WEBVTT

00:00:00.000 --> 00:00:02.480
Seu data warehouse do Fabric é apenas um cemitério de CSV.

00:00:02.680 --> 00:00:04.960
Eu sei que isso é péssimo, mas veja como você o está usando.

00:00:05.180 --> 00:00:09.220
Despejos intermináveis de CSV, tabelas frias, tarefas ETL programadas avançando como se

00:00:09.220 --> 00:00:10.240
estivéssemos em 2015.

00:00:10.760 --> 00:00:13.960
Você comprou o Fabric para lançar seus dados na era da IA e depois os transformou em um

00:00:13.960 --> 00:00:14.280
arquivo.

00:00:14.420 --> 00:00:15.700
A ironia é requintada.

00:00:15.920 --> 00:00:19.900
O Fabric foi criado para inteligência, insights em tempo real, raciocínio contextual e análises

00:00:19.900 --> 00:00:20.560
autoajustáveis.

00:00:20.780 --> 00:00:23.500
No entanto, aqui está você tratando como um tupperware digital.

00:00:23.760 --> 00:00:27.340
Enquanto isso, a camada de IA pela qual você pagou, os agentes de dados, a governança

00:00:27.340 --> 00:00:30.680
contextual e o raciocínio semântico ficam inativos esperando por instruções que nunca

00:00:30.680 --> 00:00:31.000
chegam.

00:00:31.120 --> 00:00:33.980
Portanto, o problema não é capacidade nem qualidade dos dados.

00:00:34.200 --> 00:00:35.020
É pensamento.

00:00:35.300 --> 00:00:38.920
Você não tem um problema de dados, tem um problema conceitual, confundindo infraestrutura

00:00:38.920 --> 00:00:40.260
de inteligência com armazenamento.

00:00:40.460 --> 00:00:44.020
Vamos consertar esse modelo mental antes que seu CFO perceba que você reinventou uma

00:00:44.020 --> 00:00:45.500
unidade de rede com uma marca melhor.

00:00:45.620 --> 00:00:47.180
O problema dos dados mortos.

00:00:47.180 --> 00:00:49.300
O comportamento legado custa a morrer.

00:00:49.420 --> 00:00:53.260
A maioria das organizações ainda executa tarefas noturnas de ETL que varrem sistemas operacionais,

00:00:53.500 --> 00:00:56.720
transformam tabelas em relíquias separadas por vírgulas e carregam os cadáveres no One Lake.

00:00:56.720 --> 00:01:00.020
É reconfortante, previsível, mensurável e sedutoramente simples.

00:01:00.240 --> 00:01:02.820
Mas o que você obtém é um museu estático de instantâneos.

00:01:02.980 --> 00:01:06.560
Cada arquivo representa como as coisas pareciam em um momento e imediatamente começa a decair.

00:01:06.740 --> 00:01:10.380
Não há movimento, relacionamentos, contexto em evolução, apenas arquivos, muitos deles.

00:01:10.580 --> 00:01:14.680
A verdade, essa abordagem fazia sentido quando os dados residiam no local em sistemas restritos.

00:01:14.680 --> 00:01:16.660
O Febrek foi projetado para algo totalmente diferente.

00:01:16.880 --> 00:01:19.240
Dados vivos, streaming de dados, inteligência sensível ao contexto.

00:01:19.400 --> 00:01:20.560
O One Lake não é um arquivo.

00:01:20.760 --> 00:01:24.040
Ele deve ser o sistema circulatório do fluxo de informações da sua organização.

00:01:24.040 --> 00:01:28.440
Tratá-lo como armazenamento frio é o equivalente digital de embalsamar suas métricas de negócios.

00:01:28.640 --> 00:01:31.220
Sem modelos semânticos, seus dados não têm linguagem.

00:01:31.440 --> 00:01:33.520
Sem relacionamentos, eles não têm memória.

00:01:33.680 --> 00:01:38.380
Um CSV de vendas, um CSV de marketing, um CSV de finanças podem coexistir pacificamente no

00:01:38.380 --> 00:01:40.200
mesmo lago e ainda assim nunca se comunicarem.

00:01:40.440 --> 00:01:43.960
Estruturas de governança ausentes, metadados opcionais aparentemente.

00:01:44.160 --> 00:01:48.000
O resultado é um isolamento tão puro que nem o Copilô, aí a conversacional da Microsoft,

00:01:48.260 --> 00:01:49.180
consegue interpretá-lo.

00:01:49.180 --> 00:01:52.900
Se você perguntar ao Copilô quais foram os impulsionadores da receita do último trimestre,

00:01:53.040 --> 00:01:56.260
ele não saberá para onde olhar porque você nunca disse a ele o que significa receita

00:01:56.260 --> 00:01:56.820
em seu esquema.

00:01:57.040 --> 00:01:58.280
Vamos dar um micro exemplo.

00:01:58.620 --> 00:02:01.780
Suponha que seu conjunto de dados de vendas contenha registros de transações, datas, valores,

00:02:02.040 --> 00:02:03.480
SKOS de produtos e códigos de região.

00:02:03.660 --> 00:02:05.600
Você os despeja alegremente em um único lago.

00:02:05.840 --> 00:02:09.020
Nenhum modelo semântico, nenhum relacionamento nomeado, apenas colunas de tabela brutas.

00:02:09.180 --> 00:02:12.160
Agora, peça aí a do Febrek para identificar as regiões de melhor desempenho.

00:02:12.300 --> 00:02:13.240
Ele dá de ombros.

00:02:13.520 --> 00:02:16.900
Não consegue contextualizar o código da região sem metadados que o vinculem à geografia

00:02:16.900 --> 00:02:18.160
ou às unidades organizacionais.

00:02:18.160 --> 00:02:21.960
Para a máquina, o SN pode significar América do Norte ou segmento de usuário norte.

00:02:22.120 --> 00:02:23.740
Os humanos dependem de inferência.

00:02:23.980 --> 00:02:25.580
A IA requer estrutura explícita.

00:02:25.780 --> 00:02:27.920
Essa é a lacuna que transforma seu depósito em um necrotério.

00:02:28.120 --> 00:02:29.980
Aqui está o que a maioria das pessoas não percebe.

00:02:30.140 --> 00:02:33.600
O Febrek não trata dados em repouso e dados em movimento como espécies separadas.

00:02:33.780 --> 00:02:37.020
Ele pressupõe que cada conjunto de dados pode um dia se tornar um participante inteligente,

00:02:37.200 --> 00:02:40.720
consultado em tempo real, enriquecido pelo contexto, remodelado por regras de governança

00:02:40.720 --> 00:02:42.040
e até mesmo analisado por agentes.

