
Data Community Trójmiastomeetup #34 · Gdynia






„W świecie AI wciąż liczy się doświadczenie, które wnosisz. AI napisze kod, ale nie zbuduje ekosystemu, jaki chcesz dać klientom.”
Ajith Shetty, Fabric Spark Engineering
„AI ma być asystentem, a nie zastępować własnego krytycznego myślenia.”
Amanjeet Singh, Fabric Customer Advisory Team
Fabric stał się platformą dla agentów.
Czy nasze ustawienia za tym nadążają?
Fabric przed Barceloną
Nowości z etykietą GA albo preview
Roadmapa bez upiększeń
Od czego zacząć
OneLake w środku. Wokół niego workloady: Lakehouse, Warehouse, Real-Time Intelligence, Power BI, Data Factory.
Copilot i data agent siedziały w środku pierścienia. Pytaliśmy w Fabric i odpowiedź zostawała w Fabric.
Ustawienie „Fabric data in Microsoft Copilot” w Microsoft 365 admin center, domyślnie włączone dla wszystkich.
Kto ma tylko prawo do odczytu, może używać Copilota, Copilot Chat, Cowork, data agenta i narzędzi MCP. Domyślnie włączone.
Ustawienie nie przechodzi na modele łańcuchowe, czyli zbudowane na tym modelu.
Użytkownik pyta w czacie, a Fabric IQ odpowiada z modelu semantycznego, nad którym mamy kontrolę.
Klient MCP odpytuje Fabric IQ. Core MCP zakłada workspace'y i elementy w imieniu użytkownika.
Data agent działa jako narzędzie innego agenta. Aplikacja czyta tabele Delta i Iceberg przez REST, a OneLake security filtruje wynik.

Zadajemy pytanie biznesowe w Copilot Chat, a odpowiedź przychodzi z modelu semantycznego, nad którym mamy kontrolę. Bez dodatkowych opłat za tokeny AI.
Czyli: zapytania z czatu nadal zużywają naszą capacity. Nie ma tylko osobnego rachunku za tokeny.
Ograniczenie: odpowiedź jest tak dobra, jak opisy i synonimy w modelu. Wersja „code experience” trafi najpierw do programu Frontier.
Czyta. Ma 6 narzędzi, wszystkie tylko do odczytu: wyszukiwanie, schemat modelu, zapytanie DAX. Odpowiedź pochodzi z danych i respektuje uprawnienia użytkownika.
Zmienia. Ma 27 narzędzi, 15 z nich zapisuje zmiany w workspace'ach, elementach i uprawnieniach. Logowanie przez OAuth 2.0 z Entra ID, każda operacja trafia do logu audytu.
Cytat z Learn, w tłumaczeniu: „klienci autonomiczni lub źle skonfigurowani mogą wykonać operacje destrukcyjne, MCP nie ma standardowego zabezpieczenia, a klient może przetwarzać dane poza granicą zgodności Fabric”.

Data agent z Fabric działa jako narzędzie agenta w Copilot Studio i w odpowiedzi pokazuje wizualizację.
Tematy (topics) w data agentach są jeszcze w preview.
Aplikacja czyta tabelę Delta albo Iceberg przez REST, a OneLake security filtruje wiersze i kolumny przy każdym zapytaniu.
Czyli: tabelę przeczyta każda aplikacja, która wyśle zapytanie HTTP z tokenem Entra ID. Bez klastra Spark, bez SQL endpointu, bez kopii danych. Dostępu pilnują wyłącznie uprawnienia OneLake security.
Agent planuje, wykonuje i sprawdza zadanie inżynierskie w Fabric na SparkCore. Uruchamiamy go z GitHub Copilot CLI, Claude Code albo Codex. Zadania są trwałe, można do nich wrócić.
Zabezpieczenia: granica uprawnień, wzorzec zapisu, zasady ponownego uruchomienia, ewolucja schematu. Uprawnienia Fabric i OneLake wyznaczają, co agent może zrobić.
Agent analizuje przyczynę nieudanego uruchomienia pipeline'u prosto z Monitor hub.
Działa tylko do odczytu, w imieniu zalogowanego użytkownika. Wymaga roli Contributor i włączonego workspace monitoring.

Dla SQL i PostgreSQL, w Database Hub i w VS Code. Zapowiedziane na keynote, jeszcze niedostępne.
Sam Database Hub też jest w preview.
Ontologia powstaje z modelu semantycznego, danych w OneLake i dokumentów. Reguły piszemy w języku naturalnym. Miary DAX trafiają do niej jako metryki. Agent ontologii działa w naszym imieniu i respektuje OneLake security, RLS, OLS i CLS.
Czyli: eksportujemy do RDF i Turtle, standardów W3C dla grafów wiedzy, a importujemy także z OWL. Ontologię z Fabric otworzy więc inne narzędzie grafowe.
Dotychczasowa wersja ontologii znika 31 stycznia 2027, nowa ją zastępuje. Niezależna analiza wytknęła encje bez klucza identyfikującego i brak automatycznej kontroli stanu ontologii.

