Data agent w Microsoft Fabric: pytania do firmowych danych

Temat: Microsoft AI

Czy możesz zapytać firmowe dane o opóźnione projekty i od razu wykorzystać odpowiedź na spotkaniu zarządu? Data agent w Microsoft Fabric może ułatwić wyszukiwanie odpowiedzi, lecz nie zastąpi uzgodnionych definicji ani sprawdzenia wyniku. Zanim udostępnisz go zespołowi, określ, na jakie pytania ma odpowiadać i po czym poznasz, że zrobił to poprawnie. Szerszą decyzję o samej platformie opisuje poradnik o Microsoft Fabric dla firm, a miejsce data agenta wśród źródeł kontekstu dla agentów — poradnik o Microsoft IQ.

To szczególnie ważne, gdy różne działy inaczej rozumieją słowo „opóźniony”. Dla sprzedaży może oznaczać brak podpisu, dla realizacji przekroczenie terminu, a dla finansów niezapłaconą fakturę. Agent potrzebuje kontekstu, który pozwoli odróżnić te sytuacje.

Co robi agent danych

Fabric data agent umożliwia zadawanie pytań do wybranych źródeł danych i przygotowuje zapytania potrzebne do uzyskania odpowiedzi. Stan na 6.10.2026 dokumentacja Microsoft opisuje go jako funkcję ogólnie dostępną (GA). Wymaga płatnej pojemności Fabric F2 lub wyższej albo Power BI Premium P1 lub wyższej z włączonym Fabric. Na wersji próbnej Fabric nie działa. Administrator musi też włączyć w ustawieniach dzierżawy przetwarzanie AI między regionami, jeśli wymaga tego lokalizacja pojemności. Agent pracuje w trybie odczytu: nie służy do zmieniania rekordów. Nie czyta bezpośrednio dokumentów PDF, DOCX ani TXT. Co istotne dla polskiej firmy, Microsoft nadal wskazuje brak wsparcia języków innych niż angielski. Sprawdź aktualne możliwości i ograniczenia przed przyjęciem założeń wdrożenia.

Jeśli warunkiem projektu jest obsługa pytań po polsku, potraktuj tę informację jako kryterium wyboru rozwiązania. Pojedyncza poprawna odpowiedź po polsku nie stanowi potwierdzenia wsparcia produktu. Nie buduj firmowego zobowiązania na udanej demonstracji.

Rozmowa z danymi ma największy sens wtedy, gdy pytania się zmieniają, ale korzystają z dobrze opisanego zakresu. Dla stałego comiesięcznego zestawienia zatwierdzony raport może pozostać wygodniejszym punktem odniesienia.

Od pytania do odpowiedzi: cztery etapy

Odpowiedź agenta powstaje w czterech etapach. Błąd może pojawić się w każdym z nich, więc warto wiedzieć, gdzie szukać.

  1. Model semantyczny. Znaczenie miar ustala się w modelu, nie w agencie. Funkcja Prep for AI w Power BI ma trzy elementy: schemat danych AI (które tabele, kolumny i miary widzi AI), zweryfikowane odpowiedzi i instrukcje AI. Według zaleceń Microsoft dla modeli semantycznych narzędzie generujące DAX korzysta tylko z metadanych modelu i Prep for AI. Instrukcje wpisane w data agencie pomija.
  2. Data agent. Łączy do pięciu źródeł: lakehouse, warehouse, model semantyczny, bazę KQL, ontologię i inne. Wybiera źródło dla pytania. Jego instrukcje służą do ogólnych reguł: które źródło do jakiego tematu, format odpowiedzi, skróty.
  3. Zapytanie. Agent pisze zapytanie DAX, SQL albo KQL, tylko do odczytu, na uprawnieniach osoby pytającej. Zabezpieczenia wierszy i kolumn (RLS, CLS) nadal obowiązują. Odpowiedź ma najwyżej 25 wierszy i 25 kolumn.
  4. Sprawdzenie. Microsoft zaleca podejrzeć zapytanie przy każdej odpowiedzi w teście. Do tego zestaw pytań z zatwierdzonymi odpowiedziami i porównanie wersji roboczej z opublikowaną.
Droga od pytania do odpowiedzi w data agencie Microsoft Fabric w czterech etapach: model semantyczny z Prep for AI, gdzie ustala się znaczenie miar; data agent, który wybiera jedno z maksymalnie pięciu źródeł; zapytanie DAX, SQL albo KQL tylko do odczytu na uprawnieniach pytającego, do 25 wierszy i 25 kolumn; oraz sprawdzenie zapytania i pytań wzorcowych.
Etapy według dokumentacji Microsoft Fabric, stan na 6.10.2026. Podział na cztery etapy to uproszczenie autora.

