WEBVTT

00:00:00.000 --> 00:00:04.380
Copilot non è confuso, obbediente. Quel paragrafo allegro che ha appena scritto sull'inesistente

00:00:04.380 --> 00:00:08.520
impennata stellare della tua azienda nel quarto trimestre non avrò mal tecnico. Evangelo secondo

00:00:08.520 --> 00:00:13.580
i tuoi dati mal cablati. Questo è l'effetto spazzatura in entrata e in uscita. Modo cortese

00:00:13.580 --> 00:00:17.780
di Microsoft Fabric per dire hai addestrato tu stesso il tuo bugiardo. Copilot allucina

00:00:17.780 --> 00:00:21.280
volentieri schemi perché le tue tabelle hanno sussurrato dolci incongruenze nel suo contesto

00:00:21.280 --> 00:00:25.960
di prompt. E cosa sta succedendo? Hai join duplicati, semantica mancante e livelli di

00:00:25.960 --> 00:00:29.980
medaglioni mal cotti mascherati da verità. Quindi chiami Copilot e chiedi informazioni perché non

00:00:29.980 --> 00:00:35.160
ragiona, si riorganizza. Fabric gli fornisce metadati malformati e Copilot restituisce un

00:00:35.160 --> 00:00:39.920
sogno lucido travestito da analisi. Oggi ti mostrerò perché succede questo, dove il tuo

00:00:39.920 --> 00:00:43.840
modello di dati ti ha tradito e come ricostruirlo in modo che Copilot smetta di inventare storie.

00:00:44.480 --> 00:00:48.100
Alla fine avrai un'intelligenza artificiale precisa, spiegabile e finalmente affidabile.

00:00:49.020 --> 00:00:53.700
L'illusione dell'intelligenza. Perché Copilot mente. Le persone si aspettano che Copilot

00:00:53.700 --> 00:00:58.880
corrisponde ai modelli dei tuoi metadati, del contesto e del fragile senso di relazioni

00:00:58.880 --> 00:01:01.880
che hai definito all'interno di Fabric. Pensi a parlare con l'intelligenza, in realtà

00:01:01.880 --> 00:01:05.680
stai parlando con la riflessione. Dà gli ambiguità e rispecchia quell'ambiguità

00:01:05.680 --> 00:01:10.440
solo più brillante. Ecco il vero problema. La maggior parte delle implementazioni di Fabric

00:01:10.440 --> 00:01:13.480
tratta la progettazione dello schema come un ripensamento. Tabelle dei fatti unite sulla

00:01:13.480 --> 00:01:17.280
chiave sbagliata, misure scritte in modo incoerente, descrizioni completamente mancanti.

00:01:17.900 --> 00:01:21.860
Copilot legge questo caos come un bambino che legge una frase senza punteggiatura. Si limita

00:01:21.860 --> 00:01:25.360
a indovinare dove dovrebbe andare il significato. Il risultato sembra coerente ma potrebbe essere

00:01:25.360 --> 00:01:29.520
gravemente sbagliato. Supponiamo che il tuo livello oro contenga entrate da una fonte e vendite

00:01:29.520 --> 00:01:34.760
totali da un'altra, entrambe non standardizzate. Copilot vede nomi di colonne simili e, nella

00:01:34.760 --> 00:01:39.680
sua infinita cortesia, le fonde. Chiedi qual è stato il fatturato dell'ultimo trimestre. Unisce

00:01:39.680 --> 00:01:43.320
misure con granularità non corrispondente, produce una media tra scale incompatibili e la

00:01:43.320 --> 00:01:47.820
presenta con la massima sicurezza. Il grafico sembra professionale, la matematica è finzione.

00:01:47.820 --> 00:01:52.100
L'illusione deriva dal tono. Il linguaggio naturale sembra comprensione, ma le risposte

00:01:52.100 --> 00:01:56.600
naturali di Copilot mascherano solo limitazione statistica. Quando pone una domanda, il modello

00:01:56.600 --> 00:02:01.620
non convalida i fatti. Recupera modelli, probabili giunzioni, colonne plausibili, testo digeribile.

00:02:02.460 --> 00:02:05.840
Senza una rigida discendenza dei dati o una governance semantica inventa ciò che non può

00:02:05.840 --> 00:02:10.560
dedurre. È di fatto il tuo schema con presenza scenica. Fabric aggrava questa illusione.

00:02:11.400 --> 00:02:15.680
Poiché gli agenti dati in Fabric trasmettono il contesto tramite metadati, eventuali lacune nelle

00:02:15.680 --> 00:02:19.500
relazioni, chiavi esterne mancanti, dimensioni non contrassegnate o nomi di misure ambigui

00:02:19.500 --> 00:02:24.180
vengono trattati come suggerimenti facoltativi anziché come obblighi. Modello riempie quei

00:02:24.180 --> 00:02:26.200
vuoti tramite il completamento di modelli, non tramite logico.

00:02:26.700 --> 00:02:30.980
Voleva unire le vendite per regione data? Potrebbe leggere unire le vendite a qualsiasi

00:02:30.980 --> 00:02:34.800
cosa che abbia un odore geografico. Quindi la SQL che genera collabora cortesemente con

00:02:34.800 --> 00:02:38.220
quella sciocchezza. Gli utenti ci cascano perché l'interfaccia democratizza la sintassi delle

00:02:38.220 --> 00:02:42.300
richieste. Si digita una frase e restituisce un'immagine. Si dà per scontata la comprensione,

00:02:42.300 --> 00:02:46.140
ma il modello opera in una nebbia statistica. Meno vincoli si definiscono, più amichevoli

00:02:46.140 --> 00:02:50.540
diventano le sue bugie. Cambiamento mentale fondamentale è questo. Copilot non è un oracolo.