00:02:42.200 --> 00:02:47.100
Quando você persiste CSVS sem ativar essas conexões, está ignorando o design metabólico do Febrek.

00:02:47.100 --> 00:02:49.000
Você corta seu sistema nervoso.

00:02:49.240 --> 00:02:51.040
Compare isso com dados em movimento.

00:02:51.320 --> 00:02:54.860
No Febrek, os módulos de inteligência em tempo real ingerem sinais de streaming, eventos

00:02:54.860 --> 00:02:58.400
de IoT, registros de transações, pings de sensores e os alimentam em conjuntos de dados

00:02:58.400 --> 00:03:00.400
ativos que podem disparar respostas instantaneamente.

00:03:00.560 --> 00:03:03.940
A detecção de anomalias não é executada semanalmente, ela acontece continuamente.

00:03:04.120 --> 00:03:07.820
A análise de tendências não espera o final do trimestre, ela é atualizada a cada novo

00:03:07.820 --> 00:03:08.280
registro.

00:03:08.440 --> 00:03:13.420
É assim que os dados ativos se parecem, constantemente avaliados, contextualizados por agentes de IA

00:03:13.420 --> 00:03:15.800
e sujeitos a regras de governança em milissegundos.

00:03:15.980 --> 00:03:19.380
A diferença entre dados em repouso e dados em movimento é fundamental.

00:03:19.720 --> 00:03:23.900
Dados em repouso dizem o que ocorreu, mas os em movimento dizem o que acontece e o que

00:03:23.900 --> 00:03:24.880
devemos fazer a seguir.

00:03:25.080 --> 00:03:28.460
Se o seu warehouse fizer apenas o primeiro, você estará executando um arquivo histórico,

00:03:28.700 --> 00:03:29.740
não um mecanismo de decisão.

00:03:29.880 --> 00:03:33.380
O objetivo do Febrek é comprimir essa linha do tempo até que a observação e a ação

00:03:33.380 --> 00:03:34.380
sejam indistinguíveis.

00:03:34.380 --> 00:03:37.240
Sem a ativação da IA, você está armazenando fósseis.

00:03:37.380 --> 00:03:40.740
Com ela, você está gerenciando organismos vivos que se adaptam ao contexto.

00:03:40.740 --> 00:03:42.740
Pense no seu warehouse como um corpo.

00:03:42.960 --> 00:03:44.160
Um lago é a corrente sanguínea.

00:03:44.340 --> 00:03:48.080
Os modelos semânticos são o DNA e os agentes de dados são as células cerebrais que disparam

00:03:48.080 --> 00:03:48.960
sinais entre os sistemas.

00:03:49.220 --> 00:03:52.160
Atualmente, a maioria de vocês tem a corrente sanguínea, mas nenhuma função.

00:03:52.360 --> 00:03:54.480
Os órgãos existem, mas nada se coordena.

00:03:54.660 --> 00:03:56.200
E sim, é confortável assim.

00:03:56.440 --> 00:03:59.820
Sem surpresas, sem automação repentina, sem recomendações desonestas.

00:03:59.820 --> 00:04:03.100
Os sistemas estáticos não desobedecem, mas também não competem.

00:04:03.240 --> 00:04:07.600
Em um ambiente em que 90% das grandes empresas estão alimentando seus warehouses com agentes

00:04:07.600 --> 00:04:11.580
de IA, deixar seus dados inertes é como estocar um aquário de luxo com peixes de plástico

00:04:11.580 --> 00:04:13.440
porque você prefere a previsibilidade à vida.

00:04:13.620 --> 00:04:15.680
Então, o que deve estar vivo em seu lago?

00:04:15.840 --> 00:04:19.660
Os relacionamentos, o contexto e a inteligência que vinculam seus conjuntos de dados em uma

00:04:19.660 --> 00:04:20.620
visão de mundo coesa.

00:04:20.840 --> 00:04:24.640
Depois que você para de despejar CSVs brutos e começa a modelar informações para consumo

00:04:24.640 --> 00:04:27.240
de IA, o febre que começa a se comportar conforme o esperado.

00:04:27.240 --> 00:04:31.640
Um ecossistema de dados vivos e pensantes em vez de uma geladeira de números obsoletos.

00:04:31.640 --> 00:04:35.680
Se seu pipeline de ETL ainda termina com CSV armazenado, parabéns.

00:04:35.860 --> 00:04:38.600
Você automatizou o processo de enterro mais caro do mundo.

00:04:38.840 --> 00:04:42.540
Na próxima sessão, exumaremos esses arquivos, daremos a eles um cérebro e mostraremos o

00:04:42.540 --> 00:04:45.140
que realmente torna o fabric inteligente, os agentes de dados.

00:04:45.360 --> 00:04:47.200
A camada de inteligência ausente.

00:04:47.500 --> 00:04:51.500
Entre na parte que todos pulam, a camada de inteligência real, a coisa que separa um

00:04:51.500 --> 00:04:52.520
warehouse de um cérebro.

00:04:52.680 --> 00:04:55.820
A Microsoft os chama de agentes de dados, mas pense neles como neurônios que finalmente

00:04:55.820 --> 00:04:58.800
começam a disparar quando você para de tratar um lago como um armário de armazenamento.

00:04:58.940 --> 00:05:01.020
Esses agentes não são recursos decorativos.

00:05:01.020 --> 00:05:04.940
Eles são o córtex operacional que o fabric instala silenciosamente para você e que

00:05:04.940 --> 00:05:06.640
a maioria de vocês ignora heroicamente.

00:05:06.940 --> 00:05:08.260
Vamos começar com o erro.

00:05:08.460 --> 00:05:10.360
As pessoas são obcecadas por painéis.

00:05:10.560 --> 00:05:14.140
Elas acham que se o Power BI mostrar uma linha colorida tendendo para cima, elas alcançaram

00:05:14.140 --> 00:05:14.640
a iluminação.

00:05:14.860 --> 00:05:18.820
Enquanto isso, eles deixaram a camada de raciocínio, o elemento dinâmico que interpreta padrões

00:05:18.820 --> 00:05:20.160
e age sobre eles desconectada.

00:05:20.280 --> 00:05:24.680
É como comprar um Tesla, admirar os gráficos da tela e nunca pisar no acelerador.

00:05:24.800 --> 00:05:28.440
O usuário médio acredita que a beleza do fabric está em métricas uniformes.

00:05:28.440 --> 00:05:31.800
Na realidade, está na atividade sináptica, agentes que pensam.

00:05:31.960 --> 00:05:34.200
Então, o que exatamente são esses agentes de dados?

