Copilotを使用して、自然言語の質問を Kusto クエリ言語 (KQL) クエリに変換できます。 分析または検索する内容を単純な言語で記述するだけで、 Copilot は対応する KQL クエリを生成します。 これにより、KQL に関する知識に関係なく、誰でもデータを効率的に探索して分析することが容易になります。
Copilot に関する課金情報については、「Fabric の価格での Copilot のお知らせ」をご覧ください。
[前提条件]
- Microsoft Fabric 対応の容量を持つワークスペース
- KQL クエリセットへの書き込みアクセス
注
- Copilotの使用を開始する前に、管理者がテナントスイッチを有効にする必要があります。 詳細については、Copilot テナント設定 記事を参照してください。
- F2 または P1 の容量は、この記事に記載されているいずれかのリージョン ( ファブリック リージョンの可用性) にある必要があります。
- お使いのテナントまたは容量が米国またはフランスの外部にある場合、Fabric 管理ポータルで Fabric テナント管理者が Copilotというテナント設定を有効にしない限り、 は既定で無効になっています。
- Microsoft Fabric の Copilot は、試用版 SKU ではサポートされていません。 有料 SKU (F2 以上、または P1 以降) のみがサポートされます。
- 詳細については、Fabric と Power BI の Copilot の概要に関する記事を参照してください。
KQL でクエリを記述するための Copilot の機能
Copilot では、自然言語クエリを Kusto クエリ言語 (KQL) に簡単に変換できます。 コピロットは、日常的な言語とKQLの技術的な複雑の間の橋渡しとして機能し、そうすることで、データアナリストや市民データサイエンティストの導入障壁を取り除きます。 OpenAI の高度な言語理解を活用することで、この機能を使用すると、使い慣れた自然言語形式でビジネスの質問を送信し、KQL クエリに変換できます。 Copilot は、ユーザーフレンドリで効率的なデータ分析アプローチを使用してクエリ作成プロセスを簡略化することで、生産性を向上させます。
Copilot では 会話操作 をサポートしています。これにより、以前の入力のコンテキストを維持しながら、クエリを動的に明確に、適応させ、拡張することができます。 最初からやり直すことなく、クエリを絞り込んでフォローアップの質問をすることができます。
動的クエリ絞り込み: プロンプトを絞り込み、あいまいさを解消したり、テーブルまたは列を指定したり、より多くのコンテキストを提供したりすることで、Copilot によって生成された初期 KQL を絞り込むことができます。
シームレスなフォローアップの質問: 生成された KQL が正しいが、データをより深く調査したい場合は、同じタスクに関連するフォローアップの質問をすることができます。 前のダイアログを基にして、クエリのスコープを拡張したり、フィルターを追加したり、関連するデータ ポイントを探索したりできます。
KQL でのクエリの記述に Copilot を使用する
Copilotには、次の 2 つの方法でアクセスできます。
KQL クエリセットを使用して:
新規または既存の KQL クエリセット に移動し、 Copilot 機能を使用して自然言語プロンプトからクエリを生成します。Real-Time ダッシュボードの [編集] タイルを使用して、次の操作を行います。
[Real-Time ダッシュボード] (../real-time-intelligence/dashboard-real-time-create.md)を編集する際に、Copilot を利用することで、ダッシュボードの編集画面でそのままKQLクエリを作成または調整することができます。
次の手順に従って、いずれかのコンテキストで Copilot を使用します。
[Copilot] ウィンドウで、自然言語でビジネスの質問を入力します。
Enter キーを押します。 数秒後、Copilot は入力に基づいて KQL クエリを生成します。 クエリをクリップボードにコピーしたり、クエリ エディターに 挿入 したり、コンテキスト内のクエリをそれに 置き換えたり することができます。 クエリ エディターでクエリを実行するには、KQL クエリセットへの書き込みアクセス権が必要です。
[実行] ボタンを選択してクエリを実行します。
注
- Copilot では、コントロール コマンドは生成されません。
- Copilot では、生成された KQL クエリは自動的には実行されません。 ユーザーは、独自の判断でクエリを実行することをお勧めします。
引き続きフォローアップの質問をしたり、クエリをさらに絞り込んだりすることができます。 新しいチャットを始めるには、Copilot ペインの右上にある吹き出しを選びます (1)。
前の質問 (2) にカーソルを合わせ、鉛筆 アイコンを選択して質問ボックスにコピーして編集するか、クリップボードにコピーします。
KQL クエリの Copilot の精度を向上させる
Copilotによって生成される KQL クエリの精度を向上させるために役立つヒントを次に示します。
- 単純な自然言語プロンプトから始めて、現在の機能と制限事項について学習します。 次に、より複雑なプロンプトに徐々に進みます。
- タスクを正確に指定し、あいまいさを避けます。 自然言語プロンプトをチームの数人の KQL エキスパートと共有したと想像してください。口頭での指示を加えずに、彼らは正しいクエリを生成できると思いますか？
- 最も正確なクエリを生成するには、モデルに役立つ関連情報を指定します。 可能な場合は、クエリに不可欠なテーブル、演算子、または関数を指定します。
- データベースを準備する: docstring プロパティを追加して、一般的なテーブルと列を記述します。 これは説明的な名前 (タイムスタンプなど) には冗長な場合がありますが、意味のない名前を持つテーブルまたは列を記述するには非常に重要です。 使用頻度の低いテーブルまたは列に docstring を追加する必要はありません。 詳細については、「.alter table column-docstrings コマンド」を参照してください。
- Copilot の結果を改善するには、[いいね] または [興味なし] アイコンを選択して、[フィードバックの送信] フォームでコメントを送信します。
注
フィードバックの送信 フォームは、データベースの名前、その URL、副操縦によって生成された KQL クエリ、およびフィードバック送信に含める自由なテキスト応答を送信します。 実行された KQL クエリの結果は送信されません。
制限事項
-
Copilot は、次の理由により、不正確または誤解を招く可能性のある推奨 KQL クエリを示唆する可能性があります。
- 複雑で長いユーザー入力。
- KQL データベース テーブルまたは具体化されたビューではないデータベース エンティティに送信するユーザー入力 (KQL 関数など)。
- 組織内の同時ユーザー数が 10,000 人を超える場合、障害が発生したり、パフォーマンスが大きく低下したりする可能性があります。