データサイエンスにおける Copilot のプライバシー、セキュリティ、責任ある使用
この記事では、Data Science 用 Microsoft Copilot の仕組み、ビジネス データを安全に保ち、プライバシー要件を遵守する方法、生成 AI を責任を持って使用する方法について説明します。 Fabric 内の Copilot に関するこれらのトピックの概要については、「Copilot のプライバシー、セキュリティ、責任ある使用 (プレビュー)」を参照してください。
Microsoft Fabric には、Microsoft Fabric の Data Science 用 Copilot やプレビュー段階のその他の生成 AI 機能が備わっており、Data Science やその他のワークロードでのデータの変換と分析、分析情報の生成、視覚化とレポートの作成を行う新しい方法を提供します。
考慮事項と制限事項については、「制限事項」を参照してください。
Data Science 用 Copilot のデータ使用
Notebookの Copilot では、ユーザーの現在のNotebookからアクセスできるデータのうち、アタッチされたLakehouse内にあるデータ、またはユーザーがそのNotebookに直接読み込みまたはインポートしたデータのみにアクセスできます。 Notebookの Copilot では、Notebookからアクセスできないデータにアクセスすることはできません。
デフォルトでは、Copilot は次のデータ型にアクセスできます。
- そのセッションでそのユーザーに対して、Copilot から送信されたまたはが応答した以前のメッセージと応答。
- ユーザーが実行したセルの内容。
- ユーザーが実行したセルの出力。
- Notebook内のデータ ソースのスキーマ。
- Notebook内のデータ ソースからのサンプル データ。
- アタッチされたLakehouse内の外部データ ソースからのスキーマ。
Data Science 用 Copilot の評価
- 製品チームによって Copilot はテストされており、Notebookのコンテキスト内でシステムのパフォーマンスがどのくらい高いか、AI 応答が洞察に富んだ役に立つものであるかどうかが確認されています。
- また、同チームは、Copilot の出力を Data Science に関連するトピックに集中させるための技術的アプローチなど、他の弊害の軽減策にも取り組んでいます。
Data Science 用 Copilot の使用に関するヒント
- Copilot は、Data Science のトピックを処理するのに最適な機能を備えているため、質問はこの領域に限定してください。
- Copilot で調べるデータは明示的に指定します。 ファイル、テーブル、列の名前付けなど、データアセットについて説明すると、Copilot が関連するデータを取得して有用な出力を生成する可能性が高くなります。
- より詳細な応答が必要な場合は、Notebookにデータを DataFrame として読み込むか、Lakehouseにデータをピン留めしてみてください。 これにより、Copilot がパフォーマンス分析に使用するコンテキストが増えます。 資産が大きすぎて読み込めない場合は、ピン留めすると便利な代替手段になります。
AI スキル: 責任ある AI に関する FAQ
AIスキルとは何ですか?
AI Skill は Fabric の新しいツールであり、表形式のデータから自然言語で回答を取得する方法を提供します。
AI スキルでできること
データ アナリストまたはエンジニアは、技術以外のビジネス ユーザーが使用できるように AI スキルを準備できます。 Fabric データ ソースを構成する必要があり、必要に応じてスキーマからは明らかではない追加のコンテキスト情報を提供できます。
その後、技術ユーザー以外のユーザーは質問を入力し、AI によって生成された SQL クエリの実行から結果を受け取ることができます。
AI スキルの想定される用途は何ですか?
データの構造に慣れていないビジネス ユーザーは、Fabric Lakehouses と Fabric Warehouses に格納されている表形式のデータの上に、「前月の売上数量別の上位 10 製品は何か」 などの説明的な質問をすることができます。
AI スキルは、決定論的で正確な結果が必要な場合に使用することを目的としていません。これは、現在の LLM の制限を反映しています。
AI スキルは、詳細な分析や因果分析を必要とするユースケースを対象としていません。 たとえば、「前月の売上数が減少した理由」 を尋ねる場合などです。 範囲外です。
AI スキルはどのように評価されましたか? パフォーマンスの測定にはどのようなメトリックが使用されますか?
製品チームは、SQL タスクのさまざまなパブリックおよびプライベートベンチマークで AI スキルをテストし、SQL クエリの品質を確認しました。
また、同チームは、AI スキルのアウトプットを選択したデータ ソースのコンテキストに集中させるための技術的アプローチなど、追加の危害軽減策にも投資しました。
AI スキルの制限は何ですか? ユーザーは、システムを使用する際に AI スキルの制限の影響を最小限に抑えるにはどうすればよいでしょうか?
列名は、わかりやすいものにしてください。 "C1" や "ActCu" などの列名を使用する代わりに、"ActiveCustomer" または "IsCustomerActive" を使用します。 これは、AI からのより信頼性の高いクエリを取得するための最も効果的な方法です。
UI の設定パネルにあるモデルの [メモ] を利用します。 AI スキルが生成する SQL クエリが適切ではない場合は、今後のクエリを改善するために、平易な英語でモデルに指示を提供してください。 システムは、すべてのクエリでこれらの命令を利用します。 簡潔な命令になるようにするのが最善です。
UI のモデル構成パネルで例を示します。 システムは、回答を提供するときに最も関連性の高い例を活用します。
AI スキルを効果的かつ責任を持って使用するための運用要素と設定は何ですか?
AI スキルは、指定したデータにのみアクセスできます。 スキーマ (テーブル名と列名) のほか、UI で指定したモデルのメモと例も使用されます。
AI スキルは、質問者がアクセス可能なデータにのみアクセスできます。 AI スキルを使用する場合、資格証明は、基礎となるデータベースへのアクセスに使用されます。 ユーザーが、基になるデータにアクセスできない場合、AI もアクセスすることはできません。 これは、AI スキルを Copilot for Microsoft 365 や Microsoft Copilot Studio などの他の宛先に公開する場合にも当てはまり、そこで、その他の質問者はそのAI スキルを使用できます。