การใช้งาน AI ใน Tableau
AI ใน Tableau Cloud ขับเคลื่อนโดย Einstein Generative AI หากคุณใช้ฟีเจอร์ Generative AI ใน Tableau Cloud เช่น ขอให้ Tableau Agent ช่วยสร้างการแสดงเป็นภาพหรือแนะนําคําอธิบายสําหรับแหล่งข้อมูลใน Tableau Catalog ฟีเจอร์นี้จะใช้คําขอ Einstein และอาจใช้เครดิต Data Cloud (เครดิตบริการข้อมูล)
คําขอ Einstein เป็นเมตริกการใช้งานสําหรับ Generative AI และจะใช้จากการจัดสรรคําขอ Einstein ทั้งหมดของคุณเมื่อใดก็ตามที่คุณใช้ AI ในฟีเจอร์ Tableau สําหรับรายการฟีเจอร์ AI ใน Tableau โปรดดูฟีเจอร์ AI ใน Tableau(ลิงก์จะเปิดในหน้าต่างใหม่)
เครดิต Data Cloud จะถูกใช้โดยฟีเจอร์ข้อมูลการตรวจสอบของ Generative AI (หรือที่เรียกว่าเส้นทางการตรวจสอบ) ซึ่งช่วยให้คุณติดตามการใช้งาน Generative AI ในไซต์ Tableau และองค์กร Salesforce ของคุณได้
จํานวนเครดิตคําขอ Einstein ที่ใช้จะแตกต่างกันไปตามจํานวนพรอมต์ที่ต้องการและความยาวของพรอมต์ (ทั้งระบบและผู้ใช้) ที่ส่งไปยังผู้ให้บริการโมเดลภาษาขนาดใหญ่ (LLM) ของเรา จํานวนเครดิต Data Cloud ที่ใช้จะแตกต่างกันไปตามจํานวนแถวหรือระเบียนที่ประมวลผล
หมายเหตุ: สรุปข้อมูลเชิงลึก (ส่วนหนึ่งของ Tableau Pulse) เป็นฟีเจอร์ AI ใน Tableau สรุปข้อมูลเชิงลึกไม่ใช้คําขอ Einstein และมีอยู่ใน Tableau ทุกรุ่น (Standard, Enterprise และ Tableau+)
คำขอ Einstein
การเรียกใช้โดยตรงไปยังเกตเวย์โมเดลภาษาขนาดใหญ่ (LLM) ที่รองรับจะส่งผลต่อการใช้เครดิตของคุณ จํานวนคําขอ Einstein ที่ใช้จะแตกต่างกันไปและอาจแตกต่างกันไปตามฟีเจอร์และวิธีที่ผู้ใช้โต้ตอบกับฟีเจอร์
คุณไม่สามารถจัดสรรส่วนหนึ่งของเครดิตของคุณตามฟีเจอร์ได้ ตัวอย่างเช่น หากคุณใช้ Tableau Agent สําหรับการเขียนการแสดงเป็นภาพ เพื่อล้างข้อมูลใน Tableau Prep หรือสําหรับ Q&A เวอร์ชันปรับปรุง (Discover) ใน Tableau Pulse คําขอ Einstein จะถูกใช้จากกลุ่มเครดิตโดยรวมที่จัดสรรให้กับองค์กรของคุณ
หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับอัตราการใช้คำขอ Einstein โปรดดูการ์ดอัตราสำหรับคำขอ Einstein(ลิงก์จะเปิดในหน้าต่างใหม่)
การคํานวณการใช้คําขอ Einstein จะขึ้นอยู่กับปัจจัยต่อไปนี้
จํานวนการเรียกใช้ API ของ LLM ที่จําเป็นต่อการใช้งานฟีเจอร์แต่ละครั้ง
ความยาวของพรอมต์ที่ส่งไปยังผู้ให้บริการ LLM
คําตอบที่ส่งคืน (วัดเป็นคํา) จาก LLM สําหรับการเรียกใช้ API ของ LLM แต่ละครั้ง
