この記事では、Real-Time インテリジェンスで運用エージェントを使用する場合のベスト プラクティスと制限事項について説明します。
ベスト プラクティス
AI ベースの製品と同様に、明確な指示とわかりやすいデータを提供すると、結果が向上します。 最適なルールとプレイブックを取得するには、次のベスト プラクティスを検討してください。
-
Eventhouse の構成:
- イベントハウスにわかりやすい列名のフラット テーブルが含まれていることを確認します。
- 入れ子になった列 (JSON など) は使用しないでください。
- エージェントがデータをよりよく理解できるように、テーブル内の列の説明フィールドを使用します。
-
ルールの定義:
- エージェントが評価する必要があるルールと条件を明確に指定します。これには、アクションの推奨基準も含まれます。 たとえば、"自転車の可用性が低い場合にアクションを実行する" と表示するのではなく、"自転車の可用性が 3 以下の場合にアクションを実行する" などの特定のしきい値を指定します。
- エージェントが理解する必要があるビジネス オブジェクトまたはエンティティを明確に定義します。 これらのオブジェクトを一意に識別するデータ内の列 (センサー ID、場所名、従業員番号など) を指定します。 関連するテーブルを示す場合、エージェントは正しいデータを確実に取得します。
- エージェントが監視する必要があるフィールドとプロパティを参照する場合は、識別を向上させるためにフィールド名を引用符 ("") で囲みます。 これは、アンダースコアやハイフンなどの特殊文字を含む列名の場合に特に重要です。
- 箇条書きや段落ごとに各ルールを個別に記述して、ルールを構成する際にエージェントが明確に理解できるようにしてください。
- ルールでは、時間の経過と同時に変化する数値を監視できます。 定義した条件が定量化可能であることを確認します。
- ルールとアクションを記述する順序に注意してください。 LLM は、プロンプト内での位置に基づいて情報を異なる方法で解釈する場合があります。
制限事項
運用エージェントは、大規模言語モデル (LLM) に依存して、エージェントが従うプレイブックとルールを作成し、アクションと推奨事項のメッセージを推論して生成します。 LLM ベースの AI サービスは確率論的であり、フォール可能な可能性があるため、提供される結果と推奨事項を慎重に確認することが重要です。 詳細については、 Fabric Copilot の情報ページを参照してください。
エージェントがアクセスするクエリとデータを追跡するには、エージェントが監視しているEventhouseとKQLのデータベースを確認することができます。 [Query Insights] タブには、実行されているクエリが表示され、使用する KQL を検証できます。
システム ガードレールが配置されている間、使用率が高いと調整が発生し、エージェントが送信できるメッセージの数が制限される可能性があります。 このような場合は、Teams を通じて、LLM で生成されていない簡略化されたメッセージを受け取る可能性があります。
現時点では、エージェントと LLM は英語の指示と目標のみをサポートしています。
エージェントは、その作成者の委任された ID とアクセス許可を使用して動作します。 これは、以下のようなことを意味します。
- クエリ、データ アクセス、アクションは、作成者の資格情報に基づいて実行されます。
- 既定では、作成者はレコメンデーション メッセージを受信します。 受信者を変更しても、クエリとアクションに使用される資格情報は変更されません。
エージェントは、アクティブなときに 5 分ごとにデータ クエリを実行します。
エージェントは、ルールに一致するデータを検出すると、推奨されるアクションとユーザーの応答を "操作" として追跡します。ユーザーが 3 日以内に応答 (承認または拒否) しない場合、操作は自動的に取り消されます。 この期間を過ぎると、アクションを操作したり承認したりすることはできません。
オペレーション エージェントは、米国中南部と米国東部を除く Fabric リージョンで使用できます。
Fabric テナントと容量が異なるリージョンにある場合は、Power Automate アクションを構成するときにエラーが発生する可能性があります。 修正プログラムが利用可能になるまで、ワークスペースの容量が、運用エージェントを使用する Fabric テナントと同じリージョンにあることを確認します。