WEBVTT

00:00:00.000 --> 00:00:01.120
Copilot não está confuso.

00:00:01.540 --> 00:00:01.940
Grabejinho.

00:00:02.420 --> 00:00:05.360
Aquele parágrafo alegre que ele acabou de escrever sobre o inexistente aumento estelar

00:00:05.360 --> 00:00:06.480
do quarto trimestre da sua empresa?

00:00:07.040 --> 00:00:07.520
Não foi um erro.

00:00:07.760 --> 00:00:09.660
É o evangelho segundo seus próprios dados, mas estruturar?

00:00:10.300 --> 00:00:12.360
Este é o efeito de lixo entra, a confiança sai.

00:00:13.100 --> 00:00:16.320
Maneira educada do Microsoft Fabric dizia você mesmo treinou seu mentiroso.

00:00:16.960 --> 00:00:20.580
O Copilot alucinará padrões alegremente porque suas tabelas sussurraram inconsistências

00:00:20.580 --> 00:00:22.040
doces no contexto do prompt dele.

00:00:22.480 --> 00:00:23.140
Veja o que está acontecendo.

00:00:23.520 --> 00:00:27.320
Você tem junções duplicadas se amante causante, camadas medalhas ou mal elaboradas se passando

00:00:27.320 --> 00:00:27.640
por verdade.

00:00:27.640 --> 00:00:31.240
Então você chama Copilot e pede insights, já que ele não raciocina, ele reorganiza.

00:00:31.940 --> 00:00:36.080
O Fabric fornece metadados mal formados e o Copilot devolve um sonho lúcido vestido

00:00:36.080 --> 00:00:36.660
de análise.

00:00:37.820 --> 00:00:41.900
Hoje vou mostrar porque isso acontece, onde seu modelo de dados o traiu e como reconstruí-lo

00:00:41.900 --> 00:00:43.740
para que o Copilot pare de inventar histórias.

00:00:44.400 --> 00:00:47.560
Ao final você terá uma IA precisa, explicável e finalmente confiável.

00:00:49.020 --> 00:00:50.280
A ilusão de inteligência.

00:00:51.120 --> 00:00:52.000
Por que o Copilot mente?

00:00:52.620 --> 00:00:54.080
As pessoas esperam que o Copilot resiste.

00:00:54.460 --> 00:00:54.920
Ele não sabe.

00:00:54.920 --> 00:00:58.380
Ele faz correspondência de padrões a partir de seus metadados com o texto e da frágil

00:00:58.380 --> 00:01:00.160
noção de relacionamentos que você definiu dentro do Fabric.

00:01:00.640 --> 00:01:01.740
Você acha que está falando com inteligência?

00:01:01.820 --> 00:01:03.420
Na verdade está falando com reflexo.

00:01:03.820 --> 00:01:04.640
Dê a ele ambiguidade.

00:01:04.880 --> 00:01:07.360
Ele refletirá essa ambiguidade de volta, apenas de forma mais brilhante.

00:01:07.800 --> 00:01:08.580
Aqui está o verdadeiro plume.

00:01:08.940 --> 00:01:12.080
A maioria das implementações do Fabric trata o design de esquema como algo secundário.

00:01:12.480 --> 00:01:14.280
Tabelas de fatos unidas pela chave errada.

00:01:14.440 --> 00:01:15.880
Medidas escritas de forma inconsistente.

00:01:15.980 --> 00:01:17.140
Descrições totalmente ausentes.

00:01:17.900 --> 00:01:20.980
O Copilot lê esse caos como uma criança lendo uma frase sem pontuação.

00:01:21.540 --> 00:01:23.100
Ele apenas adivinha onde o sentido deveria estar.

00:01:23.100 --> 00:01:26.120
O resultado soa coerente, mas pode estar criticamente errado.

00:01:26.880 --> 00:01:30.740
Digamos que sua camada gold contém a receita de uma fonte total de vendas de outra, ambas

00:01:30.740 --> 00:01:31.620
não padronizadas.

00:01:32.300 --> 00:01:36.260
O Copilot vê nomes de colunas semelhantes e em sua infinita polidez os funde.

00:01:36.820 --> 00:01:38.500
Você pergunta qual foi a receita no último trimestre.

00:01:39.160 --> 00:01:43.160
Ele mescla medidas com granularidade incompatível, produz uma média entre escalas inconciliáveis

00:01:43.160 --> 00:01:45.020
e apresenta você com total confiança.

00:01:45.740 --> 00:01:46.940
O gráfico parece profissional.

00:01:47.080 --> 00:01:47.800
A matemática é ficção.

00:01:48.380 --> 00:01:49.400
A ilusão vem do tom.

00:01:49.400 --> 00:01:53.480
A linguagem natural parece compreensão, mas as respostas naturais do Copilot apenas

00:01:53.480 --> 00:01:54.860
mascaram a imitação estatística.

00:01:55.340 --> 00:01:57.320
Quando você faz uma pergunta, o modelo não valida fatos.

00:01:58.060 --> 00:02:01.580
Ele recupera padrões, junções prováveis, colunas plausíveis, textos geríveis.

00:02:02.440 --> 00:02:05.820
Sem uma linhagem de dados rigorosa ou governança semântica, ele inventa o que não consegue

00:02:05.820 --> 00:02:06.160
inferir.

00:02:06.940 --> 00:02:08.980
Ele é, na verdade, seu esquema com presença de palco.

00:02:09.380 --> 00:02:10.500
O fábrica agrava essa ilusão.

00:02:11.340 --> 00:02:15.620
Como os agentes de dados no fábrica transmitem contexto por meio de metadados, quaisquer lacunas,

00:02:15.620 --> 00:02:19.600
em relacionamentos, chaves estrangeiras ausentes, dimensões sem etiquetas ou nomes de medidas

00:02:19.600 --> 00:02:22.540
ambíguos, são tratados como dicas opcionais em vez de mandatos.

00:02:23.420 --> 00:02:26.260
O modelo preenche essas lacunas por meio de conclusão de padrões, não de lógica.

00:02:26.640 --> 00:02:28.380
Você quis dizer univendas por região e data?

00:02:29.380 --> 00:02:32.140
Ele pode interpretar como univendas a qualquer coisa com cheiro gráfico.

00:02:32.780 --> 00:02:35.120
Então o SQL gera coopera gentilmente com esse absurdo.

00:02:35.760 --> 00:02:38.380
Os usuários caem nessa porque a interface democratiza a sintaxe da consulta.