Agent przy niejasnym pytaniu chętnie wybierze którąś z trzech miar „sprzedaży”. Zgadywanie nie jest jego winą, tylko brakiem decyzji, którą miarę firma uznaje za obowiązującą.

Zacznij od małego zakresu

Wybierz jedno zastosowanie, na przykład analizę realizacji projektów. Przygotuj definicje dat, statusów i wartości. Usuń niejednoznaczność pojęć, zanim spróbujesz poprawiać instrukcję kolejnymi ogólnymi poleceniami. Jeśli źródłem jest model semantyczny, definicje wpisz w Prep for AI tego modelu: tam trafią do generowania DAX i przydadzą się każdemu agentowi korzystającemu z modelu.

Pytanie biznesoweCo trzeba doprecyzowaćWzorzec do porównania
Które projekty są opóźnione?Termin bazowy, status zamknięcia i dzień ocenyLista wyliczona z zatwierdzonej reguły
Gdzie przekroczono budżet?Budżet pierwotny czy po zmianachUzgodniony raport kosztów
Kto ma najwięcej pracy?Plan godzin czy rzeczywiste obciążenieZestawienie dla tego samego okresu
Jak zmieniła się rentowność?Definicja marży i sposób rozliczenia kosztówObliczenie z modelu finansowego

Nie pytaj od razu o wszystkie działy i lata historii. W małym zakresie łatwiej ustalisz, czy błąd wynika z danych, rozumienia pytania czy dobrania niewłaściwego źródła. Zapisuj te przyczyny oddzielnie: każda wymaga innej poprawki.

Konfiguracja obejmuje wybór źródeł i tabel oraz instrukcje. Microsoft opisuje te kroki w instrukcji tworzenia agenta. Przed rozpoczęciem administrator powinien także sprawdzić wymagania pojemności i ustawienia przetwarzania AI dla środowiska, w którym odbędzie się próba.

Dostęp do agenta i dostęp do danych

Udostępnienie rozmowy nie oznacza automatycznego nadania praw do jej źródeł. Dla modeli semantycznych Power BI zapytania przez agenta wymagają uprawnienia Read do modelu; nie wymagają z tego powodu roli w obszarze roboczym ani Build. Reguły zabezpieczeń danych nadal obowiązują. Rozdzielenie tych zakresów wyjaśnia dokumentacja udostępniania.

Przeprowadź próbę na zwykłym koncie kierownika. Sprawdź własne projekty, projekty innego działu i pytanie łączące oba zakresy. Nie zwiększaj uprawnień tylko po to, aby usunąć błąd odpowiedzi. Najpierw potwierdź, czy żądane dane w ogóle powinny być dostępne tej osobie.

W opisie agenta umieść temat, zakres czasowy i osobę odpowiedzialną za zgłoszenia. Odbiorca powinien rozumieć, czy rozmawia o zamkniętych danych miesięcznych, czy o roboczych zapisach, które jeszcze się zmieniają.

Jak ocenić odpowiedzi

Przygotuj zestaw pytań przed dopracowaniem instrukcji. Część wykorzystaj do poprawiania konfiguracji, a część zachowaj na niezależny odbiór. Microsoft udostępnia też SDK do oceny data agenta, które porównuje odpowiedzi z oczekiwanymi na takim zestawie; stan na 6.10.2026 ta funkcja jest w preview. Powtarzanie wyłącznie przykładów użytych podczas budowy nie pokaże, jak agent poradzi sobie z nową sytuacją.

PróbaOceniany elementSygnał problemu
Pytanie z jednoznacznym okresemLiczba i zakres danychWynik dotyczy innego miesiąca
Pytanie bez definicji marżySposób obsługi niejasnościPewna odpowiedź oparta na złym wzorze
Pytanie poza zakresemRozpoznanie braku podstawDopowiedziane, nieistniejące wartości
Pytanie po zmianie dostępuWidoczność danychUjawnienie wykluczonego projektu
Ponowienie w nowej rozmowieWpływ poprzedniego kontekstuNiewyjaśniona zmiana wyniku

W syntetycznym przykładzie analityk przygotował odpowiedzi wzorcowe na 30 pytań. Agent poprawnie odpowiedział na 26, w dwóch wskazał brak podstaw, a w dwóch podał błędny wynik. Nie łącz tych kategorii w samo „28 sukcesów”. Sprawdź osobno poprawność odpowiedzi oraz trafność odmów. Błąd w terminie projektu może mieć inne konsekwencje niż pominięcie pomocniczej kolumny.

