Seu Power BI já responde perguntas? O que precisa estar pronto antes do chat com os dados
Seu Power BI já responde perguntas? O que precisa estar pronto antes do chat com os dados
Em 2026, quase todo projeto de dados que chega à Arbit traz a mesma frase: “queremos que a diretoria pergunte e o sistema responda”. A tecnologia para isso amadureceu. A Databricks organizou o Genie em uma família de produtos, com o Genie One para usuários de negócio e os Genie Agents para domínios de dados configurados pelo time técnico. A Microsoft colocou o data agent do Fabric como recurso geralmente disponível. E o Copilot já cria visuais e responde perguntas dentro do Power BI.
O que ainda não amadureceu, na maioria das empresas, é a base. E é ela que decide se a resposta vem certa ou se a IA inventa um número com toda a confiança do mundo.
Por que o chat com os dados erra
Um agente de IA que consulta dados não “entende” sua empresa. Ele traduz a pergunta em uma consulta, executa e devolve o resultado. Se a tabela tem três colunas parecidas com “receita”, ele escolhe uma. Se cada área calcula margem de um jeito, ele usa o jeito que encontrar. Se o filtro de “clientes ativos” depende de uma regra que só existe na cabeça do analista, ele não aplica.
O erro raramente é do modelo de linguagem. É da falta de semântica.
Os 4 itens que precisam estar prontos
1. Métricas definidas uma vez
Receita, margem, ticket médio, churn: cada métrica precisa ter uma definição única, versionada e reutilizada por dashboards, agentes e relatórios. No Databricks, isso é feito com metric views no Unity Catalog, que separam a definição da medida das dimensões usadas para filtrar e agrupar. No Fabric e no Power BI, com o modelo semântico. Sem isso, cada resposta da IA é uma interpretação.
2. Um domínio por vez
O Genie trabalha com agentes por domínio. O data agent do Fabric aceita até cinco fontes de dados por agente. Isso não é limitação, é método: um agente de Vendas, outro de Suprimentos, outro de Finanças, cada um com seu glossário e suas regras. Tentar ligar a IA ao lakehouse inteiro de uma vez é o caminho mais curto para respostas erradas.
3. Instruções, glossário e perguntas de exemplo
Os melhores resultados vêm quando o agente recebe instruções em linguagem de negócio (“cliente ativo é quem comprou nos últimos 90 dias”), um glossário de termos da empresa e de 20 a 30 perguntas reais com a consulta correta. Essas perguntas viram também o conjunto de testes para medir a acurácia antes de liberar o acesso.
4. Permissões que acompanham o usuário
Tanto o Genie quanto o data agent do Fabric respondem com as permissões de quem pergunta. Se a tabela de salários não está protegida, a IA vai mostrar salários. Antes de abrir o chat, revise acessos, mascare dados sensíveis e confirme que linhas e colunas estão filtradas por perfil.
Genie, Fabric data agent ou Copilot?
A escolha segue onde os dados moram. Se o lakehouse está no Databricks, o Genie aproveita o Unity Catalog, as métricas e as regras que já existem ali. Se os dados estão no OneLake, o data agent do Fabric lê lakehouses, warehouses e modelos semânticos, mas tem limites práticos, como respostas de até 25 linhas por 25 colunas. Se a empresa vive no Power BI e no Microsoft 365, o Copilot no Power BI é a porta de entrada mais natural. E quando o usuário precisa de uma interface própria, integrada ao processo, o caminho é um app de dados com IA.
Em muitos clientes, a resposta é uma combinação. O que não muda é a base: sem métrica definida e sem permissão revisada, nenhuma das três ferramentas entrega confiança.
Um detalhe de custo que vale agora
A Databricks informa que o uso do Genie One e dos Genie Agents por usuários está sem cobrança até 31 de janeiro de 2027. Service principals continuam sendo cobrados, e o processamento de dados segue as regras normais da plataforma. Para quem está no Databricks, é uma janela boa para validar o caso de uso sem custo de licença de uso.
Como começamos na Arbit
Nosso piloto de dashboards com IA dura de 4 a 6 semanas e segue quatro passos: escolher um domínio e as 20 perguntas que mais travam a gestão; definir e testar as métricas; configurar o agente com instruções, exemplos e permissões; e medir acurácia e uso antes de expandir. O resultado é um agente que responde as perguntas certas com o número certo, e um plano claro para os próximos domínios.
Se a sua diretoria ainda espera dias por um número, fale com a Arbit e vamos colocar essa pergunta para ser respondida por IA.