00:02:38.700 --> 00:02:40.220
Você digita uma frase e ele retorna um visual.

00:02:40.920 --> 00:02:43.960
Você presume compreensão, mas o modelo opera em uma néva estatística.

00:02:43.960 --> 00:02:47.240
Quanto menos restrições você define, mais amigáveis se tornam suas mentiras.

00:02:47.880 --> 00:02:49.340
A mudança de mentalidade fundamental é esta.

00:02:49.420 --> 00:02:50.520
O copilot não é um oráculo.

00:02:50.960 --> 00:02:54.680
Ele não tem epistemologia, não tem conceito de verdade, apenas espelhos feitos de seus metadados.

00:02:55.120 --> 00:02:57.760
Ele converte seu modelo de dados em um espaço de probabilidade linguística.

00:02:58.600 --> 00:03:00.740
Cada falha estrutural se torna uma alucinação semântica.

00:03:01.600 --> 00:03:05.300
Onde seu esquema é inconsistente, aí há alucina uma consistência que não existe.

00:03:06.620 --> 00:03:07.860
E a tragédia é previsível.

00:03:08.640 --> 00:03:12.700
Executivos tomam decisões baseadas em ficção, que parece validada porque veio do Microsoft Fabric.

00:03:12.700 --> 00:03:18.640
Se sua camada gold oscila sob transformações inconsistentes, seu copilot amplifica sua oscilação em uma narrativa confiante.

00:03:19.180 --> 00:03:21.660
A eloquência do modelo disfarça a deterioração do seu pipeline.

00:03:22.160 --> 00:03:23.740
Pense num copilot como um motor de reflexão.

00:03:24.200 --> 00:03:26.400
Sua inteligência começa e termina com a qualidade do seu esquema.

00:03:27.340 --> 00:03:32.760
Se seus joints são tortos, sua linhagem quebrada ou sua semântica pouco clara, ele reflete incerteza como certeza.

00:03:32.760 --> 00:03:36.920
É por isso que a cura começa não com engenharia de prompt, mas com engenharia arquitetural.

00:03:37.400 --> 00:03:41.280
Então se o copilot é apenas tão verdadeiro quanto sua arquitetura, vamos dissecar onde a deterioração começa.

00:03:41.280 --> 00:03:44.380
O mito do medalhão, quando o bronze polui o ouro.

00:03:45.020 --> 00:03:47.680
Todo engenheiro de dados recita a arquitetura de medalhão com uma escritura.

00:03:48.000 --> 00:03:50.700
Bronze, prata, ouro bruto, refinado, confiável.

00:03:51.380 --> 00:03:53.660
Em teoria, é uma peregrinação do caos à clareza.

00:03:54.260 --> 00:03:58.460
Cada camada é limpando a ambiguidade até que os dados conquistem sua aura, de verdade.

00:03:59.220 --> 00:04:02.760
Na prática, a maioria das pessoas constroem um escorregador de parque temático,

00:04:02.900 --> 00:04:07.060
onde a inconsistência bruta pega uma carona do bronze direto para o ouro, sem nada limpo pelo caminho.

00:04:07.520 --> 00:04:08.300
Vamos começar pela base.

00:04:08.300 --> 00:04:14.280
O bronze é sua zona de aterrissar, arquivos parque, CSVs, ingestão de IoT, o registro fóssil da sua organização.

00:04:14.900 --> 00:04:16.720
Não deveria ser bonito, apenas totalmente capturado.

00:04:17.380 --> 00:04:20.300
No entanto, as pessoas esquecem que o bronze é uma quarentena, não um ingrediente ativo.

00:04:20.860 --> 00:04:25.780
Quando essa sujeira bruta vaza para cima através de ateles preguiçosos, consultas diretas ou lógica de transformação ausente,

00:04:25.860 --> 00:04:28.220
você está dando a copilot ruído num tratado como contexto.

00:04:28.880 --> 00:04:29.760
Sim, ele vai alucinar.

00:04:30.260 --> 00:04:30.940
Ele tem um bom motivo.

00:04:31.400 --> 00:04:33.300
Você entregou a ele um diário de sonhos e pediu uma auditoria.

00:04:33.300 --> 00:04:35.180
O prata serve para refinar essa lama?

00:04:35.740 --> 00:04:41.620
É aqui que as duplicatas morrem, os esquemas se alinham, os tipos de dados coincidem e as chaves universais finalmente concordam sobre o que é um cliente.

00:04:42.260 --> 00:04:45.960
Mas observe a maioria das configurações do fábrica e o prata é uma desculpa mal feita.

00:04:46.600 --> 00:04:49.540
Joins rápidos, consultas frágeis, conversões sem documentação.

00:04:50.280 --> 00:04:51.160
A desculpa é sempre a mesma.

00:04:51.600 --> 00:04:52.540
Nós consertaremos isso não.

00:04:52.880 --> 00:04:55.500
Isso é equivalente a corrigir a gramática publicando o dicionário com atraso.

00:04:55.500 --> 00:04:58.440
Quando você chega na camada Gold, a ilusão de confiança se instala.

00:04:58.920 --> 00:05:00.120
Tudo na Gold parece analítico.

00:05:00.580 --> 00:05:03.440
Tabelas limpas, nomes amigáveis ao negócio, dashboards brilhando com confiança.

00:05:03.920 --> 00:05:10.520
Mas por baixo você acumulou conversões incompatíveis, registros de data e horas insincronizados e colisões de ID rastreadas até a bronze.

00:05:11.120 --> 00:05:13.700
Os metadados do fábrica rastreiam esses relacionamentos automaticamente.

00:05:14.280 --> 00:05:17.320
E adivinha em quais relacionamentos o copilot confia ao interpretar a linguagem natural?

00:05:17.840 --> 00:05:18.360
Em todos eles.

00:05:18.800 --> 00:05:20.780
Então quando a linhagem mente, o modelo erra da mentira.

00:05:21.520 --> 00:05:22.700
Aqui está um cenário do mundo real.

00:05:22.960 --> 00:05:25.340
Tem dados transacionais de dois sistemas de reserva.

00:05:25.900 --> 00:05:28.400
Ambos alimentam a bronze com formato de chave ligeiramente diferente.

00:05:28.660 --> 00:05:31.060
Um usa um ID de viagem numérica, outro mistura letras.

00:05:31.980 --> 00:05:36.040
Na Silver, alguém os mesclou através de um inner join e substrings truncadas para padronizar.

