Tableau-hjälp

Obs! Einstein Copilot har bytt namn till Tableau Agent, eftersom plattformen utökas för att hantera fler AI-funktioner. Från och med oktober 2024 kommer du att se uppdaterade sidavsnitt, fältnamn och annan gränssnittstext i Tableau Prep, Tableau Catalog och Tableau Cloud-webbredigering. Hjälpinnehåll och Trailhead-moduler uppdateras också för att spegla de här ändringarna.

Det är viktigt att dina data förblir säkra medan du innoverar med ny teknik. Med AI i Tableau behåller vi förtroende som högsta prioritet och vi strävar efter att se till att dina data skyddas samtidigt som vi skapar upplevelser som är korrekta och säkra.

AI i Tableau och dina data

För att hålla dina data säkra har Salesforce avtal med leverantörer av stora språkmodeller (LLM), som OpenAI. Organisationer kan utnyttja generativ AI utan att privata data används för att träna LLM.

Pålitlig generativ AI

Salesforces Einstein-lösningar med generativ AI utformas, utvecklas och levereras baserat på fem principer för pålitlig generativ AI.

• Korrekthet: Vi prioriterar korrekthet, precision och återkallande i våra modeller, och vi backar upp våra modellutdata med förklaringar och källor när så är möjligt. Vi rekommenderar att en människa kontrollerar modellens utdata innan detta delas med slutanvändare.

• Säkerhet: Vi jobbar på att identifiera och mildra partiskhet, toxicitet och skadliga effekter från modeller som används i våra produkter genom branschledande tekniker för identifiering och begränsning.

• Transparens: Vi säkerställer att våra modeller och funktioner respekterar datas ursprung och är förankrade i dina data när det är möjligt.

• Befogenhet: Vi tror att våra produkter bör öka människors kapacitet och göra dem mer effektiva och målmedvetna i sitt arbete.

• Hållbarhet: Vi strävar efter att bygga modeller i rätt storlek som prioriterar korrekthet och minskar vårt koldioxidavtryck.

Mer information om pålitlig AI finns i Salesforce Research: Trusted AI(Länken öppnas i ett nytt fönster)

Språk och språkzoner som stöds med AI i Tableau

AI i Tableau-funktioner är tillgängliga på engelska (en_US). Från och med version 2025.1 (från februari) har Tableau Agent stöd för ytterligare språk i följande funktionsområden. Generativ AI i Tableau Pulse Enhanced Q&A (Upptäck) och Tableau Catalog har för tillfället bara stöd för engelska (en_US).

• Insiktssammanfattningar i Tableau Pulse och bättre semantisk matchning i Ask Q&A

• Tableau Agent i Tableau Prep-webbredigering

• Tableau Agent i Tableau Prep Builder (2025.2 och senare)

• Tableau Agent i Tableau Cloud-webbredigering

• Tableau Agent i Tableau Desktop

Obs! AI i Tableau-funktioner ärver Einstein Förtroendelager och säkerhetskontroller för språk som stöds. Vissa språk kanske inte har fullt stöd för mönsterbaserad datamaskering, toxicitetsidentifiering eller gransknings- och feedbackdata.

Mer information om vilka datatyper som stöds och vilken toxicitetsidentifiering som finns för olika språk, samt vilka typer av granskningsdata som samlas in för generativ AI, finns i Stöd för regioner och språk i Einstein Förtroendelager(Länken öppnas i ett nytt fönster) (på engelska) och Gransknings- och feedbackdata för generativ AI(Länken öppnas i ett nytt fönster) (på engelska) i Salesforce-hjälpen.

Språk och språkzoner efter funktionsområde

När du använder Tableau Agent i Tableau Cloud är språket som används i svaret från generativ AI baserat på inställningen Språk i Mina kontoinställningar. Om inställningen i Mina kontoinställningar är Ospecificerat används webbläsarens språkinställning istället. När du använder Tableau Agent i Tableau Desktop och Tableau Prep Builder är språket som används i svaret från generativ AI baserat på det språk som valts på menyn Hjälp > Välj språk.

