Pular para o conteúdo
Saiku Cloud

Perguntar à IA

O painel Perguntar à IA fica na barra de ferramentas do workbench Saiku. Clique no botão ⚡ e uma gaveta desliza pela direita onde você pode digitar perguntas em linguagem natural e receber de volta uma consulta estruturada ao cubo sem escrever MDX.

É o caminho mais rápido para chegar ao “primeiro número útil” em um cubo que você ainda não memorizou — e o painel sempre mostra a consulta que gerou, então o mecanismo nunca parece opaco.

Abrir o painel

  1. Escolha um cubo na barra lateral esquerda — o painel sempre consulta o cubo atualmente selecionado.

  2. Clique no botão ⚡ Perguntar à IA na barra de ferramentas do workspace. (Teclado: ainda não há atalho global — o botão é seu ponto de entrada.)

  3. A gaveta desliza pela direita. Se nenhum cubo estiver selecionado, o estado vazio diz para você escolher um primeiro.

Fazer uma pergunta

Digite sua pergunta na área de texto na parte inferior e pressione Enviar — ou ⌘/Ctrl + Enter para enviar sem precisar do mouse. Um Enter simples insere uma quebra de linha, para que perguntas de várias linhas também funcionem.

Exemplos que resolvem bem:

  • “Mostre as vendas por país no último trimestre.”
  • “Top 5 clientes por store sales em 1997.”
  • “Como unit sales se divide por tipo de loja e trimestre?”
  • “Apenas os totais por região.”

O modelo vê apenas o schema deste cubo — nomes de medidas, hierarquias de dimensão, nomes de níveis, membros de amostra — então perguntas que referenciam coisas presentes no cubo resolvem bem. Perguntas sobre dados em um cubo diferente não (a IA não vê outros cubos).

Multi-turno — continuar a partir da resposta anterior

Depois de fazer uma pergunta, a próxima pode referenciar a primeira:

“Mostre as vendas por país no último trimestre.” → 3 linhas.

“Agora divida também por região.” → ainda usando vendas do último trimestre, mas com região adicionada.

Os turnos anteriores são enviados de volta ao modelo como contexto, então perguntas de acompanhamento resolvem naturalmente. Limpar conversa (🗑 no cabeçalho do painel) apaga esse contexto se você quiser começar do zero.

Ler a resposta

Cada resposta é um balão no fio de chat contendo:

  • Um resumo de uma linha — “12 linhas retornadas.” ou uma mensagem de auto-correção quando o modelo escolheu algo inválido.
  • ▶ MDX gerado — clique para expandir. Este é o MDX exato que o engine executou. Dentro da visão expandida:
    • Copiar — coloca o MDX na sua área de transferência.
    • Editar no canvas — carrega o MDX na sua aba de consulta ativa e o re-executa no workbench. O gráfico, a grade, ordenação, drill, exportação — tudo o que você faria com uma consulta construída à mão simplesmente funciona.
  • via nome-do-modelo — pequeno rodapé mostrando qual LLM produziu esta resposta. Útil para depuração “por que essa pergunta se comportou diferente ontem?”.

O resultado também vive no painel — você só precisa de Editar no canvas quando quer o workbench inteiro ao redor.

Auto-correção — quando o modelo escolhe algo inválido

O modelo pode nomear uma medida ou dimensão que o cubo não tem. Quando isso acontece, você verá um balão dizendo “O modelo emitiu uma consulta que não validou” com uma pequena seção Você quis dizer (para <campo>) listando os nomes válidos mais próximos como chips clicáveis.

Clique em qualquer chip → o texto do chip é anexado ao seu prompt → pergunte novamente. O modelo usa a correção como dica e geralmente acerta na segunda vez.

Este é o mesmo envelope de validação auto-corretivo que a AI Query API expõe a agentes, exibido aqui como sugestões clicáveis.

O que o painel não faz

O painel é deliberadamente estreito:

  • Um cubo por vez. Perguntas cross-cube (“compare Sales vs HR”) não são suportadas — escolha o cubo certo primeiro.
  • Sem streaming. A resposta aparece quando o modelo termina; os pontinhos ❄️ de pensamento são seu indicador de status.
  • Sem saída SQL. O painel fala MDX (a linguagem OLAP que o Saiku usa internamente) — se você precisa de SQL bruto, use as ferramentas MDX & Export depois de Editar no canvas.
  • Sem histórico entre sessões. O fio de chat vive no estado de abertura da gaveta. Fechar a gaveta ou atualizar a página inicia uma nova conversa.

Privacidade

Cada pergunta é enviada ao seu provedor LLM configurado (Anthropic ou OpenAI) junto com o schema do cubo ativo (nomes de medidas, nomes de dimensões, captions de membros de amostra). Ele não vê:

  • Outros cubos aos quais você tem acesso — apenas o da requisição.
  • O SQL subjacente ou as credenciais do warehouse.
  • O histórico de conversas de outros usuários.
  • A requisição HTTP, seu cookie de sessão, ou qualquer header.

Se seu deployer usa um endpoint compatível com OpenAI apontado para infraestrutura on-prem (Azure / vLLM / Ollama), as perguntas nunca saem desse limite. Veja a página AI Ask API para o modelo de provedor.

Quando usar Perguntar à IA vs o restante do workbench

ObjetivoUse
Obter um primeiro número útil em um cubo novoPerguntar à IA, depois Editar no canvas
Construir uma consulta campo a campo com controle totalArrastar e drill no workbench
Criar um gráfico complexoGráficos
Acessar MDX existente ou exportar dados brutosMDX & Export
Deixar um agente consultar o Saiku sem UIServidor MCP

O painel é um ponto de entrada — uma vez que você tem uma consulta, o restante do workbench é onde você vive.

Para onde ir em seguida