Usar o Copilot com modelos semânticos

Este artigo ajuda-o a usar as experiências do Copilot no Power BI para modelos semânticos.

O Copilot no Microsoft Fabric é um assistente de IA generativa que visa aprimorar a experiência de análise de dados na plataforma Fabric, incluindo a carga de trabalho do Power BI. Você pode usar o Copilot no Power BI para dar suporte ao desenvolvimento e ao consumo de modelos semânticos por usuários corporativos e de autoatendimento. Quando usado de forma eficaz, o Copilot pode apoiar analistas e usuários de negócios para melhorar a produtividade e obter mais valor de seus modelos semânticos.

No entanto, para usar o Copilot com modelos semânticos no Power BI, você deve primeiro preparar seus dados, seu modelo semântico e seus usuários. Se não preparares estes elementos, o Copilot produz principalmente resultados de baixa qualidade e imprecisos que podem estar incorretos ou até enganadores. As seções a seguir guiam você por como você pode usar o Copilot no Power BI para desenvolver ou consumir um modelo semântico com as experiências Copilot disponíveis.

Desenvolver um modelo semântico com a ajuda do Copilot

Quando desenvolver um modelo semântico no Power BI, use o Copilot para ajudar a melhorar a eficiência e conveniência de certas tarefas. Normalmente, este processo envolve aproveitar o Copilot para simplificar alterações redundantes ou repetitivas para si (como gerar descrições de medidas) ou ajudá-lo a abordar ou compreender o design desafiante de modelos ou DAX (como usar o Copilot na visualização de consultas DAX para explicar conceitos DAX ou gerar consultas DAX).

As seções a seguir explicam como um desenvolvedor ou analista do Power BI que cria modelos semânticos pode aproveitar as várias experiências do Copilot no Power BI.

Faça perguntas sobre dados sobre o seu modelo semântico

Ao desenvolver um modelo semântico, muitas vezes é necessário explorar e consultar os dados. Normalmente, utiliza-se uma combinação do editor Power Query, do report canvas e das consultas DAX. No entanto, você também pode fazer perguntas de dados sobre seu modelo e seu conteúdo usando o painel de bate-papo Copilot. Geralmente, fazer perguntas de dados é mais uma experiência de consumo, onde os usuários corporativos podem fazer perguntas sobre os dados quando não conseguem encontrar a resposta em um relatório. No entanto, os programadores podem usar esta funcionalidade para explorar dados ou validar o desempenho do Copilot no seu modelo.

A imagem a seguir mostra um exemplo de um usuário fazendo uma pergunta de dados ao Copilot sobre um modelo semântico. A imagem mostra o seguinte aviso: Qual foi o lucro % para a região de vendas da Austrália em 2023?

Casos de uso

Use o Copilot para colocar questões sobre dados para os seguintes casos de uso:

• Explore os dados no seu modelo: Um desenvolvedor pode usar a experiência Fazer perguntas de dados para explorar os dados em seu modelo usando o Copilot. No entanto, é provavelmente mais eficiente explorar os dados adicionando elementos visuais à tela de relatório ou usando consultas DAX. Isso porque os visuais de relatório são atualizados automaticamente sempre que você faz alterações no modelo, mas as respostas às perguntas de dados no painel de bate-papo Copilot são estáticas e desaparecem sempre que você fecha o painel de bate-papo Copilot. Além disso, os elementos visuais gerados pelo Copilot podem conter filtros visuais específicos que você não pode criar sozinho no Power BI Desktop. Esses filtros podem ser enganosos ou problemáticos de investigar.

• Valide o uso do Copilot para consumir o modelo semântico: Os desenvolvedores devem usar a experiência Fazer perguntas de dados para entender e testar o desempenho das experiências de consumo do Copilot em seu modelo semântico. Este é o principal caso de uso para usar Fazer perguntas de dados quando você desenvolve um modelo semântico. Este caso de uso permite que um desenvolvedor faça alterações em seu modelo semântico que podem suportar melhor o Copilot para produzir saídas mais úteis.