Följande språk stöds för närvarande.

Insiktssammanfattningar i Tableau Pulse

Tableau Agent i Tableau Prep-webbredigering

Obs! Mönsterbaserad datamaskering och toxicitetsidentifiering stöds för närvarande inte för franska (Kanada), koreanska och portugisiska.

Tableau Agent i Tableau Prep Builder

Tableau Agent i Tableau Prep Builder är tillgängligt från och med version 2025.2

Obs! Mönsterbaserad datamaskering och toxicitetsidentifiering stöds för närvarande inte för franska (Kanada), koreanska och portugisiska.

Tableau Agent i Tableau Cloud-webbredigering

Obs! Mönsterbaserad datamaskering och toxicitetsidentifiering stöds för närvarande inte för franska (Kanada), koreanska och portugisiska.

Tableau Agent i Tableau Desktop

Obs! Mönsterbaserad datamaskering och toxicitetsidentifiering stöds för närvarande inte för franska (Kanada), koreanska och portugisiska.

Val av stor språkmodell (LLM) och geomedveten dirigering av LLM-förfrågningar

Tableau Agent och Enhanced Q&A (Upptäck) har inte stöd för att välja en Salesforce-hanterad stor språkmodell (LLM). I stället testar och väljer utvecklingsteamet på Tableau den bästa modellen att använda baserat på prestanda, noggrannhet och kostnad.

De modeller som används av Tableau Agent och funktionen Upptäck i Tableau Pulse har för närvarande inte stöd för geomedveten dirigering. Alla språkmodeller som används av Tableau Agent har en värd i USA, där alla modeller är tillgängliga. Kontakta din Tableau-kontoansvariga för att få information om vilka specifika språkmodeller som för närvarande används i din version av Tableau Agent och Enhanced Q&A (Upptäck).

Mer information om geomedveten dirigering av LLM-förfrågningar finns i Geomedveten dirigering av LLM-förfrågningar med Einstein och generativ AI(Länken öppnas i ett nytt fönster) i Salesforce-hjälpen (på engelska).

Så fungerar Einstein Förtroendelager

AI i Tableau drivs av Einsteins AI och ärver Einstein Förtroendelager och säkerhetskontroller.

I Tableau Pulse

Insiktssammanfattningar bygger på mallbaserade insikter på ett naturligt språk och värden som beräknats med deterministiska statistiska modeller. Tableau Pulse är också baserad på ett mätvärdeslager som ger ett avgränsat, säkert utrymme för insikter att identifiera. Tableau Pulse använder generativ AI för att förbättra och syntetisera språket i de insikter som genereras av Tableau. Resultatet är sammanfattade insikter på ett lättförståeligt språk som användaren snabbt kan engagera sig i.

Bättre semantisk matchning för Ask Q&A förbättrar den semantiska matchningen för alla språk. Frågor och insiktstexter skickas till OpenAI som en del av processen för att beräkna semantisk matchning. Alla anrop till OpenAI går via Einstein Förtroendelager.

Enhanced Q&A (Upptäck) använder statistiska algoritmer för att undersöka grupperade mätvärden och hitta insikter som är relevanta, intressanta och värda att undersöka. Funktionen använder generativ AI för att generera intuitiva insikter, relevanta visualiseringar, källhänvisningar och förslag på uppföljningsfrågor. Eftersom funktionen drivs av AI i Tableau kan du ställa frågor med dina egna ord för att få svar om data på ett naturligt språk.

I Tableau Agent

För att Tableau Agent ska kunna returnera en visualisering, en beräkning eller en resursbeskrivning eller ge förslag på flödesrensning och omvandling måste vi först förankra Tableau Agent i data.