Ograniczenia prezentacji również mają znaczenie: dokumentacja podaje limit odpowiedzi do 25 wierszy i 25 kolumn. Wyświetlona lista nie musi więc być kompletnym zbiorem. Nie wykorzystuj jej jako pełnego eksportu do rozliczenia bez potwierdzenia kompletności inną drogą.

Test pięciu pytań przed udostępnieniem agenta

Zanim dasz pracownikom dostęp, przygotuj niewielki zestaw z zatwierdzoną odpowiedzią i osobą odpowiedzialną za dane. Dla modelu sprzedaży mogą to być: przychód za zamknięty miesiąc, ten sam wynik z korektami, pytanie o klienta spoza uprawnień użytkownika, pytanie z niejednoznacznym słowem „sprzedaż” i pytanie o okres bez danych.

Typ pytaniaOczekiwane zachowanie
Jednoznaczna miaraWynik z nazwą miary i okresem
Korekta po zamknięciuJawna reguła, czy korekta wchodzi do wyniku
Dane poza dostępemOdmowa bez ujawnienia cudzej wartości
Niejasna definicjaProśba o wybór definicji, nie zgadywanie
Brak danychInformacja o luce i wskazanie źródła

Test wykonaj co najmniej dwoma kontami o różnych rolach. Microsoft opisuje, że dostęp do agenta i do źródła danych trzeba rozliczyć osobno, a ograniczenia wierszy i kolumn mają nadal obowiązywać. Porównuj wersję roboczą z opublikowaną na tej samej próbie: użytkownik bez dodatkowych uprawnień pyta tylko wersję opublikowaną. Gdy pytanie wymaga wspólnej semantyki między obszarami firmy, nie zakładaj, że sam agent ustanowi definicje miar — to zadanie modelu albo ontologii Fabric IQ.

Co utrzymywać po uruchomieniu

Zapisuj wersję konfiguracji wykorzystaną w odbiorze. Zmiana nazwy kolumny, reguły kosztowej lub źródła powinna uruchamiać ponowne sprawdzenie pytań związanych z tym obszarem. Użytkownik potrzebuje też sposobu zgłoszenia odpowiedzi, której nie potrafi uzgodnić z raportem.

W pilotażu mierz czas od pytania do zatwierdzonej odpowiedzi, łącznie z kontrolą i poprawkami. Szybkość wygenerowania tekstu nie mówi jeszcze, czy analityk ma mniej pracy. Jeżeli każda odpowiedź wymaga odtworzenia całego obliczenia, warto ograniczyć zakres lub poprawić model przed zwiększeniem liczby użytkowników.

Agent powinien mieć określoną rolę w systemie pracy firmy: kto odpowiada za definicje, kto za uprawnienia, kto za zgłoszenia. Zmiany konfiguracji można prowadzić przez integrację z Git i potoki wdrożeniowe Fabric, od środowiska testowego do produkcji. Zasady ochrony jego źródeł rozwiniesz w materiale o Microsoft Purview w Fabric.

Zbierz teraz pięć rzeczywistych pytań kierowników i przygotuj zatwierdzone odpowiedzi wraz z definicjami. Sprawdź możliwość pracy w wymaganym języku, a następnie wybierz jedno źródło do kontrolowanej próby.

Portret Krzysztofa Majchrzyckiego

O autorze

Krzysztof Majchrzycki jest architektem systemów i AI Business Partnerem. Od wielu lat łączy technologię z biznesem i zarządzaniem. Współtworzył firmy technologiczne i kierował polskim oddziałem międzynarodowej grupy. Dziś projektuje modele firm i inteligentne systemy operacyjne, które z nich wynikają. Ukończył Executive MBA i ma certyfikat Prosci® Certified Change Practitioner.

Zanim zarząd zapyta agenta o wyniki, ustalmy definicje

Prezentacja dla zarządu: wybierzemy pięć pytań, na które firma chce szybkiej odpowiedzi, i sprawdzimy, czy dane i definicje są na to gotowe. Pracuję niezależnie od vendora i partnera.