00:05:34.420 --> 00:05:37.720
Eles são interfaces com tecnologia de IA entre seu warehouse e os serviços cognitivos

00:05:37.720 --> 00:05:40.900
do Azure, criados para raciocinar sobre dados, não apenas consultá-los.

00:05:41.060 --> 00:05:45.260
Eles vivem em um lago, mas se integram por meio do Azure AI Foundry, onde herdam a capacidade

00:05:45.260 --> 00:05:48.900
de recuperar, inferir e aplicar lógica com base no contexto da sua organização.

00:05:49.060 --> 00:05:50.840
E aqui está a reviravolta crucial.

00:05:51.200 --> 00:05:54.680
Eles participam de uma estrutura chamada protocolos de contexto de modelo.

00:05:54.680 --> 00:05:58.880
Isso permite que vários agentes compartilhem memória e objetivos, para que possam colaborar,

00:05:59.120 --> 00:06:02.920
delegar tarefas e até negociar resultados como colegas que realmente leem o manual da

00:06:02.920 --> 00:06:03.220
empresa.

00:06:03.400 --> 00:06:07.060
Cada agente pode ser configurado para respeitar os limites de governança e segurança.

00:06:07.320 --> 00:06:11.040
Eles não vagam cegamente em dados confidenciais porque o fabrica aplica políticas por meio

00:06:11.040 --> 00:06:12.920
de acesso baseado em função e competência.

00:06:13.080 --> 00:06:16.540
Esse vínculo de governança oferece a eles algo que a análise nunca teve.

00:06:16.800 --> 00:06:17.560
Restrição moral.

00:06:17.760 --> 00:06:22.200
O agente financeiro do seu CFO não pode ler acidentalmente os dados salariais de RH, a menos

00:06:22.200 --> 00:06:23.360
que expressamente autorizado.

00:06:23.520 --> 00:06:25.800
É a diferença entre raciocinar e vasculhar.

00:06:26.000 --> 00:06:29.840
Agora, compare esses agentes de dados com o Copilow, o assistente famoso com quem todos

00:06:29.840 --> 00:06:30.620
adoram conversar.

00:06:30.720 --> 00:06:32.980
O Copilow fica dentro do Teams ou do Power BI.

00:06:33.160 --> 00:06:35.420
É charmoso, reativo e um tanto superficial.

00:06:35.740 --> 00:06:37.340
Ele responde ao que você pergunta.

00:06:37.580 --> 00:06:41.220
Os agentes de dados, em comparação, são aqueles que já leem a previsão trimestral,

00:06:41.480 --> 00:06:45.320
identificam inconsistências e elaboram recomendações antes mesmo de você abrir o painel.

00:06:45.440 --> 00:06:46.720
O Copilow é um aluno.

00:06:46.940 --> 00:06:48.420
Os agentes são auditores.

00:06:48.420 --> 00:06:50.700
Um obedece, o outro antecipa.

00:06:50.920 --> 00:06:52.100
Vamos dar um exemplo.

00:06:52.420 --> 00:06:55.540
Seu negócio de varejo processa transações diárias por meio do Fabric.

00:06:55.780 --> 00:06:58.860
Sem agentes, você passaria às sextas-feiras exportando resumos.

00:06:59.020 --> 00:07:02.900
Produtos mais vendidos, regiões com tendência de alta, anomalias acima do limite.

00:07:03.100 --> 00:07:06.400
Com agentes, o depósito se torna sensível o suficiente para perceber que as vendas na

00:07:06.400 --> 00:07:10.020
região leste estão aumentando 20% acima da previsão, enquanto os registros da cadeia

00:07:10.020 --> 00:07:11.600
de suprimentos mostram entregas atrasadas.

00:07:11.760 --> 00:07:16.200
Um agente detecta a incompatibilidade, marca A como um risco de atendimento, alerta e propõe

00:07:16.200 --> 00:07:17.960
a redistribuição preventiva do estoque.

00:07:18.140 --> 00:07:18.940
Ninguém perguntou.

00:07:19.160 --> 00:07:19.740
Ele deduziu.

00:07:19.740 --> 00:07:23.080
Isso não é ficção científica, é a inteligência em tempo real do Fabric mesclada com o raciocínio

00:07:23.080 --> 00:07:23.380
do agente.

00:07:23.580 --> 00:07:25.220
Pare para pensar no que isso significa.

00:07:25.500 --> 00:07:28.980
Seu warehouse acabou de executar um julgamento, não uma consulta, não um alerta, mas uma análise

00:07:28.980 --> 00:07:30.560
que exigiu a compreensão da intenção do negócio.

00:07:30.740 --> 00:07:35.020
Ele identificou uma anomalia, fez referência cruzada ao contexto e agiu com responsabilidade.

00:07:35.200 --> 00:07:38.360
Esse é o limite em que o warehouse de dados se torna um sistema de decisão.

00:07:38.620 --> 00:07:41.720
Sem agentes, você ainda estaria exportando visuais do Power BI para apresentações de

00:07:41.720 --> 00:07:43.680
slides, fingindo que descobriu o problema manualmente.

00:07:43.680 --> 00:07:45.300
Aqui está a parte estranha.

00:07:45.460 --> 00:07:48.720
A maioria das empresas já tem esse recurso ativado em suas capacidades do Fabric.

00:07:48.920 --> 00:07:50.520
Elas apenas não o configuraram.

00:07:50.740 --> 00:07:54.180
Elas gastaram dinheiro, adquiriram o software e se esqueceram de inicializar a cognição,

00:07:54.420 --> 00:07:58.200
porque isso requer pensar arquitetonicamente, definir relacionamentos semânticos, estabelecer

00:07:58.200 --> 00:08:01.400
instruções de IA e conectar os pontos de extremidade do One Lake à infraestrutura de

00:08:01.400 --> 00:08:01.880
raciocínio.

00:08:01.960 --> 00:08:03.920
Mas quando você faz isso, tudo muda.

00:08:04.060 --> 00:08:08.180
Os painéis se tornam efeitos colaterais da inteligência em vez de destinos para análise.

00:08:08.380 --> 00:08:10.520
Pense na metáfora do cemitério de CSV.

00:08:10.520 --> 00:08:14.180
Esses CSVs eram lápides que marcavam onde os conjuntos de dados antigos iam morrer.

00:08:14.360 --> 00:08:16.240
Ligue os agentes e é o dia da ressurreição.

00:08:16.440 --> 00:08:17.940
O warehouse começa a respirar.

00:08:18.080 --> 00:08:21.180
As tabelas se alinham, os atributos adquirem significado e as métricas são sincronizadas

00:08:21.180 --> 00:08:21.880
de forma autônoma.

