Uso de IA en Tableau
IA en Tableau Cloud funciona con IA generativa de Einstein. Si utiliza las funcionalidades de IA generativa en Tableau Cloud, por ejemplo, pedirle a Tableau Agent que ayude a crear una visualización o sugerir una descripción para una fuente de datos en Tableau Catalog, consume Einstein Requests y posiblemente créditos de Data Cloud (créditos de servicios de datos).
Las Einstein Requests son una métrica de consumo para la IA generativa y se consumen de su asignación total de Einstein Requests cada vez que utiliza una funcionalidad de IA en Tableau. Para obtener una lista de las funcionalidades de IA en Tableau, consulte Funcionalidades de IA en Tableau(El enlace se abre en una ventana nueva).
Los créditos de Data Cloud son consumidos por la funcionalidad de auditoría de IA generativa (también conocida como pista de auditoría), que le permite realizar un seguimiento del uso de IA generativa en sus sitios de Tableau y en su organización de Salesforce.
La cantidad de créditos de Einstein Request consumidos varía según la cantidad de solicitudes necesarias y la longitud de la solicitud (tanto del sistema como del usuario) enviada a nuestros proveedores de modelos grandes de lenguaje (LLM). La cantidad de créditos de Data Cloud consumidos varía según la cantidad de filas o registros que se procesan.
Nota: Los resúmenes de información (parte de Tableau Pulse) son una funcionalidad de IA en Tableau. No consume Einstein Requests y está disponible en todas las ediciones de Tableau (Standard, Enterprise y Tableau+).
Einstein Requests
Las llamadas directas a una puerta de enlace compatible de modelo grande de lenguaje (LLM) afectan a su consumo de créditos. La cantidad de Einstein Requests consumidas varía y puede diferir según la funcionalidad y la forma en que el usuario interactúa con la funcionalidad.
No puede asignar una parte de sus créditos por función. Por ejemplo, si utiliza Tableau Agent para la creación de visualizaciones, para limpiar datos en Tableau Prep o para Enhanced Q&A (Descubrir) de Tableau Pulse, las Einstein Requests se consumen del conjunto general de créditos asignados a su organización.
Para obtener más información sobre la tasa de uso de Einstein Requests, consulte la tarjeta de clasificación de Einstein Requests(El enlace se abre en una ventana nueva).
El cálculo del consumo de Einstein Requests se basa en:
El número de llamadas a la API de LLM necesarias para cada uso de funcionalidad.
La longitud del mensaje enviado a los proveedores de LLM.
La respuesta devuelta (medida en palabras) del LLM para cada llamada a la API del LLM.
Cuando converse con Tableau Agent, sea específico sobre lo que quiere que haga Tableau Agent y limite las conversaciones innecesarias de ida y vuelta. Esto puede ayudar a conservar el uso de Einstein Requests y, al mismo tiempo, devolver los mejores resultados. Por ejemplo, si escribe "Hola Tableau Agent" o "¡Gracias, esto es justo lo que necesitaba!", se activará una llamada al LLM. Para obtener más consejos sobre cómo aprovechar al máximo Tableau Agent, consulte Consejos para obtener los mejores resultados con Tableau Agent(El enlace se abre en una ventana nueva).
Se necesitan llamadas a la API de LLM para cada uso de funcionalidad
El número de llamadas a la API de LLM necesarias por uso de la funcionalidad depende de la complejidad de la tarea que realiza la funcionalidad. Por ejemplo, para que Tableau Agent cree una visualización, se requieren varias llamadas a la API de LLM:
Una llamada a la API de LLM para interpretar la consulta y asignarla a un conjunto de habilidades compatible.
Una o más llamadas a la API de LLM para realizar la tarea de creación de la visualización.
Tamaño de la llamada
El consumo de Einstein Requests también se ve afectado por el tamaño de la llamada realizada al LLM. Esta es una combinación de la longitud del mensaje (número de palabras) enviado al LLM, así como la longitud de la respuesta recibida.
El tamaño de la llamada está determinado por estos factores:
El número de palabras del sistema (instrucción básica) desarrollado por los ingenieros de Tableau. Esto también puede incluir la cantidad de palabras insertadas en el mensaje desde la fuente de datos (metadatos, información, etc.) para fundamentarlo y aumentar su precisión.
El número de palabras de la solicitud del usuario al LLM.
El número de palabras de la respuesta del LLM.
Cálculo del consumo de Einstein Requests
La calculadora de uso de consumo de Einstein Requests para las funcionalidades de IA en Tableau incluye:
Un multiplicador de tipo de uso asociado con el LLM utilizado.
Un factor de tamaño de llamada API asociado con el tamaño de la llamada API.
El factor de tamaño de la llamada API, el multiplicador de Einstein Requests y los ejemplos de cálculos se pueden encontrar en la tarjeta de tarifas de Einstein Requests(El enlace se abre en una ventana nueva). Actualmente, IA en Tableau solo admite los LLM básicos habilitados para Salesforce, por lo que se aplica el tipo de uso de IA generativa estándar de Einstein.
Créditos de Data Cloud
El uso de las funcionalidades de IA en Tableau no consume directamente los créditos de Data Cloud. En cambio, estos créditos son consumidos por la capa de confianza de Einstein, sobre la que se construye IA en Tableau, a través de una función de datos de auditoría de IA generativa conocida como Pista de auditoría.