00:05:37.160 --> 00:05:38.460
Tecnicamente tem dados unificados.

00:05:38.980 --> 00:05:40.840
Semanticamente você acabou de criar correspondências fantasma.

00:05:41.580 --> 00:05:46.380
Agora o copilot calcula com confiança a receita média da viagem, que inclui transações de contextos totalmente diferentes.

00:05:47.240 --> 00:05:49.760
É um absurdo e preciso sintaxe correta, semântica, fabricada.

00:05:50.640 --> 00:05:51.940
Este é o mito do medalhão.

00:05:51.940 --> 00:05:54.740
A ideia de que ter camadas entrega pureza automaticamente.

00:05:55.500 --> 00:05:57.780
Camadas são tão verdadeiras quanto a disciplina dentro dela.

00:05:58.260 --> 00:05:59.700
A bronze deve expor a entropia bruta.

00:06:00.180 --> 00:06:01.680
A silver deve impor a descontaminação.

00:06:02.280 --> 00:06:04.780
A gold tem que representar a lógica de negócio certificada.

00:06:05.320 --> 00:06:07.560
Nada de substituições manuais, nada de correções temporárias.

00:06:08.300 --> 00:06:11.140
Quebra essa corrente e você substituirá o refinamento por poluição recursiva.

00:06:11.140 --> 00:06:12.800
O copilot é claro, não sabe nada disso.

00:06:13.420 --> 00:06:16.480
Ele pega o que o modelo do fabric proclama como linhagem e assume causalidade.

00:06:17.460 --> 00:06:22.640
Se uma coluna na gold referencia um híbrido de três fontes inconsistentes, a IA vê um conceito único.

00:06:23.340 --> 00:06:24.680
Pergunte, por que as vendas disparam em março?

00:06:25.360 --> 00:06:31.960
Ele gera alegremente um SQL que agrega cada registro marcado como março em regiões, moedas e fuso horários porque você nunca disse a silver para impor esses limites.

00:06:33.020 --> 00:06:33.920
A IA não está mentindo.

00:06:34.500 --> 00:06:36.980
Ela está traduzindo sua negligência coletiva em uma ficção fluente.

00:06:36.980 --> 00:06:40.740
É por isso que a procedência dos dados não é um metadado opcional, o GPS do Copilot.

00:06:41.500 --> 00:06:46.120
Cada transformação, cada join, cada definição de medida é uma trilha de migalhas que leva de volta a sua fonte da verdade.

00:06:46.720 --> 00:06:50.900
Fabric rastreia a linhagem visualmente, mas linhagem sem validação é como um mapa desenhado a lápis.

00:06:51.760 --> 00:06:53.820
A IA lê essas linhas borradas como verdades absurdas.

00:06:54.140 --> 00:06:55.140
Portanto, aplique a validação.

00:06:55.840 --> 00:06:58.380
Entre a bronze e a silver, execute testes de esquema automatizado.

00:06:58.820 --> 00:06:59.580
Os iris se alinham.

00:07:00.020 --> 00:07:00.800
Os nulos são tratados.

00:07:01.100 --> 00:07:02.040
Os tipos são consistentes?

00:07:02.400 --> 00:07:04.300
Entre a silver e a gold, implemente auditorias de junção.

00:07:04.660 --> 00:07:06.200
Verifique as expectativas de um para um.

00:07:06.200 --> 00:07:10.280
Monitore o desvio de agregação e verifique a continuidade da linhagem em nível de coluna.

00:07:10.800 --> 00:07:13.760
Esses não são rituais burocráticos, são ferramentas de sobrevivência para a prisão da IA.

00:07:14.680 --> 00:07:19.260
Quando a consulta do Copilot passa por camadas que você verificou ela era da disciplina em vez de desordem.

00:07:19.740 --> 00:07:20.600
A ironia é deliciosa.

00:07:21.040 --> 00:07:25.760
Você queria que o Copilot automatizasse a análise, mas a fundação da qual ele depende ainda exige uma higiene adequada.

00:07:26.360 --> 00:07:27.380
Entre a lixo, sai confiança.

00:07:27.380 --> 00:07:32.780
Enquanto você não tratar a arquitetura como filosofia moral e o refinamento como obrigação, não como sugestão, nunca terá uma IA verdadeira.

00:07:33.160 --> 00:07:33.260
É.

00:07:33.620 --> 00:07:35.700
Mesmo com camadas perfeitas, o Copilot tropeçar.

00:07:36.000 --> 00:07:38.620
Porque saber que os dados existem não significa saber o que eles significam.

00:07:38.940 --> 00:07:42.440
Um pipeline perfeito pode alimentar um modelo semanticamente vazio.

00:07:42.540 --> 00:07:47.980
O que nos leva ao tradutor ausente entre números e significado, a camada semântica, o cérebro que seus dados esqueceram de construir.

00:07:47.980 --> 00:07:51.840
Ausente, camadas semânticas e déficit de contexto.

00:07:52.740 --> 00:07:55.680
É aqui que a maioria das implementações do Fabric perde a cabeça, literalmente.

00:07:56.180 --> 00:08:00.620
A camada semântica é o cérebro do seu modelo de dados, mas muitas organizações a tratam como enfeite decorativo.

00:08:01.240 --> 00:08:03.620
Elas acham que se as tabelas existem, o significado vira automaticamente.

00:08:04.420 --> 00:08:06.400
Tabela são memória, semântica é compreensão.

00:08:07.160 --> 00:08:14.000
Sem essa camada, o Copilot lê números como um turista lendo placas de rua em outro idioma, foneticamente, com confiança, mas totalmente sem contexto.

00:08:14.720 --> 00:08:15.560
Vamos definir isso corretamente.

00:08:15.560 --> 00:08:20.400
O modelo semântico no Fabric diz ao Copilot o que seus dados significam, não apenas como são chamados.

00:08:21.280 --> 00:08:24.080
É o dicionário que traduz rótulos de colunas em lógica de negócios.

00:08:24.900 --> 00:08:27.240
Receita se torna a soma das vendas, excluindo o reembolso.

00:08:28.460 --> 00:08:31.320
Clientes se tornam o ID único do comprador ao longo dos anos fiscais.

00:08:32.420 --> 00:08:35.160
Sem isso, o Copilot trata essas palavras como meros tokens coincidentes.

00:08:35.920 --> 00:08:40.080
Você pode pedir o total de vendas e receber receita bruta num dia e receita líquida no outro.

00:08:40.700 --> 00:08:42.500
Não é capricho, é deriva linguística.

