WEBVTT

00:00:00.000 --> 00:00:02.060
O Copilot não está confuso. Ele é obediente.

00:00:02.540 --> 00:00:06.920
Aquele parágrafo alegre que ele acabou de escrever sobre o crescimento inexistente do seu quarto trimestre não foi uma falha.

00:00:07.680 --> 00:00:09.760
É o evangelho de acordo com seus próprios dados mal estruturados.

00:00:10.360 --> 00:00:12.460
Este é o efeito lixo entra, confiança sai.

00:00:13.100 --> 00:00:16.300
A maneira educada do Microsoft Fabric é dizer que você mesmo treinou o seu mentiroso.

00:00:16.980 --> 00:00:22.000
O Copilot alucinará padrões alegremente porque suas tabelas sussurraram inconsistências doces no contexto do prompt.

00:00:22.460 --> 00:00:23.060
Veja o que está acontecendo.

00:00:23.460 --> 00:00:27.580
Você tem junções duplicadas, semântica ausente e camadas medalhas mal feitas se passando por verdade.

00:00:27.700 --> 00:00:29.500
Então você chama o Copilot e pede insights.

00:00:29.500 --> 00:00:31.120
E no raciocínio ele reorganiza.

00:00:31.940 --> 00:00:36.540
O Fabric o alimenta com metadados mal formados e o Copilot devolve um sonho lúcido vestido de análise.

00:00:37.800 --> 00:00:43.740
Hoje vou mostrar porque isso acontece, onde seu modelo de dados o traiu e como reconstruí-lo para que o Copilot pare de inventar histórias.

00:00:44.400 --> 00:00:48.140
Ao final você terá uma EA precisa, explicável e finalmente confiável.

00:00:49.320 --> 00:00:50.300
A ilusão e a inteligência.

00:00:51.140 --> 00:00:51.960
Por que o Copilot mente?

00:00:52.320 --> 00:00:54.920
As pessoas esperam que o Copilot as coisas. Ele não sabe.

00:00:54.920 --> 00:01:00.040
Ele combina padrões a partir dos seus metadados, contexto e a noção frágil de relacionamentos que você definiu no Fabric.

00:01:00.700 --> 00:01:03.080
Você acha que está falando com inteligência, na verdade está falando com reflexo.

00:01:03.800 --> 00:01:07.280
Dê a ele ambiguidade e ele reflete essa ambiguidade de volta, só que mais brilhante.

00:01:07.800 --> 00:01:08.600
Aqui está o verde do problema.

00:01:08.600 --> 00:01:12.100
A maioria das implementações do Fabric trata o design de esquema como uma reflexão tardia.

00:01:12.460 --> 00:01:14.140
Tabelas de fatos unidas pela chave errada.

00:01:14.400 --> 00:01:17.100
Medidas escritas de forma inconsistente e descrições totalmente ausentes.

00:01:17.960 --> 00:01:20.920
O Copilot lê esse cálcio como uma criança lendo uma frase sem pontuação.

00:01:21.440 --> 00:01:23.340
Ele simplesmente adivinha onde o significado deveria estar.

00:01:23.700 --> 00:01:26.080
O resultado parece coerente, mas talvez seja criticamente errado.

00:01:26.760 --> 00:01:31.640
Digamos que sua camada gold contém a receita de uma fonte e vendas totais de outra, ambas não padronizadas.

00:01:32.260 --> 00:01:36.200
O Copilot vê nomes de colunas semelhantes e, em sua infinita polidez, fúndias.

00:01:36.200 --> 00:01:38.460
Você pergunta qual foi a receita no último trimestre.

00:01:39.100 --> 00:01:43.260
Ele mescla medidas com granularidade incompatível, produz uma média entre escalas incomparáveis

00:01:43.260 --> 00:01:45.100
e apresenta a você com total confiança.

00:01:45.900 --> 00:01:47.720
O gráfico parece profissional, a matemática é ficção.

00:01:48.380 --> 00:01:49.380
A ilusão vem do tom.

00:01:50.020 --> 00:01:54.840
A linguagem natural parece compreensão, mas as respostas naturais do Copilot apenas mascaram a mimica estatística.

00:01:55.340 --> 00:01:57.520
Quando você faz uma pergunta, o modelo não valida fatos.

00:01:58.080 --> 00:02:01.600
Ele recupera padrões, junções prováveis, colunas plausíveis, texto digerível.

00:02:02.240 --> 00:02:06.160
Sem linhagem de dados rigorosa ou governança semântica, ele inventa o que não consegue inferir.

00:02:06.920 --> 00:02:08.940
Ele é, na verdade, seu esquema com presença de pau.

00:02:09.460 --> 00:02:10.540
O fábrico agrava essa ilusão.

00:02:11.420 --> 00:02:15.520
Como os agentes de dados no Fabric transmitem contexto através de metadados, quaisquer lacunas

00:02:15.520 --> 00:02:19.600
em relacionamentos, chaves estrangeiras ausentes, dimensões sem tags ou nomes de medidas ambíguos

00:02:19.600 --> 00:02:22.260
são tratados como dicas opcionais e não como mandatos.

00:02:23.300 --> 00:02:26.160
O modelo preenche esses vazios através da conclusão de padrões, não dá logo.

00:02:26.620 --> 00:02:32.040
Se queria unir vendas por região e data, ele pode ler, junte vendas a qualquer coisa que pareça geográfica.

00:02:32.820 --> 00:02:35.200
E o SQL que ele gera colabora prontamente com esse absurdo.

00:02:35.740 --> 00:02:38.380
Os usuários caem nessa porque a interface democratiza a sintaxe de consulta.

00:02:38.720 --> 00:02:40.200
Você digita uma frase e ele retorna um visual.

00:02:40.940 --> 00:02:43.940
Você pressupõe compreensão, mas o modelo opera em uma névoa estatística.

00:02:44.520 --> 00:02:47.260
Quanto menos restrições você define, mais amigáveis se tornam suas mentiras.

00:02:47.900 --> 00:02:49.280
A mudança mental fundamental é extra.

00:02:49.420 --> 00:02:50.440
O Copilot não é um oráculo.

00:02:50.940 --> 00:02:54.720
Ele não tem epistemologia, nenhum conceito de verdade, apenas espelhos construídos com seus metadados.

00:02:54.720 --> 00:02:57.680
Ele converte seu modelo de dados em um espaço de probabilidade linguística.

00:02:58.320 --> 00:03:00.740
Cada falha estrutural se torna uma alucinação semântica.

00:03:01.600 --> 00:03:07.880
Onde seu esquema é inconsistente, a IA alucina uma consistência que não existe e a tragédia é previsível.

00:03:08.620 --> 00:03:12.560
Executivos tomam decisões baseadas em ficção que parece validada por vir do Microsoft Fabric.