00:02:51.200 --> 00:02:55.360
Non è epistemologia, nessun concetto di verità, solo specchi costruiti dai tuoi metadati. Converte

00:02:55.360 --> 00:02:59.760
il tuo modello di dati in uno spazio di probabilità linguistico. Ogni difetto strutturale diventa

00:02:59.760 --> 00:03:03.780
un'allucinazione semantica. Laddove il tuo schema è incoerente, l'intelligenza artificiale

00:03:03.780 --> 00:03:09.740
allucina una coerenza che non esiste e la tragedia è prevedibile. I dirigenti prendono decisioni

00:03:09.740 --> 00:03:13.700
basate su una finzione che sembra convalidata perché proveniente da Microsoft Fabric. Se

00:03:13.700 --> 00:03:17.440
il tuo livello d'oro vacilla sotto trasformazioni incoerenti, Copilot amplifica quell'oscillazione

00:03:17.440 --> 00:03:21.460
in una narrazione sicura. L'eloquenza del modello maschera la putrefazione della tua

00:03:21.460 --> 00:03:25.180
pipeline. Pensa a Copilot come un motore di riflessione. La sua intelligenza inizia e

00:03:25.180 --> 00:03:29.020
finisce con la qualità del tuo schema. Se le tue giunzioni sono storte, la tua discendenza

00:03:29.020 --> 00:03:32.820
è interrotta, la tua semantica poco chiara ci riflette l'incertezza come certezza come

00:03:32.820 --> 00:03:36.400
certezza. Ecco perché la cura non inizia con un'ingegneria tempestiva ma con l'igiene

00:03:36.400 --> 00:03:40.460
architettonica. Quindi se Copilot è veritiero solo quanto la tua architettura, analizziamo

00:03:40.460 --> 00:03:45.580
dove inizia il marciume. Il mito del medaglione, quando il bronzo inquina l'oro. Ogni ingegnere

00:03:45.580 --> 00:03:49.840
dei dati recita l'architettura del medaglione come una scrittura. Bronzo, argento, oro, grezzo,

00:03:49.920 --> 00:03:55.160
raffinato, affidabile. In teoria è un pellegrinaggio dal caos alla chiarezza. Ogni strato ripulisce

00:03:55.160 --> 00:04:00.720
l'ambiguità affinché i dati non guadagnano il loro alone di verità. In pratica la maggior parte

00:04:00.720 --> 00:04:04.660
delle persone costruisce un scivolo da parco a tema in cui l'incorenza grezza fa un giro veloce

00:04:04.660 --> 00:04:08.860
dal bronzo direttamente all'oro senza nulla di pulito nel mezzo. Partiamo dal basso. Il

00:04:08.860 --> 00:04:13.160
bronzo è la tua zona di atterale. File parquet, csv, acquisizione, iot, registro fossile della

00:04:13.160 --> 00:04:18.040
tua organizzazione. Non dovrebbe essere bello, solo completamente catturato. Pure le persone

00:04:18.040 --> 00:04:21.440
dimenticano che il bronzo è una quarantena, non un ingrediente attivo. Quando quel diquame

00:04:21.440 --> 00:04:24.980
grezzo si infiltra verso l'alto attraverso scorciatoie pigre e query di reteologica di

00:04:24.980 --> 00:04:29.160
trasformazione mancante, stai fornendo a Copilot rumore il maltrattato come contesto. Si avrà

00:04:29.160 --> 00:04:33.080
delle allucinazioni. Ha una buona ragione. Gli hai consegnato un diario dei sogni e hai chiesto un

00:04:33.080 --> 00:04:37.700
audit. Silver è pensato per raffinare quel fango. È qui che i duplicati muoiono, gli schemi si

00:04:37.700 --> 00:04:41.160
allineano, i tipi di dati corrispondono e le chiavi universali concordano finalmente su cosa

00:04:41.160 --> 00:04:45.060
sia un client. Ma se dai un'occhiata alla maggior parte delle configurazioni di Fabric, Silver ha

00:04:45.060 --> 00:04:50.720
una scusa poco convinta. Unioni rapide, ricerche fragili, conversioni non documentate. La scusa è

00:04:50.720 --> 00:04:54.640
sempre la stessa. Lo sistemeremo in gold. Ciò equivale a correggere la grammatica pubblicando

00:04:54.640 --> 00:04:59.460
dizionali in ritardo. Quando arrivi a gold si instaura l'illusione della fiducia. Tutto in gold

00:04:59.460 --> 00:05:03.140
sembra analitico. Tabelle pulite, nomi intuitivi per il business, dashboard che brillano di

00:05:03.140 --> 00:05:08.100
sicurezza. Ma sotto è accumulato conversioni non corrispondenti, timestamp non sincronizzati

00:05:08.100 --> 00:05:12.900
e collisioni di D tracciate fino a bronze. I metadati di Fabric tracciano automaticamente

00:05:12.900 --> 00:05:16.900
queste relazioni. Indovina su quali relazioni si basa Copilot quando interpreta il linguaggio

00:05:16.900 --> 00:05:21.940
naturale. Tutte. Quindi quando la discendenza mente il modello eredita l'inganno. Ecco uno

00:05:21.940 --> 00:05:26.980
scenario reale. Hai dati transazionali da due sistemi di prenotazione. Entrambi alimentano bronze

00:05:26.980 --> 00:05:30.300
con formati chiave leggermente diversi. Un utilizzo un ID di viaggio numerico. Un altro

00:05:30.300 --> 00:05:35.300
mescola lettere. In silver qualcuno li ha uniti tramite un inner join su sotto stringhe troncate

00:05:35.300 --> 00:05:40.460
per standardizzarli. Tecnicamente i dati unificati. Semanticamente è appena creato corrispondenze

00:05:40.460 --> 00:05:45.120
fantasma. Ora Copilot calcola con sicurezza il fatturato medio di viaggio che include transazioni

00:05:45.120 --> 00:05:49.760
da contesti completamente diversi. È una assurdità precisa, una sintassi accurata, una semantica

00:05:49.760 --> 00:05:54.080
inventata. Questo è il mito del medaglione. L'idea che avere livelli garantisca automaticamente

00:05:54.080 --> 00:05:58.800
purezza. I livelli sono meritieri solo quanto la disciplina al loro interno. Bronze dovrebbe

00:05:58.800 --> 00:06:03.240
esporre l'entropia grezza. Silver deve imporre la decontaminazione. Gold deve rappresentare

00:06:03.240 --> 00:06:07.000
una logica aziendale certificata. Nessuna sostituzione manuale, nessuna correzione

00:06:07.000 --> 00:06:11.240
temporanea. Spezza quella catena e sostituisce la raffinatezza con l'inquinamento ricorsivo.