00:08:42.500 --> 00:08:48.360
Na verdade, um modelo semântico atua como um intérprete bilingue entre a linguagem humana e a lógica DAX ou SQL.

00:08:49.080 --> 00:08:50.220
Ele alinha a intenção com a computação.

00:08:50.620 --> 00:08:51.920
Quando ele falta, o Copilot precisa adivinhar.

00:08:52.600 --> 00:08:55.000
E grandes modelos de linguagem são adivinhadores, notoriamente orgulhosos.

00:08:55.220 --> 00:09:00.000
Eles montam joints prováveis, não precisos e confiam muito mais nos nomes das colunas do que nas suas definições de negócio.

00:09:00.500 --> 00:09:02.500
Em um modelo, Booking se refere a reservas.

00:09:03.180 --> 00:09:04.600
Em outro, conta viagens concluídas.

00:09:04.940 --> 00:09:06.100
Pro Copilot, eles são sinônimos.

00:09:06.520 --> 00:09:09.340
Ele acabou de pedir bookings por trimestre e ele te entregou ambos.

00:09:09.980 --> 00:09:10.620
Eficientemente errado.

00:09:10.620 --> 00:09:11.860
Compare duas arquiteturas.

00:09:12.260 --> 00:09:14.820
Em um data warehouse vazio, o Copilot olha diretamente para as tabelas.

00:09:15.300 --> 00:09:17.120
Ele vê data, valor, tipo...

00:09:17.120 --> 00:09:18.620
São substantivos bonitos, mas sem contexto.

00:09:18.900 --> 00:09:20.120
Então ele faz uma correspondência de padrões.

00:09:20.600 --> 00:09:23.980
Vendas igual a valor por região, igual a qualquer campo que pareça geografia.

00:09:24.860 --> 00:09:27.300
Em um modelo semântico, no entanto, esses campos foram civilizados.

00:09:28.120 --> 00:09:32.020
O valor de vendas inclui uma medida DAX definindo escopo, moeda e lógica de agregação.

00:09:32.680 --> 00:09:34.500
A região tem relacionamentos fixados explicitamente.

00:09:34.500 --> 00:09:38.160
Portanto, quando você faz a mesma pergunta, o Copilot não está tendo escuro.

00:09:38.580 --> 00:09:40.000
Ele caminha para um caminho iluminado que você pode mesmo.

00:09:40.400 --> 00:09:43.000
A caixa de ferramentas do Fabric para 2025 até lhe dar armas para isso.

00:09:43.740 --> 00:09:45.800
Direct Lake para modelagem de baixa latência.

00:09:45.960 --> 00:09:47.120
DAX para lógica de medidas.

00:09:47.580 --> 00:09:49.300
Sinônimos para flexibilidade linguística.

00:09:49.400 --> 00:09:51.000
E grupos de cálculo para consistência.

00:09:52.380 --> 00:09:54.000
Pense em sinônimos como vocabulário elástico.

00:09:54.700 --> 00:09:57.680
Se os usuários dizem lucro líquido, mas sua medida é lucro, você não renomeia a coluna.

00:09:57.740 --> 00:09:59.420
Você ensina a tradução ao Copilot.

00:09:59.420 --> 00:10:04.880
Grupos de cálculo reforçam a gramática garantindo que inteligência temporal ou conversões de moedas sejam aplicadas uniformemente.

00:10:05.460 --> 00:10:07.760
Juntos, eles formam o sistema de fundamentação do modelo de linguagem.

00:10:08.240 --> 00:10:09.940
Mas pouquíssimas pessoas se preocupam incorretamente.

00:10:10.420 --> 00:10:13.900
Elas despejam tabelas no Fabric e presumem que a IA do Copilot interpretará nuances.

00:10:14.380 --> 00:10:15.240
Spoiler, ela não interpretará.

00:10:15.780 --> 00:10:18.100
O modelo não infere seus KPIs por convicção moral.

00:10:18.920 --> 00:10:20.460
Ele os infere a partir de tags de metadada.

00:10:21.280 --> 00:10:25.660
Se você não rotulou medidas, descreveu relacionamentos ou especificou a ordem de cálculo, o Copilot improvisa.

00:10:25.660 --> 00:10:29.660
Improvisa charmoso em clubes de jazz, mas desastroso em análises empresariais.

00:10:30.860 --> 00:10:32.020
Então, como você impõe a semântica?

00:10:32.660 --> 00:10:34.020
Comece auditando o vocabulário do seu modelo.

00:10:34.540 --> 00:10:37.660
Cada medida precisa de uma definição consistente, armazenada centralmente e referenciada universalmente.

00:10:38.780 --> 00:10:40.920
Resista ao impulso de renomear colunas para cada relatório.

00:10:41.580 --> 00:10:43.260
Em vez disso, use apelidos na camada semântica.

00:10:44.000 --> 00:10:49.080
Crie grupos de cálculo para toda a lógica comum, totais acumulados no ano, médias móveis e taxas de conversão.

00:10:49.760 --> 00:10:53.700
Depois, adicione sinônimos para que o motor de linguagem natural do Copilot não invente suas próprias relações.

00:10:53.700 --> 00:10:56.560
Agora, conecte a semântica com a arquitetura de instruções do Copilot.

00:10:57.220 --> 00:11:00.860
O fábrica oferece dois níveis de controle, instruções da fonte de dados e instruções do agente.

00:11:01.460 --> 00:11:06.420
As instruções da fonte de dados esclarecem detalhes do esquema, joins, referências de medidas e nomes preferenciais,

00:11:06.500 --> 00:11:08.720
enquanto as instruções do agente reagem em tom, formato e restrições.

00:11:09.000 --> 00:11:12.440
Eles interagem por meio de prontos de fundamentação que dependem inteiramente do alinhamento semântico.

00:11:13.220 --> 00:11:15.640
Se seu modelo semântico define vendas totais claramente,

00:11:15.720 --> 00:11:19.620
as instruções da fonte de dados podem impor essa definição quando o Copilot escreve uma consulta.

00:11:19.620 --> 00:11:23.560
A instrução do agente garante que a resposta permaneça concisa, tabular ou resumida.

00:11:24.060 --> 00:11:26.800
Combine-se e você substituirá o caos pelo protocolo.

00:11:26.900 --> 00:11:29.120
Sem semântica, cada resposta do Copilot é um improviso.

00:11:29.740 --> 00:11:31.600
Com semântica, cada resposta torna-se uma evidência.

