Insights
Copilot v Power BI neopraví špatná data. Ukáže na ně. A to je teprve začátek
19 května, 2026
Co vám AI v reportingu přinese? To není ta správná otázka. Raději se ptejte: Na co nám AI ukáže, co jsme dosud přehlíželi?
Power BI (nástroj Microsoftu pro business intelligence a vizualizaci dat) se stal standardem reportingu v desítkách tisíc firem. Teď do toho světa vstupuje Copilot a přináší možnosti, které málokdo v plném rozsahu očekával.
Nejde o magické tlačítko, které by reporting automaticky samo o sobě zjednodušilo, ale proto, že viditelně odhaluje všechno, co bylo dosud schované pod povrchem. A to je obrovská příležitost pro ty, kteří budou připraveni.
BI historicky stojí na spolehlivých, přesně definovaných datech. AI do toho vstupuje s pravděpodobnostními modely a s výstupem, který není garantovaný. Je to docela paradox a zároveň výzva, jak z obou světů dostat to nejlepší.
Co Copilot potřebuje, aby fungoval naplno?
Copilot v Power BI umí generovat vizuály, sumarizovat data a odpovídat na dotazy v přirozeném jazyce. Ale jeho výkon přímo závisí na kvalitě toho, na čem stojí. A tím základem není samotný nástroj, jsou to data a vrstva, která jim dává smysl.
Tou vrstvou je sémantický model. Zjednodušeně řečeno: jde o překlad mezi technickým světem datového skladu a byznysovým světem uživatele. Pokud v modelu chybí popisky, definice metrik nebo byznysový kontext, Copilot pracuje bez potřebných informací. Vrací odpovědi, ale přesnost závisí na tom, co do modelu dostane.
Příklad:
Copilot dostane otázku na prodeje v České republice. Najde připravený vizuál, ale ten zahrnuje i Slovensko. Pokud sémantický model tento rozdíl nedefinuje, Copilot s tím nedokáže pracovat a vrátí výsledek za obě země. Uživatel, který nezná data do detailu, si toho nemusí všimnout.
AI potřebuje lepší data, ne horší
Panuje představa, že AI pomůže i s nekvalitními daty, že nějak „dolepí” mezery. V kontextu Power BI a Copilota platí přesný opak. Čím je sémantický model komplexnější a méně popsaný, tím méně předvídatelné jsou výstupy.
Seniorní business analytik ví, že sloupec “sales_ex_vat” znamená prodeje bez DPH v korunách za kalendářní rok. Ví to z paměti, ze zkušenosti, z desítek reklamací. Copilot to vědět nemůže, pokud mu to někdo předem neřekne. A to je práce, která musí proběhnout dřív, než Copilot začne přinášet spolehlivé výsledky.
AI paradoxně od byznysu vyžaduje větší znalost vlastních dat.
Začněte s málem a kontrolovaně
Pokud chcete s Copilotem fungovat bez komplikací a mít důvěryhodné výstupy, nezačínejte tím, že ho pustíte na celý reporting. Začněte jedním datovým setem, ideálně s jasnými, srozumitelnými metrikami, jako jsou prodeje nebo základní provozní KPIs. Bez stovek tabulek, bez specifické interní logiky, bez kritických čísel jako jsou bonusy nebo controlling.
Poté postupně:
- Vyčistěte popisky v sémantickém modelu.
- Definujte s byznysem typické otázky, které budou Copilotovi pokládány.
- Doplňte instrukce a kontext přímo do modelu.
- Testujte a opakujte postup.
Zajímavý vedlejší efekt: AI dnes dokáže dokumentaci sémantických modelů generovat automaticky. Dokumentaci, kterou historicky nikdo nepsal a teď ji AI píše proto, aby ji mohla jiná AI konzumovat. Paradox, který v praxi skutečně funguje.
Role analytika se nemění. Posouvá se
Datový analytik nebude nahrazen Copilotem, ale bude dělat jinou práci. Méně manuálního opravování popisků, méně čekání na přejmenování metriky napříč třiceti místy v modelu. Více času na byznys dialog. Více kapacity na datové vzdělávání uživatelů, kteří teď s daty pracují sami a musí jim rozumět.
Analogie, která tento nastupující trend vystihuje: AI pomáhá skenovat rentgenové snímky a navrhovat diagnózu. Ale lékař, který výsledek zkontroluje a za ním stojí, nikam neodchází.
Copilot je odměna za dobře odvedenou práci. Třešnička na dortu, ne zkratka k němu.
Poslechněte si rozhovor k tématu
Kristýna Merňáková je Data Visualisation Lead v Adastře. Pracuje s firmami na tom, aby jejich data dávala smysl dřív, než na nich spustí jakýkoliv nástroj. V rozhovoru sdílí, jak s AI v Power BI začít a jak připravit data, tak aby AI skutečně pomáhala a neškodila.