När du startar Tableau Agent skickas en fråga till den datakälla som du är ansluten till och det skapas en sammanfattning, som inkluderar fältmetadata (fältbildtexter, fältbeskrivningar (kommentarer), dataroller och datatyper) och ett urval med upp till 1 000 unika fältvärden om datatypen är sträng (text). Denna sammanfattning skickas till den stora språkmodellen (LLM) för att skapa vektorinbäddningar, så att Tableau Agent kan förstå sammanhanget för dina data. Sammanfattningsskapandet sker inom Tableau och sammanfattande kontextdata glöms bort av LLM så snart vektorinbäddningarna skapats.

När du skriver en fråga eller förfrågan i konversationsrutan flödar en kombinerad prompt som består av användarens indata, metadata som beskriver visualiseringens (webbredigering) eller Tableau Prep-flödets aktuella tillstånd och historiskt sammanhang från konversationsrutan via Einstein Förtroendelager till den stora språkmodellen. Einstein Förtroendelager kan användas för att maskera personligt identifierande information (PII) med mönsterbaserad datamaskering innan den skickas till språkmodellen. Med hjälp av maskininlärning och mönstermatchningstekniker ersätts PII med generiska token i promptar och avmaskeras sedan med de ursprungliga värdena i svaret. Mer information om PII-maskering finns i Einstein Trust Layer Region Language Support(Länken öppnas i ett nytt fönster) (på engelska) i Salesforce-hjälpen.

Svaret flödar tillbaka genom Einstein Förtroendelager för att söka efter toxicitet och avmaskera eventuella maskerade data. På grund av vår policy om noll datalagring som finns hos våra tredjeparts LLM-leverantörer sparas inte några data som skickas till LLM, utan de raderas efter att ett svar skickats tillbaka.

Resultatet är en visualisering, en beräkning, en Prep-flödesplan eller en resursbeskrivning som du kan granska.

Sådana här tekniker säkerställer att våra produkter använder generativ AI på ett tillförlitligt sätt. Samtidigt används inte kunddata för att träna någon global modell.

Vill du lära dig mer om Einstein Förtroendelager? Se Einstein Trust layer: Designed for Trust(Länken öppnas i ett nytt fönster) i Salesforce-hjälpen eller gå igenom modulen Einstein Förtroendelager(Länken öppnas i ett nytt fönster) på Salesforce Trailhead.

Granska utdata från generativ AI

AI i Tableau är ett verktyg som kan hjälpa dig att snabbt identifiera insikter, fatta smartare affärsbeslut och bli mer produktiv. Denna teknik ersätter inte mänskligt omdöme. Du är ytterst ansvarig för alla LLM-genererade utdata som du införlivar i din dataanalys och delar med dina användare.

Oavsett om det handlar om att föreslå steg eller generera beräkningar som ska användas i ett Tableau Prep-flöde, sammanfatta insikter för mätvärden du följer, skapa visualiseringar utifrån data eller skapa utkast till beskrivningar för dataresurser så är det viktigt att alltid verifiera att utdata från språkmodellen är korrekta och lämpliga.

Fokusera på innehållets korrekthet och säkerhet innan du införlivar det i dina flöden, visualiseringar och analyser.

• Korrekthet: Generativ AI kan ibland "hallucinera" – fabricera utdata som inte är grundade på fakta eller på befintliga källor. Innan du lägger till några förslag, kontrollera att viktiga detaljer är korrekta. Till exempel, stöds den föreslagna syntaxen för en beräkning av Tableau?

• Partiskhet och toxicitet: Eftersom AI skapas av människor och tränas på data skapade av människor, kan den också innehålla partiskhet mot historiskt marginaliserade grupper. I sällsynta fall kan vissa utdata innehålla skadligt språk. Kontrollera dina utdata och se till att de är lämpliga för dina användare.

Om resultatet inte uppfyller dina standarder eller affärsbehov behöver du inte använda det. Med vissa funktioner kan du redigera svaret direkt innan du tillämpar det på dina data, och du kan också försöka börja om för att generera annan utdata. För att hjälpa oss att förbättra resultatet, tala om för oss vad som var fel genom att använda tummen upp- och tummen ned-knapparna där de är tillgängliga och ge feedback.