00:11:32.460 --> 00:11:34.240
Você não está ajustando o prompt, está ensinando lógica.

00:11:35.000 --> 00:11:37.380
Ao conceder ao Copilot um dicionário consistente,

00:11:37.480 --> 00:11:39.820
a precisão aumenta porque a incerteza não tem mais onde se esconder.

00:11:40.760 --> 00:11:42.240
Agora que o Copilot entende o idioma,

00:11:42.340 --> 00:11:45.280
vou ensinar disciplina, as regras comportamentais, que o mantém honesto.

00:11:45.280 --> 00:11:48.320
Disciplina para máquinas, dados e instruções de agente.

00:11:48.840 --> 00:11:52.060
O Copilot pode finalmente entender seu vocabulário, mas ainda precisa de bons modos.

00:11:52.780 --> 00:11:55.180
A semântica ensina o significado, as instruções ensinam o comportamento.

00:11:56.020 --> 00:11:59.740
E no Microsoft Fabric, esses comportamentos são moldados por meio de duas rédeas distintas.

00:12:00.360 --> 00:12:02.160
Instruções da fonte de dados e instruções do agente.

00:12:02.560 --> 00:12:04.780
Uma estrutura o cão, a outra o treina para unroer os móveis.

00:12:05.480 --> 00:12:08.220
Comece com as instruções da fonte de dados, os mandamentos específicos do esquema.

00:12:08.660 --> 00:12:12.760
Elas ficam mais próximas dos dados e dizem ao Copilot exatamente como interpretar seu modelo.

00:12:13.340 --> 00:12:15.040
Lembra do nosso caos anterior com as junções de clima?

00:12:15.480 --> 00:12:17.080
As instruções da fonte de dados são no secorrígico.

00:12:17.400 --> 00:12:21.980
Você especifica que os dados de temperatura e chuva devem ser unidos por ID de geografia e ID data.

00:12:22.800 --> 00:12:25.360
Isso remove as suposições do modelo e as substitui por obrigações.

00:12:26.080 --> 00:12:29.400
O Fabric lê essas declarações sempre que o Copilot redige SQL ou DAX,

00:12:29.520 --> 00:12:32.100
garantindo que toda consulta passe pelas chaves certas.

00:12:32.740 --> 00:12:34.500
Pense nelas como a constituição relacional,

00:12:34.500 --> 00:12:37.680
um texto legal imutável que define como as entidades podem se conectar.

00:12:38.440 --> 00:12:40.840
Essas instruções também lidam com sinônimos e definições de medidas.

00:12:40.840 --> 00:12:45.680
Suponha que seus analistas usem total de vendas, valor justo e receita bruta de forma intercambiável.

00:12:46.360 --> 00:12:48.060
Para humanos, tudo isso significa para ti a mesma coisa.

00:12:48.680 --> 00:12:50.860
Para o Copilot, são variáveis distintas competindo por atenção.

00:12:51.920 --> 00:12:53.540
Nas instruções da fonte de dados, você as alinha.

00:12:54.200 --> 00:12:56.700
Sempre que total de vendas for mencionado, use valor justo total.

00:12:57.260 --> 00:13:00.580
Agora, sua IA para de jogar roleta semântica e começa a responder de forma consistente.

00:13:01.420 --> 00:13:03.840
Podem até definir a lógica de agrupamento para análises categóricas.

00:13:03.840 --> 00:13:08.140
Quando um usuário pergunta sobre vendas por temperatura, você pode predefinir intervalos.

00:13:08.820 --> 00:13:14.420
Abaixo de 32 graus é congelante até 53 fio, de 53 a 72 a menos, e assim por diante.

00:13:15.260 --> 00:13:19.760
Sem isso, o Copilot retorna infinitos valores numéricos, afogando o usuário em detalhes irrelevantes.

00:13:20.700 --> 00:13:22.920
Ao incorporar esses grupos diretamente em suas instruções,

00:13:23.040 --> 00:13:25.480
você gera agregações previsíveis e lógica reproduzível.

00:13:26.220 --> 00:13:29.420
O que você está realmente fazendo aqui é converter metadados latentes em regras explícitas.

00:13:29.420 --> 00:13:34.400
O agente de dados do fábrica processa isso antes de construir as consultas, tratando-as como uma verdade imutável.

00:13:34.880 --> 00:13:38.080
A falta delas explica por que consultas anteriores produziram resultados distorcidos

00:13:38.080 --> 00:13:40.200
e geraram um SQL perfeitamente válido para a pergunta errada.

00:13:40.760 --> 00:13:42.420
Com instruções de dados escritas corretamente,

00:13:42.500 --> 00:13:46.180
as consultas do Copilot permanecem ancoradas em regras de negócio em vez de probabilidade linguística.

00:13:46.640 --> 00:13:50.440
Agora, vamos subir um nível para as instruções do agente, a escola de etiqueta para o comportamento do LM.

00:13:51.380 --> 00:13:54.460
Enquanto as instruções da fonte de dados dizem ao Copilot e os dados significam,

00:13:54.500 --> 00:13:56.300
as instruções do agente ditam como ele deve responder.

00:13:56.640 --> 00:13:59.040
Elas definem o estilo de apresentação e o escopo analítico.

00:13:59.420 --> 00:14:02.120
Você pode instruir, sempre resuma com uma tabela concisa.

00:14:03.080 --> 00:14:06.500
Ou, quando existirem várias fontes, esclareça a linhagem antes da agregação.

00:14:07.600 --> 00:14:11.980
Essencialmente, você transforma o Copilot de um estagiário excessivamente ansioso em um analista disciplinado.

00:14:13.020 --> 00:14:15.800
Considere a regra das cinco primeiras linhas do ajuste do agente de dados.

00:14:16.360 --> 00:14:18.640
Em vez de retornar milhares de registros ou se diz ele,

00:14:19.100 --> 00:14:21.540
exiba apenas os cinco primeiros a menos que o usuário solicite o contrário.

00:14:22.220 --> 00:14:26.780
A IA impõe concisão, poupando o gerente médio de rolar por um romance de dados.

00:14:26.780 --> 00:14:31.800
Outra diretiva útil, sempre forneça um resumo no topo de cada resposta.

00:14:33.260 --> 00:14:34.560
Isso funciona como um metacomentário.

00:14:35.120 --> 00:14:40.500
Copilot explica o que está mostrando, permitindo que os usuários verifiquem se as medidas, junções e filtros correspondem às expectativas.

