Power BI Copilot e DAX - prompt, limiti e modelli

Quando un report contiene decine di tabelle, filtri e misure, il problema non è più creare un grafico, ma capire rapidamente quali domande porre ai dati. Power BI Copilot aiuta a trasformare richieste in linguaggio naturale in analisi, visualizzazioni e query DAX, ma la qualità delle risposte dipende dal modello semantico e dal controllo di chi lo utilizza. In questa guida mostro cosa può fare davvero, come usarlo con DAX, quali prompt funzionano meglio e quali limiti considerare nel 2026.

Che cos’è Copilot in Power BI e cosa può fare

Copilot è l’assistente basato sull’intelligenza artificiale integrato nell’ecosistema Power BI. Non sostituisce il modello semantico, le misure o il lavoro dell’analista, ma accelera diverse attività che normalmente richiedono tempo, soprattutto quando si parte da un report già ben organizzato.

Dal pannello laterale posso chiedere, per esempio, di riassumere una pagina, individuare le variazioni più importanti delle vendite o spiegare perché una regione ha ottenuto risultati inferiori rispetto alle altre. La risposta può includere riferimenti ai visual utilizzati, così diventa più semplice controllare da dove arriva l’informazione.

Per chi costruisce report, l’assistente può suggerire la struttura di una pagina, scegliere campi e visual adeguati, aggiungere o eliminare grafici e modificare il tipo di visualizzazione. La documentazione Microsoft indica anche la possibilità di creare sintesi narrative dell’intero report, di una pagina o di un singolo visual.

La distinzione più importante è questa: l’assistente interpreta il contenuto disponibile nel modello, non la realtà aziendale in astratto. Se una colonna si chiama Colonna1, una misura non ha descrizione o le relazioni sono sbagliate, anche una richiesta formulata molto bene può produrre un risultato poco utile.

Il rapporto tra Copilot e DAX

DAX, cioè Data Analysis Expressions, è il linguaggio usato in Power BI per creare misure, colonne calcolate e query analitiche. Copilot può aiutare soprattutto nella vista Query DAX, dove genera una query a partire da una descrizione in linguaggio naturale, la spiega e permette di modificarla in modo conversazionale.

Una richiesta come “mostra il profitto per prodotto nell’anno corrente e ordina i risultati dal valore più alto” può diventare una query simile a questa:

EVALUATE
TOPN(
    20,
    SUMMARIZECOLUMNS(
        'Prodotti'[Nome prodotto],
        "Profitto", [Profitto]
    ),
    [Profitto],
    DESC
)

Il codice è una bozza da eseguire e controllare, non una risposta definitiva. Prima di conservarlo conviene premere Run, osservare la griglia dei risultati e verificare che la misura [Profitto] esista davvero e abbia il comportamento atteso nei diversi contesti filtro.

Quando l’aiuto è davvero efficace

Lo strumento rende bene quando il modello contiene nomi chiari, misure già definite e relazioni coerenti. Per esempio, se esistono le misure [Vendite], [Costo] e [Margine percentuale], posso chiedere di confrontarle per canale, mese o area geografica senza descrivere ogni dettaglio tecnico della struttura.

È meno affidabile quando la richiesta richiede una logica aziendale non esplicitata. “Calcola i clienti attivi” può significare clienti con almeno un ordine negli ultimi 30, 60 o 90 giorni. Senza una definizione nella misura o nella descrizione del modello, l’assistente può scegliere un’interpretazione plausibile ma non corretta.

Un esempio di revisione conversazionale

Partirei da una richiesta semplice, come “crea una query DAX con il fatturato per regione”. Dopo aver visto il risultato, aggiungerei vincoli progressivi come “includi solo l’ultimo trimestre”, “aggiungi la variazione percentuale rispetto all’anno precedente” oppure “mostra anche il numero di clienti distinti”.

Questo metodo funziona meglio di un prompt enorme e ambiguo. Ogni modifica resta leggibile e posso capire quale parte della query è cambiata. La funzione di controllo sintattico riduce gli errori formali, ma non garantisce che la logica analitica sia quella corretta.

Come preparare il modello prima di usare l’intelligenza artificiale

La preparazione del modello è il passaggio che più spesso viene sottovalutato. Copilot utilizza metadati come tabelle, colonne, misure, relazioni e descrizioni per capire il significato dei dati. Non basta quindi avere una tabella piena di numeri: bisogna renderla comprensibile anche a chi non l’ha costruita.

• Usa nomi descrittivi come Data ordine, Quantità venduta e Margine netto.
• Evita duplicati e colonne tecniche visibili agli utenti se non servono per l’analisi.
• Definisci misure esplicite per gli indicatori principali invece di affidarti solo ai calcoli automatici.
• Inserisci descrizioni brevi per misure ambigue, spiegando unità, periodo e regole di calcolo.
• Controlla le relazioni tra tabella dei fatti e dimensioni come calendario, prodotto e cliente.
• Organizza le misure in cartelle e usa una tabella calendario correttamente collegata.

Una descrizione come “Margine netto dopo sconti e costi logistici, espresso in euro” è molto più utile di un nome generico. Secondo Microsoft, le descrizioni dei metadati aiutano Copilot a comprendere il modello, ma nel caso delle query DAX la descrizione utilizzata può essere limitata ai primi 200 caratteri.

Il modello a stella fa la differenza

Un modello a stella separa la tabella dei fatti, che contiene eventi e valori numerici, dalle dimensioni descrittive. Questa struttura rende più prevedibile il comportamento delle misure e riduce il rischio che l’assistente scelga campi simili ma semanticamente diversi.