00:06:11.540 --> 00:06:14.920
Copilot ovviamente non sa nulla di tutto ciò. Prende tutto ciò che il modello Fabric dichiara

00:06:14.920 --> 00:06:19.300
come discendenza e presuppone la causalità. Se una colonna in oro fa riferimento a un ibrido

00:06:19.300 --> 00:06:23.740
di tre fonti incoerenti, l'intelligenza artificiale vede un singolo concetto. Chiedi perché

00:06:23.740 --> 00:06:27.420
le vendite sono aumentate a marzo. Genera allegramente se quelle che aggrega tutti i

00:06:27.420 --> 00:06:30.720
regoli etichettati marzo in tutte le regioni, valute, fusi orari perché non hai mai detto

00:06:30.720 --> 00:06:34.140
a Silver di far rispettare quei confini. L'intelligenza artificiale non sta mette.

00:06:34.480 --> 00:06:38.500
Sta traducendo la tua negligenza collettiva in una finzione fluente. Ecco perché la provenienza

00:06:38.500 --> 00:06:42.520
dei dati non è un metadato opzionale, è il GPS di Copilot. Ogni trasformazione, ogni

00:06:42.520 --> 00:06:45.820
join, ogni definizione di misura è un percorso di briciole di pani che riporta la tua fonte

00:06:45.820 --> 00:06:49.960
di verità. Fabric traccia la discendenza visivamente, ma la discendenza senza convalide è come

00:06:49.960 --> 00:06:53.540
una mappa disegnata a matita. L'intelligenza artificiale legge quelle linee sfocate come

00:06:53.540 --> 00:06:58.300
un genere. Applica la convalida. Tra bronzo e argento esegui test di schema automatizzati.

00:06:59.020 --> 00:07:02.820
Gli edì sono allineati, i valori nulli sono gestiti, i tipi sono coerenti. Tra argento

00:07:02.820 --> 00:07:07.440
e oro distribuisce Audi di join. Verificare le aspettative uno a uno. Monitorare la deriva

00:07:07.440 --> 00:07:10.940
dell'agrazione. Verificare la continuità della discendenza a livello di colonna. Se non

00:07:10.940 --> 00:07:13.920
sono rituali burocratici, sono strumenti di sopravvivenza per l'accuratezza dell'intelligenza

00:07:13.920 --> 00:07:17.680
artificiale. Quando la query di Copilot passa attraverso i livelli che è verificato

00:07:17.680 --> 00:07:22.280
eredita a disciplina anziché disordine. L'ironia è deliziosa. Volevi che Copilot automatizzasse

00:07:22.280 --> 00:07:25.740
l'analisi, ma le fondamenta da cui dipende richiedono ancora un'igiene vecchio stile.

00:07:26.240 --> 00:07:29.080
Spazzature in entrata e sicurezza in uscita. Finché non tratterai l'architettura come

00:07:29.080 --> 00:07:32.100
filosofia morale, il perfezionamento come obbligo, non come suggerimento, non avrai mai

00:07:32.100 --> 00:07:35.540
un'intelligenza artificiale veritiera. Anche con livelli incontaminati Copilot può comunque

00:07:35.540 --> 00:07:39.800
inciampare, perché sapere quali dati esistono non significa sapere cosa significano. Una

00:07:39.800 --> 00:07:43.660
pipeline perfetta può alimentare un modello semanticamente vuoto, il che ci porta al traduttore

00:07:43.660 --> 00:07:47.040
mancante tra numeri e significato e livello semantico, il cervello che i tuoi dati hanno

00:07:47.040 --> 00:07:53.020
dimenticato di costruire. Il cervello mancante, i livelli semantici, di contesto. È qui che

00:07:53.020 --> 00:07:56.420
la maggior parte delle implementazioni di Fabric perdono la testa, letteralmente. Il livello

00:07:56.420 --> 00:07:59.300
semantico è il cervello del tuo modello di dati, ma molte organizzazioni lo trattano

00:07:59.300 --> 00:08:03.720
come una decorazione. Pensano che se esistono tabelle il significato segue automaticamente.

00:08:04.540 --> 00:08:09.040
Le tabelle sono memoria, la semantica è comprensione. Senza questo livello Copilot legge i numeri

00:08:09.040 --> 00:08:12.680
come un turista, legge i segnali stradali in un'altra lingua foneticamente, con sicurezza e

00:08:12.680 --> 00:08:17.300
completamente senza contesto. Definiamolo correttamente. Il modello semantico in fabbrica

00:08:17.300 --> 00:08:22.280
indica a Copilot il significato dei dati, non solo il loro nome. È il dizionario che traduce

00:08:22.280 --> 00:08:26.720
le etichette delle colonne in logica aziendale. I ricavi diventano la somma delle vendite esclusi

00:08:26.720 --> 00:08:31.540
e i rimborsi. Il cliente diventa un'idea acquirente univoco oltre i limiti dell'anno fiscale.