Opisujemy aplikację, a Power BI Desktop ją wygeneruje, pokaże podgląd i opublikuje. W cenie licencji Pro i PPU, do 1 GB na aplikację, z zapisem zwrotnym (write-back).
Real-Time Dashboard z jednego zdania, a eventhouse'em zarządzamy w języku naturalnym.
Role, RLS i CLS w jednym miejscu, także przy dostępie przez skróty. Każdy lakehouse dostaje rolę DefaultReader. GA zapowiedziane na najbliższe tygodnie, bez konkretnej daty.
Workspace nie wypuści danych na zewnątrz: ani przez skrót wychodzący, ani przez data agenta.
Blokuje dostęp wszystkim albo tylko gościom, gdy wykryje dane wrażliwe w elemencie Fabric.
Zakres: tenant albo capacity. Działa tylko lista dozwolonych: jedynym efektem jest Allow, a Deny nie istnieje. Warunki: workspace, grupy, etykiety wrażliwości, domena odbiorcy, typ elementu.
Jeden ekran dla admina: pokrycie etykietami, wyniki DLP, ustawienia tenantu, zalecane działania.
Dane odświeżają się raz dziennie. Widok nie obejmuje tabel wewnątrz elementów.

Nowy Monitor hub: historia przebiegów i odsetek udanych uruchomień każdego joba. Do tego workspace monitoring w eventhouse i alerty Activator.
| Co | Status |
|---|---|
| ROADMAPARozliczanie on-demand i capacity F0 | Wkrótce, cennika jeszcze nie ma |
| ROADMAPAAgenci baz danych dla SQL i PostgreSQL | Wkrótce |
| ROADMAPANatywna obsługa ontologii i modeli semantycznych w IQ sharing | Na roadmapie |
| ROADMAPAApache Ossie jako niezależny od dostawców standard ontologii, wspólnie ze Snowflake | Ogłoszone |
| ROADMAPAData GA dla OneLake security | Nie podano |
| ROADMAPADotychczasowa wersja ontologii | Wyłączenie 31 stycznia 2027 |
Microsoft 365 admin center, ustawienia Copilot, „Fabric data in Microsoft Copilot”. Sprawdźmy, kto ma dostęp.
Sprawdźmy ustawienie AI na modelach semantycznych z danymi HR i finansowymi. Nie przechodzi ono na modele łańcuchowe.
Sprawdźmy ustawienia tenantu, które pozwalają AI przetwarzać dane poza regionem i poza obszarem geograficznym capacity.
Włączmy outbound access protection na workspace'ach z danymi wrażliwymi.
Przetestujmy RLS pod data agentem na własnym modelu. Według Learn agent respektuje RLS i CLS. W Microsoft Q&A jest jednak niepotwierdzone zgłoszenie, że agent zwrócił niefiltrowane wiersze. Sprawdźmy sami.
Oznaczmy elementy w preview, zanim ktoś wstawi je na produkcję.
Agent działa w imieniu użytkownika, z najmniejszymi uprawnieniami i tylko do odczytu. Respektuje Purview DLP. Agent nie zobaczy więcej niż użytkownik.
Zapytajmy Microsoft, czy agent może działać pod własnym Entra Agent ID, a nie jako użytkownik. Na razie nie ma odpowiedzi.
Fabric stał się platformą dla agentów.
Czy nasze ustawienia za tym nadążają?
Projekty: platformy danych i lakehouse, modelowanie danych i raportowanie, AI i automatyzacja. Microsoft Fabric, Azure, Databricks, Power BI.
Nie robimy body leasingu. Prowadzimy projekty, a staff augmentation zdarza się bardzo, bardzo rzadko.

Data Community Trójmiastomeetup #34 · GdyniaPOST /v1/catalog/search szuka po nazwie, opisie i nazwie workspace'u, z filtrem typów. Zwraca tylko to, do czego mamy uprawnienia. To samo wyszukiwanie daje narzędzie search_catalog w Core MCP.
Czyli: agent najpierw sprawdza, czy model albo tabela już istnieje, zanim zbuduje kolejną kopię.
ai.translate, ai.analyze_sentiment i ai.classify na komentarzach testerów napisanych po angielsku, arabsku i francusku. Wbudowany endpoint Fabric, bez klucza API.
Czyli: przetwarzamy tekst tam, gdzie leżą dane, bez osobnej usługi i bez kopiowania.
Na Runtime 2.0 trzeba dziś jawnie wskazać model. To tymczasowe obejście opisane na Learn.
Warstwy srebrną i złotą tworzymy przez CREATE MATERIALIZED LAKE VIEW. Fabric sam buduje lineage i odświeża widoki w kolejności zależności. CONSTRAINT … ON MISMATCH DROP odrzuca błędne wiersze.
Czyli: trzy błędne wiersze z panelu nie trafiły do warstwy złotej. Raport przebiegu pokazuje Dropped rows: 3.
Widoki tworzone z PySpark są w preview i odświeżają się tylko w całości.
Agent na lh_oud_rd z instrukcjami po polsku. Obie odpowiedzi zgadzają się z danymi: OB-104 Oud Saffron S-7, 68%, 14 353 QAR za kilogram.
Czyli: testujemy agenta pytaniami, na które znamy odpowiedź.
Przy nieostrym pytaniu „która daje najwięcej za najmniej” agent źle złączył tabele i uznał, że jest jedna receptura.
Endpoint onelake.table.fabric.microsoft.com: Delta przez API zgodne z Unity Catalog, Iceberg przez Iceberg REST Catalog. Tabela Delta z lakehouse jest widoczna jako Iceberg format-version 2.
Czyli: każdy silnik, który obsługuje Iceberg REST albo Unity Catalog, widzi nasze tabele bez kopii i bez eksportu.