Benefícios

Um desenvolvedor pode usar Fazer perguntas de dados para entender como será a experiência para usuários corporativos que consomem o modelo semântico usando o Copilot no Power BI. Esse teste é essencial se os usuários corporativos quiserem usar o Copilot para consumir um modelo semântico.

Especificidades da experiência

A experiência de Fazer perguntas de dados difere do processo padrão do Copilot in Fabric nas seguintes áreas. Este resumo aplica-se à experiência de Fazer perguntas sobre dados em contexto tanto de desenvolvimento como de consumo de modelos semânticos.

• Entrada: Os usuários fornecem um prompt por escrito fazendo uma pergunta ou solicitando informações específicas do modelo semântico.

• Pré-processamento e dados de referência: O Copilot recupera dados de referência do esquema do modelo. Ele executa a redução de esquema para tentar restringir o contexto ao que é mais importante. Como contexto, o Copilot utiliza as seguintes informações para tentar melhorar a utilidade e a especificidade dos resultados do Copilot:

  • Qualquer metadado na página atual do relatório. Se houver metadados de relatório relevantes, o Copilot no Power BI responderá a perguntas de dados do relatório em vez do modelo.
  • A conversa com o Copiloto na sessão atual. Esta conversa inclui quaisquer perguntas e respostas anteriores, que abrange elementos de dados de perguntas para as quais o Copilot já forneceu respostas.
  • O esquema do modelo semântico, que inclui tabelas, linhas, colunas, medidas e outros objetos (como relações, grupos de cálculo e assim por diante).
  • O esquema linguístico do modelo completo.
  • Determinadas propriedades do modelo semântico, incluindo descrições, tipos de dados, cadeias de caracteres de formato e categoria de dados.

  Excluem-se as seguintes informações:

  • Qualquer página de relatório que esteja oculta.
  • Qualquer campo (medida ou coluna) no modelo que esteja oculto.
  • Qualquer tabela no modelo marcada como privada.

• Saída: A saída que o Copilot fornece contém várias partes:

  • Visual: O Copilot responde à pergunta de dados renderizando um visual do Power BI, como um cartão, um gráfico de linhas ou uma tabela. O Copilot escolhe o visual e sua formatação, que o usuário não pode controlar ou solicitar em seu prompt. O visual pode interromper caso o modelo subjacente, DAX ou os dados não estejam otimizados ou sejam muito complexos.
  • Sumário: O copiloto resume o resultado da consulta. Este resumo é gerado enviando um resultado de consulta semântica de volta para o Azure OpenAI (que inclui pontos de dados) e solicitando uma explicação em linguagem natural.
  • Erros ou pedido de esclarecimento: Se o Copilot não conseguir produzir uma resposta, ele poderá retornar uma mensagem de erro genérica. Essa mensagem de erro pode incluir uma solicitação de esclarecimento, incluindo variantes sugeridas da pergunta de dados original do usuário.

Dicas para melhorar os resultados do Copilot

O Copilot pode produzir resultados imprecisos ou de baixa qualidade, incluindo respostas incorretas a perguntas sobre dados. Muitas vezes, as respostas incorretas surgem de erros do usuário ou problemas de modelo. Para reduzir a probabilidade de saídas incorretas ou inesperadas do Copilot, aborde as indicações do utilizador e o design do modelo de dados.

Um usuário só pode realmente produzir resultados incorretos escrevendo um prompt ruim. Exemplos de prompts ruins incluem:

• Avisos vagos ou incompletos: Se você descrever de forma imprecisa ou incompleta a saída desejada ou usar linguagem ambígua em seu prompt, é menos provável que o Copilot produza um resultado útil. Ao escrever sugestões, tente ser o mais específico e descritivo possível ao expor o resultado desejado.