00:08:32.420 --> 00:08:36.600
Senza di esso Copilot tratta queste parole come semplici toccan casuali. Potresti chiedere

00:08:36.600 --> 00:08:41.060
le vendite totali e ottenere un giorno gli incassi lordi e il giorno dopo i ricavi netti. Non è

00:08:41.060 --> 00:08:45.380
volubile, è linguisticamente alla deriva. La verità è che un modello semantico agisce

00:08:45.380 --> 00:08:49.620
come un interprete bilingue tra il linguaggio umano e la logica DAX o SQL. Allinea l'intento

00:08:49.620 --> 00:08:54.140
al calcolo. Quando manca Copilot deve indovinare. E i grandi modelli linguistici sono notoriamente

00:08:54.140 --> 00:08:58.220
degli ottimi indovini. Assemblano join probabili, non accurati e si fidano molto di più dei nomi

00:08:58.220 --> 00:09:02.000
delle colonne che delle definizioni aziendali. In un modello le prenotazioni si riferiscono

00:09:02.000 --> 00:09:06.840
alle prenotazioni. In un altro conteggia viaggi completati. Per Copilot sono sinonimi. Hai appena

00:09:06.840 --> 00:09:10.140
chiesto le prenotazioni per trimestre e ti ha servito entrambe. Sbagliate in modo

00:09:10.140 --> 00:09:14.480
efficace. Confronta due architetture. In un data warehouse spoglio Copilot esamina direttamente

00:09:14.480 --> 00:09:19.220
le tabelle. Vede data, importo, tipo. Sono sostantivi piacevoli in nessun contesto. Quindi

00:09:19.220 --> 00:09:22.740
confronta i modelli. Le vendite sono uguali all'importo per regione, uguale a qualsiasi

00:09:22.740 --> 00:09:26.560
campo che abbia un'impronta geografica. In un modello semantico tuttavia quei campi sono

00:09:26.560 --> 00:09:30.900
stati civilizzati. L'importo delle vendite include una misura DAX che definisce ambito, valuta

00:09:30.900 --> 00:09:35.720
e logica di aggregazione. La regione ha relazioni bloccate in modo esplicito. Quindi quando poni

00:09:35.720 --> 00:09:39.980
la stessa domanda Copilot non brancola nel buio. Percorre un sentiero illuminato che hai spianato.

00:09:40.380 --> 00:09:44.520
La cassetta degli attrezzi 2025 di Fabric ti fornisce persino le armi per questo. Direct

00:09:44.520 --> 00:09:48.620
Lake per la modellazione a bassa latenza. DAX per la logica di misura. Sinonimi per la

00:09:48.620 --> 00:09:53.620
flessibilità linguistica e gruppi di calcolo per la coerenza. Pensai sinonimi come un vocabolario

00:09:53.620 --> 00:09:57.740
elastico? Se gli utenti dicono reddito netto ma la tua misura è profitto non rinomini la

00:09:57.740 --> 00:10:01.880
colonna insegna Copilot la traduzione. I gruppi di calcolo applicano quindi la grammatica

00:10:01.880 --> 00:10:04.720
assicurando che l'intelligenza temporale o le conversioni di valuta vengono applicate in modo

00:10:04.720 --> 00:10:09.200
uniforme. Insieme formano il sistema di base del modello linguistico. Ma sono in pochi a preoccuparsi di

00:10:09.200 --> 00:10:12.580
collegarli correttamente. Scaricano tabelle in fabbrica e presumono che l'intelligenza

00:10:12.580 --> 00:10:16.760
artificiale di Copilot interpreterà le sfumature. Spoiler non lo farà. Il modello non deduce i tuoi

00:10:16.760 --> 00:10:22.400
KPI dalla convinzione morale. Li deduce dai tag dei metadati. Se non hai etichettato le misure

00:10:22.400 --> 00:10:27.140
e descritto le relazioni o specificato l'ordine di calcolo Copilot improvvisa. L'improvvisazione

00:10:27.140 --> 00:10:32.080
è affascinante nei Jazz Club. Disastrosa nell'analisi aziendale. Quindi come fa a imporre la semantica?

00:10:32.080 --> 00:10:36.560
Inizia verificando il vocabolario del tuo modello. Ogni misura necessita di una definizione coerente

00:10:36.560 --> 00:10:40.500
archiviata centralmente e referenziata universalmente. Resiste alla tentazione di rinominare le colonne

00:10:40.500 --> 00:10:45.540
per report? Crea invece degli alias nel livello semantico. Crea gruppi di calcolo per tutta la

00:10:45.540 --> 00:10:50.260
logica comune, i totali annuali, le medie mobili, i tassi di conversione. Quindi aggiungi

00:10:50.260 --> 00:10:53.720
sinonimi in modo che il motore del linguaggio naturale di Copilot non inventi le proprie correlazioni.

00:10:54.160 --> 00:10:58.440
Ora collega la semantica all'architettura delle istruzioni di Copilot. Fabric offre due livelli di

00:10:58.440 --> 00:11:02.120
controllo, istruzioni per l'origine dati e istruzioni per l'agente. Le istruzioni per

00:11:02.120 --> 00:11:05.720
l'origine dati chiariscono le specifiche dello schema, i join, i riferimenti di misura, i nomi

00:11:05.720 --> 00:11:09.720
preferiti, mentre le istruzioni per l'agente regolano tono, formato e vincoli. Queste interagiscono

00:11:09.720 --> 00:11:13.780
tramite prompt di base che dipendono interamente dall'allineamento semantico. Se il tuo modello

00:11:13.780 --> 00:11:17.600
semantico definisce chiaramente le vendite totali, le istruzioni per l'origine dati possono applicare

00:11:17.600 --> 00:11:21.780
tale definizione quando Copilot scrive un seguito. Le istruzioni per l'agente garantiscono che la

00:11:21.780 --> 00:11:26.140
risposta rimanga concisa, tabulare o riepilogata, combinale e sostituisci il caos con il protocollo.

00:11:28.440 --> 00:11:33.040
Copilot è un'improvvisazione. Con la semantica ogni risposta diventa una prova. Non stai regolando

00:11:33.040 --> 00:11:37.280
i prompt, stai insegnando la logica. Una volta concesso a Copilot un dizionario coerente, la sua

00:11:37.280 --> 00:11:41.320
accuratezza aumenta perché l'incertezza non ha più alcun posto dove nascondersi. Ora che Copilot

00:11:41.320 --> 00:11:44.540
comprende il linguaggio, gli insegneremo la disciplina, le regole comportamentali che lo

00:11:44.540 --> 00:11:49.580
mantengono onesto. Disciplina per macchine, dati e istruzioni per l'agente, Copilot potrebbe

00:11:49.580 --> 00:11:53.620
finalmente comprendere il tuo vocabolario, ma ha comunque bisogno di buone maniere. La semantica insegna il

00:11:53.620 --> 00:11:58.260
significato, le istruzioni insegna il comportamento. E in Microsoft Fabric quei comportamenti sono modellati

00:11:58.260 --> 00:12:02.980
tramite due distinti guinzagli. Istruzioni sulla fonte dati, istruzioni sulla gente. Una struttura

00:12:02.980 --> 00:12:06.940
il cane, l'altra la destra, non masticare i mobili. Inizia con le istruzioni sulla fonte dati,

00:12:07.020 --> 00:12:11.020
i comandamenti specifici dello schema. Questi sono i più vicini dati e dicono a Copilot esattamente

00:12:11.020 --> 00:12:15.100
come interpretare il tuo modello. Ricordi il nostro precedente caos con le giunzioni meteorologiche?