00:08:22.000 --> 00:08:25.480
O sistema não apenas relata a realidade, ele a interpreta enquanto você ainda está

00:08:25.480 --> 00:08:27.660
redigindo um e-mail sobre os Kips do último trimestre.

00:08:27.820 --> 00:08:31.660
Claro, essa mudança requer uma atualização mental do gerenciamento de armazenamento para

00:08:31.660 --> 00:08:32.740
a orquestração cognitiva.

00:08:32.880 --> 00:08:36.200
Os agentes de dados não esperam por instruções, eles seguem metas.

00:08:36.360 --> 00:08:40.020
Eles usam protocolos de contexto de modelo para se comunicar com outros agentes da Microsoft,

00:08:40.020 --> 00:08:45.000
os do Power Automate 365 e os serviços de IA do Azure, compartilhando o contexto de raciocínio

00:08:45.000 --> 00:08:45.800
entre as plataformas.

00:08:45.920 --> 00:08:49.560
É assim que uma flutuação de dados pode acionar um fluxo de trabalho adaptável ou gerar

00:08:49.560 --> 00:08:51.920
novos insights dentro do Excel sem mediação humana.

00:08:52.020 --> 00:08:55.980
E sim, quando mal configurada, essa autonomia pode parecer enervante, como ter estagiários

00:08:55.980 --> 00:08:58.480
que agem de forma decisiva após interpretarem mal uma planilha.

00:08:58.580 --> 00:09:01.320
É por isso que existe a governança, que abordaremos em breve.

00:09:01.540 --> 00:09:02.960
Mas primeiro, aceite esta verdade.

00:09:03.280 --> 00:09:04.940
Inteligência atrasada é vantagem perdida.

00:09:04.940 --> 00:09:08.500
Quanto mais você tratar o fabric como armazenamento a frio, mais você pagará por uma plataforma

00:09:08.500 --> 00:09:10.320
de IA que funcione como backups glorificados.

00:09:10.480 --> 00:09:12.840
Então, pare de lamentar o potencial dos seus dados.

00:09:13.120 --> 00:09:17.160
Acorde os agentes, deixe seu warehouse evoluir de arquivo para organismo, porque a próxima

00:09:17.160 --> 00:09:19.440
era da análise não se trata de fazer perguntas melhores.

00:09:19.700 --> 00:09:23.320
Trata-se de possuir sistemas que respondam antes que você possa digitá-las.

00:09:23.520 --> 00:09:25.520
Como ressuscitar seu warehouse com o IA?

00:09:25.680 --> 00:09:27.740
É hora de trazer o cadáver de volta à vida.

00:09:27.960 --> 00:09:31.660
A ressurreição não começa com código, mas com contexto, porque o contexto é oxigênio

00:09:31.660 --> 00:09:32.140
para os dados.

00:09:32.340 --> 00:09:34.900
A primeira etapa é infundir significado ao seu warehouse.

00:09:35.120 --> 00:09:37.060
Isso significa criar modelos semânticos.

00:09:37.300 --> 00:09:39.840
Esses modelos definem como seus dados pensam sobre si mesmos.

00:09:40.040 --> 00:09:43.280
As vendas estão vinculadas aos clientes, os clientes às regiões, as regiões às estruturas

00:09:43.280 --> 00:09:43.700
de receita.

00:09:43.900 --> 00:09:47.620
Sem eles, até mesmo o agente de IA mais poderoso é como um linguista que recebeu um dicionário

00:09:47.620 --> 00:09:48.260
sem sintaxe.

00:09:48.380 --> 00:09:51.680
No Fabric, você usa a camada de modelagem de dados para declarar esses relacionamentos

00:09:51.680 --> 00:09:54.500
explicitamente para que seus agentes possam raciocinar em vez de adivinhar.

00:09:54.640 --> 00:09:58.380
Agora, para a segunda etapa, implementar de fato um agente de dados do Fabric.

00:09:58.380 --> 00:10:02.600
É aqui que você dá ao seu warehouse não apenas um cérebro, mas uma personalidade,

00:10:02.880 --> 00:10:07.100
uma mente operacional que sabe o que procurar, quando alertá-lo e como conectar pontos em

00:10:07.100 --> 00:10:07.480
um lago.

00:10:07.660 --> 00:10:12.060
Na prática, você abre o Azure e a I Foundry define um agente de dados e o aponta para

00:10:12.060 --> 00:10:13.700
seus conjuntos de dados do Fabric.

00:10:14.320 --> 00:10:17.180
Instantaneamente, ele herda o acesso a toda a camada semântica.

00:10:17.380 --> 00:10:21.340
Não é um chatbot, é um indexador sensível treinado em sua estrutura de negócios real.

00:10:21.560 --> 00:10:25.200
A partir de agora, cada tabela tem um anjo da guarda capaz de reconhecimento de padrões

00:10:25.200 --> 00:10:25.760
e inferência.

00:10:25.900 --> 00:10:27.560
A terceira etapa é a instrução.

00:10:27.560 --> 00:10:30.940
Um agente sem parâmetros é uma criança com acesso à VPN corporativa.

00:10:31.160 --> 00:10:33.940
Você deve fornecer diretrizes específicas da organização.

00:10:34.140 --> 00:10:38.860
O que significa risco, receita ou prioridade, quais fontes de dados são confiáveis, quais

00:10:38.860 --> 00:10:41.260
sistemas não devem ser tocados sem aprovação humana.

00:10:41.380 --> 00:10:44.860
As políticas de governança do Curvio são sincronizadas aqui automaticamente, mas você

00:10:44.860 --> 00:10:46.120
deve definir a intenção lógica.

00:10:46.300 --> 00:10:48.080
Diga ao seu agente como se comportar.

00:10:48.240 --> 00:10:51.440
Quanto mais claras forem suas definições, mais coerente será seu raciocínio.

00:10:51.580 --> 00:10:55.160
Pense nisso como redigir o manual da empresa para um funcionário que nunca dorme.

00:10:55.160 --> 00:10:59.420
O quarto passo é a integração, a parte que transforma protótipos inteligentes em companheiros

00:10:59.420 --> 00:10:59.820
diários.

00:10:59.980 --> 00:11:02.500
Conecte seu agente de dados ao Copiló Estúdio.

00:11:02.680 --> 00:11:03.060
Por quê?

00:11:03.200 --> 00:11:07.360
Porque o Copiló fornece a interface de linguagem natural que seus funcionários já entendem.