00:03:13.420 --> 00:03:18.520
Se sua camada Gold oscila sob transformações inconsistentes, o Copilot simplifica sua oscilação em uma narrativa confiante.

00:03:19.160 --> 00:03:21.620
A eloquência do modelo disfarça a deterioração do seu pipeline.

00:03:21.620 --> 00:03:23.760
Pense no Copilot como um motor de reflexão.

00:03:24.220 --> 00:03:26.360
Sua inteligência começa e termina com a qualidade do seu esquema.

00:03:27.400 --> 00:03:32.780
Se seus joints são tortos, sua linhagem está quebrada ou sua semântica é pouco clara, ele reflete a incerteza como certeza.

00:03:33.460 --> 00:03:36.960
E é por isso que a cura não começa com engenharia de prompt, mas com higiene arquitetural.

00:03:37.640 --> 00:03:41.240
Portanto, se o Copilot é tão verdadeiro quanto sua arquitetura, vamos dissecar onde a podridão começa.

00:03:42.280 --> 00:03:43.040
O mito do medalhão.

00:03:43.420 --> 00:03:44.380
Quando o bronze polui o ouro.

00:03:44.980 --> 00:03:47.760
Todo engenheiro de dados recita a arquitetura de medalhão com uma escritura.

00:03:48.120 --> 00:03:49.100
Bronze, prata, ouro.

00:03:49.560 --> 00:03:50.780
Bruto, refinado, confiável.

00:03:51.620 --> 00:03:54.300
Em teoria, é uma peregrinação do caos à clareza.

00:03:54.640 --> 00:03:58.080
Cada camada limpando a ambiguidade até que o dado ganhe sua aura de verdade.

00:03:59.480 --> 00:04:02.780
Na prática, a maioria das pessoas constrói um escorregador de plaque temático

00:04:02.780 --> 00:04:07.020
onde a inconsistência bruta pega um expresso do bronze direto para o ouro, sem nada limpo no meio.

00:04:07.560 --> 00:04:08.340
Vamos começar pela base.

00:04:09.000 --> 00:04:13.920
O bronze é sua zona de pouso, arquivos parquês, CSVs, ingestão de IoT e o registro fóssil da sua organização.

00:04:14.880 --> 00:04:16.740
Deveria ser bonito ou apenas totalmente capturado?

00:04:16.740 --> 00:04:20.200
Mas as pessoas esquecem que o bronze é uma quarentena, num ingrediente ativo.

00:04:20.880 --> 00:04:25.900
Quando essa sujeira bruta sobe através de atalhos preguiçosos, consultas diretas ou falta de lógica de transformação,

00:04:26.000 --> 00:04:28.180
você dá o copilot-ruído não tratado como contexto.

00:04:28.940 --> 00:04:29.740
Sim, ele vai alucinar.

00:04:30.420 --> 00:04:33.280
Ele tem um bom motivo se entregou a ele um diário de sonhos e pediu uma auditoria.

00:04:33.280 --> 00:04:35.220
A prata deveria refinar essa lama.

00:04:35.740 --> 00:04:41.560
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 crime.

00:04:42.220 --> 00:04:46.120
Mas veja a maioria das configurações do fabric, e a prata é um pedido de desculpas desleixado.

00:04:46.440 --> 00:04:49.440
Joins rápidos, consultas frágeis, conversões sem documentação.

00:04:50.260 --> 00:04:51.000
A desculpa é sempre a mesma.

00:04:51.500 --> 00:04:52.440
Vamos consertar isso no ouro.

00:04:52.820 --> 00:04:55.300
Isso equivale a corrigir a gramática publicando dicionário com atraso.

00:04:55.900 --> 00:04:58.260
Quando você chega ao gold, a ilusão de confiança se instala.

00:04:58.260 --> 00:05:03.260
Tudo no gold parece analítico, tabelas limpas, nomes voltados ao negócio, dashboards que radiam confiança.

00:05:04.000 --> 00:05:10.580
Mas, por baixo, você empilha conversões incompatíveis, timestamps dessincronizados e colisões de ID que vêm desde o bronze.

00:05:11.240 --> 00:05:14.020
Os metadados do fabric rastreiam essas relações automaticamente,

00:05:14.400 --> 00:05:17.120
e adivinhem quais relações o copilot confia ou interpreta a linguagem natural?

00:05:17.840 --> 00:05:18.340
Todas elas.

00:05:18.800 --> 00:05:20.700
Então, quando a linhagem mente, o modelo erda a mentira.

00:05:21.420 --> 00:05:22.720
Aqui está um cenário do mundo real.

00:05:23.320 --> 00:05:25.320
Tem dados transacionais de dois sistemas de reservas.

00:05:25.320 --> 00:05:28.300
Ambos alimentam o bronze com formato de chave ligeiramente diferente.

00:05:28.680 --> 00:05:30.960
Um usam ID numérico de viagem, o outro mistura letras.

00:05:31.920 --> 00:05:36.080
No silver, alguém os uniu por meio de um inner join e substrins truncadas para padronizar.

00:05:37.440 --> 00:05:40.780
Tecnicamente, você unificou os dados, semanticamente você apenas criou correspondências fantasmas.

00:05:41.640 --> 00:05:44.300
Agora, o copilot calcula com confiança a receita média das viagens,

00:05:44.520 --> 00:05:46.380
o que inclui transações de contextos totalmente diferentes.

00:05:47.320 --> 00:05:50.080
É um absurdo preciso, sintaxe correta, semântica fabricada.

00:05:50.860 --> 00:05:51.900
Este é o mito do medalhão.

00:05:51.900 --> 00:05:54.780
A ideia de que ter camadas entrega pureza automaticamente.

00:05:55.320 --> 00:05:57.760
Camadas são tão verdadeiras quanto a disciplina dentro dela.

00:05:58.300 --> 00:05:59.720
O bronze deve expor a entropia bruta.

00:06:00.220 --> 00:06:01.680
O silver deve impor a descontaminação.

00:06:02.360 --> 00:06:04.720
O gold tem que representar a lógica de negócio certificada.

00:06:05.300 --> 00:06:07.440
Sem substituições manuais, sem correções temporárias.

00:06:08.320 --> 00:06:11.080
Quebre essa corrente e você substitui refinamento com poluição recursiva.

00:06:11.580 --> 00:06:12.840
O pilot, claro, não sabe nada disso.

00:06:13.420 --> 00:06:16.360
Ele aceita o que o modelo fabrica proclama como linhagem e assume causalidade.

00:06:16.360 --> 00:06:20.880
Se uma coluna no gold referencia um híbrido de três fontes inconsistentes,

00:06:21.380 --> 00:06:22.660
a IA vê um conceito único.