• Prompts incorretos: Se cometer erros ortográficos ao referir-se a uma medida, coluna ou nome de tabela, o Copilot pode não referir-se ao campo correto. Ao escrever prompts, assegure-se de que os campos mencionados no seu prompt se referem corretamente aos campos definidos no esquema do modelo semântico. Esta regra inclui evitar abreviaturas, siglas ou pontuação excessiva. Também pode usar sinónimos para se referir a campos, mas não há forma de validar quais são os sinónimos disponíveis para um dado campo (como se vê descrições ao passar o cursor numa medida ou coluna no painel de dados).

• Dados de aterramento excessivos ou inadequados: Se submeteres um prompt através do painel de chat do Copilot, o Copilot assume o histórico de chat dessa sessão como dados de aterragem durante o pré-processamento. Dependendo do que esse histórico de bate-papo implica, você pode obter resultados diferentes ou inesperados. Ao escrever prompts, tenha em conta que quaisquer prompts e outputs anteriores são usados como dados de referência. Para evitar este problema, selecione o botão Copilot para fechar e reabrir o painel de chat Copilot, apagando o histórico de chat antes de submeter um novo prompt.

A imagem a seguir mostra um exemplo de saída incorreta do Copilot devido a um mau prompt do utilizador.

A imagem mostra a seguinte consulta: Qual foi o lucro % para a região de vendas da Austrália em 2023? Na resposta, o Copilot apresenta o valor do lucro em vez do lucro como uma porcentagem. Neste caso, o usuário poderia obter um resultado melhor do Copilot especificando mais claramente que deseja o lucro em porcentagem (em vez de usar o símbolo de porcentagem).

Além dos prompts do usuário, a experiência Fazer perguntas de dados também pode produzir resultados incorretos ou inesperados devido à qualidade ou organização do modelo semântico subjacente. Exemplos de quando seu modelo semântico produz resultados ruins incluem:

• Design ou implementação de modelos deficientes: Se o seu modelo semântico não seguir as melhores práticas comuns (como um design de esquema em estrela), é provável que obtenha resultados fracos com qualquer ferramenta ou experiência de consumo. Procure sempre modelos semânticos de qualidade para tirar o máximo partido do Power BI e do Fabric. Consulte também Diretrizes de modelagem de dados para o Power BI para obter mais dicas e orientações para melhorar seus modelos semânticos do Power BI.

• Convenções de nomenclatura deficientes: Se os seus campos tiverem convenções de nomenclatura inconsistentes ou excessivas (como siglas, abreviaturas e pontuação), os utilizadores têm maior probabilidade de cometer erros nos seus prompts e o Copilot fica confuso ao referir-se a esses campos. O copiloto funciona melhor quando tabelas, colunas e medidas têm nomes em inglês legível por humanos.

• Má organização do modelo: Se não organizares o teu modelo, é provável que tenhas mais problemas com o Copilot. A organização do modelo é um tópico grande que engloba muitas tarefas, incluindo descrições de campos, ocultando colunas e medidas e evitando campos com os mesmos nomes em tabelas diferentes.

• Modelação linguística: Se o seu modelo semântico não tiver modelação linguística configurada, incluindo sinónimos para corpos ou verbos para relações, o Copilot poderá ser mais provável que devolva resultados inesperados. O Power BI depende da mesma modelagem linguística que o recurso de Perguntas e Respostas. Configurar um modelo linguístico para seu modelo semântico custa tempo e esforço adicionais além de suas tarefas de desenvolvimento de modelo semântico. Para obter mais informações, consulte Introdução às ferramentas de Perguntas e Respostas para treinar as Perguntas e Respostas do Power BI.

• Complexidade do modelo: Quanto mais complexo for o seu modelo, incluindo ter mais campos, dependências e lógica de negócios, maior a probabilidade de você ter dificuldades ao usar o Copilot. Por exemplo, padrões complexos como conversão de moeda ou tabelas desconectadas (como parâmetros de campo) podem causar resultados inesperados ou incorretos quando os usuários fazem referência a esses campos ou tabelas em seus prompts. Com modelos mais complexos, talvez seja necessário considerar decisões específicas de projeto de modelo para obter os melhores resultados com o Copilot. Em geral, você deve testar seu modelo com o Copilot para determinar se obtém resultados consistentemente corretos e confiáveis. Caso contrário, convém aconselhar os usuários a não usar o Copilot para consumir seu modelo semântico.