00:11:07.540 --> 00:11:11.380
Quando alguém em vendas digita, mostre-me padrões de rotatividade emergentes, o Copiló

00:11:11.380 --> 00:11:15.040
encaminha educadamente a solicitação ao seu agente, que executa um raciocínio genuíno

00:11:15.040 --> 00:11:19.020
em conjuntos de dados e envia um resumo legível por humanos, completo com citações e linhagem

00:11:19.020 --> 00:11:19.560
rastreável.

00:11:19.720 --> 00:11:22.180
Isso é inteligência servida por meio de conversação.

00:11:22.180 --> 00:11:26.160
Depois que essa base está ativa, o sistema começa a realizar milagres silenciosos.

00:11:26.300 --> 00:11:28.120
Considere a detecção de tendências.

00:11:28.420 --> 00:11:32.980
Seu agente examina continuamente dados transacionais, níveis de estoque e métricas de previsão.

00:11:33.180 --> 00:11:37.740
Quando o comportamento se desvia da expectativa, digamos, um aumento repentino de feriados se

00:11:37.740 --> 00:11:41.900
desenvolvendo antes do previsto, ele notifica o marketing duas semanas antes da anomalia

00:11:41.900 --> 00:11:43.080
ter aparecido em um painel.

00:11:43.220 --> 00:11:45.160
Ou alertas de KPI de imagem.

00:11:45.440 --> 00:11:50.400
Em vez de regras de limite manuais, o agente reconhece trajetórias que historicamente precedem

00:11:50.400 --> 00:11:52.340
falhas e as sinaliza preventivamente.

00:11:52.560 --> 00:11:56.040
Previsão de rotatividade, otimização da cadeia de suprimentos, verificação de conformidade,

00:11:56.240 --> 00:11:58.660
cada um deles se torna um processo vivo, não um relatório trimestral.

00:11:58.780 --> 00:12:00.680
E é aqui que o design do Fabric brilha.

00:12:00.840 --> 00:12:02.620
Esses agentes não vivem isolados.

00:12:02.860 --> 00:12:05.920
Eles se comunicam por meio de protocolos de contexto de modelo com outros serviços da

00:12:05.920 --> 00:12:08.100
Microsoft, criando uma orquestração de vários agentes.

00:12:08.260 --> 00:12:11.800
Um agente de dados do Fabric pode identificar um SKU de movimentação lenta, notificar um

00:12:11.800 --> 00:12:15.140
agente do Power Automate para acionar um fluxo de trabalho de desconto, sincronizar os resultados

00:12:15.140 --> 00:12:18.520
no Dynamics por meio de outro agente de IA do Azure e, finalmente, apresentar o resultado

00:12:18.520 --> 00:12:19.880
dentro do Teams como um alerta comercial.

00:12:20.040 --> 00:12:24.520
Essa sequência não requer scripts personalizados, apenas intenções e conexões definidas corretamente.

00:12:24.700 --> 00:12:28.200
Você acabou de testemunhar a inteligência distribuída realizando um trabalho genuíno.

00:12:28.380 --> 00:12:30.340
Este é o ponto real que muitos não percebem.

00:12:30.500 --> 00:12:32.580
O Fabric não é um lugar para armazenar resultados.

00:12:32.840 --> 00:12:35.260
É um ambiente operacional para raciocínio contínuo.

00:12:35.400 --> 00:12:38.880
Tratá-lo como um cofre de dados estático desperdiça a única inovação arquitetônica

00:12:38.880 --> 00:12:39.480
que o diferencia.

00:12:39.780 --> 00:12:41.360
Você deve pensar em agentes.

00:12:41.360 --> 00:12:43.620
Cada conjunto de dados se torna um ator.

00:12:43.760 --> 00:12:45.480
Cada insight se torna um evento.

00:12:45.480 --> 00:12:49.560
Cada processo comercial se torna uma conversa adaptativa orquestrada entre eles.

00:12:49.800 --> 00:12:53.240
Seu trabalho muda da criação de pipelines para a definição de intenções.

00:12:53.480 --> 00:12:54.980
Alguns recuam diante disso.

00:12:55.220 --> 00:12:58.200
Eles querem um determinismo reconfortante, a garantia de que nada muda a menos que um

00:12:58.200 --> 00:12:59.440
humano pressione o botão executar.

00:12:59.540 --> 00:13:02.080
Mas sistemas inteligentes prosperam em ciclos de feedback.

00:13:02.360 --> 00:13:05.880
Quando um agente refina uma métrica ou automatiza um alerta, ele não está assumindo

00:13:05.880 --> 00:13:07.580
o controle, mas sim a responsabilidade.

00:13:07.580 --> 00:13:12.080
É assim que os dados finalmente ganham seu sustento ao detectar problemas, fazer recomendações

00:13:12.080 --> 00:13:13.300
e aprender com as correções.

00:13:13.300 --> 00:13:16.880
Se você já se perguntou por que os concorrentes se movem mais rápido com os mesmos conjuntos

00:13:16.880 --> 00:13:19.540
de dados, é porque seus depósitos não estão esperando por instruções.

00:13:19.800 --> 00:13:23.460
Eles estão conversando internamente, resolvendo microproblemas antes mesmo que os executivos

00:13:23.460 --> 00:13:24.140
ouçam sobre eles.

00:13:24.300 --> 00:13:27.220
É assim que se parece um ambiente febre que ressuscitado.

00:13:27.480 --> 00:13:30.480
Vivo, autoconsciente e implacavelmente analítico.

00:13:30.640 --> 00:13:34.340
E sim, dar vida aos seus dados requer dar a eles limites, porque a autonomia descontrolada

00:13:34.340 --> 00:13:35.740
rapidamente se transforma em caos.

00:13:35.740 --> 00:13:39.400
Então, antes de deixarmos esses agentes vagarem livremente, vamos instalar as proteções

00:13:39.400 --> 00:13:41.400
que impedem que a inteligência se torne insubordinação.

00:13:41.400 --> 00:13:43.160
Governança como a proteção.

00:13:43.420 --> 00:13:47.400
Vamos falar sobre contenção, a parte que todos ignoram até que algo pegue fogo.

00:13:47.580 --> 00:13:51.700
Dar inteligência ao seu depósito sem governança é como dar ao estagiário do escritório acesso

00:13:51.700 --> 00:13:53.400
root e dizer, seja criativo.

00:13:53.600 --> 00:13:56.560
A prontidão daí a não é fé cega, é confiança projetada.

00:13:56.720 --> 00:13:59.080
E no universo Fabric, essa confiança veste três uniformes.

00:13:59.300 --> 00:14:02.420
Purvio, prevenção contra a perda de dados e camada de governança integrada do Fabric.