00:06:23.260 --> 00:06:24.720
Pergunte, por que as vendas dispararam em março?

00:06:25.280 --> 00:06:28.800
Ele gera alegremente um SQL que agrega todos os registros marcados como março

00:06:28.800 --> 00:06:30.440
em todas as regiões, moedas e fuso horários,

00:06:30.520 --> 00:06:32.280
porque você nunca disse ao silver pra impor esses limites.

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

00:06:34.460 --> 00:06:36.920
Ela está traduzindo sua negligência coletiva em ficção fluente.

00:06:37.520 --> 00:06:39.480
É por isso que a procedência dos dados não é um metadado opcional.

00:06:39.880 --> 00:06:40.680
É o GPS do copilot.

00:06:40.680 --> 00:06:43.880
Cada transformação, cada join, cada definição de medida

00:06:43.880 --> 00:06:45.900
é uma trilha que leva de volta a sua fonte da verdade.

00:06:46.600 --> 00:06:48.280
O fabric rastreia a linhagem visualmente,

00:06:48.420 --> 00:06:50.900
mas linhagem sem validação é como um mapa desenhado a lápis.

00:06:51.720 --> 00:06:54.120
A IA lê essas linhas imprecisas como verdades absurdas.

00:06:54.160 --> 00:06:55.180
Portanto, aplique a validação.

00:06:55.760 --> 00:06:58.360
Entre o bronze e o silver, execute testes de esquema automatizados.

00:06:58.760 --> 00:06:59.560
Os edis se alinham.

00:06:59.960 --> 00:07:00.740
Os nulos são tratados.

00:07:01.160 --> 00:07:02.120
Os tipos são consistentes.

00:07:02.420 --> 00:07:04.220
Entre o silver e o gold, implemente auditores de join.

00:07:04.640 --> 00:07:06.140
Verifique as expectativas de um para um.

00:07:06.800 --> 00:07:08.100
Monitore o desvio de agregação

00:07:08.100 --> 00:07:10.340
e verifique a continuidade da linhagem no nível de coluna.

00:07:10.680 --> 00:07:11.840
Estes não são rituais burocráticos.

00:07:12.200 --> 00:07:14.040
São ferramentas de sobrevivência para a precisão da IA.

00:07:14.840 --> 00:07:17.580
Quando a consulta do copilot passa por camadas que você verificou,

00:07:17.680 --> 00:07:19.340
ela herda disciplina em vez de desordem.

00:07:19.820 --> 00:07:20.620
A ironia deliciona.

00:07:20.920 --> 00:07:22.700
Você queria que o copilot automatizasse a análise,

00:07:22.920 --> 00:07:25.600
mas a base da qual ele depende ainda exige uma higiene à moda antiga.

00:07:26.280 --> 00:07:27.320
Entre a lixa e sai confiança.

00:07:27.780 --> 00:07:29.800
Até que você trate a arquitetura como filosofia moral

00:07:29.800 --> 00:07:31.540
e o refinamento como obrigação ou sugestão

00:07:31.540 --> 00:07:32.800
de você nunca terá uma IA verdadeira.

00:07:33.500 --> 00:07:35.640
Mesmo com camadas impecáveis, o copilot tropeçar,

00:07:35.760 --> 00:07:38.620
porque saber que os dados existem não significa saber o que ele significa.

00:07:38.620 --> 00:07:42.500
Enfim, um pipeline perfeito pode alimentar um modelo semanticamente vazio,

00:07:42.580 --> 00:07:45.900
o que nos leva ao tradutor ausente entre números e significado à camada semântica,

00:07:46.020 --> 00:07:47.920
o cérebro que seus dados esqueceram de construir.

00:07:49.520 --> 00:07:51.880
Tabra ausente, camadas semânticas e déficit de contexto.

00:07:52.740 --> 00:07:55.560
É aqui que a maioria das implementações do Fabric perde a cabeça, literalmente.

00:07:56.200 --> 00:07:58.160
A camada semântica é o cérebro do seu modelo de dados,

00:07:58.260 --> 00:08:00.460
mas muitas organizações a tratam como um detalhe decorativo.

00:08:01.160 --> 00:08:03.720
Elas pensam que se as tabelas existem, o significado virá automaticamente.

00:08:03.720 --> 00:08:06.480
Tabela são memória, semântica e compreensão.

00:08:07.200 --> 00:08:09.740
Sem essa camada, o copilot lê números como um turista

00:08:09.740 --> 00:08:12.800
lendo placas de rua em outro idioma, foneticamente, com confiança

00:08:12.800 --> 00:08:14.240
e totalmente sem contexto.

00:08:14.680 --> 00:08:15.520
Vamos defini-la corretamente.

00:08:16.040 --> 00:08:19.000
O modelo semântico no Fabric diz ao copilot o que seus dados significam,

00:08:19.460 --> 00:08:20.420
não apenas como são chamados.

00:08:21.180 --> 00:08:23.920
É o dicionário que traduz rótulos de colunas em lógica de negócios.

00:08:24.800 --> 00:08:27.280
Receita torna-se a soma das vendas, excluindo o reembolso.

00:08:28.320 --> 00:08:31.360
Cliente torna-se o ID único do comprador através dos limites do ano fiscal.

00:08:31.360 --> 00:08:35.220
Sem isso, o copilot trata essas palavras meramente como tokens coincidentes.

00:08:35.920 --> 00:08:38.640
Você pode pedir o total de vendas e receber receita bruta em um dia

00:08:38.640 --> 00:08:39.980
e receita líquida no outro.

00:08:40.800 --> 00:08:42.640
Não é inconstância estar linguisticamente à deriva.

00:08:43.380 --> 00:08:46.380
Na verdade, o modelo semântico atua como um intérprete de bilingue

00:08:46.380 --> 00:08:48.440
entre a linguagem humana e a lógica DAX ou SQL.

00:08:49.020 --> 00:08:50.180
Ele alinha a intenção à computação.

00:08:50.580 --> 00:08:52.060
Quando ele falta, o copilot precisa adivinhar.

00:08:52.540 --> 00:08:54.880
E grandes modelos de linguagem são adivinhadores, notoriamente ou não.

00:08:55.200 --> 00:08:57.200
Eles montam junções prováveis, não precisas,

00:08:57.220 --> 00:09:00.040
e confiam muito mais nos nomes das colunas do que nas suas definições de negócio.

00:09:00.040 --> 00:09:02.500
Em um modelo, reservas refere-se a agendamentos.

00:09:03.220 --> 00:09:04.500
Em outro, quanto a viagem de concluído.

00:09:04.960 --> 00:09:06.080
Pro copilot, isso é um sinônimo.

00:09:06.560 --> 00:09:10.320
Você pediu reservas por trimestre e ele entregou ambas eficientemente errado.

