriteres. Noen eksempler inkluderer:

• Analyser alltid salg kvartalsvis.
• Når du viser inntekter, deler du dem opp etter kvartal og sammenligner dem med industry feltet.
• For detaljhandelinnsikt prioriterer du tabellene customsegmentationtable og saleschannel tabellene.
• sales_fact Bruk tabellen som primærkilde for alle salgsrelaterte spørsmål.
• Når en bruker spør om produktsalg, må du alltid be om avklaring på stedet.

Skriv effektive prompts for AI-instruksjoner

AI-instruksjoner er promptbaserte, så beste praksis for prompt engineering gjelder når du skriver dem for en semantisk modell. Prompt-konstruksjon påvirker direkte Copilot utganger. Følgende tips hjelper deg å få mest mulig ut av AI-instruksjoner.

Vær eksplisitt og spesifikk

Anta at Copilot det ikke er noen forståelse av hvordan du bruker datamodellen eller forretningskonteksten for dataene. For eksempel, i stedet for å skrive «Du er en erfaren BI-analytiker som er detaljorientert», tenk på: «Du er en erfaren BI-analytiker som jobber for en stor matdistributør.» Svarene bør være detaljorienterte og fokusert på inntekter og lønnsomhet.»

Bruk analogier og beskrivende språk

Analogier, beskrivende språk og eksempler hjelper Copilot å forstå ønsket resultat og tiltenkt mening. For produktspesifikt salg bruker du for eksempel målet Total_Sales_Product (eksempel på produkt: Word, PowerPoint, Excel, SharePoint, Teams).

Unngå tvetydighet

Vær tydelig på alt du vil Copilot legge vekt på eller unngå. Jo flere detaljer og støtteinnhold du kan gi Copilot, jo bedre. For eksempel, for Total Active Partners, bruk målet Monthly Active Partner Count. (Ikke filtrer på Kunder-tabellen .)

Grupperelaterte instruksjoner

For å hjelpe Copilot bedre til å forstå intensjonen din, organiser instruksjoner etter tema eller formål (som datologikk, nøkkelmålinger og bransjebegreper). Inkluder strukturelle elementer, som seksjoner, hierarkier og overskrifter. Hvis du vil ha et eksempel på hvordan du grupperer relaterte instruksjoner i det fullstendige settet med instruksjoner, kan du se eksempelscenarioet.

Instruksjonsrekkefølge

Rekkefølgen du skriver instruksjoner i kan påvirke utdataen. Du kan øke sjansene dine for å få riktige resultater ved å teste forskjellige varianter, ordrer, eksempler og ordlyd.

Bryt ned komplekse instruksjoner i enklere trinn

Del opp instruksjonene i enkle steg for å forbedre klarheten og redusere feil. Du kan for eksempel definere toppkunder ved først å se på inntektstabellen og deretter returnere bare kundene med de høyeste ordreverdiene.

Hold instruksjonene fokusert

Avhengig av den semantiske modellen kan færre fokuserte instruksjoner være mer effektive enn mange brede. Konflikter og kompleksitet kan skape forvirring for store språkmodeller (LLM-er).

Eksempelscenario: produktsalgs semantisk modell

Følgende eksempel viser et sett med AI-instruksjoner som er prompt-engineered for en produktsalgs-semantisk modell.

Instruksjoner for å svare på dataspørsmål

Bruttoproduktsalg (GPS) skal referere til grossrevenue feltet i Omsetning-tabellen .

Toppselgere refererer til de tre beste partnerne med høyest inntekt. Ikke vis kunder med mindre brukeren eksplisitt spør.

Identifikasjon av kunde

• accountid refererer til kunder i Inntekt-tabellen .
• earningsid refererer til kunder i Partnere-tabellen .
• customid i ordretabellen refererer ikke til kunder.
• Definer toppkunder ved først å se på inntektstabellen og deretter returnere bare kundene med de høyeste ordreverdiene.
• Noen partnere er også kunder. Ikke fjern disse duplikatene. Angi i stedet om det er en partner eller en kunde basert på ID-verdien.

Produkt beregninger

• Filtrer data etter State= Washington eller State= California med mindre brukeren spesifikt ber om en annen tilstand.

• For produktspesifikt salg, bruk målet Total_Sales_Product (eksempel på produkt: Word, PowerPoint, Excel, SharePoint eller Teams). Filtrer på Produkt-kolonnen fra Salg-tabellen .

• For Total Active Partners, bruk målet Monthly Active Partner Count_ID. (Ikke filtrer på Kunder-tabellen .)

• Salg av matvarer kommer alltid fra butikker.

  Hvis verdien product_type i Produkt-tabellen er Food, må du alltid vise butikken der varen ble solgt. Butikkinformasjon finnes i Store-tabellen med feltet store_name, og den kan kobles til product_type av store_id.

Hensyn og begrensninger

• Fordi AI-instruksjoner er ustrukturert veiledning til Copilot, tolker LLM dem bare. Det er ingen garanti for at LLM vil følge instruksjonene nøyaktig.
• Ai-instruksjoner påvirker Copilot funksjoner, men strekker seg ikke til generelle samtaler med Copilot.
• Ai-instruksjoner lagres på semantisk modellnivå. Instruksjoner kan for øyeblikket ikke lagres på rapportnivå.
• Ai-instruksjoner forventes ikke å være personaspesifikke eller endre ikke-datarelaterte utdata for sluttbrukeren.
• AI-instruksjoner kan ikke deaktivere andre Copilot i Power BI-funksjoner eller forhindre/prioritere bestemte funksjoner fra å bli kalt.
• Instruksjoner er ikke ment å fungere med visuelle endringer eller temaer i rapporten.
• For øyeblikket kan du ikke laste opp instruksjoner til dialogen i Power BI Desktop.
• For å teste instruksjoner i Power BI Desktop må du lukke og åpne Copilot-panelet på nytt for å se nye instruksjoner brukt.
• Brukere kan ikke angi instruksjoner etter kategori eller modus (vise eller redigere) i Copilot Power BI.
• Forbrukerne kan ikke se hvilke instruksjoner en forfatter brukte på modellen i brukergrensesnittet.
• Sluttbrukere kan ikke deaktivere instruksjoner på en semantisk modell.
• AI-instruksjoner blir kanskje ikke respektert i Power BI Desktop når du prøver å lage en side, få foreslåtte rapportsidetemaer eller et semantisk modelloppsummering med Copilot. Hvis du vil omgå dette problemet, kan du bruke ferdighetsvelgeren og velge bare Opprett nye rapportsider for å få instruksjoner til å gjelde.
• AI-instruksjoner er begrenset til 10 000 tegn.

Hvis du vil ha en omfattende liste over vurderinger og begrensninger, kan du se Klargjøre dataene for AI.

Relatert innhold

• Klargjøre data for kunstig intelligens
• Dataskjemaer for kunstig intelligens
• Bekreftede svar
• Vanlige spørsmål om klargjøring av data for kunstig intelligens