เมื่อสนทนากับ Tableau Agent ให้ระบุอย่างเจาะจงเกี่ยวกับสิ่งที่คุณต้องการให้ Tableau Agent ทําและจํากัดการสนทนากลับไปกลับมาที่ไม่จําเป็น ซึ่งจะช่วยประหยัดการใช้คําขอ Einstein ในขณะที่ยังคงได้ผลลัพธ์ที่ดีที่สุดกลับมา ตัวอย่างเช่น หากคุณพิมพ์ "สวัสดี Tableau Agent" หรือ "ขอบคุณ นี่แหละที่ฉันต้องการ!" ระบบจะทริกเกอร์การเรียกใช้ไปยัง LLM หากต้องการเคล็ดลับเพิ่มเติมเกี่ยวกับวิธีใช้ Tableau Agent ให้เกิดประโยชน์สูงสุด โปรดดูเคล็ดลับเพื่อให้ได้ผลลัพธ์ที่ดีที่สุดจาก Tableau Agent(ลิงก์จะเปิดในหน้าต่างใหม่)
การเรียกใช้ API ของ LLM ที่จำเป็นต่อการใช้ฟีเจอร์
จํานวนการเรียกใช้ API ของ LLM ที่ต้องใช้ต่อการใช้ฟีเจอร์นั้นจะขึ้นอยู่กับความซับซ้อนของงานที่ฟีเจอร์ดําเนินการ ตัวอย่างเช่น หากต้องการให้ Tableau Agent สร้างการแสดงเป็นภาพจําเป็นต้องมีการเรียกใช้ API ของ LLM หลายครั้ง:
การเรียกใช้ LLM ของ API หนึ่งครั้งเพื่อตีความการค้นหาและจับคู่กับชุดทักษะที่รองรับ
การเรียกใช้ API ของ LLM อย่างน้อยหนึ่งครั้งเพื่อทําหน้าที่สร้างการแสดงเป็นภาพ
ขนาดของการเรียกใช้
การใช้คําขอ Einstein ยังได้รับผลกระทบจากขนาดของการเรียกใช้ไปยัง LLM อีกด้วย ซึ่งเป็นการรวมกันของความยาวของพรอมต์ (จํานวนคํา) ที่ส่งไปยัง LLM รวมถึงความยาวของการตอบกลับที่ได้รับ
ขนาดการเรียกใช้จะพิจารณาจากปัจจัยต่อไปนี้:
จํานวนคําในระบบ (พรอมต์พื้นฐาน) ที่พัฒนาโดยวิศวกร Tableau ซึ่งอาจรวมถึงจํานวนคําที่แทรกเข้าไปในพรอมต์จากแหล่งข้อมูล (เมตาดาต้า ข้อมูลเชิงลึก ฯลฯ) เพื่อรับรองความถูกต้อง
จํานวนคําในคําขอของผู้ใช้ที่ส่งถึง LLM
จำนวนคำในการตอบกลับจาก LLM
การคํานวณการใช้คําขอ Einstein
เครื่องคํานวณการใช้คําขอ Einstein สําหรับฟีเจอร์ AI ใน Tableau ประกอบด้วย:
ตัวคูณประเภทการใช้งานที่เกี่ยวข้องกับ LLM ที่ใช้
ปัจจัยขนาดการเรียก.ใช้ API ที่เชื่อมโยงกับขนาดของการเรียกใช้ API
ปัจจัยขนาดการเรียกใช้ API, ตัวคูณคําขอ Einstein และตัวอย่างการคํานวณสามารถพบได้ในการ์ดอัตราสําหรับคําขอ Einstein(ลิงก์จะเปิดในหน้าต่างใหม่) ปัจจุบัน AI ใน Tableau รองรับ LLM พื้นฐานที่เปิดใช้งานโดย Salesforce เท่านั้น ดังนั้นจึงจะใช้ประเภทการใช้งาน Standard Einstein Generative AI
เครดิต Data Cloud
เครดิต Data Cloud จะไม่ถูกใช้โดยตรงจากการใช้ฟีเจอร์ AI ใน Tableau แต่เครดิตเหล่านี้ถูกใช้โดยเลเยอร์การพิทักษ์ของ Einstein ซึ่ง AI ใน Tableau สร้างขึ้นจากฟีเจอร์ข้อมูลการตรวจสอบ Generative AI ที่เรียกว่าเส้นทางการตรวจสอบ