00:12:15.380 --> 00:12:18.520
Le istruzioni sulla fonte dati sono dove può risolvere il problema. Specifichi che i dati sulla

00:12:18.520 --> 00:12:22.380
temperatura e sulle precipitazioni devono unirsi al momento del ritiro dell'edito geografico e dell'edito.

00:12:22.380 --> 00:12:27.320
Ciò elimina le ipotesi dal modello e le sostituisce con l'obbligo. Fabric legge quelle dichiarazioni

00:12:27.320 --> 00:12:31.820
ogni volta che Copilot elabora una bozza di SQL o DAX, assicurando che ogni query attinga le chiavi

00:12:31.820 --> 00:12:36.300
giuste. Considerale come la costituzione relazionale, un testo legale immutabile che definisce come le

00:12:36.300 --> 00:12:40.840
entità possono connettersi. Queste istruzioni gestiscono anche sinonimi e definizioni di misure.

00:12:41.620 --> 00:12:45.120
Supponiamo che i tuoi analisti utilizzino vendite totali, importo equo e incassi l'ordine in modo

00:12:45.120 --> 00:12:49.720
intercambiabile. Per gli esseri umani significano tutti più o meno la stessa cosa. Per Copilot sono variabili

00:12:49.720 --> 00:12:53.580
sinti che lottano per attirare l'attenzione. In base alle istruzioni della fonte dati le allinei.

00:12:54.020 --> 00:12:57.540
Ogni volta che vengono menzionate le vendite totali usa l'importo totale equo. Ora la tua

00:12:57.540 --> 00:13:00.420
intelligenza artificiale smette di giocare la roulette semantica e inizia a rispondere e rispondere

00:13:00.420 --> 00:13:03.680
in modo corrente. Può persino definire una logica di suddivisione in categorie per analisi

00:13:03.680 --> 00:13:07.820
categoria. Quando un utente chiede le vendite in base alla temperatura puoi predefinire degli

00:13:07.820 --> 00:13:13.740
intervalli. Sotto i 32 gradi cesti si equivale a 0 gradi, fino a 53 gradi ferri freddo, da 53 a 72 gradi

00:13:13.740 --> 00:13:18.720
ferri niente e così via. Senza questo Copilot restituisce valori numerici infiniti, sommergendo l'utente

00:13:18.720 --> 00:13:22.920
e di informazioni dettagliate. Incorporando questi intervalli direttamente nelle tue istruzioni

00:13:22.920 --> 00:13:27.460
genera un'aggregazione prevedibile e una logica riproducibile. Ciò che stai realmente facendo qui

00:13:27.460 --> 00:13:31.940
è convertire i metadati latenti in regole esplicite. L'agente dati di Fabric li passa prima di creare

00:13:31.940 --> 00:13:36.500
query, trattandoli come verità di base immutabili. La loro mancata interpretazione è il motivo per cui

00:13:36.500 --> 00:13:40.320
le query precedenti producevano risultati distorti e distorti generavano sequelle perfettamente valiore.

00:13:40.740 --> 00:13:44.340
Con istruzioni sui dati scritte correttamente le query di Copilot rimangono ancorate alle regole

00:13:44.340 --> 00:13:48.160
aziendali anziché alla probabilità linguistica. Passiamo ora a un livello superiore, ovvero le istruzioni

00:13:48.160 --> 00:13:52.280
dell'agente, la scuola d'etichetta per il comportamento LLM. Mentre le istruzioni sulla

00:13:52.280 --> 00:13:55.940
fonte dati indicano a Copilot il significato dei dati, le istruzioni dell'agente stabiliscono

00:13:55.940 --> 00:13:59.960
come deve rispondere. Definiscono lo stile di presentazione e l'ambito analitico. Puoi dare

00:13:59.960 --> 00:14:04.440
istruzioni del tipo riepiloga sempre con una tabella concisa, oppure, quando sono presenti

00:14:04.440 --> 00:14:08.920
più fonti, chiarisci la discendenza prima dell'aggregazione. In pratica trasformi Copilot

00:14:08.920 --> 00:14:14.840
da stagista troppo zelante in analista disciplinato. Considera la regola delle prime cinque righe derivate

00:14:14.840 --> 00:14:18.200
dalla messa appunto dell'agente dati. Invece di restituire migliaia di record, gli dici

00:14:18.200 --> 00:14:21.680
prendi disponibili solo le prime cinque, a meno che l'utente non richieda diversamente.

00:14:22.240 --> 00:14:26.500
L'intelligenza artificiale impone la brevità, evitando al manager medio di scorrere un romanzo

00:14:26.500 --> 00:14:31.300
di dati. Un'altra direttiva utile è, fornisce sempre un riepilogo nella parte superiore di

00:14:31.300 --> 00:14:37.320
ogni risposta. Questa funge da metacommento. Copilot spiega cosa sta mostrando, consentendo

00:14:37.320 --> 00:14:40.680
agli utenti di verificare che misure, unioni e filtri corrispondano alle aspettative.

00:14:40.680 --> 00:14:45.060
Trasforma il ragionamento invisibile in una conferma visibile fondamentale per la fiducia.

00:14:45.940 --> 00:14:49.660
Nota all'interazione. Le istruzioni sui dati definiscono i fatti, le istruzioni dell'agente

00:14:49.660 --> 00:14:54.860
definiscono la voce. Insieme formano il codice etico di Copilot. L'agente dati combina questi

00:14:54.860 --> 00:14:58.800
elementi in un prompt composito ogni volta che risponde a una domanda. Il modello linguistico

00:14:58.800 --> 00:15:03.160
non è libero di esprimere. Si condiziona tramite le tue regole. Ora entra in scena la governance.