La pista de auditoría permite a sus equipos de seguridad de la información supervisar las funcionalidades de la Capa de confianza de Einstein, incluido el enmascaramiento de datos basado en patrones y la detección de toxicidad. Esta funcionalidad utiliza créditos de Data Cloud (asignados durante la compra de IA en Tableau) para la ingesta, el almacenamiento y el procesamiento de datos de uso de IA.
La pista de auditoría ayuda a mantener la seguridad y precisión de las respuestas de IA generadas. Almacena el mensaje y la respuesta de cada llamada a la API de LLM junto con otros datos de auditoría durante un máximo de 30 días en su instancia de Salesforce Data Cloud. Para obtener más información sobre los tipos de datos recopilados por la auditoría y comentarios de IA generativa, consulte Datos de comentarios y auditoría de IA generativa(El enlace se abre en una ventana nueva) en la ayuda de Salesforce.
Los créditos de Data Cloud se consumen cuando la pista de auditoría ingiere datos durante una llamada a la API de LLM. 1 llamada a la API de LLM ingiere 24 filas de datos de pista de auditoría en Data Cloud y utiliza el tipo de uso de canalización de datos por lotes.
Nota: El consumo de créditos de Data Cloud también proviene de un grupo de créditos asignados. Si genera un informe de datos de auditoría y comentarios de IA generativa de Einstein, por ejemplo, utiliza el tipo de uso Consultas de datos y consume créditos de Data Cloud. Si tiene otras funcionalidades de Salesforce Cloud que consumen créditos de Data Cloud, esto también puede afectar los créditos disponibles en su agrupación. Para obtener más información, consulte Tipos de uso facturables de Data Cloud(El enlace se abre en una ventana nueva) y Acceder a los informes y dashboards de datos de auditoría y comentarios de IA generativa de Einstein(El enlace se abre en una ventana nueva) en la ayuda de Salesforce.
Para calcular el número de créditos de Data Cloud, consulte Multiplicadores de Data Cloud(El enlace se abre en una ventana nueva). Para obtener más información sobre los tipos de uso de auditoría y comentarios, consulte Consideraciones sobre la facturación de auditoría y comentarios(El enlace se abre en una ventana nueva) en la ayuda de Salesforce.
También puede usar Tableau para consultar Data Cloud y crear visualizaciones de sus datos de auditoría y comentarios de IA. Para obtener más información, consulte Ver el uso de solicitudes de Einstein.
Consideraciones sobre la facturación en IA en Tableau
IA en Tableau utiliza los siguientes tipos de uso facturables. Para ayudarlo a realizar un seguimiento de su uso, puede usar Digital Wallet, una herramienta gratuita de administración de cuentas en Salesforce Data Cloud que ofrece datos de consumo casi en tiempo real para los productos habilitados. Digital Wallet le muestra el número total de Einstein Requests y créditos de Data Cloud consumidos, así como su saldo restante.
Digital Wallet también ofrece paneles prediseñados que muestran la cantidad de usuarios, la cantidad de solicitudes y otros detalles. También puede conectarse a las tablas de Digital Wallet en Data Cloud desde Tableau y crear visualizaciones para sus datos de consumo. Para obtener más información, consulte Ver el uso de solicitudes de Einstein.
| Tarjeta de Digital Wallet | Tipo de uso | Descripción del tipo de uso | Notas |
| Einstein Requests | Solicitudes de Einstein estándar | El uso se calcula en función del número de llamadas a la puerta de enlace de LLM si la puerta de enlace utiliza un LLM de Salesforce. Para obtener más información, consulte la tarjeta de clasificación de Einstein Requests(El enlace se abre en una ventana nueva) | Todas las funcionalidades de IA en Tableau utilizan LLM fundamentales habilitados para Salesforce, por lo que se aplica el tipo de uso estándar. Las Einstein Requests se consumen cuando utiliza las funciones de IA en Tableau. Esto incluye las funcionalidades de Enhanced Q&A (Descubrir) de Tableau Pulse, Tableau Agent en Tableau Prep (Tableau Builder y Creación web) y Creación de visualizaciones (Tableau Desktop y Tableau Cloud) y Tableau Catalog. Para obtener más información sobre las funcionalidades de IA en Tableau, consulte Funcionalidades de IA en Tableau. |
| Servicios de datos | Canalización de datos por lotes | El uso se calcula en función del número de filas de datos por lotes procesados por los flujos de datos de Data Cloud en todos los conectores, con la excepción de los datos estructurados ingeridos a través de la canalización de datos interna. Canalización. Para obtener más información, consulte Consideraciones sobre la facturación de auditoría y comentarios(El enlace se abre en una ventana nueva) en la ayuda de Salesforce. | Los datos de auditoría y comentarios se introducen en los flujos de datos de Data Cloud, y el uso se basa en la cantidad de datos ingeridos. En promedio, cada viaje de ida y vuelta al modelo de lenguaje grande (LLM) y viceversa da como resultado 24 registros que se ingieren en Data Cloud. El volumen de datos ingeridos es el principal contribuyente al consumo de créditos entre los tres tipos de uso. |