Tableau-hjälp

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.

Från och med version 2025.3 kan du använda Tableau Agent i Tableau Server. Tableau Agent i Tableau Server kräver att du ansluter till en egen leverantör av stora språkmodeller (LLM), som OpenAI. När du använder OpenAI som egen LLM-leverantör passerar dina förfrågningar inte Einstein Förtroendelager och de använder inte Salesforces leverantörsavtal för stora språkmodeller. All datahantering, inklusive skyddande av personligt identifierbar information, hanteras av er egen leverantör och de villkor ni har avtalat. Mer information finns i Aktivera AI på en Tableau Server-plats(Länken öppnas i ett nytt fönster).

Innehållet i det här ämnet handlar främst om att använda AI i Tableau-funktioner i Tableau Cloud. Om innehållet rör användningen av AI i Tableau-funktioner i Tableau Server anges det tydligt.

AI i Tableau och dina data

För att skydda data i Tableau Cloud har Salesforce avtal med leverantörer av stora språkmodeller, som Azure OpenAI. Organisationer kan utnyttja generativ AI utan att privata data används för att träna LLM.

I Tableau Server ansluter du direkt till OpenAI med en egen API-nyckel. Se till att ditt eget OpenAI-avtal och relaterade inställningar följer organisationens datasäkerhetspolicyer.

Pålitlig generativ AI

Gäller enbart Tableau Cloud

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 och Tableau Pulse stöd för ytterligare språk i de funktionsområden som listas i det här avsnittet. För närvarande har generativ AI i Tableau Catalog bara stöd för engelska (en_US).

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

• Enhanced Q&A (Upptäck) i Tableau Pulse (2025.2 och senare)

• Tableau Agent i Tableau Prep-webbredigering

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

• Visualiseringsutveckling i Tableau Agent

• Tableau Agent i Tableau Desktop

Personligt identifierbar information, datasäkerhet och stöd för flera språk

Stödet för personligt identifierbar information kan variera beroende på om du använder Tableau Agent i Tableau Cloud eller Tableau Server.

Tableau Cloud

Einstein Förtroendelager är utformat med regionala och språkspecifika mönster för personligt identifierbar information i åtanke. AI i Tableau-funktioner ärver Einstein Förtroendelager och säkerhetskontroller för språk som stöds när du är ansluten till Tableau Cloud. 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.

Tableau Server (version 2025.3 och senare)

AI i Tableau-funktioner passerar inte Einstein Förtroendelager när du är ansluten till Tableau Server. I stället skickas dina förfrågningar direkt till OpenAI. Detta inkluderar maskering av personligt identifierbar information för olika språk. Du ansvarar för att deras tjänst och ert avtal på ett effektivt sätt kan identifiera och skydda personligt identifierbar information på de språk som Tableau Agent har stöd för.

Mer information finns i Aktivera AI på en Tableau Server-plats(Länken öppnas i ett nytt fönster).

Språk och språkzoner efter funktionsområde

När du använder Tableau Agent i Tableau Cloud eller Tableau Server (version 2025.3 och senare) baseras valet av språk för svar från generativ AI 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 och Enhanced Q&A (Upptäck) i Tableau Pulse

Obs! Einstein Förtroendelager-maskering har stöd för sex grundspråk. Andra språk kan försämra kvaliteten på svaren. Mätvärdesnamn står kvar på originalspråket. Identifieringen av inmatningsspråk kan variera i språkzoner som inte stöds.

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.

Webbredigering i Tableau Agent

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

Gäller enbart Tableau Cloud

Tableau Agent och Tableau Pulse 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 baserat på prestanda, noggrannhet och kostnad.

De modeller som används av Tableau Agent och Tableau Pulse Enhanced Q&A (Upptäck) har stöd för geomedveten dirigering via Einsteins plattform för generativ AI. Avståndet till närmaste Azure OpenAI-instans avgörs av Data Cloud-regionen för den anslutna Salesforce-organisationen. Om en modell inte är tillgänglig i din Data Cloud-region, eller om det inte finns tillräckligt med ledig kapacitet, dirigeras förfrågningarna till USA, aldrig direkt till Azure OpenAI.

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. 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) och Dirigering för geomedvetna modeller(Länken öppnas i ett nytt fönster) i Salesforce-hjälpen (på engelska).

Så fungerar Einstein Förtroendelager

Gäller enbart Tableau Cloud

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

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.

Enhanced Q&A (Upptäck) har stöd för frågor och svar på flera språk, baserat på de språk som stöds av Tableau Cloud. Förslag på frågor, uppföljningsfrågor och insiktssammanfattningar anpassas efter platsens språkinställning. Upptäck identifierar inmatningsspråket när användare ställer frågor och returnerar sömlöst språkmodellsvar på samma språk – även om det skiljer sig från platsens eller datans språk. Mätvärdesnamn och filter står alltid på det ursprungliga språket för tydlighet och enhetlighet.

Obs! Einstein Förtroendelager-maskering har stöd för sex grundspråk. Andra språk kan försämra kvaliteten på svaren. Mätvärdesnamn står kvar på originalspråket. Identifieringen av inmatningsspråk kan variera i språkzoner som inte stöds.

Upptäck, via Einstein Förtroendelager, använder avancerad mönstermatchning och maskininlärning för att identifiera känsliga data i prompter. Personligt identifierbar information (PII) som namn och e-postadresser maskeras automatiskt med hjälp av maskininlärning. För att få bästa möjliga resultat bör du överväga att strukturera data med tydliga entitetsidentifierare och enhetliga fältetiketter för att minimera eventuella tvetydigheter och se till att resultatet blir korrekt när maskering används.

Tableau Agent

Obs! När det gäller hanteringen av data finns det några skillnader beroende på om du använder Tableau Agent med Tableau Cloud eller med Tableau Server. Mer information finns i Så här fungerar Tableau Agent i Tableau Server (version 2025.3 och senare). Oavsett vilken anslutning du använder är resultatet från den stora språkmodellen en visualisering, en beräkning, en Prep-flödesplan eller en resursbeskrivning som du kan granska.

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 från kommentarer i Tableau Desktop eller från Tableau Catalog, 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.

Om du använder Tableau Agent i Tableau Cloud går prompten genom 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.

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.

Så här fungerar Tableau Agent i Tableau Server (version 2025.3 och senare)

Obs! Tableau Agent i Tableau Server finns för närvarande bara för visualiseringsredigering och Tableau Prep-funktioner för dataförberedelse.

Om du använder Tableau Agent i Tableau Server använder du din organisations LLM-leverantör, till exempel OpenAI. I Tableau Server version 2025.3 är OpenAI den enda LLM-leverantör som stöds.

När du skriver en fråga eller frågar om något i konversationsrutan använder prompten inte Einstein Förtroendelager. Det innebär att Tableaus inbyggda funktioner för att dölja personlig information och hantera data inte fungerar. I stället skickar Tableau din användarfråga och ett litet slumpmässigt urval av värden per fält till ditt OpenAI-konto.

Du ansvarar för allt dataskydd och all maskering av personligt identifierbar information som sker på din leverantörs sida. Se till att ditt eget LLM-avtal och relaterade inställningar följer organisationens datasäkerhetspolicyer.

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.