00:09:10.840 --> 00:09:11.660
Compare duas arquiteturas.

00:09:12.100 --> 00:09:14.800
Em um data warehouse vazio, o copilot olha diretamente para as tabelas.

00:09:15.240 --> 00:09:17.180
Ele vê data, valor, tipo...

00:09:17.180 --> 00:09:18.620
São substantivos bonitos, mas sem contexto.

00:09:19.020 --> 00:09:19.820
Ele então faz uma correspondência.

00:09:20.260 --> 00:09:24.020
Vendas igualam valor por região, igual a qualquer campo que pareça geografia.

00:09:24.020 --> 00:09:27.320
Em um modelo semântico, no entanto, esses campos foram civilizados.

00:09:27.320 --> 00:09:31.940
O valor de vendas inclui uma medida DAX que define escopo, moeda e lógica de agregação.

00:09:32.720 --> 00:09:34.540
Região tem relacionamentos definidos e SPs também.

00:09:35.180 --> 00:09:37.940
Então, quando você faz a mesma pergunta, o copilot não tateia no escuro.

00:09:38.500 --> 00:09:40.060
Ele caminha por um caminho iluminado que você vai ver.

00:09:40.360 --> 00:09:43.020
A caixa de ferramentas do Fabrique de 2025 até lhe darmos para isso.

00:09:43.020 --> 00:09:48.500
Direct Lake para modelagem de baixa latência, DAX para lógica de medidas, sinônimos para

00:09:48.500 --> 00:09:51.240
flexibilidade linguística e grupos de cálculo para consistência.

00:09:52.400 --> 00:09:53.980
Pense em sinônimos como vocabulário elástico.

00:09:54.780 --> 00:09:57.820
Se os usuários dizem lucro líquido, mas sua medida é lucro, você não renomeia a coluna.

00:09:58.500 --> 00:09:59.580
Você ensina a tradução a copiar.

00:10:00.100 --> 00:10:03.460
Grupos de cálculo então impõem a gramática garantindo que inteligência temporal ou conversões

00:10:03.460 --> 00:10:05.040
de moedas sejam aplicadas uniformemente.

00:10:05.580 --> 00:10:07.800
Juntos, eles formam o sistema de fundamentação do modelo de linguagem.

00:10:08.260 --> 00:10:09.920
Mas por que as pessoas se preocupam no redoramento?

00:10:09.920 --> 00:10:13.940
Elas despejam tabelas no Fabrique e presumem que a IA do Copilot interpretará as nuances.

00:10:14.340 --> 00:10:15.240
Spoiler, ela não interpretará.

00:10:15.780 --> 00:10:18.040
O modelo não infere seus KPIs por convicção moral.

00:10:18.900 --> 00:10:20.520
Ele os infere a partir de tags e metadatas.

00:10:21.200 --> 00:10:25.760
Se você não rotulou medidas, descreveu relacionamentos ou especificou a ordem de cálculo, o Copilot improvisa.

00:10:26.620 --> 00:10:29.880
Improvisa é charmoso em clubes de jazz, mas desastroso em análises corporativas.

00:10:30.800 --> 00:10:31.980
Então como você impõe a semântica?

00:10:32.560 --> 00:10:34.000
Comece auditando o vocabulário do seu modelo.

00:10:34.540 --> 00:10:38.260
Toda medida precisa de uma definição consistente, armazenada centralmente e referenciada universalmente.

00:10:38.260 --> 00:10:40.900
Resista ao impulso de renomear colunas em cada relatório.

00:10:41.480 --> 00:10:43.380
Em vez disso, use apelidos alias na camada semântica.

00:10:43.960 --> 00:10:45.780
Crie grupos de cálculo para toda a lógica comum.

00:10:46.220 --> 00:10:49.140
Totais acumulados no ano, médias móveis e taxas de conversão.

00:10:49.700 --> 00:10:53.720
Em seguida, adicione sinônimos para que o motor de linguagem natural do Copilot não invente suas próprias correlações.

00:10:54.220 --> 00:10:56.680
Agora, conecte a semântica e a arquitetura de instruções do Copilot.

00:10:56.680 --> 00:11:00.880
O fábrica oferece dois níveis de controle, instruções da fonte de dados e instruções do agente.

00:11:01.500 --> 00:11:06.160
Instruções da fonte de dados esclarecem especificidades de esquemas, joins, referências de medidas e nomes preferenciais,

00:11:06.240 --> 00:11:08.540
enquanto as instruções do agente regem tom, formato e restrições.

00:11:09.060 --> 00:11:12.180
Eles interagem através de promptes de fundamentação que dependem inteiramente semântico.

00:11:13.280 --> 00:11:17.620
Se seu modelo semântico define vendas totais claramente, as instruções da fonte de dados podem impor essa definição

00:11:17.620 --> 00:11:19.360
quando o Copilot escreve uma consulta SQL.

00:11:19.360 --> 00:11:23.440
A instrução do agente garante que a resposta permaneça concisa em tabela resumida.

00:11:24.040 --> 00:11:26.200
Combine-os e você substituirá o caos por protocolo.

00:11:26.900 --> 00:11:29.180
Sem semântica, cada resposta do Copilot é um improviso.

00:11:29.760 --> 00:11:31.580
Com semântica, cada resposta se torna uma evidência?

00:11:32.440 --> 00:11:34.240
Ele não está ajustando o prompt, está ensinando lógico.

00:11:34.940 --> 00:11:37.360
Assim que você concede ao Copilot um dicionário consistente,

00:11:37.460 --> 00:11:39.780
sua precisão dispara porque, em certeza, não tem mais onde se esconder.

00:11:40.780 --> 00:11:45.300
Agora que o Copilot entende o idioma, vamos ensinar a disciplina as regras de comportamento que o mantém honesto.

00:11:46.140 --> 00:11:48.240
Disciplina para máquinas, dados e instruções de agente.

00:11:48.240 --> 00:11:52.040
O Copilot pode finalmente entender seu vocabulário, mas ainda precisa de modos.

00:11:52.760 --> 00:11:55.200
A semântica ensina o significado, as instruções ensinam o comportamento.

00:11:56.120 --> 00:11:59.680
E no Microsoft Fabric, esses comportamentos são moldados por meio de duas rédeas distintas,

00:11:59.760 --> 00:12:01.720
instruções da fonte de dados e instruções do agente.

00:12:02.520 --> 00:12:04.920
Um estrutura o cão, a outro o treina para não mastigar os móveis.

00:12:05.480 --> 00:12:08.020
Comece com as instruções da fonte de dados, os mandamentos específicos do esquema.

00:12:08.920 --> 00:12:12.720
Elas ficam mais próximas dos dados e dizem ao Copilot exatamente como interpretar seu modelo.