00:14:41.660 --> 00:14:44.980
Isso transforma o raciocínio invisível em confirmação visível, algo crucial para a confiança.

00:14:45.980 --> 00:14:46.740
Observe a interação.

00:14:46.740 --> 00:14:48.960
As instruções de dados definem os fatos.

00:14:49.020 --> 00:14:50.720
As instruções do agente definem a voz.

00:14:51.460 --> 00:14:53.180
Juntas, elas formam o código ético do Copilot.

00:14:53.840 --> 00:14:57.320
O agente de dados combina tudo isso em um prompt composto toda vez que responde a uma pergunta.

00:14:58.140 --> 00:14:59.320
O modelo de linguagem não improvisa.

00:14:59.920 --> 00:15:01.480
Ele se condiciona por meio das suas regras.

00:15:02.060 --> 00:15:03.160
Agora, a governança entra em cena.

00:15:03.680 --> 00:15:06.180
Estas instruções não podem viver em cópias individuais anárquicas.

00:15:06.180 --> 00:15:12.040
Se cada usuário do fábrica personaliza sinônimos ao gosto pessoal, você reintroduziu a confusão que passou meses eliminando.

00:15:12.740 --> 00:15:16.260
Você terá cinco definições para lucro e zero consenso durante as revisões trimestrais.

00:15:17.220 --> 00:15:18.640
Centralize conjuntos de instruções.

00:15:18.800 --> 00:15:21.240
Publique-os através do espaço de trabalho de gerenciamento do fábrica.

00:15:21.340 --> 00:15:24.100
Valide-os via revisão por pares e trave-os com controle de versão.

00:15:24.740 --> 00:15:27.360
Flexibilidade sem governança é rebeldia disfarçada de inovação.

00:15:28.040 --> 00:15:30.680
Claro, até mesmo essas regras se degradam se você nunca as verificar.

00:15:31.420 --> 00:15:34.820
A abordagem inteligente é tratar a qualidade das instruções como qualidade de código.

00:15:34.820 --> 00:15:37.140
Após cada edição, teste o comportamento do Copilot.

00:15:37.580 --> 00:15:40.920
Faça a mesma pergunta duas vezes após limpar o cache e veja se ele repete o mesmo SQL.

00:15:41.660 --> 00:15:42.960
Examine as consultas geradas.

00:15:43.180 --> 00:15:45.680
Certifique-se de que reflitam joins aplicados e medidas corretas.

00:15:46.280 --> 00:15:48.300
Se as saídas divergirem, revise suas instruções.

00:15:48.860 --> 00:15:52.240
Até os próprios engenheiros da Microsoft admitem que este ajuste é mais arte do que ciência,

00:15:52.620 --> 00:15:54.540
o que é um eufemismo lisonjeiro para depuração constante.

00:15:55.180 --> 00:15:56.660
É aqui que consultas de exemplo salvam você.

00:15:57.100 --> 00:15:59.140
Elas são a resposta do fábrica para barreiras de proteção,

00:15:59.140 --> 00:16:02.640
permitindo que você codifique fragmentos SQL canônicos para intenções analíticas comuns.

00:16:02.640 --> 00:16:06.660
Digamos que você saiba que a receita total por faixa de temperatura

00:16:06.660 --> 00:16:08.860
deve sempre realizar um join duplo em geografia e data.

00:16:09.440 --> 00:16:10.700
Eu registro isso com uma consulta de exemplo.

00:16:11.420 --> 00:16:13.500
Quando os usuários fazem qualquer variação dessa frase,

00:16:13.600 --> 00:16:16.340
o Copilot ignora a improvisação e reutiliza sua lógica exata.

00:16:17.200 --> 00:16:19.900
É o equivalente em IA a emitir formulários pré-aprovados,

00:16:20.360 --> 00:16:23.140
preenchidos corretamente sempre, incapazes de sabotagem criativa.

00:16:24.000 --> 00:16:26.600
Com o tempo, você pode criar uma biblioteca dessas consultas de exemplo,

00:16:26.720 --> 00:16:29.400
transformando o Copilot de um generalista em um especialista no domínio.

00:16:29.400 --> 00:16:30.860
Pense nisso com memória muscular.

00:16:31.540 --> 00:16:34.620
A IA aprende gradualmente o que é correto através de repetição e restrição

00:16:34.620 --> 00:16:36.180
em vez de genialidades de forma livre.

00:16:36.760 --> 00:16:39.560
Ainda assim, as instituições mais inteligentes não podem redimir pecados arquiteturais.

00:16:39.900 --> 00:16:44.040
Se seu pipeline de dados oscila sob camadas medalham inconsistentes ou semântica ausente,

00:16:44.560 --> 00:16:47.800
todas essas barreiras equivalem a discursos severos em um navio afundando.

00:16:48.360 --> 00:16:50.620
Instruções restringem a linguagem, elas não podem inventar a verdade.

00:16:51.060 --> 00:16:52.540
É por isso que o ajuste é um ciclo fechado.

00:16:52.540 --> 00:16:55.300
A arquitetura define a confiabilidade, a semântica define o significado,

00:16:55.340 --> 00:16:57.680
as instruções definem o significado e as instruções definem a obediência.

00:16:57.680 --> 00:16:59.240
O fluxo de trabalho pragmático é assim.

00:16:59.360 --> 00:17:02.300
Construa camadas medalham limpas, defina um modelo semântico preciso.

00:17:02.900 --> 00:17:05.420
Codifique essas definições nas instruções da fonte de dados.

00:17:05.720 --> 00:17:08.300
Tempere a personalidade do Copilot através de instruções do agente.

00:17:08.440 --> 00:17:09.420
Então teste implacavelmente.

00:17:10.400 --> 00:17:13.780
Cada anomalia que você detecta cedo poupa você de um e-mail irritado de um executivo mais tarde.

00:17:14.340 --> 00:17:15.340
Portanto, sim, a disciplina importa.

00:17:15.780 --> 00:17:17.380
Não é glamouroso, não é mágica de IA.

00:17:17.380 --> 00:17:21.220
É aplicação de regras, limpeza de cache, testes de consistência,

00:17:21.340 --> 00:17:24.700
verificação ocasional de autoestima quando sua IA ainda insiste que as vendas totais

00:17:24.700 --> 00:17:27.120
equivalem a tarifa bruta, mais reembolsos, mais milagres.

00:17:28.440 --> 00:17:31.300
Mas uma vez que a disciplina se estabelece, o Copilot se torna extremamente confiável.