A imagem a seguir mostra um exemplo de uma saída incorreta do Copilot devido a problemas com o modelo semântico:

A imagem mostra o seguinte aviso: Quantas unidades foram vendidas na Austrália em 2023? Na resposta, o Copilot retorna o número de unidades em que a coluna País na tabela Cliente é filtrada para "Austrália", em vez de filtrar a coluna País na tabela Região de vendas . Nesse caso, o usuário poderia ter melhorado o prompt para especificar o país da região de vendas. No entanto, o desenvolvedor do modelo semântico também pode ocultar ou renomear a coluna País na tabela Cliente se ela não se destinar a ser usada pelo Copilot. Alternativamente, eles poderiam desativar o campo dos sinônimos de campo do modelo linguístico usando a configuração de Perguntas e Respostas.

Independentemente da qualidade do prompt ou do modelo, você ainda pode obter saídas imprecisas ou de baixa qualidade do Copilot ao usar a experiência Fazer perguntas de dados . Isto porque o modelo subjacente – com a sua configuração atual – é não determinístico e não garante que produza uma resposta correta, ou a mesma resposta com o mesmo prompt, modelo e dados.

A imagem a seguir mostra um exemplo de Copilot produzindo resultados imprecisos ou inadequados:

Neste exemplo, a imagem mostra os prompts: Pergunta: Qual país produziu o maior lucro em 2024? e Pergunta: Qual país produziu o maior lucro em 2023? As saídas mostram o Copilot primeiro pedindo esclarecimentos depois que diz que não há dados para 2024 no modelo. No entanto, há dados no modelo em 2024 ao filtrar para esse ano usando a tabela de datas. Em seguida, o Copilot retorna um resultado filtrando a coluna Aniversário da tabela Cliente , em vez da tabela de data marcada no modelo. Enquanto o usuário pode produzir um prompt mais específico ou o desenvolvedor pode ocultar o campo Aniversário , neste caso, o Copilot deve produzir o resultado esperado.

Para mitigar este problema, treine os utilizadores para avaliarem criticamente quaisquer saídas que obtenham do Copilot no Fabric e Power BI, e o que fazer para resolver resultados inesperados ou para tentar um novo prompt fechando e reabrindo o painel de chat ou janela do Copilot.

Visualização de consulta DAX

Ao desenvolver um modelo semântico, use o Copilot para gerar consultas DAX na visualização de consultas DAX. Nessas consultas, você também pode definir medidas DAX, que podem ser adicionadas ao seu modelo semântico. Você também pode usar o Copilot para explicar os conceitos do DAX em consultas geradas ou consultas criadas por você.

A imagem a seguir mostra um exemplo de um usuário pedindo ao Copilot para gerar uma consulta DAX.

A imagem mostra o seguinte prompt: Lucro YTD por mês em 2023. O utilizador poderá então pedir ao Copilot para explicar a consulta, conforme mostrado na imagem a seguir.

A imagem mostra o seguinte prompt: Explique esta consulta DAX. A explicação é mostrada na parte inferior da janela do Copilot.

Casos de uso

Use o Copilot na vista de consulta DAX para os seguintes casos de uso:

• Gerar consultas DAX: Use o Copilot para sugerir consultas DAX, que pode usar para:

  • Explore ou analise o seu modelo ou dados.
  • Teste e valide o seu modelo ou dados.
  • Experimente novas abordagens ou padrões para cálculos no DAX.

• Refatorar consultas DAX existentes: Use o Copilot para modificar de forma mais conveniente ou eficiente consultas que copiou ou escreveu por si próprio, tais como:

  • Adicionar comentários para explicar e documentar uma consulta ou medida DAX.
  • Tornando a consulta mais fácil de ler e entender, como uma consulta copiada de um visual de relatório do Power BI que você está investigando.
  • Fazer substituições grandes ou repetitivas no código.
  • Pedir ao Copilot para remover ou substituir variáveis.

