Tableau 中的 AI 使用情況

附註:從 2025 年 10 月開始,Tableau 中的 AI 不再耗用針對 AI 使用情況的 Einstein 請求點數。其他服務(例如 Data Cloud 服務)仍然可以耗用其他類型的點數。有關更多資訊,請參閱 Einstein 請求和 Flex 點數費率卡更新常見問題集(連結在新視窗開啟)

Tableau 中的 AI 由 Einstein 生成式 AI 提供支援。要充分利用 Tableau 中的生成式 AI 並存取 Einstein 信任層,在 Salesforce 組織和 Tableau Cloud 站台中完成幾個步驟。

在 Salesforce 組織設定期間,可以開啟 Einstein 資料收集和儲存(也稱為稽核線索),以將 Einstein 生成式 AI 稽核和意見反應資料儲存在 Data Cloud 中。此可選功能可讓您追蹤 Tableau 站台和 Salesforce 組織中生成式 AI 的使用情況。若開啟此功能,其會消耗 Data Cloud 點數。耗用的 Data Cloud 點數數量會根據處理的列數或記錄數而有所不同。

Data Cloud 點數

在 Tableau 功能中使用 AI 不會直接消耗 Data Cloud 點數。相反,這些認證由 Einstein 信任層使用,Tableau 中的 AI 是透過生成式 AI 稽核資料功能(也稱為稽核線索)建構在其上的。

稽核線索可讓資訊安全團隊監視 Einstein 信任層功能,包括基於模式的資料遮罩和有毒性偵測。此功能使用 Data Cloud 點數(在購買 Tableau 中的 AI 時配置)來擷取、儲存和處理 AI 使用情況資料。

稽核線索有助於維護產生的 AI 回應的安全性和準確性。它會將每次 LLM API 呼叫的提示和回應以及其他稽核資料在 Salesforce Data Cloud 執行個體中儲存最多 30 天。有關為生成式 AI 收集的稽核資料類型的詳情,請參閱 Salesforce 說明中的生成式 AI 稽核和意見反應資料(連結在新視窗開啟)

稽核追蹤在LLM API 呼叫期間引入資料時,將消耗 Data Cloud 點數。1 LLM API 呼叫將 24 列稽核追蹤資料引入 Data Cloud 並使用 大量處理資料管道使用類型。

附註:Data Cloud 點數耗用也來自分配的點數集區。例如,若產生 Einstein 生成式 AI 稽核和意見反應資料報告,它將使用資料查詢使用類型並消耗 Data Cloud 點數。若有其他 Salesforce Cloud 功能耗用 Data Cloud 點數,那麼這也會影響集區中的可用點數。有關更多資訊,請參閱 Salesforce 說明中的 Data Cloud 計費使用類型(連結在新視窗開啟)存取 Einstein 生成式 AI 稽核和意見反應資料報告及儀表板(連結在新視窗開啟)

若要估算 Data Cloud 點數數量,請參閱 Data Cloud 乘數(連結在新視窗開啟)。有關稽核和意見反應使用類型的更多資訊,請參閱 Salesforce 說明中的稽核和意見反應計費注意事項(連結在新視窗開啟)

還可以使用 Tableau 查詢 Data Cloud 並建構有關 AI 稽核和意見反應資料的視覺效果。有關詳情,請參閱檢視點數耗用

Tableau 中的 AI 計費注意事項

附註:若正在尋找有關 Tableau Next 中 AI 使用情況的詳情,請參閱 Salesforce 説明中心中的 Tableau Next 計費注意事項(連結在新視窗開啟)

Tableau 中的 AI 使用下列幾種使用類型。為幫助您追蹤使用情況,您可以使用數位錢包 (Digital Wallet),這是 Salesforce Data Cloud 中的免費帳戶管理工具,可提供已啟用產品的近乎即時的耗用資料。

可以查看已消耗的 Data Cloud 點數總數以及剩餘餘額。可能仍會在數位錢包中看到 Einstein 請求的餘額。但是,自 2025 年 10 月起,Einstein 請求將不再被 Tableau 中的 AI 功能中使用。

數位錢包還可提供預先建置的儀表板,顯示使用者數量、請求數量和其他詳細資料。還可以從 Tableau 中連線到 Data Cloud 的數位錢包表,並為消費資料構建視覺效果。有關詳情,請參閱檢視點數耗用

 

數位錢包卡使用類型 使用類型說明說明
資料服務批次資料管道

使用量根據 Data Cloud 資料流在所有連接器上處理的批次資料列數計算,但透過內部資料管道擷取的結構化資料除外。

要瞭解更多資訊,請參閱 Salesforce 說明中的稽核和意見反應計費注意事項(連結在新視窗開啟)

稽核和意見反應資料會被擷取到 Data Cloud 資料流中,其使用量取決於擷取的資料量。

平均而言,每次往返大型語言模型 (LLM) 會導致 24 筆記錄被擷取到 Data Cloud 中。

在三種使用類型中,擷取的資料量是耗用點數的主要因素。

感謝您的意見反應!已成功提交您的意見回饋。謝謝!