00:12:13.400 --> 00:12:15.020
Lembra do nosso caos anterior com o George Clima?

00:12:15.380 --> 00:12:17.200
As instruções da fonte de dados são onde você corrigir isso.

00:12:17.200 --> 00:12:22.000
Você especifica que os dados de temperatura e chuva devem ser unidos pela ideografia de coleta e pela ide data.

00:12:22.860 --> 00:12:25.360
Isso remove a adivinhação do modelo e a substitui por obrigação.

00:12:26.140 --> 00:12:32.200
O Fabric lê essas declarações sempre que o Copilot redige SQL ou DAX garantindo que cada consulta se baseie nas chaves corretas.

00:12:32.660 --> 00:12:37.780
Pense neles como a constituição relacional, textos legais e mutáveis que definem como as entidades podem se conectar.

00:12:38.600 --> 00:12:40.840
Essas instruções também lidam com sinônimos e definições de medida.

00:12:40.840 --> 00:12:45.700
Suponha que seus analistas usem total de vendas, valor justo e receita bruta de forma intercambiável.

00:12:46.340 --> 00:12:48.240
Para os humanos tudo isso significa praticamente a mesma coisa.

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

00:12:51.940 --> 00:12:53.540
Nas instruções da fonte de dados você as alina.

00:12:54.140 --> 00:12:56.720
Sempre que o total de vendas for mencionado, use o valor total justo.

00:12:57.260 --> 00:13:00.620
Agora sua IA para de jogar a roleta semântica e começa a responder de forma consistente.

00:13:00.620 --> 00:13:03.960
Podem até definir a lógica de agrupamento para análises categóricas.

00:13:04.920 --> 00:13:07.960
Quando um usuário pede vendas por temperatura, você pode predefinir intervalos.

00:13:08.760 --> 00:13:14.440
Abaixo de 32 graus equivale a congelante, até 53 frio, 53 a 72 a menos e assim por diante.

00:13:15.240 --> 00:13:19.800
Sem isso, o Copilot retorna valores numéricos infinitos, afogando o usuário em detalhes irrelevantes.

00:13:20.720 --> 00:13:25.540
Ao incorporar esses grupos diretamente em suas instruções, você gera agregações previsíveis e lógica reproduzível.

00:13:26.160 --> 00:13:29.380
O que você está realmente fazendo aqui é converter metadados latentes em regras explícitas.

00:13:29.380 --> 00:13:34.520
O agente de dados do Fabric processa isso antes de construir consultas, tratando-os como uma verdade absoluta e mutável.

00:13:34.900 --> 00:13:37.580
Falta deles é o motivo pelo qual as consultas anteriores produzem o resultado de sucesso.

00:13:37.800 --> 00:13:39.920
Ele gerou a SQL perfeitamente válida para a pergunta errada.

00:13:40.700 --> 00:13:46.140
Com instruções de dados escritas corretamente, as consultas do Copilot permanecem encoradas nas regras de negócio em vez de probabilidade linguística.

00:13:46.620 --> 00:13:50.480
Agora, vamos subir uma camada para as instruções do agente, a escola de etiqueta por comportamento do LL.

00:13:51.320 --> 00:13:54.480
Enquanto as instruções da fonte de dados dizem ao Copilot o que os dados significam,

00:13:54.520 --> 00:13:56.360
as instruções do agente ditam como ele deve responder.

00:13:56.780 --> 00:13:59.000
Elas definem a apresentação, estilo e escopo analítico.

00:13:59.380 --> 00:14:02.140
Você pode instruir sempre resuma com uma tabela concisa.

00:14:03.040 --> 00:14:06.660
Ou, quando existirem várias fontes, esclareça a linhagem antes da agregação.

00:14:07.660 --> 00:14:11.960
Essencialmente, você transforma o Copilot no estagiário excessivamente ansioso, em um analista disciplinado.

00:14:13.020 --> 00:14:15.760
Considere a regra das cinco linhas principais do agente do agente de dados.

00:14:16.420 --> 00:14:18.280
Em vez de retornar milhares de registros, você diz a ele,

00:14:19.040 --> 00:14:21.520
exiba apenas os cinco primeiros, a menos que o usuário solicite o contrário.

00:14:21.520 --> 00:14:26.800
A IA impõe em brevidade, poupando o gerente médio de percorrer um romance de dados.

00:14:27.800 --> 00:14:28.920
Outra diretiva útil.

00:14:29.800 --> 00:14:31.840
Sempre forneça um resumo no topo de cada resposta.

00:14:33.240 --> 00:14:34.420
Isso funciona como um meta-comentar.

00:14:35.100 --> 00:14:36.540
Copilot te explica o que está mostrando,

00:14:36.960 --> 00:14:40.540
permitindo que os usuários verifiquem se as medidas, junções e filtros correspondem às expectativas.

00:14:40.540 --> 00:14:45.060
Isso transforma o raciocínio visível em confirmação visível fundamental para a confiança.

00:14:45.860 --> 00:14:46.700
Observe a interação.

00:14:47.180 --> 00:14:48.900
As instruções de dados definem os fatos.

00:14:48.960 --> 00:14:50.600
As instruções do agente definem a voz.

00:14:51.360 --> 00:14:53.200
Juntas, elas formam o código ético do Copilot.

00:14:53.780 --> 00:14:57.140
O agente de dados combina isso em um prompt composto, toda vez que responde a uma pergunta.

00:14:58.080 --> 00:14:59.340
O modelo de linguagem não improvisa.

00:14:59.940 --> 00:15:01.480
Ele se condiciona através de suas regras.

00:15:02.020 --> 00:15:03.140
Agora, a governança entra em cena.

00:15:03.600 --> 00:15:06.100
Estas instruções não podem viver em cópias individuais anárquicas.

00:15:06.100 --> 00:15:09.460
Se cada usuário do fábrica personaliza sinônimos ao gosto pessoal,

00:15:09.820 --> 00:15:11.820
você reintroduziu a Babel, que passou meses eliminando.

00:15:12.760 --> 00:15:16.280
Você terá cinco definições de lucro e nenhum consenso durante as revisões trimestrais.

00:15:17.240 --> 00:15:18.620
Centralize conjuntos de instruções.

00:15:18.840 --> 00:15:21.100
Publique-os através do espaço de trabalho de gestão do fábrica.

00:15:21.380 --> 00:15:24.160
Valide-os via revisão por pares e travos com controle de versão.

00:15:24.720 --> 00:15:27.380
Flexibilidade sem governança é rebeldia disfarçada de inovação.

00:15:28.040 --> 00:15:30.720
Claro, até mesmo essas regras decaem se você nunca as verificar.