00:15:03.660 --> 00:15:07.720
Queste istruzioni non possono vivere in copie individuali anarchiche. Se ogni utente di Fabric

00:15:07.720 --> 00:15:11.120
personalizza i sinonimi in base ai propri gusti, hai reintrodotto la babele che hai

00:15:11.120 --> 00:15:15.600
impiegato mesi a eliminare. Otterrai 5 definizioni a scopo di lucro e nessun accordo durante le

00:15:15.600 --> 00:15:19.660
revisioni trimestrali. Centralizza i set di istruzioni. Pubblicarli tramite l'area di

00:15:19.660 --> 00:15:23.440
lavoro di gestione di Fabric, convalidarli tramite revisione paritaria e bloccarli dietro

00:15:23.440 --> 00:15:26.920
il controllo di versione. La flessibilità senza governance e ribellione mascherata da

00:15:26.920 --> 00:15:31.860
innovazione. Naturalmente anche queste regole decadono se non le verifichi mai. L'approccio

00:15:31.860 --> 00:15:35.580
intelligente è trattare la qualità delle istruzioni come la qualità del codice. Dopo ogni

00:15:35.580 --> 00:15:39.040
modifica testa il comportamento di Copilot. Poni la stessa domanda due volte dopo aver

00:15:39.040 --> 00:15:43.720
cancellato la cache. Verifica se ripete lo stesso SQL. Esamina le query generate, assicurati

00:15:43.720 --> 00:15:47.780
che riflettono i join imposti e le misure corrette. Se gli output deviano, rivedi le

00:15:47.780 --> 00:15:51.500
tue istruzioni. Anche gli ingegneri di Microsoft ammettono che questa messa a punto è più arte

00:15:51.500 --> 00:15:56.220
che scienza, il che è un eufemismo lusinghiero per un debug costante. Ecco dove le query di esempio

00:15:56.220 --> 00:16:01.560
ti salva. Sono la risposta di Fabric e Guardrail, consentendoti di codificare frammenti e SQL

00:16:01.560 --> 00:16:06.200
canonici per scopi analitici comuni. Supponiamo che tu sappia che il fatturato totale per

00:16:06.200 --> 00:16:09.580
gruppo di temperatura deve sempre eseguire un join duale su area geografica data. Lo

00:16:09.580 --> 00:16:13.220
registri come query di esempio. Quando gli utenti chiedono una qualsiasi variazione di

00:16:13.220 --> 00:16:17.760
quella frase, Copilot evita l'improvvisazione e riutilizza la tua logica esatta. È l'equivalente

00:16:17.760 --> 00:16:21.220
dell'intelligenza artificiale delle missioni di moduli preapprovati, compilati correttamente

00:16:21.220 --> 00:16:25.960
ogni volta, incapaci di sabotaggi creativi. Nel tempo puoi creare una libreria di queste query

00:16:25.960 --> 00:16:30.640
di esempio, trasformando Copilot da un generalista in un esperto del settore. Pensalo come una memoria

00:16:30.640 --> 00:16:34.120
muscolare. L'intelligenza artificiale impara gradualmente cosa si prova a essere corretti

00:16:34.120 --> 00:16:37.520
attraverso la ripetizione e il vincolo, piuttosto che tramite un genio limite. Tuttavia le istruzioni

00:16:37.520 --> 00:16:41.320
più intelligenti non possono redimere, peccato architettore. Se la tua pipeline di dati traballa

00:16:41.320 --> 00:16:45.660
sotto livelli di medaglioni incoerenti o semantica mancante, tutti questi guardrail equivalgono a severi

00:16:45.660 --> 00:16:50.000
discorsi pronunciati su una nave che affonda. Le istruzioni vincolano il linguaggio e non possono

00:16:50.000 --> 00:16:53.700
inventare la verità. Ecco perché la messa a punto in architettura è ciclo chiuso che definisce

00:16:53.700 --> 00:16:56.500
l'affidabilità, la semantica definisce il significato e le istruzioni definiscono

00:16:56.500 --> 00:17:00.780
l'obbedienza. Il flusso di lavoro pragmatico è il seguente, crea livelli di medaglioni puliti,

00:17:01.060 --> 00:17:05.220
definisce un modello semantico preciso, codifica tali definizioni in istruzioni di origine dati,

00:17:05.720 --> 00:17:09.020
modera la personalità di copilot tramite istruzioni di agenti, quindi esegui test senza

00:17:09.020 --> 00:17:13.160
sosta. Ogni anomalia che rilevi in anticipo ti risparmio nei mail arrabbiata da parte di un

00:17:13.160 --> 00:17:16.800
dirigente in seguito, quindi sì la disciplina è importante, non è affascinante, non è maggiore

00:17:16.800 --> 00:17:21.180
dell'intelligenza artificiale. E applicazione delle regole, compensazione dei contanti, test di coerenza

00:17:21.180 --> 00:17:24.480
e l'occasionale controllo di autostima quando la tua intelligenza artificiale insiste ancora sul

00:17:24.480 --> 00:17:27.520
fatto che le vendite totali sono uguali alla tariffa lorda più rimborsi e più miracoli.

