Power BI Copilot: ใช้ AI ช่วยสร้างรายงานให้ได้ผลจริง

Copilot ใน Power BI ทำอะไรได้ ต้องมี license แบบไหน และต้องเตรียม semantic model อย่างไรให้ AI ตอบถูก อ้างอิงจากเอกสาร Microsoft Learn

ทีมขายของบริษัทจัดจำหน่ายสินค้าอุปโภคบริโภคได้ยินว่า Power BI มี Copilot แล้ว จึงเปิดรายงานเดิมแล้วพิมพ์ถามว่า "ยอดขายภาคอีสานไตรมาสนี้เป็นยังไง" ผลคือ AI ตอบกว้าง ๆ หรือหยิบคอลัมน์ผิด สาเหตุส่วนใหญ่ไม่ได้อยู่ที่ AI แต่อยู่ที่ข้อมูลข้างใต้ยังไม่พร้อมให้ AI อ่าน บทความนี้สรุปว่า Copilot ทำอะไรได้ ต้องเตรียมอะไร และใช้อย่างไรให้คุ้ม โดยอ้างอิงเอกสาร Overview of Copilot for Power BI บน Microsoft Learn

Power BI Copilot คืออะไร

Copilot ใน Power BI คือผู้ช่วย AI ที่อ่าน semantic model (ตาราง ความสัมพันธ์ และ measure ที่คุณสร้างไว้) แล้วช่วยทั้งคนสร้างรายงานและคนอ่านรายงาน หัวใจคือ Copilot ตอบได้ดีเท่าที่ semantic model ชัดเจน

Copilot ทำอะไรได้บ้าง

สำหรับคนสร้างรายงาน

• สร้างและแก้ไขหน้ารายงานจากคำสั่งภาษาธรรมดา
• สรุปภาพรวมของ semantic model
• สร้าง narrative visual หรือกล่องข้อความสรุปบนรายงาน
• เขียน DAX query และเพิ่มคำอธิบายให้ measure

สำหรับคนอ่านรายงาน

• Copilot pane ด้านขวาของรายงาน ช่วยสรุปรายงานและตอบคำถามจากข้อมูล
• ใส่สรุปจาก Copilot ในอีเมล subscription ของรายงานได้
• มีประสบการณ์ Copilot แบบเต็มหน้าจอ (standalone) และ Copilot ใน app ซึ่งเอกสารระบุว่ายังเป็น Preview

เงื่อนไขที่ต้องรู้ก่อนเริ่ม

• Capacity: เอกสารระบุว่าต้องใช้ Fabric capacity แบบเสียเงินตั้งแต่ F2 ขึ้นไป หรือ Power BI Premium ตั้งแต่ P1 ขึ้นไป license แบบ Pro หรือ PPU อย่างเดียวไม่พอ และ trial ไม่รองรับ
• การตั้งค่าของผู้ดูแลระบบ: ต้องเปิดการตั้งค่าที่อนุญาตให้ใช้ Copilot
• ภูมิภาคข้อมูล: สำหรับ tenant นอกขอบเขตข้อมูลสหรัฐฯ และ EU เอกสารระบุว่า Copilot ปิดไว้เป็นค่าเริ่มต้น จนกว่าผู้ดูแลจะอนุญาตให้ประมวลผลข้อมูลนอกภูมิภาค องค์กรไทยควรให้ฝ่าย IT และฝ่ายกฎหมายพิจารณาร่วมกัน
• ภาษา: เอกสารระบุว่ายังไม่รองรับหลายภาษาอย่างเป็นทางการ prompt ภาษาอื่นนอกจากอังกฤษอาจได้คำตอบเป็นบางครั้ง ในทางปฏิบัติจึงควรพิมพ์คำสั่งเป็นภาษาอังกฤษ

กลไก: ทำไม semantic model ต้องพร้อม

Microsoft Learn เตือนว่าถ้าไม่เตรียม semantic model ก่อน Copilot อาจตีความข้อมูลผิดและให้คำตอบกว้างหรือไม่ถูกต้อง เพราะ AI ใช้ชื่อตาราง ชื่อคอลัมน์ และคำอธิบายเป็นเบาะแส

• เปลี่ยนชื่อคอลัมน์ให้สื่อความหมาย เช่น จาก "AMT_NET" เป็น "Net Sales"
• เขียน description ให้ measure สำคัญ บอกว่ารวม VAT หรือไม่ หักคืนสินค้าหรือไม่
• ซ่อนคอลัมน์ที่ไม่ใช้ เพื่อลดตัวเลือกที่ AI อาจหยิบผิด
• ตรวจความสัมพันธ์ระหว่างตารางให้ถูกต้อง

ตัวอย่างการใช้งานในบริษัทจัดจำหน่าย

นักวิเคราะห์ปรับ semantic model ตามข้างบน แล้วใช้ Copilot สร้างหน้ารายงานด้วยคำสั่งภาษาอังกฤษ เช่น "Create a page showing net sales by region and month, with a comparison to target" จากนั้นปรับ layout เอง ให้ Copilot เขียน DAX สำหรับยอดขายสะสมตั้งแต่ต้นปี แล้วตรวจผลกับรายงานบัญชี สุดท้ายเพิ่ม narrative visual ให้ผู้จัดการเขตอ่านสรุปก่อนดูกราฟ

Copilot ฉลาดเท่ากับ semantic model ที่คุณเตรียมให้

ข้อควรระวัง

• ตรวจ DAX และตัวเลขที่ AI สร้างกับแหล่งข้อมูลทุกครั้ง โดยเฉพาะ measure ที่เกี่ยวกับเวลา
• ถ้าคำถามไม่เกี่ยวกับ semantic model เอกสารระบุว่า Copilot อาจตอบจากความรู้ทั่วไปของโมเดล ซึ่งไม่ใช่ข้อมูลบริษัท
• คำถามเดิมบนข้อมูลเดิมภายใน 24 ชั่วโมงอาจได้คำตอบจาก cache ถ้าอยากได้คำตอบใหม่ให้ปรับคำถามหรือ refresh model
• Copilot เห็นข้อมูลตามสิทธิ์ของผู้ใช้ จึงต้องตั้ง Row-level security ให้ถูกต้องก่อนเปิดใช้

เริ่มต้นยังไง

1. เช็กกับฝ่าย IT ว่าองค์กรมี capacity และเปิดการตั้งค่า Copilot แล้วหรือยัง
2. เลือก semantic model 1 ชุดที่ใช้บ่อยที่สุด แล้วปรับชื่อและคำอธิบาย
3. ทดลองสร้างหน้ารายงานด้วย prompt ภาษาอังกฤษ
4. เทียบตัวเลขกับรายงานเดิมอย่างน้อย 3 จุด
5. สอนผู้ใช้ปลายทางให้ใช้ Copilot pane ถามคำถามแทนการขอรายงานใหม่

อยากลงมือจริง ลองคอร์ส Power BI Copilot ผู้ช่วยสร้างรายงานในพริบตา และ Power BI Q&A ถามอะไรตอบได้ด้วย AI บน Plants.work Learn ถ้ายังไม่เคยใช้ Power BI เริ่มจากบทความ วิเคราะห์ข้อมูลธุรกิจด้วย Excel และ Power BI