00:15:31.420 --> 00:15:34.840
A abordagem inteligente é tratar a qualidade das instruções como a qualidade do código.

00:15:34.840 --> 00:15:37.100
Após cada edição, teste o comportamento com o paulo.

00:15:37.660 --> 00:15:39.360
Faça a mesma pergunta duas vezes após o impalquer.

00:15:39.740 --> 00:15:40.940
Veja se ele repete uma SQL.

00:15:41.820 --> 00:15:42.840
Examine as consultas geradas.

00:15:43.620 --> 00:15:45.920
Garanta que elas reflitam os joins aplicados e as medidas corretas.

00:15:46.420 --> 00:15:48.380
Se os resultados divergirem, revise suas instruções.

00:15:48.900 --> 00:15:52.240
Até os engenheiros da Microsoft admitem que este ajuste é mais arte do que ciência,

00:15:52.560 --> 00:15:54.580
o que é um eufemismo lisonjeiro para depuração constante.

00:15:55.240 --> 00:15:56.740
É aqui que as consultas de exemplo salvam o sim.

00:15:57.440 --> 00:15:59.240
Elas são a resposta do fábrica para Guards Rails,

00:15:59.240 --> 00:16:03.240
permitindo que você fixe fragmentos SQL canônicos para intenções analíticas comuns.

00:16:03.240 --> 00:16:06.720
Digamos que você saiba que a receita total por faixa de temperatura

00:16:06.720 --> 00:16:08.740
deve sempre realizar um join duplo em geografia e data.

00:16:09.500 --> 00:16:10.700
Registre isso como uma consulta de exemplo.

00:16:11.340 --> 00:16:13.400
Quando os usuários fazem qualquer variação dessa frase,

00:16:13.480 --> 00:16:16.380
o copilot ignora a improvisação e reutiliza sua lógica exata.

00:16:17.140 --> 00:16:19.900
É o equivalente em IA a emitir formulários pré-aprovados,

00:16:20.320 --> 00:16:23.140
preenchidos corretamente todas as vezes, incapazes de sabotagem criativa.

00:16:24.000 --> 00:16:26.780
Com o tempo, você pode construir uma biblioteca dessas consultas de exemplo,

00:16:26.780 --> 00:16:29.380
transformando o copilot de um generalista e um especialista no domínio.

00:16:29.380 --> 00:16:30.900
Pense nisso como memória muscular.

00:16:31.480 --> 00:16:34.800
A IA aprende gradualmente o que é correto através de repetição e restrição

00:16:34.800 --> 00:16:36.200
em vez de genialidade livre.

00:16:36.840 --> 00:16:39.620
Ainda assim, as instruções mais inteligentes não podem redimir pecados arquiteturais.

00:16:39.900 --> 00:16:44.160
Se seu pipeline de dados vacila sob camadas medalham inconsistentes ou semântica ausente,

00:16:44.620 --> 00:16:47.740
todos esses guardrails equivalem a discursos severos em um navio afundando.

00:16:48.480 --> 00:16:50.680
Instruções restringem a linguagem, mas não podem inventar a verdade.

00:16:51.180 --> 00:16:52.760
É por isso que o ajuste é um ciclo fechado.

00:16:52.760 --> 00:16:55.620
A arquitetura define a confiabilidade, a semântica define o significado

00:16:55.620 --> 00:16:56.980
e as instruções definem a obediência.

00:16:57.720 --> 00:16:58.980
O fluxo de trabalho pragmático é assim.

00:16:59.600 --> 00:17:00.880
Construa camadas medalham.

00:17:01.340 --> 00:17:03.260
Limpas, defina o modelo semântico preciso,

00:17:03.360 --> 00:17:05.860
codifique essas definições nas instruções da fonte de dados,

00:17:06.000 --> 00:17:09.260
tempere a personalidade do copilot com instruções de agente e teste incansavelmente.

00:17:10.300 --> 00:17:11.780
Cada anomalia que você detecta cedo,

00:17:11.900 --> 00:17:13.940
poupa-lhe o e-mail raivoso de um executivo mais tarde.

00:17:14.380 --> 00:17:15.260
Sim, a disciplina importa.

00:17:15.640 --> 00:17:16.240
Não é glamouroso.

00:17:16.700 --> 00:17:17.580
Não é mágica de IA.

00:17:18.320 --> 00:17:21.160
É a aplicação de regras, limpeza de cash, testes de consistência,

00:17:21.160 --> 00:17:22.700
a verificação ocasional de autoestima

00:17:22.700 --> 00:17:25.420
quando sua IA ainda insiste que as vendas totais equivalem ao valor bruto,

00:17:25.520 --> 00:17:26.840
mais reembolsos, mais milagres.

00:17:26.840 --> 00:17:31.420
Mas, uma vez que a disciplina se consolida, o copilot se torna estranhamente confiado.

00:17:31.920 --> 00:17:32.900
Suas alucinações diminuem,

00:17:33.180 --> 00:17:35.780
seus joints se comportam e seus dashboards param de tentar enganar você.

00:17:36.180 --> 00:17:38.120
Você pode definir as regras dentro do fabric,

00:17:38.300 --> 00:17:40.920
mas a honestidade do copilot ainda depende de uma arquitetura,

00:17:41.260 --> 00:17:44.840
além do fabric e a governança sistêmica que controla a verdade em todo o seu patrimônio de dados.

00:17:44.840 --> 00:17:46.800
E é exatamente para lá que estamos indo agora.

00:17:47.560 --> 00:17:49.600
A cura sistêmica, construindo para a verdade verificada.

00:17:50.120 --> 00:17:50.660
Vamos ampliar a visão.

00:17:51.200 --> 00:17:53.840
Após todos os ajustes, sinônimos e treinamento de obediência da IA,

00:17:53.960 --> 00:17:55.060
ainda existe um fato brutal.

00:17:55.840 --> 00:17:58.240
A veracidade do copilot depende da integridade do seu ecossistema.

00:17:58.780 --> 00:18:01.480
Você pode treiná-lo, repreendê-lo e recompensá-lo com clareza,

00:18:01.620 --> 00:18:04.080
mas se a arquitetura em torno do fabric destilar dados corrompidos,

00:18:04.140 --> 00:18:05.280
a IA ainda mentirá educadamente.

00:18:05.280 --> 00:18:08.100
O que você precisa é de uma cura sistêmica,

00:18:08.180 --> 00:18:10.680
governança, aplicação de linhagem e disciplina arquitetural

00:18:10.680 --> 00:18:12.700
que torne a mentira fisicamente impossível.

00:18:13.600 --> 00:18:15.380
No nível arquitetural, o fábrico só tem sucesso

00:18:15.380 --> 00:18:19.100
quando tudo acima e abaixo dele compartilha a mesma bússola moral de higiene de dados.