00:14:02.540 --> 00:14:06.040
Juntos, eles traçam as linhas de perímetro que mantêm seus agentes de dados brilhantes,

00:14:06.260 --> 00:14:06.920
mas obedientes.

00:14:06.920 --> 00:14:10.420
Em termos humanos, a governança impede que a curiosidade invada.

00:14:10.600 --> 00:14:14.600
O Purvio define quem pode ver o quê, o DLP garante que nada confidencial se perca em

00:14:14.600 --> 00:14:18.680
uma consulta descuidada e a governança do Fabric aplica a política diretamente nas veias

00:14:18.680 --> 00:14:19.280
da plataforma.

00:14:19.460 --> 00:14:23.680
Quando configurados corretamente, esses sistemas formam um sistema nervoso que detecta excessos

00:14:23.680 --> 00:14:25.580
e aplica disciplina na velocidade da máquina.

00:14:25.820 --> 00:14:30.720
Seus agentes podem raciocinar, mas eles raciocinam dentro de uma sandbox forrada com vidro de conformidade.

00:14:30.880 --> 00:14:34.660
A nuance crucial é que o Fabric não trata a governança como uma tarefa externa.

00:14:34.660 --> 00:14:36.560
Ele é nativo para cada transação.

00:14:36.780 --> 00:14:40.860
Cada conjunto de dados carrega seu próprio passaporte de metadados, linhagem, classificação

00:14:40.860 --> 00:14:41.720
e funções de acesso.

00:14:41.900 --> 00:14:45.720
Portanto, sempre que um agente extrai dados, ele arrasta esse contexto de metadados com

00:14:45.720 --> 00:14:45.920
ele.

00:14:46.060 --> 00:14:48.760
É assim que o Fabric garante a IA com reconhecimento de contexto.

00:14:48.980 --> 00:14:51.640
As informações não são apenas recuperadas, elas são rastreadas.

00:14:51.840 --> 00:14:55.120
Você pode ver quem tocou nele, quando e como ele se ramificou pelos fluxos de trabalho.

00:14:55.280 --> 00:14:57.260
É contabilidade forense para a cognição.

00:14:57.500 --> 00:15:00.260
Agora, vamos abordar a fantasia da inteligência desgovernada.

00:15:00.260 --> 00:15:04.020
Muitas equipes capacitando agentes, celebram a autonomia e, três semanas depois, se perguntam

00:15:04.020 --> 00:15:07.120
por que um bote prestativo enviou números confidenciais por e-mail para um canal compartilhado.

00:15:07.220 --> 00:15:11.240
Por que na ausência de estruturas de autoridade explícitas, cada agente se torna um estagiário

00:15:11.240 --> 00:15:13.940
improvisador convencido de que está tendo um desempenho heróico.

00:15:14.080 --> 00:15:17.520
A governança transforma essas improvisações em ensaios com um roteiro.

00:15:17.720 --> 00:15:22.040
Funções e permissões ditam quais conjuntos de dados um agente pode consultar e quais ações

00:15:22.040 --> 00:15:23.080
exigem confirmação.

00:15:23.280 --> 00:15:27.480
A IA ainda pensa de forma criativa, mas o faz enquanto recita o manual de ética corporativa

00:15:27.480 --> 00:15:28.120
em tempo real.

00:15:28.280 --> 00:15:31.460
O enriquecimento de metadados desempenha um papel silencioso, mas decisivos aqui.

00:15:31.640 --> 00:15:35.300
Cada registro ganha camadas descritivas, propriedade, sensibilidade e linhagem.

00:15:35.500 --> 00:15:40.180
Portanto, quando um agente compõe um resumo, ele já sabe se o conteúdo é público ou restrito.

00:15:40.400 --> 00:15:44.000
Combine isso com o gráfico de linhagem do Fabric e você poderá rastrear qualquer conclusão

00:15:44.000 --> 00:15:46.480
gerada por IA diretamente até a fonte de dados brutos.

00:15:46.620 --> 00:15:50.560
Isso fecha o ciclo de interpretabilidade, tornando as auditoriais possíveis até mesmo em operações

00:15:50.560 --> 00:15:51.080
autônomas.

00:15:51.260 --> 00:15:54.340
É a diferença entre automação explicável e negação plausível.

00:15:54.520 --> 00:15:56.400
O benefício psicológico é imenso.

00:15:56.400 --> 00:16:00.440
Os executivos param de temer a IA desonesta porque podem inspecionar sua trilha de raciocínio.

00:16:00.600 --> 00:16:04.540
Gestores de dados param de escrever memorandos de governança, pois as políticas viajam com

00:16:04.540 --> 00:16:04.900
os dados.

00:16:05.120 --> 00:16:08.300
O Fabric consegue o que os sistemas de BI mais antigos nunca conseguiram.

00:16:08.640 --> 00:16:09.800
Conformidade autoaplicável.

00:16:09.980 --> 00:16:12.100
Cada insight tem procedência incorporada.

00:16:12.320 --> 00:16:15.220
Cada ação é registrada com a precisão de um gravador de dados de voo.

00:16:15.400 --> 00:16:17.580
Claro, regras por si só não garantem sabedoria.

00:16:17.800 --> 00:16:20.860
Você pode governar demais e estrangular a criatividade com a mesma facilidade.

00:16:21.060 --> 00:16:23.980
A governança visa canalizar a inteligência, não a morda-sala.

00:16:23.980 --> 00:16:27.500
O brilhantismo do modelo do Fabric está em sua proporcionalidade, no equilíbrio entre

00:16:27.500 --> 00:16:28.780
automação e responsabilidade.

00:16:28.920 --> 00:16:31.720
Os agentes agem rapidamente, mas dentro de limites definíveis.

00:16:31.960 --> 00:16:35.500
Decisões que exigem empatia, julgamento ou responsabilidade passam automaticamente para

00:16:35.500 --> 00:16:35.820
os humanos.

00:16:36.060 --> 00:16:38.660
Você mantém a máquina rápida e os humanos responsáveis.

00:16:39.080 --> 00:16:39.480
Elegante.

00:16:39.740 --> 00:16:41.400
Então, aqui está o teste decisivos.

00:16:41.600 --> 00:16:44.020
Se seu ambiente Fabric parecer selvagem, você não governou o suficiente.

00:16:44.280 --> 00:16:46.360
Se parecer paralisado, você governou demais.

00:16:46.560 --> 00:16:48.300
O ponto ideal é a orquestração.

00:16:48.300 --> 00:16:52.900
Uma sinfonia em que os agentes tocam com confiança dentro da partitura e a conformidade ressoa

00:16:52.900 --> 00:16:54.380
no ritmo em vez de interrupções.