00:17:28.440 --> 00:17:31.960
Ma una volta che la disciplina è efficace, copilot diventa stranamente affidabile. Le sue

00:17:31.960 --> 00:17:35.500
allucinazioni diminuiscono, le sue articolazioni si comportano bene e la tua dashboard smette di

00:17:35.500 --> 00:17:39.120
manipolare. Puoi correggere le regole all'interno di Fabric, ma l'onestà di copilot dipende

00:17:39.120 --> 00:17:42.960
comunque dall'architettura al di là di Fabric, la governa sistemica che controlla la verità

00:17:42.960 --> 00:17:48.300
in tutto il tuo patrimonio di dati. Ed è esattamente lì che ci stiamo dirigendo. La cura sistemica

00:17:48.300 --> 00:17:53.300
costruire per una verità verificata. Allontaniamoci. Dopo tutta la messa a punto, i sinonimi e l'addestramento

00:17:53.300 --> 00:17:57.580
all'obbedienza degli A, c'è ancora un fatto brutale. La verità di copilot dipende dall'integrità

00:17:57.580 --> 00:18:01.900
del tuo ecosistema. Puoi addestrarlo, rimproverarlo e premiarlo con giunti chiari, ma se l'architettura

00:18:01.900 --> 00:18:07.120
che circonda Fabric trasuda dati marci, l'IA mentirà comunque educatamente. Ciò di cui hai bisogno

00:18:07.120 --> 00:18:11.200
è una cura sistemica, una governance, un'applicazione della discendenza, una discendenza, una disciplina

00:18:11.200 --> 00:18:15.380
architettonica che rendano fisicamente impossibile meno. A livello di architettura, Fabric ha successo

00:18:15.380 --> 00:18:18.740
solo quando tutto ciò che sta sopra e sotto condivide la stessa bussola morale dell'igiene

00:18:18.740 --> 00:18:23.040
dei dati. Ciò inizia con l'applicazione dello schema. Ogni set di dati nell'attuale caos

00:18:23.040 --> 00:18:27.980
e nel tuo magazzino ha bisogno di chiavi, tipi di dati e relazioni definiti. Contratti immutabili

00:18:27.980 --> 00:18:31.680
che descrivono come le entità si interconnette. Una deriva in una tabella non dovrebbe diffondersi

00:18:31.680 --> 00:18:35.400
silenziosamente verso l'alto fino al tuo livello D. Invece l'applicazione dello schema lo intercetta

00:18:35.400 --> 00:18:39.060
come l'inter di codici, interrompendo l'inserimento finché le definizioni si alimentano. In pratica

00:18:39.060 --> 00:18:43.240
questo non rallenta lo sviluppo, ma impedisce la corruzione silenziosa prima che si trasformi in metastasi

00:18:43.240 --> 00:18:47.240
nelle risposte di Copilot. Quindi introduci il controllo delle versioni semantica. Tratta i tuoi

00:18:47.240 --> 00:18:52.020
modelli di dati come so. Ogni volta che modifichi una definizione, rinomini una colonna, cambia una

00:18:52.020 --> 00:18:56.220
formula di misura o regola una relazione, incrementa una versione. Fabric non riconosce

00:18:56.220 --> 00:19:00.840
automaticamente l'impatto filosofico dei ricavi uguali all'ordo meno sconti che diventano ricavi

00:19:00.840 --> 00:19:06.880
uguali a netto dopo le imposte. Gli esseri umani fa. Controllo delle versioni preserva la cronologia

00:19:06.880 --> 00:19:10.420
della discendenza consentendoti di tracciare quelle risposte di Copilot si basano su semantico

00:19:10.420 --> 00:19:14.220
OBS. Senza di essa non verificherai mai quando una bugia è entrata in circolazione. Ora

00:19:14.220 --> 00:19:17.840
collega l'applicazione alla documentazione. Microsoft Overview, catalogo dati One Lake,

00:19:17.940 --> 00:19:22.940
non sono sfondi. Sono la memoria istituzionale che impedisce l'amnesia dello schema. I set

00:19:22.940 --> 00:19:26.560
di dati certificati in questi cataloghi fungono da uniche fonti consentite per Copilot e Power

00:19:26.560 --> 00:19:30.960
BI. Considerali come entità autenticate, rappresentazioni della verità legalmente

00:19:30.960 --> 00:19:34.420
vincolante. Se un set di dati non è certificato, Copilot non dovrebbe tu.

00:19:34.980 --> 00:19:38.280
Integrando i metadati di ProView con gli agenti dati di fabbrica ti assicuri che ogni query

00:19:38.280 --> 00:19:42.200
basata sull'intelligenza artificiale indichi una provenienza verificabile. Quando qualcuno

00:19:42.200 --> 00:19:46.180
chiede da dove proviene questo numero, poi effettivamente risponde. Per la continuità

00:19:46.180 --> 00:19:50.440
del contesto tra i sistemi abilita il mirroring e la modellazione dei gemelli digitali. Il

00:19:50.440 --> 00:19:55.240
mirroring replica fonti esterne come SQL Server Cosmos DB o Postgre SQL in fabbrica in tempo

00:19:55.240 --> 00:19:59.280
reale preservando schema e freschezza e il sistema immunitario di fabbrica contro la latenza

00:19:59.280 --> 00:20:02.360
e la mancata corrispondenza di dati. La modellazione dei gemelli digitali introdotta

00:20:02.360 --> 00:20:06.660
di recente fa un ulteriore passo avanti. Costruisce una controparte digitale live di ambienti

00:20:06.660 --> 00:20:12.180
fisici o aziendali. Copilot può quindi interrogare questi gemelli, comprendendo relazioni come

00:20:12.180 --> 00:20:16.900
gli effetti dell'output di fabbrica sui ritardi di trasporto. Ciò mantiene il suo ragionamento

00:20:16.900 --> 00:20:21.040
basato sulla realtà sincronizzata, non sui strati obsoleti. Ma anche la migliore architettura

00:20:21.040 --> 00:20:24.740
si sposta nel tempo. Ecco perché esegui audit periodici della verità, controlli rituali

00:20:24.740 --> 00:20:27.880
in cui gli output ed intelligenza artificiale soddisfano la convalida della fonte della verità.