00:18:19.960 --> 00:18:21.180
Isso começa com a imposição de esquema.

00:18:21.520 --> 00:18:23.600
Cada conjunto de dados em seu lake house e warehouse

00:18:23.600 --> 00:18:26.300
precisa de chaves, tipos de dados e relacionamentos definidos.

00:18:27.220 --> 00:18:29.600
Contratos imutáveis que descrevem como as entidades se interconectam.

00:18:30.220 --> 00:18:33.000
Um desvio ou uma tabela não deve se propagar silenciosamente para sua camada.

00:18:33.000 --> 00:18:36.340
Em vez disso, a imposição de esquema detecta isso como um link de código,

00:18:36.440 --> 00:18:38.200
interrompendo a ingestão até que as definições se alinem.

00:18:38.620 --> 00:18:40.400
Na prática, isso não atrasa o desenvolvimento,

00:18:40.540 --> 00:18:41.920
previne a corrupção silenciosa,

00:18:42.260 --> 00:18:44.280
antes que ela se metastatize nas respostas do co-pilot.

00:18:44.960 --> 00:18:46.480
Em seguida, introduz o versamento semâneo.

00:18:46.980 --> 00:18:48.160
Trate seus modelos de dados como só.

00:18:48.620 --> 00:18:50.100
Cada vez que modificar uma definição,

00:18:50.560 --> 00:18:51.340
renomear uma coluna,

00:18:51.640 --> 00:18:53.800
alterar uma fórmula de medida ou ajustar um relacionamento,

00:18:53.960 --> 00:18:54.580
incremente uma versão.

00:18:55.380 --> 00:18:57.920
O fábrico não reconhece automaticamente o impacto filosófico

00:18:57.920 --> 00:18:59.140
de receita igual a bruto,

00:18:59.140 --> 00:19:02.860
menos desconto se torna a receita igual a líquido após impostos.

00:19:03.000 --> 00:19:04.620
Os humanos fazem isso.

00:19:05.220 --> 00:19:07.060
O versionamento preserva o histórico de linhagem,

00:19:07.160 --> 00:19:08.900
permitindo rastrear quais respostas do co-pilot

00:19:08.900 --> 00:19:10.420
se basearam em semânticas desatualizadas.

00:19:10.760 --> 00:19:13.280
Sem isso, você nunca auditará quando uma mentira entrou em circulação.

00:19:14.000 --> 00:19:15.500
Agora, vincule a aplicação à documentação.

00:19:16.060 --> 00:19:18.060
O Microsoft Purview, ou o catálogo de dados do OneLay,

00:19:18.100 --> 00:19:18.980
que não são apenas enfeites,

00:19:19.340 --> 00:19:21.660
é a memória institucional que evita a amnésia de esquema.

00:19:22.700 --> 00:19:24.360
Conjuntos de dados certificados nesses catálogos

00:19:24.360 --> 00:19:26.940
atuam como as únicas fontes permitidas por co-pilot e o Power BI.

00:19:27.820 --> 00:19:29.420
Pense neles como entidades autenticadas,

00:19:29.500 --> 00:19:31.220
representações à verdade e legalmente inculativas.

00:19:31.220 --> 00:19:34.280
Se um conjunto de dados não for certificado, o co-pilot não deve todo.

00:19:35.000 --> 00:19:37.880
Ao integrar os metadados do Purview com os agentes de dados do fábrica,

00:19:38.020 --> 00:19:41.060
você garante que cada consulta orientada por IA cite uma procedência verificável.

00:19:41.720 --> 00:19:43.560
Quando alguém perguntar de onde veio este número,

00:19:44.160 --> 00:19:45.000
isso poderá realmente responder.

00:19:45.580 --> 00:19:47.420
Para continuidade de contexto entre sistemas,

00:19:47.640 --> 00:19:49.520
habilite o espelhamento e a modelagem de gêmeos digitais.

00:19:50.260 --> 00:19:53.520
O espelhamento replica fontes externas como SQL Server, Cosmos DB,

00:19:53.780 --> 00:19:55.620
ou PostgreSQL no fábrica em tempo real,

00:19:55.760 --> 00:19:57.220
preservando esquema e frescor.

00:19:57.220 --> 00:20:00.340
É o sistema imunológico do fábrica contra a latência e incompatibilidade de dados.

00:20:00.680 --> 00:20:03.840
A modelagem de gêmeos digitais recém-introduzida leva isso ainda mais longe.

00:20:04.440 --> 00:20:08.000
Ela constrói uma contraparte digital viva de ambientes físicos ou de negócios.

00:20:09.160 --> 00:20:10.980
O co-pilot pode então consultar esses gêmeos,

00:20:11.200 --> 00:20:14.220
entendendo relações como a produção da fábrica afetando atrasos no transporte.

00:20:15.720 --> 00:20:18.320
Isso mantém seu raciocínio fundamental em uma realidade sincronizada,

00:20:18.580 --> 00:20:19.400
não em estratos obsoletos.

00:20:19.920 --> 00:20:21.740
Mas até a melhor arquitetura se desvia com o tempo.

00:20:21.740 --> 00:20:24.360
É por isso que você realiza auditorias de verdade periódicas,

00:20:24.440 --> 00:20:27.620
verificações rituais onde as saídas da IA encontram a validação da fonte da verdade.

00:20:28.220 --> 00:20:31.140
Você escolhe consultas representativas e executa-as novamente manualmente,

00:20:31.220 --> 00:20:33.100
ou via SQL armazenado, e compara os resultados.

00:20:34.080 --> 00:20:36.080
Qualquer divergência sinaliza entropia arquitetural,

00:20:36.280 --> 00:20:38.100
junções corrompidas, medidas desviadas,

00:20:38.180 --> 00:20:39.960
ou linhagem inspirada, ou linhagem espirada.

00:20:40.180 --> 00:20:42.120
Pense nisso como um teste de detector de mentiras preocupada.

00:20:42.760 --> 00:20:45.780
Feito trimestralmente, permite recalibrar conjuntos de instruções e semântica

00:20:45.780 --> 00:20:48.200
antes que a desconfiança escale para um constrangimento na diretoria.

00:20:48.200 --> 00:20:52.800
Criticamente, todas as camadas da sua pilha de análise, BI, Copilot, Workspace e do Fabric

00:20:52.800 --> 00:20:54.680
devem extrair de uma única fonte semântica.

00:20:55.360 --> 00:20:56.460
Conjuntos de dados paralelos, Shirley.

00:20:56.900 --> 00:21:00.040
Toda vez que um departamento ambicioso clona um modelo para avançar mais rápido,

00:21:00.140 --> 00:21:01.780
ele cria outro dialeto da verdade.