00:16:54.580 --> 00:16:58.660
Uma vez que a confiança é estabelecida, é quando o Fabric mostra sua verdadeira natureza.

00:16:58.840 --> 00:17:02.240
Uma colaboração disciplinada e senciente entre a lógica e a lei.

00:17:02.440 --> 00:17:07.760
O caos diminui, os insights fluem e, pela primeira vez, seus dados se comportam não como um adolescente

00:17:07.760 --> 00:17:12.300
rebelde, mas como um profissional bem treinado que sabe exatamente até onde a genialidade pode

00:17:12.300 --> 00:17:13.620
ir antes de quebrar a política.

00:17:14.680 --> 00:17:16.460
O ecossistema inteligente.

00:17:16.460 --> 00:17:20.820
O que você construiu até agora, modelos semânticos, agentes e governança, não é

00:17:20.820 --> 00:17:22.740
apenas um data warehouse, é uma colônia.

00:17:22.920 --> 00:17:26.620
Cada elemento no Microsoft Fabric é projetado para coexistir e cooperar.

00:17:26.740 --> 00:17:28.360
A beleza está na unificação.

00:17:28.620 --> 00:17:32.260
Engenharia de dados, inteligência de negócios e IA compartilham o mesmo oxigênio.

00:17:32.660 --> 00:17:34.500
Separadamente, eles são impressionantes.

00:17:34.720 --> 00:17:37.920
Juntos, eles evoluem para algo que beira a coordenação senciente.

00:17:38.120 --> 00:17:41.860
O Fabric não é mais uma ferramenta em seu conjunto de tecnologia, é o sistema operacional

00:17:41.860 --> 00:17:43.020
para inteligência empresarial.

00:17:43.020 --> 00:17:47.500
Em uma única tela, você pode projetar pipelines de dados, gerenciar depósitos, orquestrar

00:17:47.500 --> 00:17:50.520
análises em tempo real e convidar agentes de IA para analisar tudo isso.

00:17:50.700 --> 00:17:54.320
Não há transferência entre departamentos, apenas um fluxo de trabalho contínuo que

00:17:54.320 --> 00:17:56.340
começa como ingestão e termina como insight.

00:17:56.560 --> 00:18:00.660
Compare isso com a era pré-fabric, em que quatro plataformas e seis handshakes eram necessários

00:18:00.660 --> 00:18:02.260
para que qualquer dado fizesse sentido.

00:18:02.440 --> 00:18:07.100
Hoje, o One Lake alimenta tudo, o Power BI visualiza, a inteligência em tempo real reage a

00:18:07.100 --> 00:18:08.780
isso e os agentes de dados interpretam.

00:18:08.780 --> 00:18:11.900
Você finalmente tem orquestração em vez de caos de coordenação.

00:18:12.200 --> 00:18:13.960
Considere a manutenção preditiva.

00:18:14.200 --> 00:18:17.600
Em um ambiente Fabric, os dados do sensor são transmitidos por meio de inteligência

00:18:17.600 --> 00:18:18.180
em tempo real.

00:18:18.360 --> 00:18:21.900
A camada de engenharia de dados os molda, o agente de dados detecta frequências de

00:18:21.900 --> 00:18:25.720
vibração irregulares e, antes mesmo de um técnico ver um painel, um agente do Power

00:18:25.720 --> 00:18:27.420
Automate agendou tickets de inspeção.

00:18:27.600 --> 00:18:31.760
Isso é cognição de ciclo fechado, um sistema que não espera permissão para evitar um problema.

00:18:32.000 --> 00:18:33.080
Mude para o Marketing.

00:18:33.080 --> 00:18:37.320
Os dados da campanha fluem para o One Lake a partir do Dynamics, processados pelo Data

00:18:37.320 --> 00:18:41.740
Factory, contextualizados por modelos semânticos e interpretados por um agente treinado em padrões

00:18:41.740 --> 00:18:42.800
de resposta históricos.

00:18:42.960 --> 00:18:47.840
Quando a taxa de cliques cai, o agente faz referência cruzada à sazonalidade, propõe

00:18:47.840 --> 00:18:52.580
um novo tempo e envia sugestões de volta ao painel copilô do Power BI para aprovação

00:18:52.580 --> 00:18:54.160
do profissional de marketing humano.

00:18:54.320 --> 00:18:59.600
O Fabric não substitui a criatividade, ele a amplifica com consciência situacional perpétua.

00:18:59.600 --> 00:19:04.340
E a manufatura, um agente de operações correlaciona dados de produção com níveis de fornecimento,

00:19:04.620 --> 00:19:08.380
instruindo outro agente no Azure a reequilibrar pedidos de aquisição automaticamente.

00:19:08.520 --> 00:19:11.300
Quando a demanda aumenta, o sistema não entra em pânico.

00:19:11.460 --> 00:19:13.560
Ele se redireciona em milissegundos.

00:19:13.780 --> 00:19:16.720
É isso que a inteligência autoajustável realmente significa.

00:19:16.980 --> 00:19:20.580
Dados que podem sentir seu próprio desequilíbrio e corrigi-lo antes que alguém escreva um e-mail

00:19:20.580 --> 00:19:21.340
de escalonamento.

00:19:21.560 --> 00:19:24.900
Toda vez que o Fabric conecta essas partes móveis, o valor se acumula.

00:19:25.060 --> 00:19:28.500
Os dados têm linhagem, os insights têm autoria e as ações têm fundamento.

00:19:28.500 --> 00:19:32.240
O Power BI não é apenas um ponto de extremidade de visualização, é uma superfície de expressão

00:19:32.240 --> 00:19:33.000
para a mente da máquina.

00:19:33.160 --> 00:19:36.260
O Data Factory deixa de ser um mecanismo de ingestão e se torna uma artéria viva que

00:19:36.260 --> 00:19:37.420
alimenta a cognição contínua.

00:19:37.720 --> 00:19:40.200
Inteligência em tempo real, esses são os reflexos do Fabric.

00:19:40.440 --> 00:19:42.920
Sem ela, o sistema entenderia, mas nunca responderia.

00:19:43.100 --> 00:19:46.780
Juntas, essas camadas compõem o que pode ser o primeiro ecossistema digital verdadeiramente

00:19:46.780 --> 00:19:47.360
cooperativo.

00:19:47.520 --> 00:19:51.400
Um ambiente em que armazenamento, raciocínio e ação são indistinguíveis na prática.

00:19:51.600 --> 00:19:53.480
O toque democratizador é o Copilou.

00:19:53.640 --> 00:19:56.040
Ele transforma toda essa complexidade em conversação.

00:19:56.040 --> 00:19:58.980
Os usuários corporativos não precisam aprender KQL ou DEX.

