目標は、企業データのサブセットに基づいて質問に答えるために生成型AIを使用し、このデータが基礎となるデータソースとして利用可能であることを保証することです。
このソリューションには以下が含まれます。
* Dataverseテーブル
* Power BIワークスペース
* キャンバスアプリ
* DirectQuery を使用した Power BI セマンティック モデル to Dataverse
最善の行動はDです。意味モデルを支持することです。
Dが正解である理由：
セマンティックモデルを支持することで、それは信頼性が高く、発見可能なエンタープライズデータ資産となる。
* これは、承認された企業データを下流のAIおよび分析エクスペリエンスで確実に使用したい場合に適切な手順です。
* データの複製や手動エクスポートではなく、厳選されたデータサブセットを基盤となるデータソースとして公開するという要件を満たしています。他のオプションが正しくない理由：
* A. セマンティック モデルをエクスポートします。エクスポートしても、それが統制されたグラウンディング ソースになるわけではありません。
* B. WS1 の共有 ワークスペースを共有することでアクセスは許可されますが、意味モデル自体がグラウンディングのための信頼できるデータソースとして確立されるわけではありません。
* C. Dataverse テーブルへのデータ投入 データは既に存在し、セマンティック レイヤーを通じてモデル化されているため、この要件では別のテーブルを作成する必要はありません。