Don't miss your chance to take the Fabric Data Engineer (DP-700) exam on us!
Learn moreWe've captured the moments from FabCon & SQLCon that everyone is talking about, and we are bringing them to the community, live and on-demand. Starts on April 14th. Register now
Hola
Tenemos una aplicación que utiliza un SQL Server hospedado en Azure, con Power BI Embedded para la elaboración de informes. La configuración incluye la publicación de un conjunto de datos maestro en Power BI Service y la vinculación de varios informes a él.
El objetivo es crear un chatbot sencillo en el que los usuarios puedan interactuar de forma natural.
Por ejemplo, un usuario pregunta: ¿Cuál es el número medio de pedidos de julio de 2023? A continuación, el chatbot debe encontrar el informe relacionado, aplicar los filtros y devolver el resultado.
Estaba pensando en llamar a la API de Azure OpenAI con Python y conectarme a la API REST de Power BI o al punto de conexión XMLA para recuperar todas las tablas, columnas y medidas. Luego, definiría múltiples indicaciones para guiar a OpenAI en la selección de la medida adecuada, la realización de cálculos y la entrega de resultados basados en la pregunta formulada.
¿Tiene sentido? ¿Habría una mejor manera? Cualquier idea o sugerencia es apreciada.
Tu enfoque tiene sentido técnicamente, ya que combinar la API de Azure OpenAI con la API REST o XMLA de Power BI te permitiría interpretar preguntas naturales y traducirlas a consultas. Sin embargo, construir esa capa de interpretación y mapeo entre el lenguaje y tu modelo de datos puede ser complejo y requiere un mantenimiento continuo. Una alternativa más integrada que podrías evaluar es PowerMind, un asistente personalizable que se embebe directamente en los informes de Power BI para permitir preguntas en lenguaje natural, justo como describes. Tienes un ejemplo breve de cómo funciona en su demo.
Hola @hoosha_11 ,
Estamos haciendo un seguimiento una vez más con respecto a su consulta. Si se ha resuelto, marque la respuesta útil como la Solución aceptada para ayudar a otros que enfrentan desafíos similares.
Si aún necesita ayuda, háganoslo saber.
Gracias.
Hola @hoosha_11 ,
Hacer un seguimiento para ver si su consulta se ha resuelto. Si alguna de las respuestas ayudó, considere marcar la respuesta relevante como la "Solución aceptada" para ayudar a otros con preguntas similares.
Si sigues teniendo problemas, no dudes en ponerte en contacto con nosotros.
Gracias.
Hola @hoosha_11 ,
No hemos tenido noticias suyas desde nuestra última respuesta y queríamos comprobar si las soluciones proporcionadas satisfacían sus necesidades. Si lo hicieron, considere aceptar la solución para ayudar a otros a beneficiarse. De lo contrario, no dude en ponerse en contacto con nosotros para obtener más ayuda.
Gracias.
Hola @hoosha_11 ,
Gracias por usar Fabric Community,
Gracias @andrewsommer por su valiosa respuesta,
Acepte su enfoque de usar la API de Azure OpenAI y la API de REST de Power BI o el punto de conexión XMLA. Es una estrategia sólida crear un chatbot para consultas en lenguaje natural.
Además, quería mencionar la compatibilidad con el modelo semántico con AI Skill introducida en la actualización de febrero de Fabric. Permite una integración más sencilla de los datos empresariales estructurados y la traducción automática de las consultas de los usuarios a DAX, lo que simplifica el proceso y reduce la necesidad de múltiples solicitudes. Esto podría alinearse bien con su enfoque y mejorar la experiencia del chatbot.
Resumen de características de Fabric de febrero de 2025 | Blog de Microsoft Fabric | Microsoft Fabri...
Espero que esto ayude. Póngase en contacto con nosotros para obtener más ayuda.
Considere marcar la respuesta útil como "Solución aceptada" para ayudar a otros con problemas similares.
Gracias.
Microsoft acaba de anunciar en la actualización de Fabric de febrero el soporte del modelo semántico con AI Skill:
"AI Skill ahora es compatible con los modelos semánticos, una nueva fuente de datos que permite a los creadores de IA integrar datos comerciales estructurados para consultas en lenguaje natural. Los modelos semánticos proporcionan una capa de datos seleccionada que define la lógica empresarial, las relaciones y las agregaciones, lo que facilita a los usuarios el análisis y la exploración de datos sin necesidad de una gran experiencia técnica.
Los creadores de IA pueden agregar modelos semánticos y definir selectivamente el ámbito de las tablas disponibles para consultas. Una vez configurado, tanto los creadores de IA como los consumidores pueden hacer preguntas en lenguaje natural, que la habilidad de IA traduce en consultas DAX (expresiones de análisis de datos) mediante LLM. Los usuarios pueden rastrear todo el proceso de consulta en el lienzo del chat, viendo cómo se interpreta su entrada, qué transformaciones se producen y las consultas DAX exactas ejecutadas".
If you have recently started exploring Fabric, we'd love to hear how it's going. Your feedback can help with product improvements.
A new Power BI DataViz World Championship is coming this June! Don't miss out on submitting your entry.
Share feedback directly with Fabric product managers, participate in targeted research studies and influence the Fabric roadmap.