每个 Power BI 报表都由底层的语义模型驱动。该模型将原始数据转换为具有明确指标和关系的有意义业务术语，确保报表中呈现数据的准确性和可信度。Power BI 桌面文件本质上包含这些语义模型定义，在发布时与可视化对象分离。组织通常在不明确称之为“语义模型”的情况下构建这些模型。大型语言模型虽然精通语言，但缺乏固有的业务知识。若无上下文，人工智能可能会针对特定业务问题生成看似合理但错误的回答。Microsoft Fabric 的"Fabric IQ"通过利用现有的 Power BI 语义模型来解决这一问题，使人工智能扎根于组织的业务语言和定义，从而避免误解。现有的 Power BI 语义模型可直接馈送 Fabric IQ，使定义的概念可供人工智能代理及 Microsoft 365 Copilot 等工具使用。这种集成使人工智能能够基于既定的业务逻辑提供答案，而非依赖统计猜测。语义模型可纳入同义词和描述，以进一步增强人工智能的理解能力，并从报表中提供上下文。至关重要的是，此人工智能集成无需重新构建现有的 Power BI 模型。通过将人工智能与用于报表的同一语义模型连接，组织可确保用户和人工智能代理接收一致的数据。这防止了人工智能生成答案与仪表板数据之间的差异，从而维护对数据的信任。若人工智能部署不当，导致其生成的数据与既定报表不一致，将产生不利影响。前沿企业是指拥抱人机协作的企业，其中人工智能代理越来越多地处理以往由人工完成的任务。实际上，这些代理需要理解特定的业务上下文，而 Power BI 语义模型已可提供。组织的关键任务是识别、认证并整理其现有的可信语义模型。将这些精选模型推广至 Fabric IQ 是一个优化过程，而非大规模新建。能够识别并利用现有数据资产（如 Power BI 语义模型）的企业将在人工智能采用方面处于领先地位。