เส้นทางการตรวจสอบช่วยให้ทีมรักษาความปลอดภัยของข้อมูลสามารถตรวจสอบฟีเจอร์เลเยอร์การพิทักษ์ของ Einstein รวมถึงการปกปิดข้อมูลจริงโดยอิงตามรูปแบบและการตรวจจับความผิดพลาดเชิงระบบ ฟีเจอร์นี้จะใช้เครดิต Data Cloud (จัดสรรระหว่างการซื้อ AI ใน Tableau) สําหรับการนําเข้า การจัดเก็บ และการประมวลผลข้อมูลการใช้งาน AI
เส้นทางการตรวจสอบจะช่วยรักษาความปลอดภัยและความแม่นยำของการตอบกลับที่ AI สร้างขึ้น โดยจะจัดเก็บพรอมต์และการตอบกลับสําหรับทุกการเรียกใช้ API ของ LLM พร้อมกับข้อมูลการตรวจสอบอื่นๆ เป็นเวลาสูงสุด 30 วันในอินสแตนซ์ Salesforce Data Cloud ของคุณ หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับประเภทของข้อมูลที่เก็บรวบรวมโดยฟีเจอร์การตรวจสอบและการให้ข้อเสนอแนะของ Generative AI โปรดดูข้อมูลการตรวจสอบและการให้ข้อเสนอแนะของ Generative AI(ลิงก์จะเปิดในหน้าต่างใหม่) ในความช่วยเหลือของ Salesforce
เครดิต Data Cloud จะใช้เมื่อเส้นทางการตรวจสอบนําเข้าข้อมูลระหว่างการเรียกใช้ API ของ LLM 1 การเรียก API ของ LLM จะนําเข้าข้อมูลเส้นทางการตรวจสอบ 24 แถวลงใน Data Cloud และใช้ประเภทการใช้งานไปป์ไลน์ข้อมูลแบบกลุ่ม
หมายเหตุ: การใช้เครดิต Data Cloud ยังมาจากพูลเครดิตที่ได้รับการจัดสรรอีกด้วย ตัวอย่างเช่น หากคุณสร้างรายงานข้อมูลการตรวจสอบและการให้ข้อเสนอแนะของ Einstein Generative AI ระบบจะใช้ประเภทการใช้งานการค้นหาข้อมูลและใช้เครดิต Data Cloud หากคุณมีฟีเจอร์อื่นๆ ของ Salesforce Cloud ที่ใช้เครดิต Data Cloud ก็อาจส่งผลต่อเครดิตที่มีอยู่ในพูลของคุณด้วย หากต้องการข้อมูลเพิ่มเติม โปรดดูประเภทการใช้งานที่เรียกเก็บเงินของ Data Cloud(ลิงก์จะเปิดในหน้าต่างใหม่) และการเข้าถึงรายงานและแดชบอร์ดข้อมูลการตรวจสอบและการให้ข้อเสนอแนะของ Einstein Generative AI(ลิงก์จะเปิดในหน้าต่างใหม่) ในความช่วยเหลือของ Salesforce
หากต้องการประมาณจํานวนเครดิต Data Cloud โปรดดูตัวคูณ Data Cloud(ลิงก์จะเปิดในหน้าต่างใหม่) หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับประเภทการใช้งานสําหรับการตรวจสอบและการให้ข้อเสนอแนะ โปรดดูข้อควรพิจารณาในการเรียกเก็บเงินสําหรับการตรวจสอบและการให้ข้อเสนอแนะ(ลิงก์จะเปิดในหน้าต่างใหม่)ในความช่วยเหลือของ Salesforce
คุณยังสามารถใช้ Tableau เพื่อค้นหา Data Cloud และสร้างการแสดงภาพสำหรับข้อมูลการตรวจสอบและการให้ข้อเสนอแนะด้วย AI ได้ หากต้องการข้อมูลเพิ่มเติม โปรดดูการใช้งานคำขอของ Einstein
ข้อควรพิจารณาในการเรียกเก็บเงินสําหรับ AI ใน Tableau