• Gerar medidas DAX: Use o Copilot para sugerir medidas DAX que são definidas a montante de uma consulta gerada. Essas medidas podem ser limitadas à consulta DAX gerada ou adicionada ao seu modelo semântico.

• Explique os conceitos DAX: Use o Copilot para explicar e compreender melhor diferentes conceitos em DAX, tais como:

  • Consulta DAX ou uma medida definida dentro da consulta.
  • Funções DAX, como CALCULATE ou KEEPFILTERS.

Benefícios

O principal benefício de usar o Copilot na visualização de consulta DAX é que você recebe suporte quando escreve consultas DAX. Este suporte significa que programadores e analistas menos experientes podem usar o Copilot para aprender conceitos de DAX ou gerar DAX para usar no seu modelo. Ele também pode economizar tempo de desenvolvedores intermediários e experientes quando eles precisam desenvolver DAX, mas eles não conseguem se lembrar de uma função ou padrão específico, ou quando desejam refatorar ou simplificar uma consulta existente.

Outras ferramentas de IA generativa estão disponíveis para código DAX, mas o Copilot no Power BI tem os seguintes benefícios específicos:

• O copiloto no Power BI é desenvolvido em colaboração com os autores da linguagem DAX.
• O Copilot não usa nenhum ajuste fino de modelo, mas contém metaprompts com exemplos específicos de DAX da Microsoft.
• Não é necessário copiar ou colar código ou informações do modelo, uma vez que o Copilot está integrado no Power BI Desktop.
• Durante o pós-processamento, o Copilot usa um analisador DAX para garantir que a consulta seja válida, o que reduz a probabilidade de receber alucinações em suas consultas.

Especificidades da experiência

As experiências Copilot na visualização de consulta DAX têm etapas durante o pré-processamento e pós-processamento que diferem das outras experiências Copilot no Fabric.

O copiloto na visualização de consulta DAX tem as seguintes especificidades a serem lembradas:

• Entrada: Os usuários fornecem um prompt escrito em uma caixa de entrada específica para uma única janela de consulta DAX. Podem solicitar uma consulta, pedir alterações a uma consulta existente que o Copilot já gerou ou explicar um conceito DAX. Na caixa de entrada, os usuários também podem selecionar botões para gerar consultas. O botão Retry regenera a consulta enquanto ignora o contexto atual, para que possas tentar obter uma abordagem diferente.

• Pré-processamento e dados de base: O Copilot obtém dados de base do esquema do modelo e de qualquer coisa na janela de consulta. O Copilot toma as seguintes informações como contexto para tentar melhorar a utilidade e especificidade dos resultados do Copilot:

  • Qualquer texto na janela atual de consulta DAX, incluindo código DAX que escreveste, comentários ou consultas DAX anteriores que geraste.
  • O histórico de conversas com o Copilot da sessão ativa no momento. Este histórico inclui perguntas e resultados anteriores, mas não pontos de dados.
  • O esquema do modelo semântico, que inclui tabelas, linhas, colunas, medidas e outros objetos como relações e grupos de cálculo. Este esquema inclui todos os objetos, independentemente de estarem ocultos ou não, exceto quando tens uma ligação ativa a um modelo semântico partilhado.
  • Sinónimos do esquema linguístico modelo.
  • Determinadas propriedades do modelo semântico, incluindo expressões DAX, descrições (truncadas após os primeiros 200 caracteres), tipos de dados, cadeias de caracteres de formato (e expressões de cadeia de caracteres de formato) e categoria de dados.
  • Algumas agregações estatísticas, como valores mínimos e máximos de colunas do seu modelo que podem ser usadas em uma consulta. Estes valores são pontos de dados enviados ao Copilot como contexto.
  • O Copilot pode também enviar o resultado da consulta de volta para o Azure OpenAI para explicar a consulta gerada ou os seus resultados.

