Fabric 데이터 에이전트 (1)
Fabric 데이터 에이전트 (1) - 데이터 에이전트 생성, 게시
Fabric 데이터 에이전트 (3) - 독립실행형 Copilot
Fabric 데이터 에이전트 (4) - Azure AI Foundry
Fabric 데이터 에이전트 (5) - Microsoft 365 Copilot, Teams
Fabric 데이터 에이전트(미리 보기) 기능이 업데이트되어 다시 정리합니다. AI Skills(AI 기술)이라는 이름으로 처음에는 제공되었다가, 데이터 에이전트로 이름이 변경되고 계속 업데이트가 이루어졌습니다. 데이터에 대한 Q&A를 위한 내용으로 데이터 에이전트 생성, 테스트, 공유와 지침과 예제를 통한 설정, 데이터 에이전트 활용에 대한 내용으로 정리해보겠습니다.
먼저 Fabric 데이터 에이전트는 생성형 AI를 사용하여 자체 대화형 Q&A 시스템을 빌드할 수 있는 기능으로, 조직의 모든 구성원이 T-SQL, DAX, Python을 깊이 알지 않아도 기업 비즈니스 데이터에 대해 질문하여 데이터 인사이트를 더 쉽게 액세스할 수 있도록 합니다. 일반적인 에이전트는 업무 생산성을 향상시켜주지만, Fabric 데이터 에이전트는 데이터에 대한 Q&A 시스템으로 데이터에 대한 대화를 가능하게 해줍니다.
Fabric 데이터 에이전트를 생성하려면, F2 이상의 Fabric 유료용량이 필요합니다. 또한 관리 포털의 테넌트 설정에서 OpenAI관련 여러 설정을 활성화해주어야 합니다. 그리고 데이터에 대한 Q&A를 위해 레이크하우스 등의 데이터 원본이 존재해야 합니다.
F2 이상의 Fabric 유료용량이 할당된 작업영역에서 데이터 에이전트(미리 보기) 항목을 생성합니다. 그러면 시작 페이지의 안내대로 데이터 원본 추가 -> 테이블 선택 -> 테스트 -> 지침과 예제 추가를 하고 그후 다른 구성원에게 Fabric 데이터 에이전트를 공유해주면 됩니다.
데이터 원본 추가를 선택하여 레이크하우스, 웨어하우스, 의미 체계 모델, KQL 데이터베이스를 선택할 수 있습니다. 필요하다면 최대 5개의 데이터 원본을 추가할 수 있습니다.
데이터 원본을 추가하였다면, 분석에 필요한 테이블을 선택하면 됩니다.
그후에는 채팅을 통해 데이터 Q&A 품질을 확인할 수 있습니다.
샘플 질문 중 “데이터의 특정 하위 범주에 대한 세부 정보 표시”를 선택하여 질문해보겠습니다. 질문에 대한 결과와 T-SQL 구문을 통해 Q&A 품질을 확인할 수 있습니다.
실무자가 많이 쓰는 일반적인 데이터에 대한 질문을 해보겠습니다.
미국에서 팔린 제품의 2019년 월간 매출과 전년도 월 매출%를 표시해주세요.
위 질문은 다음과 같이 변경되어 질문이 이루어집니다.
2019년 미국에서 월별 매출액과 2018년 같은 달 대비 매출 증감률(%)을 보여주세요.
표로 결과를 보여주며, 요약을 해주고, 쿼리 구문과 쿼리 출력을 확인할 수 있습니다. 질문과 결과, 쿼리를 검토한 후, 지침과 예제를 추가하여 품질 향상을 할 수 있도록 할 수 있습니다.
품질 향상을 위한 부분은 별도로 다루겠습니다. 채팅을 통해 테스트가 이루어졌다면, 게시하고 다른 구성원에게 공유하면 됩니다. 게시하는 방법은 상단의 [게시]를 클릭하여 데이터 에이전트에 대한 설명을 입력합니다.
다른 구성원에게 공유는 오른쪽 상단의 [공유]를 클릭하여 공유하면 됩니다. 공유받은 사용자는 기본적으로 데이터 원본에 대해 읽기 권한도 있어야 합니다.
간략히 데이터 에이전트를 생성하고 테스트, 게시, 공유해보았습니다. 다음 글에서는 품질 향상을 위한 지침과 예제에 대해서 확인하고, 데이터 에이전트를 활용해보겠습니다.