AI ใน Tableau ใช้ประเภทการใช้งานที่เรียกเก็บเงินได้ดังต่อไปนี้ เพื่อช่วยคุณติดตามการใช้งานของคุณ คุณสามารถใช้ Digital Wallet ซึ่งเป็นเครื่องมือจัดการบัญชีฟรีใน Salesforce Data Cloud ที่ให้ข้อมูลการใช้งานแบบเกือบเรียลไทม์สําหรับผลิตภัณฑ์ที่เปิดใช้งาน Digital Wallet จะแสดงจํานวนคําขอ Einstein และเครดิต Data Cloud ทั้งหมดที่ใช้ไป รวมถึงยอดคงเหลือของคุณ
Digital Wallet ยังมีแดชบอร์ดที่สร้างไว้ล่วงหน้าซึ่งแสดงจํานวนผู้ใช้ จํานวนคําขอ และรายละเอียดอื่นๆ อีกด้วย คุณยังสามารถเชื่อมต่อกับตาราง Digital Wallet ใน Data Cloud จาก Tableau และสร้างการแสดงเป็นภาพสําหรับข้อมูลการใช้งานของคุณได้ หากต้องการข้อมูลเพิ่มเติม โปรดดูการใช้งานคำขอของ Einstein
บัตร Digital Wallet | ประเภทการใช้งาน | คําอธิบายประเภทการใช้งาน | หมายเหตุ |
คำขอ Einstein | คำขอ Einstein มาตรฐาน | การใช้งานจะคํานวณตามจํานวนการเรียกใช้เกตเวย์ LLM หากเกตเวย์ใช้ LLM Salesforce หากต้องการเรียนรู้เพิ่มเติม โปรดดูการ์ดอัตราสําหรับคําขอ Einstein(ลิงก์จะเปิดในหน้าต่างใหม่) | ฟีเจอร์ AI ใน Tableau ทั้งหมดใช้ LLM พื้นฐานที่เปิดใช้งานโดย Salesforce ดังนั้นจึงใช้ประเภทการใช้งานมาตรฐาน คําขอ Einstein จะถูกใช้เมื่อคุณใช้ฟีเจอร์ AI ใน Tableau ซึ่งรวมถึงฟีเจอร์ Q&A เวอร์ชันปรับปรุง (Discover) ใน Tableau Pulse, Tableau Agent ใน Tableau Prep (Tableau Builder และการเขียนเว็บ) และการเขียนการแสดงเป็นภาพ (Tableau Desktop และ Tableau Cloud) และ Tableau Catalog หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับฟีเจอร์ AI ใน Tableau โปรดดูฟีเจอร์ AI ใน Tableau |
บริการข้อมูล | ไปป์ไลน์ข้อมูลแบบกลุ่ม | การใช้งานจะคํานวณตามจํานวนแถวที่ประมวลผลข้อมูลแบบกลุ่มโดยสตรีมข้อมูล Data Cloud ในตัวเชื่อมต่อทั้งหมด ยกเว้นข้อมูลที่มีโครงสร้างที่นําเข้าผ่านไปป์ไลน์ข้อมูลภายใน ไปป์ไลน์ หากต้องการดูข้อมูลเพิ่มเติม โปรดดูข้อควรพิจารณาในการเรียกเก็บเงินสําหรับการตรวจสอบและการให้ข้อเสนอแนะ(ลิงก์จะเปิดในหน้าต่างใหม่)ในความช่วยเหลือของ Salesforce | ข้อมูลการตรวจสอบและการให้ข้อเสนอแนะจะถูกนําเข้ามาในสตรีมข้อมูล Data Cloud และการใช้งานจะขึ้นอยู่กับปริมาณข้อมูลที่นําเข้า โดยเฉลี่ยแล้ว การส่งไปและกลับจากโมเดลภาษาขนาดใหญ่ (LLM) แต่ละครั้งจะส่งผลให้มีระเบียน 24 รายการถูกนําเข้ามาใน Data Cloud ปริมาณข้อมูลที่นําเข้าเป็นองค์ประกอบหลักในการใช้เครดิตในการใช้งานทั้งสามประเภท |