00:19:59.120 --> 00:20:00.740
Eles digitam perguntas no Teams.

00:20:00.920 --> 00:20:04.540
Nos bastidores, o Copilou delega o raciocínio a agentes de dados, que recuperam respostas

00:20:04.540 --> 00:20:06.200
validadas e em conformidade com as políticas.

00:20:06.400 --> 00:20:09.940
Os funcionários vivenciam clareza instantânea, enquanto os responsáveis pela governança dormem

00:20:09.940 --> 00:20:12.780
profundamente sabendo que cada declaração veio com uma linhagem verificável.

00:20:12.920 --> 00:20:16.800
É a união de acessibilidade e autoridade, o raro momento em que a facilidade de uso não

00:20:16.800 --> 00:20:17.380
dilui o rigor.

00:20:17.520 --> 00:20:20.360
É aqui que a mentalidade tradicional de BI finalmente desmorona.

00:20:20.560 --> 00:20:23.540
Os ecossistemas de dados de ontem produziam relatórios retrospectivos.

00:20:23.540 --> 00:20:26.700
O ecossistema Fabric de hoje produz consciência situacional.

00:20:26.960 --> 00:20:28.360
Você não mede o desempenho.

00:20:28.440 --> 00:20:29.940
Você o vivencia continuamente.

00:20:30.140 --> 00:20:34.500
O warehouse não é mais uma infraestrutura passiva, é o sistema nervoso estratégico

00:20:34.500 --> 00:20:35.000
da empresa.

00:20:35.200 --> 00:20:39.100
A inteligência do Fabric não é um brilhantismo isolado, é um gênio cooperativo.

00:20:39.320 --> 00:20:40.920
Pense na mudança visualmente.

00:20:41.160 --> 00:20:44.720
O antigo lago era horizontal, os dados fluiam em uma direção e depois paravam.

00:20:44.880 --> 00:20:46.000
O Fabric é vertical.

00:20:46.360 --> 00:20:50.680
Os dados sobem por meio de engenharia, modelagem, raciocínio, visualização e ação em uma escalada

00:20:50.680 --> 00:20:52.640
perpétua, como o calor subindo pela atmosfera.

00:20:52.780 --> 00:20:55.600
O que emerge no topo não é apenas análise, é previsão.

00:20:55.760 --> 00:20:58.020
Então, a questão se torna dolorosamente simples.

00:20:58.260 --> 00:21:01.800
Você preencherá este ambiente vivo com entidades inteligentes ou continuará empilhando arquivos

00:21:01.800 --> 00:21:02.660
planos como lápides?

00:21:02.820 --> 00:21:05.300
Porque, neste estágio, a ignorância é uma escolha.

00:21:05.420 --> 00:21:07.460
O Fabric lhe dá o tecido e os neurônios.

00:21:07.680 --> 00:21:10.840
Recusar a ativação é como comprar um cérebro e insistir em um coma.

00:21:11.060 --> 00:21:15.260
Quando funciona corretamente, seu ecossistema Fabric se comporta menos como um software e mais

00:21:15.260 --> 00:21:17.120
como um organismo sincronizado por feedback.

00:21:17.120 --> 00:21:20.920
Cada vez que um conjunto de dados muda, cada camada se ajusta, garantido que a inteligência

00:21:20.920 --> 00:21:22.000
nunca se torne ossificada.

00:21:22.120 --> 00:21:24.120
Para isso, finalmente, foi criado.

00:21:24.320 --> 00:21:27.140
Não relatórios estáticos, mas um estado perpétuo de aprendizado.

00:21:27.320 --> 00:21:29.600
E agora chegamos à encruzilhada inevitável.

00:21:29.820 --> 00:21:33.860
Se você pretende manter esse ciclo evolutivo ou fechá-lo novamente com seu próximo upload

00:21:33.860 --> 00:21:34.440
de CSV.

00:21:34.660 --> 00:21:35.300
A escolha.

00:21:35.520 --> 00:21:37.180
Aqui está a verdade nua e crua.

00:21:37.320 --> 00:21:39.520
O Microsoft Fabric não é um produto de armazenamento.

00:21:39.680 --> 00:21:43.220
É um mecanismo de inteligência que se disfarça como tal para não assustar os tradicionalistas.

00:21:43.420 --> 00:21:46.360
Você não comprou espaço em disco, comprou cognição como serviço.

00:21:46.360 --> 00:21:49.520
Seu data warehouse respira apenas quando seus agentes estão acordados.

00:21:49.700 --> 00:21:53.700
Quando eles dormem, o ecossistema se transforma em um arquivo silencioso que finge ser moderno.

00:21:53.840 --> 00:21:56.820
Seus concorrentes não estão ultrapassando você com conjuntos de dados maiores.

00:21:57.020 --> 00:21:59.920
Eles estão superando você com os mesmos dados configurados de forma inteligente.

00:22:00.120 --> 00:22:02.740
Eles permitem que seus agentes interpretem tendências antes do início das reuniões.

00:22:02.960 --> 00:22:04.700
Você ainda está formatando exportações.

00:22:04.920 --> 00:22:06.480
A lacuna tecnológica é mínima.

00:22:06.620 --> 00:22:08.220
A lacuna cognitiva é abissal.

00:22:08.360 --> 00:22:10.300
Portanto, escolha seu futuro com sabedoria.

00:22:10.540 --> 00:22:14.180
Continue tratando o Fabric como um necrotério de dados caro ou com vídeo a agir como o que foi projetado

00:22:14.180 --> 00:22:16.260
para ser, uma estrutura de pensamento para o seu negócio.

00:22:16.440 --> 00:22:18.000
Reanime esses conjuntos de dados.

00:22:18.340 --> 00:22:19.800
Deixe os agentes raciocinarem.

00:22:20.060 --> 00:22:23.420
Deixe a governança guiá-los e deixe que o insight se torne reflexo em vez de ritual.

00:22:23.680 --> 00:22:26.000
E se essa revelação doeu um pouco, ótimo.

00:22:26.180 --> 00:22:28.300
Esse é o sinal de ressuscitação conceitual.

00:22:28.520 --> 00:22:31.600
Agora, antes que seu próximo trabalho de ETL embalsamasse mais um mês de métricas,

00:22:31.780 --> 00:22:34.820
inscreva-se para obter análises mais detalhadas sobre como desenvolver inteligência no próprio

00:22:34.820 --> 00:22:35.560
Microsoft Fabric.

00:22:35.720 --> 00:22:37.840
Continue tratando-o como um cemitério de CSV.

00:22:37.840 --> 00:22:39.400
Só não o chame de Fabric.
