Tableau AI e Confiança
É importante que seus dados permaneçam seguros enquanto você inova com tecnologias modernas. Com o Tableau AI, mantemos a confiança como valor número 1 e nos esforçamos para garantir que seus dados estejam seguros e, ao mesmo tempo, criar experiências precisas e seguras.
Tableau AI e seus dados
Para manter seus dados seguros, a Salesforce possui acordos com fornecedores de Modelos de linguagem grandes (LLM, Large Language Model), como OpenAI. As organizações podem aproveitar os recursos generativos de IA sem que seus dados privados sejam usados para treinar o LLM.
IA generativa confiável
As soluções de IA generativa Einstein da Salesforce são projetadas, desenvolvidas e entregues com base em cinco princípios para IA generativa confiável.
Precisão: priorizamos exatidão, precisão e recall em nossos modelos e apoiamos os resultados de nossos modelos com explicações e fontes sempre que possível. Recomendamos que uma saída do modelo de verificação humana seja realizada antes de compartilhar com os usuários finais.
Segurança: trabalhamos para detectar e mitigar distorções, toxicidade e resultados prejudiciais de modelos usados em nossos produtos por meio de técnicas de detecção e mitigação líderes do setor.
Transparência: garantimos que nossos modelos e recursos respeitem a fonte de dados e sejam baseados em seus dados sempre que possível.
Capacitação: acreditamos que nossos produtos devem aumentar as capacidades das pessoas e torná-las mais eficientes e objetivas em seu trabalho.
Sustentabilidade: nós nos esforçamos para construir modelos do tamanho certo que priorizem a precisão e reduzam nossa pegada de carbono.
Para saber mais sobre IA confiável, consulte Pesquisa Salesforce: IA confiável(O link abre em nova janela)
Camada de Confiança do Einstein em ação
O Tableau AI é desenvolvido pela Einstein AI e herda a Camada de confiança do Einstein e os controles de segurança.
Com o Tableau Pulse, fundamentamos os resumos de informação que geramos usando modelos de informações e valores de linguagem natural calculados usando modelos estatísticos determinísticos. O Tableau Pulse também se baseia em uma camada de métrica que fornece um espaço limitado e seguro para a detecção de informações.
O Tableau Pulse usa IA generativa para aprimorar e sintetizar a linguagem dos insights gerados pelo Tableau. O resultado são informações resumidas em uma linguagem fácil de entender com a qual o usuário pode interagir rapidamente.
Para permitir o retorno do Einstein Copilot para Tableau um cálculo ou uma descrição de ativo, primeiro precisamos fundamentar o Einstein Copilot em seus dados.
Quando você inicia o Einstein Copilot, consultamos a fonte de dados à qual você está conectado e criamos um resumo de nomes de campos, descrições, tipos de dados e os primeiros 1.000 valores de campo exclusivos (não numéricos) por campo. Este resumo é enviado ao Modelo de linguagem grande (LLM) para criar inserções de vetores para que o Einstein Copilot possa entender o contexto dos seus dados. A criação do resumo ocorre no Tableau e os dados de contexto do resumo são esquecidos pelo LLM assim que os embeddings de vetores são criados.
Quando você digita uma pergunta ou solicitação no painel de conversa do Einstein Copilot, um prompt combinado que consiste na entrada do usuário e o contexto histórico do fluxo do painel de conversação através da Camada de confiança do Einstein até o LLM. Informações confidenciais são detectadas e mascaradas com texto de espaço reservado para manter o contexto. Para obter mais informações sobre mascaramento de PII, consulte Suporte ao idioma da região da Camada de confiança do Einstein(O link abre em nova janela) na ajuda do Salesforce.
A resposta flui de volta pela Camada de confiança do Einstein para verificar a toxicidade e desmascarar quaisquer dados mascarados. Devido às nossas políticas de retenção de dados zero em vigor com nossos fornecedores terceirizados de LLM, quaisquer dados enviados ao LLM não são retidos e são excluídos após o envio de uma resposta.
O resultado é uma cálculo ou uma descrição do ativo pronta para você revisar.
Técnicas como essa garantem que nossos produtos adotem IA generativa de maneira confiável. Ao mesmo tempo, os dados do seu cliente não são usados para treinar nenhum modelo global.
Quer saber mais sobre Camada de Confiança do Einstein? Ver Camada de confiança do Einstein: projetada para confiança(O link abre em nova janela) na ajuda do Salesforce ou faça o módulo Camada de confiança do Einstein(O link abre em nova janela) no Salesforce Trailhead.
Revendo resultados generativos de IA
O Tableau AI é uma ferramenta que pode ajudá-lo a descobrir insights rapidamente, tomar decisões de negócios mais inteligentes e ser mais produtivo. Essa tecnologia não substitui o julgamento humano. Você é o responsável final por quaisquer resultados gerados pelo LLM que você incorpora em sua análise de dados e compartilha com seus usuários.
Seja gerando cálculos para usar em um fluxo do Tableau Prep, resumindo informações de métricas que você segue, criando visualizações a partir de seus dados ou elaborando descrições para seus ativos de dados, é importante sempre verificar se o resultado do LLM é preciso e apropriado.
Concentre-se na precisão e segurança do conteúdo antes de incorporá-lo em seus fluxos, visualizações e análises.
Precisão: a IA generativa às vezes pode “alucinar” – fabricar resultados que não são fundamentados em fatos ou em fontes existentes. Antes de incorporar qualquer sugestão, verifique se os principais detalhes estão corretos. Por exemplo, a sintaxe proposta para um cálculo é compatível com o Tableau?
Viés e Toxicidade: como a IA é criada por humanos e treinada com base em dados criados por humanos, ela também pode conter preconceitos contra grupos historicamente marginalizados. Raramente, alguns resultados podem conter linguagem prejudicial. Verifique seus resultados para ter certeza de que são apropriados para seus usuários.
Se o resultado não atender aos seus padrões ou necessidades de negócios, você não precisará usá-lo. Alguns recursos permitem editar a resposta diretamente antes de aplicá-la aos seus dados, e você também pode tentar recomeçar para gerar outra saída. Para nos ajudar a melhorar o resultado, informe-nos o que há de errado usando os botões de polegar para cima e de polegar para baixo, quando disponíveis, e forneça feedback.