  Excluem-se as seguintes informações:

  • O histórico de conversas com o Copilot na sessão atual quando o utilizador seleciona o botão Repetir.
  • Qualquer tabela no modelo marcada como privada.
  • Comentários em expressões DAX.

• Saída: A saída que o Copilot fornece contém código DAX e comentários DAX na janela de consulta DAX ou explicações do DAX na caixa de entrada Copilot. Um usuário normalmente deve optar por executar e manter a consulta por conta própria.

Dicas para melhorar os resultados do Copilot

Para melhorar a qualidade das consultas DAX geradas pelo Copilot, utilize as mesmas dicas que utiliza na experiência Ask Data Questions no Copilot. Especificamente, certifique-se de que os seus prompts são claros, precisos e descritivos, e que o seu modelo semântico está bem desenhado, organizado e não contém demasiada complexidade ou exceções.

Algumas dicas específicas para a experiência de consulta DAX são as seguintes:

• Diferenças entre os modelos de conexão local e ao vivo: O copiloto funciona de forma diferente, dependendo se você está consultando um modelo local aberto no Power BI Desktop ou um modelo semântico compartilhado no serviço do Power BI. Por exemplo, quando você tem uma conexão ao vivo com um modelo semântico compartilhado e usa a experiência de exibição de consulta DAX:

  • O Copilot não pode ver as expressões DAX de medidas, nem quaisquer objetos ocultos ou privados.
  • O copiloto deve executar a consulta DAX antes de retorná-la para garantir que a consulta seja válida.

• Use o botão Repetir: O botão Repetir esvazia o cache do Copilot, garantindo que você/tu obtenha um novo resultado com o mesmo prompt e dados associados. Esta funcionalidade é útil quando está a trabalhar iterativamente numa solução que satisfaz os seus requisitos específicos.

• Peça ao Copilot para adicionar comentários ao seu código: Os comentários são uma maneira útil de organizar e documentar suas consultas DAX e ajudá-lo a entender o código que o Copilot gera. Você também pode pedir ao Copilot para explicar o conceito DAX.

• Verifique qualidade, fontes revisadas por pares: Se ainda não compreenderes o código gerado com comentários e explicações do Copilot, pesquisa as funções e padrões online em fontes reputadas, seja na documentação da Microsoft ou na comunidade Power BI.

• Cuidado com o uso variável pelo Copilot: O copiloto pode ter dificuldades para usar variáveis adequadamente em consultas DAX e medidas definidas. Por exemplo, o Copilot pode tentar filtrar ou agrupar uma variável que já foi declarada, o que não é possível e produz um resultado inesperado.

• Use descrições concisas para distinguir entre campos com nomes semelhantes: As descrições ajudam quando campos semelhantes existem no mesmo modelo, como Nome na tabela Cliente e Nome na tabela Loja .

• Cuidado com o uso do grupo de cálculo pelo Copilot: O copiloto pode ter dificuldades para usar grupos de cálculo em suas consultas sugeridas. Para melhorar a utilização dos grupos de cálculo pelo Copilot, inclua os nomes dos itens de cálculo listados na descrição do grupo de cálculo.

• Cuidado com as funções mais recentes e a sintaxe DAX: O copiloto e outras ferramentas de IA generativa têm limitações no seu volume e escopo de dados de treino. Como tal, é mais provável que cometam erros com funções ou sintaxe DAX mais recentes. Para esses cenários, você pode tentar criar a consulta primeiro e, em seguida, revisá-la usando o Copilot.

• Ao gerar medidas, solicite sempre uma consulta: A funcionalidade Copilot na vista de consultas DAX foi criada para gerar consultas DAX. Obtém-se os melhores resultados quando instrui o Copilot a realizar esta tarefa, em vez de lhe pedir que gere uma medida ou outra expressão DAX.