00:20:28.440 --> 00:20:32.500
Scegli query representative, riesseguile manualmente o tramite SQL archiviato e confronti

00:20:32.500 --> 00:20:37.580
ai risultati. Qualsiasi divergenza segnale entropia architettonica, giunzioni danneggiate,

00:20:37.740 --> 00:20:43.020
misure deviate o discendenza scaduta. Consideralo come un test del poligrafo per copilot. Eseguito

00:20:43.020 --> 00:20:46.820
trimestralmente ti consente di ricalibrare set di istruzioni semantiche prima che la sfiducia

00:20:46.820 --> 00:20:50.660
si trasformi in imbarazzo in sala riunioni. Fondamentale è che tutti i livelli del tuo stack

00:20:50.660 --> 00:20:55.700
di analisi, via ecopilot, area di lavoro fabbrica, attingano da un'unica fonte semantica. I set di

00:20:55.700 --> 00:20:59.740
attivo ombra sono il nemico. Ogni volta che un reparto ambizioso clona un modello per muoversi

00:20:59.740 --> 00:21:03.960
più velocemente crea un altro dialetto di verità. Improvvisamente Power BI Copilot

00:21:03.960 --> 00:21:07.480
ed Excel Copilot parlano tre lingue leggermente diverse riguardo allo stesso numero di ricavi.

00:21:08.380 --> 00:21:12.200
La cura è l'unità forzata, la semantica centralizzata in un modello, esporlo in sola

00:21:12.200 --> 00:21:15.460
lettura ai consumatori a valle, bloccare la conformità alle policy e alla certificazione

00:21:15.460 --> 00:21:19.840
del set di dati. De Gioni delle vendite desiderano una metrica personalizzata, negozia tramite

00:21:19.840 --> 00:21:23.800
la governance, non tramite canali secondari. Infine chiudi il ciclo di apprendimento. La governance

00:21:23.800 --> 00:21:27.660
non è un lavoro statico, è un dialogo continuo tra analisti umani e agenti di intelligenza

00:21:27.660 --> 00:21:31.780
artificiale. Gli umani sintonizzano, il copilota esegue. Gli umani verificano e il copilota

00:21:31.780 --> 00:21:36.140
migliora attraverso un contesto aggiornato. Ogni iterazione insegna al sistema come appare

00:21:36.140 --> 00:21:40.340
un'esecuzione veritiera. Nel tempo questo feedback diventa un'infrastruttura invisibile,

00:21:40.580 --> 00:21:43.980
l'impalcatura dell'accuratezza. Quando si raggiunge questa maturità accade qualcosa

00:21:43.980 --> 00:21:47.980
di straordinario. Il copilota smette di sembrare un oracolo imprevedibile e inizia a comportarsi

00:21:47.980 --> 00:21:52.680
come analista junior, veloce, coerente e differenziale rispetto alle policy. Le lucidazioni evaporano,

00:21:53.180 --> 00:21:56.520
non perché l'intelligenza artificiale sia diventata improvvisamente onesta, ma perché la disonestà

00:21:56.520 --> 00:22:00.120
non si adatta più alla struttura. La verità è diventata il percorso di minore resistenza,

00:22:00.200 --> 00:22:04.200
quindi la cura sistemica non è glamour, è la governance. L'applicazione dello schema

00:22:04.200 --> 00:22:08.180
mantiene le cose in ordine, il versionamento semantico ricorda la cronologia, la certificazione

00:22:08.180 --> 00:22:12.500
di competenza protegge l'integrità e la semantica sorgente singola preserva la coerenza.

00:22:13.520 --> 00:22:16.640
Il mirroring lega la realtà alla riflessione, le verifiche della verità mantengono entrambi

00:22:16.640 --> 00:22:20.720
sincronizzate. Tra di loro il copilota non ha bisogno di inventare, si limita a riferire.

00:22:21.300 --> 00:22:24.260
Una volta che hai imposto la verità in modo strutturale, ti sei guadagnato il diritto

00:22:24.260 --> 00:22:27.520
di automatizzare l'intuizione. Questo ci porta alla lezione finale. Insegnare alle macchine

00:22:27.520 --> 00:22:30.100
a dire la verità per progettazione finale, insegnare alle macchine a dire la verità

00:22:30.100 --> 00:22:34.240
per persuasione. Insegnare al copilota a dire la verità. Copilota non è mai stato inaffidabile,

00:22:34.460 --> 00:22:39.680
era obbediente. Rispondeva fedelmente a qualsiasi caos tu codificassi. Una volta che gli hai dato

00:22:39.680 --> 00:22:43.360
un'architettura disciplinata, una semantica coerente e istruzioni esplicite, smette di avere

00:22:43.360 --> 00:22:48.080
allucinazioni non per moralità ma per inevitabilità. Ecco l'equazione duratura, livelli di medaglioni

00:22:48.080 --> 00:22:51.500
puliti più disciplina semantica più istruzioni governate equivalgono a verità verificabile

00:22:51.500 --> 00:22:55.120
tramite l'intelligenza artificiale. Elimina l'ambiguità alla fonte, documenta il significato

00:22:55.120 --> 00:22:58.980
in modo preciso, testa regolarmente gli output e il copilota diventano specchio lucidato per

00:22:58.980 --> 00:23:02.820
riflettere solo i fatti. Se il tuo patrimonio di dati sussurra ancora contraddizioni, questa

00:23:02.820 --> 00:23:07.220
è la tua chiamata per verificarlo. Applica contratti di schema, certifica set di dati, esegui

00:23:07.220 --> 00:23:10.920
il controllo delle versioni della tua semantica ed esegui verifiche di mestiere. Poi guarda

00:23:10.920 --> 00:23:15.060
come il copilota si trasforma da improvvisatore sicuro di sia collega calcolabile. L'accuratezza

00:23:15.060 --> 00:23:18.680
non è magia, è manutenzione. Costruisce una struttura così solida che le bugie non possono

00:23:18.680 --> 00:23:22.860
fisicamente attraversare. Fallo, e ogni prompt futuro non produrrà storie ma affermazioni.

00:23:24.020 --> 00:23:27.720
Se questo ti ha fatto risparmiare ore o potenziale imbarazzo, ripaga lo sforzo e iscriviti allo show

00:23:27.720 --> 00:23:32.320
M365. Siamo specializzati nel renderigenza artificiale di Microsoft affidabile e indaffidabile.

00:23:32.820 --> 00:23:35.860
Il prossimo tutorial si addentra ancora di più nell'ingegneria della precisione di copil.

00:23:36.180 --> 00:23:38.580
L'efficienza appartiene a chi è disciplinato, resta antenizzata.