00:17:31.980 --> 00:17:33.060
Suas alucinações diminuem.

00:17:33.360 --> 00:17:35.360
Seus joints e comportos param de manipular você.

00:17:36.140 --> 00:17:37.840
Você pode definir as regras dentro do Fabric,

00:17:37.920 --> 00:17:40.760
mas a honestidade do Copilot ainda depende de uma arquitetura além do Fabric,

00:17:41.080 --> 00:17:44.460
a governança sistêmica que controla a verdade em todo o seu patrimônio de dados.

00:17:44.980 --> 00:17:46.780
E é exatamente para lá que estamos indo agora.

00:17:47.580 --> 00:17:49.660
A cura é sistêmica, construindo para a verdade verificável.

00:17:50.060 --> 00:17:50.640
Vamos ampliar a visão.

00:17:50.640 --> 00:17:55.120
Após todos os ajustes sinônimos e treinamento de obediência da IA, ainda existe um fato brutal.

00:17:55.800 --> 00:17:58.440
A veracidade do Copilot depende da integridade do seu ecossistema.

00:17:58.780 --> 00:18:01.440
Você pode treiná-lo, repreendê-lo e recompensá-lo com clareza,

00:18:01.540 --> 00:18:05.260
mas se a arquitetura em torno do Fabric destilar dados corrompidos, a IA ainda mentirá educadamente.

00:18:06.260 --> 00:18:08.140
O que você precisa é de uma cura sistêmica.

00:18:08.260 --> 00:18:12.600
Governança, aplicação de linhagem e disciplina arquitetural que torne a mentira fisicamente impossível.

00:18:12.600 --> 00:18:19.180
No nível arquitetural, o Fabric só tem sucesso quando tudo acima e abaixo dele compartilha a mesma bússola moral de higiene de dados.

00:18:19.920 --> 00:18:21.120
Isso começa com a imposição de esquema.

00:18:21.540 --> 00:18:26.480
Cada conjunto de dados em seu lake house e warehouse precisa de chaves, tipos de dados e relacionamentos definidos.

00:18:27.220 --> 00:18:29.540
Contratos imutáveis que descrevem como as entidades se interconectam.

00:18:30.220 --> 00:18:33.100
O desvio é uma tabela, não deve se propagar silenciosamente para sua camada gol.

00:18:33.560 --> 00:18:36.260
Em vez disso, a imposição de esquema detecta isso como um lente de código,

00:18:36.340 --> 00:18:38.020
interrompendo a ingestão até que as definições se alinhem.

00:18:38.020 --> 00:18:43.980
Na prática, isso não atrasa o desenvolvimento, previne a corrupção silenciosa antes que ela se metastatize nas respostas do co-pilot.

00:18:44.980 --> 00:18:46.560
Em seguida, introduza o versionamento semântico.

00:18:46.960 --> 00:18:48.180
Traz-se os modelos de dados com software.

00:18:48.600 --> 00:18:53.820
Cada vez que modificar uma definição, renomear uma coluna, alterar uma fórmula de medida ou ajustar um relacionamento,

00:18:54.020 --> 00:18:54.740
incremente uma versão.

00:18:55.280 --> 00:19:00.180
O Fabric não reconhece automaticamente o impacto filosófico de receita igual bruto, menos desconto,

00:19:00.280 --> 00:19:02.900
se tornar receita igual a líquido após impostos.

00:19:03.980 --> 00:19:04.540
Os humanos efetivos.

00:19:04.540 --> 00:19:10.360
O versionamento preserva o histórico de linhagem, permitindo rastrear quais respostas do co-pilot se basearam em semânticas desatualizadas.

00:19:10.740 --> 00:19:13.200
Sem isso, você nunca o ditará quando uma mentira entrou em circulação.

00:19:14.020 --> 00:19:15.440
Agora, vincule a aplicação à documentação.

00:19:15.960 --> 00:19:19.040
O Microsoft Preview, ou o catálogo de dados do One Lake, não são apenas enfeites.

00:19:19.400 --> 00:19:21.640
É a memória institucional que evita a amnésia de esquema.

00:19:22.700 --> 00:19:26.960
Conjuntos de dados certificados nesses catálogos atumam como as únicas fontes permitidas para o co-pilot e o Power BI.

00:19:27.960 --> 00:19:31.260
Pense neles como entidades autenticadas, representações da verdade legalmente vinculativas.

00:19:31.260 --> 00:19:34.420
Se um conjunto de dados não for certificado, o co-pilot não é o tom.

00:19:35.000 --> 00:19:37.760
Ao integrar os metadados do Preview com os agentes de dados do fábrica,

00:19:37.880 --> 00:19:41.100
você garante que cada consulta orientada por IACIT uma procedência verificável.

00:19:41.720 --> 00:19:45.040
Quando alguém perguntar de onde veio este número, você poderá realmente responder.

00:19:45.680 --> 00:19:49.220
Para continuidade de contexto entre sistemas, habilite o espelhamento e a modelagem digitais.

00:19:50.340 --> 00:19:55.700
O espelhamento replica fontes externas como SQL Server, Cosmos DB ou PostgreSQL no fábrica em tempo real,

00:19:55.860 --> 00:19:57.120
preservando o esquema e frescor.

00:19:57.120 --> 00:20:00.260
É o sistema monológico do fábrica, onde ela tem-se incompatibilidade de dados.

00:20:00.800 --> 00:20:03.580
A modelagem de gêmeos digitais, se ser introduzida, leva isso ainda mais longe.

00:20:04.440 --> 00:20:07.800
Ela constrói uma contraparte digital viva de ambientes físicos ou de negócios.

00:20:09.040 --> 00:20:11.140
O co-pilot pode então consultar esses gêmeos,

00:20:11.300 --> 00:20:14.120
entendendo relações com os efeitos da produção da fábrica nos atrasos de transporte.

00:20:15.800 --> 00:20:19.320
Isso mantém seu raciocínio fundamentado em uma realidade sincronizada, não em estradas obsoletos.

00:20:19.920 --> 00:20:21.800
Mas até a melhor arquitetura se desvia com o tempo.

00:20:21.800 --> 00:20:27.640
É por isso que você realiza auditorias de verdade periódicas e verificações rituais onde as saídas da IA encontram a validação da fonte da verdade.

00:20:28.240 --> 00:20:32.240
Você escolhe consultas representativas e executa-as novamente manualmente ou via SQL armazenado.