Gerar descrições de medidas com o Copilot

Use o Copilot para gerar descrições para as medidas do modelo. As descrições de medidas ajudam tanto os consumidores de modelos como outros programadores a compreender o propósito de uma medida e como a utilizar. Além disso, as descrições de medidas podem melhorar a utilidade das saídas do Copilot para outras experiências do Copilot, como quando você usa o Copilot para gerar consultas DAX na exibição de consulta DAX de um modelo semântico do Power BI.

Use Copilot para gerar descrições de medidas para as medidas do teu modelo. Depois, reveja os resultados e revise-os para garantir que são precisos, concisos e úteis.

Benefícios

Criar descrições de medidas é normalmente uma tarefa árdua que muitas vezes é negligenciada. Gerar descrições de medidas reduz o tempo que gasta a organizar e documentar o seu modelo semântico. Ao contrário de um esquema linguístico, todos os modelos semânticos beneficiam da adição de descrições a tabelas, colunas e medidas. Esta prática ajuda a melhorar a documentação dos modelos e a sua utilidade para outros na sua organização.

Dicas para melhorar os resultados do Copilot

Esta experiência Copilot usa os seguintes dados de base para o contexto:

• Expressões DAX para medidas e objetos calculados.
• Propriedades de campo, incluindo descrições, tipos de dados, cadeias de caracteres de formato e categoria de dados.
• Sinónimos de campo.

Tendo em conta estes dados de fundamentação, pode garantir que os sinónimos sugeridos são úteis ao:

• Usando convenções de nomenclatura consistentes.
• Limitar o uso de pontuação, siglas e abreviaturas.
• Medidas de nomenclatura em inglês.

Copilot em modelação web (serviço Power BI)

O Copilot em modelação web é um assistente alimentado por IA que está integrado diretamente na experiência de criação de modelos do serviço Power BI. Ao contrário das outras experiências descritas nesta secção, que estão principalmente disponíveis no Power BI Desktop, o Copilot em modelação web permite-lhe analisar e melhorar os seus modelos semânticos usando linguagem natural sem sair do navegador.

Quando abre um modelo semântico na vista de Modelo do serviço e muda para o modo de Edição, o Copilot pode:

• Analise o modelo para problemas, como convenções de nomenclatura inconsistentes e estrutura pouco clara, e sugira melhorias nas melhores práticas.
• Aplicar atualizações de esquema diretamente, incluindo renomear tabelas e colunas, criar relações e gerar medidas DAX.

As alterações que o Copilot propõe ou aplica nesta experiência afetam o modelo semântico ativo tal como qualquer outra edição manual. Reveja cuidadosamente todas as atualizações sugeridas antes de as aceitar, como faria em qualquer mudança de modelo. A orientação de otimização descrita em Otimize o seu modelo semântico para Copilot no Power BI também se aplica aqui: um modelo bem estruturado e claramente nomeado produz uma melhor análise do Copilot e sugestões mais precisas.

Controlar o acesso do Copilot aos modelos semânticos

Utilizadores com permissões de escrita num modelo semântico podem controlar se utilizadores com permissões de apenas leitura podem aceder ao modelo através das experiências do Copilot. Esta configuração pode ajudar as organizações a cumprir requisitos de governação e acesso a dados, garantindo que o Copilot está disponível apenas para modelos semânticos destinados ao consumo do Copilot.

Esta definição encontra-se na secção Copilot do painel de definições semânticas ao nível do modelo, com a descrição "Permitir que qualquer pessoa com apenas permissões de leitura use IA (por exemplo, Copilot, as ferramentas MCP da Microsoft) neste modelo e nos seus relatórios relacionados". Também pode encontrar esta definição na página completa de definições semânticas do modelo, na secção Explorar e acesso à IA .

Esta configuração aplica-se às seguintes experiências:

• Superfícies de consumo do Power BI Copilot, incluindo o painel de relatórios e aplicações autónomas
• M365 Copilot Chat e Cowork
• Agente de dados
• Ferramentas MCP remotas da Microsoft

Por defeito, esta definição está ativada, permitindo que os utilizadores com permissões só de leitura utilizem as experiências suportadas do Copilot e do Microsoft MCP para aceder ao modelo semântico.