00:21:02.420 --> 00:21:04.700
De repente, o Power BI, o Copilot e o Copilot no Excel

00:21:04.700 --> 00:21:07.700
estão falando três idiomas ligeiramente diferentes sobre o mesmo nome de receita.

00:21:08.360 --> 00:21:09.560
A cura é a unidade forçada.

00:21:09.820 --> 00:21:11.300
Semântica centralizada em um modelo,

00:21:11.500 --> 00:21:13.200
expondo apenas para leitura aos consumidores

00:21:13.200 --> 00:21:16.180
e vinculando a conformidade de políticas da certificação de conjuntos de dados.

00:21:16.180 --> 00:21:18.980
Se o Johnny de vendas quer uma métrica personalizada,

00:21:19.060 --> 00:21:20.960
ele negocia através da governança, não por canais paralelos.

00:21:21.580 --> 00:21:22.840
Finalmente, fecha o ciclo de aprendizado.

00:21:23.260 --> 00:21:24.780
Governança não é papelada estática.

00:21:25.000 --> 00:21:27.680
É um diálogo contínuo entre analistas humanos e agentes de IA.

00:21:28.520 --> 00:21:30.460
Humanos ajustam, o Copilot executa,

00:21:30.540 --> 00:21:33.260
humanos verificam e o Copilot melhora através de contexto atualizado.

00:21:34.140 --> 00:21:37.000
Cada iteração ensina ao sistema como é uma execução verdadeira.

00:21:37.880 --> 00:21:40.460
Com o tempo, esse feedback se torna uma infraestrutura invisível.

00:21:40.460 --> 00:21:41.680
O andame da precisão.

00:21:42.220 --> 00:21:44.420
Quando você atinge essa maturidade, algo extraordinário acontece.

00:21:44.420 --> 00:21:47.020
O Copilot deixa de parecer um oráculo imprevisível,

00:21:47.120 --> 00:21:48.600
começa a se comportar como um analista júnior,

00:21:48.680 --> 00:21:50.560
rápido, consistente e respeitoso às políticas.

00:21:51.720 --> 00:21:52.980
As alucinações evaporam.

00:21:53.360 --> 00:21:55.060
Não porque a IA se tornou honesta de repente,

00:21:55.180 --> 00:21:57.460
mas porque a desonestidade não se encaixa mais na estrutura.

00:21:58.220 --> 00:22:00.060
A verdade tornou-se o caminho de menor resistência,

00:22:00.180 --> 00:22:02.400
portanto a cura sistêmica não é o glamour, é a governança.

00:22:03.420 --> 00:22:05.460
A aplicação de esquema mantém a estrutura alinhada,

00:22:05.520 --> 00:22:07.220
o versionamento semântico lembra o histórico.

00:22:07.220 --> 00:22:09.500
A certificação no preview protege a integridade,

00:22:09.600 --> 00:22:12.140
a semântica de fonte única preserva a coerência.

00:22:12.140 --> 00:22:15.240
O espelhamento liga a realidade ao reflexo,

00:22:15.300 --> 00:22:17.420
ou auditorias de verdade mantém ambos sincronizados.

00:22:17.920 --> 00:22:19.580
Entre eles, o Copilot não precisa inventar,

00:22:19.760 --> 00:22:20.800
ele simplesmente reporta.

00:22:21.520 --> 00:22:23.780
Uma vez que você impôs a verdade estruturalmente,

00:22:23.860 --> 00:22:25.380
você ganhou o direito de automatizar insights.

00:22:25.480 --> 00:22:26.520
E isso nos traz a lição final,

00:22:27.060 --> 00:22:28.960
ensinar máquinas a dizer a verdade por design,

00:22:29.220 --> 00:22:30.100
não por persuasão.

00:22:30.880 --> 00:22:32.100
Ensinando o Copilot a dizer a verdade.

00:22:32.740 --> 00:22:34.340
O Copilot nunca foi indigno de confiança,

00:22:34.340 --> 00:22:35.180
ele era obediente.

00:22:35.840 --> 00:22:38.160
Ele respondia fielmente a qualquer causa que você codificasse.

00:22:38.160 --> 00:22:40.600
Uma vez que você lhe dá uma arquitetura disciplinada,

00:22:40.720 --> 00:22:42.560
semântica, consistente e instruções explícitas,

00:22:42.700 --> 00:22:44.080
ele para de alucinar não por moralidade,

00:22:44.160 --> 00:22:45.600
mas por moralidade, mas por inevitabilidade.

00:22:46.040 --> 00:22:47.340
Aqui está a equação duradoura.

00:22:47.640 --> 00:22:48.720
Camadas medalhão limpas,

00:22:48.900 --> 00:22:49.860
mais disciplina semântica,

00:22:49.940 --> 00:22:52.240
mais instruções governadas equivalem a uma IA verificável.

00:22:53.000 --> 00:22:54.400
Elimine a ambiguidade na fonte,

00:22:54.600 --> 00:22:56.000
documente o significado com precisão,

00:22:56.240 --> 00:22:57.300
teste as saídas regularmente,

00:22:57.380 --> 00:22:59.780
o Copilot se torna um espelho polido para refletir apenas fatos.

00:22:59.780 --> 00:23:02.880
Se o seu ecossistema de dados ainda sussurra contradições,

00:23:03.020 --> 00:23:04.120
seja o seu chamado para auditá-lo.

00:23:04.800 --> 00:23:05.960
Imponha contratos de esquema,

00:23:06.100 --> 00:23:07.200
certifique conjuntos de dados,

00:23:07.320 --> 00:23:09.840
versione sua semântica e execute auditorias de veracidade trimestrais.

00:23:10.500 --> 00:23:12.860
Então veja o Copilot se transformar de um improvisador confiante

00:23:12.860 --> 00:23:13.740
em um colega calculável.

00:23:14.500 --> 00:23:16.220
Precisão não é mágica, é manutenção.

00:23:16.800 --> 00:23:19.540
Construa uma estrutura tão rígida que mentiras fisicamente não conseguem passar.

00:23:20.000 --> 00:23:23.100
Faça isso e cada futuro pronto produzirá não histórias, mas afirmações.

00:23:23.900 --> 00:23:26.280
Se isso lhe economizou horas ou um possível constrangimento,

00:23:26.380 --> 00:23:27.120
retribua esforço.

00:23:27.600 --> 00:23:28.920
Inscreva-se no M305 Show.

00:23:29.780 --> 00:23:32.140
Somos especialistas em tornar a da Microsoft realmente confiável.

00:23:32.860 --> 00:23:35.860
O próximo tutorial mergulha ainda mais fundo na engenharia de precisão do Copilot.

00:23:36.280 --> 00:23:37.620
A eficiência pertence aos disciplinados.

00:23:37.960 --> 00:23:38.260
Fique ligado.