00:20:32.460 --> 00:20:33.160
Compara os resultados.

00:20:34.160 --> 00:20:39.660
Qualquer divergência sinaliza entropia arquitetural, junções corrompidas, medidas desviadas ou linhagem inspirada.

00:20:40.160 --> 00:20:41.900
Pense nisso com um teste de polígrafo preocupado.

00:20:42.640 --> 00:20:48.300
Feito trimestralmente, permite recalibrar conjuntos de instruções e semântica antes que a desconfiança escale para um constrangimento na diretoria.

00:20:48.300 --> 00:20:54.800
Criticamente, todas as camadas da sua pilha de análise BI, Copilot e Workspace do Fabric devem extrair de uma única fonte semântica.

00:20:55.300 --> 00:20:56.620
Conjuntos de dados paralelos são o inimigo.

00:20:57.020 --> 00:21:01.880
Toda vez que um departamento ambicioso clona um modelo para avançar mais rápido, ele cria outro dialeto da verdade.

00:21:02.460 --> 00:21:07.680
De repente, o Power BI, o Copilot e o Excel Copilot estão falando três linguagens ligeiramente diferentes sob o mesmo número de receita.

00:21:08.340 --> 00:21:16.200
A cura é a unidade forçada, semântica centralizada em um modelo, expondo apenas para leitura aos consumidores downstream e vinculando a conformidade de políticas de certificação de conjuntos de dados.

00:21:16.200 --> 00:21:20.920
Se o Johnny em vendas quiser uma métrica personalizada, ele negocia através da governação por canais paralelos.

00:21:21.520 --> 00:21:22.860
Finalmente, fecha o ciclo de aprendizado.

00:21:23.240 --> 00:21:27.780
Governança não é papelada estática, é um diálogo contínuo entre analistas humanos e agentes de A.

00:21:28.480 --> 00:21:33.200
Humanos ajustam, o Copilot executa, humanos verificam e o Copilot melhora através de contexto atualizado.

00:21:34.140 --> 00:21:37.080
Cada iteração ensina o sistema como se parece uma execução verdadeira.

00:21:37.880 --> 00:21:40.200
Com o tempo, esse feedback se torna infraestrutura invisível.

00:21:40.600 --> 00:21:41.540
O andame da precisão.

00:21:42.200 --> 00:21:44.480
Quando você atinge essa maturidade, algo extraordinário acontece.

00:21:44.480 --> 00:21:50.820
O Copilot para de parecer um oráculo imprevisível e começa a se comportar como um analista júnior, rápido, consistente e respeitoso às políticas.

00:21:51.740 --> 00:21:52.480
As alucinações evaporam.

00:21:53.380 --> 00:21:57.360
Não porque a IA de repente se tornou honesta, mas porque a desonestidade não se encaixa mais na estrutura.

00:21:58.200 --> 00:22:02.400
A verdade tornou-se o caminho de menor resistência, portanto a cura sistêmica não é a glamour, é a governança.

00:22:03.400 --> 00:22:05.320
A aplicação de esquema mantém a estrutura reta.

00:22:05.440 --> 00:22:07.060
O versionamento semântico lembra o histórico.

00:22:07.060 --> 00:22:09.400
A certificação do preview protege a integridade.

00:22:09.880 --> 00:22:12.200
E uma única fonte semântica preserva a coerência.

00:22:12.200 --> 00:22:17.420
O espelhamento vincula a realidade ao reflexo e as auditorias de verdade mantêm ambos sincronizados.

00:22:17.920 --> 00:22:20.700
Entre eles, o Copilot não precisa inventar, ele simplesmente relata.

00:22:21.560 --> 00:22:25.520
Uma vez que você impôs a verdade estruturalmente, você ganha o direito de automatizar insights.

00:22:25.620 --> 00:22:26.660
E isso nos leva à lição final.

00:22:27.120 --> 00:22:30.060
Ensinar máquinas a dizer a verdade por design, não por persuasão.

00:22:30.900 --> 00:22:32.160
Ensinando o Copilot a dizer a verdade.

00:22:32.720 --> 00:22:34.240
O Copilot nunca foi indigno de confiança.

00:22:34.580 --> 00:22:35.180
Ele era obediente.

00:22:35.820 --> 00:22:38.200
Ele respondia fielmente a qualquer causa que você codificasse.

00:22:38.200 --> 00:22:42.600
Uma vez que você lhe dá uma arquitetura disciplinada, semântica consistente e instruções espistas,

00:22:42.920 --> 00:22:45.220
ele para de alucinar não por moralidade, mas por inevitabilidade.

00:22:46.000 --> 00:22:47.400
Aqui está a equação duradoura.

00:22:47.620 --> 00:22:52.480
Camadas medalhão limpas, mais disciplina semântica, mais instruções governadas equivalem a uma IA com verdades verificáveis.

00:22:53.000 --> 00:22:56.960
Elimine a ambiguidade na fonte, documente o significado com precisão, teste as saídas regularmente,

00:22:57.020 --> 00:22:59.700
o Copilot se tornará um espelho polido para refletir apenas fatos.

00:22:59.700 --> 00:23:04.240
Se o seu ambiente de dados ainda sussurra contradições, este é o seu chamado para editá-lo.

00:23:04.760 --> 00:23:09.880
Aplique contratos de esquema, certifique conjuntos de dados, versione sua semântica e execute auditorias trimestrais de veracidade.

00:23:10.500 --> 00:23:13.860
Então observe enquanto o Copilot se transforma de um improvisador confiante e um colega calculável.

00:23:14.540 --> 00:23:16.200
Precisão não é mágica, é manutenção.

00:23:16.740 --> 00:23:19.380
Construa uma estrutura tão rígida que as mentiras fisicamente não conseguiam.

00:23:19.820 --> 00:23:23.080
Faça isso e cada prompt futuro produzirá não histórias, mas declarações.

00:23:23.700 --> 00:23:28.620
Se isso lhe poupou horas ou um potencial constrangimento, retribua esforço e inscreva-se no M305 Show.

00:23:28.620 --> 00:23:29.080
Show.

00:23:29.700 --> 00:23:32.120
Somos especialistas em tornar a IA da Microsoft realmente confiável.

00:23:32.840 --> 00:23:35.880
O próximo tutorial mergulha ainda mais fundo na engenharia de precisão do Copilot.

00:23:36.260 --> 00:23:37.560
A eficiência pertence aos disciplinados.

00:23:37.920 --> 00:23:38.300
Fique ligado.