Quando desativas esta definição semântica ao nível do modelo:

• Utilizadores com permissões de apenas leitura não conseguem aceder ao modelo semântico através de experiências suportadas com Copilot ou ferramentas remotas Microsoft MCP. Os pontos de entrada do Copilot estão ocultos, desativados ou devolvem uma mensagem de acesso dependendo da experiência.
• Em experiências que suportam múltiplos modelos semânticos, os utilizadores podem continuar a usar o Copilot com outros modelos semânticos elegíveis que tenham a definição ativada.
• Em experiências que suportam múltiplos modelos semânticos, modelos e relatórios restritos são excluídos dos resultados de pesquisa para todos os utilizadores, incluindo aqueles com permissões de construção e escrita. Utilizadores com permissões de build e escrita ainda podem aceder a modelos e relatórios restritos através de métodos de acesso direto, como navegar até ao modelo ou URL do relatório ou anexar manualmente o modelo ou relatório.

Consumir um modelo semântico usando Copilot

Você pode usar o Copilot para fazer perguntas de dados aos seus modelos semânticos durante o consumo. Essa experiência está disponível sempre que você usa um relatório, inclusive no Power BI Desktop, um relatório publicado em um espaço de trabalho, aplicativo ou item OrgApp ou no aplicativo móvel Power BI.

Os consumidores podem fazer perguntas de dados de um modelo semântico nos seguintes cenários:

• Eles não conseguem encontrar as informações ou análises de que precisam em seus relatórios.
• Eles querem ver os dados apresentados de uma maneira diferente, e personalizar visuais não está habilitado.
• Eles querem fazer uma pergunta de dados usando linguagem natural, em vez de usar ferramentas ou código.

Para obter mais informações sobre como você pode usar o Copilot em relatórios, que consomem um modelo semântico, consulte o artigo Usar o Copilot com relatórios do Power BI.

Preparar um modelo semântico para a utilização do Copilot

Use o Copilot para consumir modelos semânticos apenas depois de tomar as medidas necessárias para atualizar o seu modelo de dados e funcionar bem com o Copilot para Power BI.

Power BI Desktop

No Power BI Desktop, use o painel de chat do Copilot para colocar questões sobre dados sobre o seu modelo semântico. Esta funcionalidade funciona tanto com modelos locais abertos no Power BI Desktop como quando estás ligado a um modelo semântico partilhado usando uma ligação em tempo real. Para obter mais informações, consulte Fazer perguntas sobre dados anteriormente neste artigo.

Você também pode usar a visualização de consulta DAX para consumir um modelo semântico através da geração de consultas DAX. Utilizadores avançados do Power BI podem usar esta abordagem se preferirem explorar dados utilizando código.

No entanto, para a maioria dos consumidores de dados, é geralmente mais conveniente e eficiente consumir e explorar um modelo semântico ao adicionar elementos visuais à área de desenho do relatório ou ao utilizar outros itens como explorações ou tabelas dinâmicas do Analyze-in-Excel. Estes itens normalmente têm uma interface de utilizador e uma experiência mais simples, mais adequada para explorar e compreender dados do que experiências semelhantes a conversas em linguagem natural, como o Copilot.

Relatório publicado

Num relatório publicado, use o painel de chat do Copilot para colocar questões sobre dados sobre o modelo semântico conectado. Essa experiência no Fabric é idêntica à experiência Fazer perguntas de dados no Power BI Desktop para desenvolvimento e consumo de modelos.

Aplicativo móvel do Power BI

Na aplicação móvel Power BI, use o painel de chat do Copilot para colocar questões sobre dados sobre qualquer relatório. As perguntas vão para o modelo semântico ligado desse relatório. Esta funcionalidade funciona de forma semelhante à experiência Ask Data Questions explicada anteriormente neste artigo.

Conteúdo relacionado

• Atualizar o modelo de dados para funcionar bem com o Copilot para o Power BI
• Visão geral do Copilot para Power BI
• Copiloto na integração do Power BI