Se, per esempio, hai una tabella vendite con due date, Data ordine e Data consegna, devi chiarire quale delle due governa ogni analisi. In caso contrario una domanda sulla “vendita mensile” potrebbe usare il calendario associato alla data sbagliata.

Come scrivere prompt che producono analisi utili

Un buon prompt non deve essere lungo, ma deve contenere obiettivo, metrica, dimensione, periodo e formato desiderato. “Analizza le vendite” è troppo generico. “Confronta il fatturato mensile del 2026 con il 2025, evidenzia le tre regioni con il calo maggiore e usa una sintesi per un direttore commerciale” offre invece un contesto molto più preciso.

La struttura che uso più spesso

1. Indico l’azione, per esempio confrontare, spiegare, classificare o riassumere.
2. Nomino la misura principale, come fatturato, margine o numero di clienti.
3. Specifica la dimensione di analisi, come mese, regione, prodotto o canale.
4. Aggiungo il periodo e gli eventuali filtri.
5. Chiedo il formato finale, ad esempio tabella, grafico, sintesi manageriale o query DAX.

Un prompt efficace per una sintesi potrebbe essere: “Scrivi una sintesi per il management sulle vendite del Nord Italia negli ultimi 12 mesi, concentrandoti su crescita, margine e prodotti in calo”. Se il report contiene già quei visual, Copilot può collegare la narrazione ai dati presenti nella pagina.

Per DAX, preferisco richieste ancora più esplicite. “Genera una query DAX che mostri per mese le vendite, il margine percentuale e la variazione rispetto allo stesso mese dell’anno precedente, usando la tabella calendario” delimita meglio il lavoro rispetto a “crea un’analisi delle vendite”.

Prompt da evitare

Le richieste vaghe, con termini come “migliore”, “importante” o “anomalo”, lasciano troppo spazio all’interpretazione. Anche i prompt che mescolano cinque obiettivi diversi rendono più difficile capire se il risultato è completo.

Quando la risposta non convince, non riscrivo tutto da zero. Aggiungo una condizione concreta, come “usa solo la misura [Vendite nette]”, “ignora i resi” oppure “mostra i valori assoluti oltre alle percentuali”. Nella pratica, una correzione mirata porta spesso a un risultato migliore di una richiesta più lunga.

Requisiti, limiti e controlli da non saltare

L’accesso non dipende soltanto dall’installazione di Power BI Desktop. Per le esperienze Copilot è generalmente necessaria una capacità Fabric a pagamento F2 o superiore oppure una capacità Power BI Premium P1 o superiore. Una licenza Power BI Pro o Premium Per User, da sola, non è sufficiente; inoltre le capacità di prova e gli SKU gratuiti non sono supportati.

L’amministratore deve abilitare le funzionalità Copilot nel portale Fabric e la capacità deve trovarsi in una regione supportata. Se Copilot non appare, controllerei nell’ordine la capacità dell’area di lavoro, le impostazioni amministrative, la presenza di un modello semantico selezionato e i permessi di modifica.

Limiti nella creazione dei report

La generazione di pagine non funziona in ogni scenario. Esistono limitazioni per modelli di streaming in tempo reale, connessioni live ad Analysis Services e alcuni modelli con misure implicite disattivate. I visual personalizzati non sono supportati e le modifiche di stile o formattazione possono rimanere a carico dell’autore.

Per questo considero la pagina generata una prima bozza operativa. Dopo la creazione verifico titoli, unità di misura, ordinamento, filtri, colori e accessibilità. Un grafico tecnicamente corretto può comunque comunicare male se usa una scala inadatta o confronta grandezze non omogenee.

Limiti nella generazione DAX

Le query vengono costruite sulla base dei metadati del modello corrente. Non possono inventare una misura che non esiste né conoscere una regola aziendale mai documentata. Alcune funzioni DAX introdotte di recente potrebbero inoltre non essere interpretate correttamente.

La risposta va verificata sotto tre aspetti. Primo, la sintassi. Secondo, il risultato numerico su casi semplici che conosci già. Terzo, il comportamento con filtri, segmentazioni e periodi diversi. Una query che restituisce il numero giusto in una pagina non è automaticamente corretta in ogni contesto.

La documentazione Microsoft segnala anche soglie tecniche che possono ridurre la disponibilità o il contesto utilizzato dall’assistente, per esempio modelli con più di 10.000 colonne totali, 5.000 misure o 2.000 relazioni. Non sono problemi comuni nei modelli ordinari, ma diventano rilevanti nei data warehouse molto estesi.

Leggi anche: DAX Studio con Power BI per capire e velocizzare il DAX

Privacy e responsabilità

Prima di abilitarlo, stabilirei quali dati possono essere analizzati e quali utenti possono visualizzare report e modelli. Le autorizzazioni esistenti restano fondamentali, ma la risposta generata può rendere più immediata la lettura di informazioni sensibili.

Per dati finanziari, risorse umane o clienti, introdurrei un controllo editoriale prima della condivisione. L’intelligenza artificiale è ottima per accelerare l’esplorazione, ma la responsabilità della definizione dell’indicatore e della decisione finale resta dell’organizzazione.

Un flusso di lavoro concreto per iniziare

Io partirei da un solo modello semantico e da una domanda aziendale ben definita, non da un test casuale. Il percorso più efficace è breve e ripetibile.

1. Controlla nomi, relazioni, calendario e descrizioni delle misure.
2. Apri il report e chiedi una sintesi della pagina corrente.
3. Confronta la risposta con i visual e con i filtri attivi.
4. Chiedi una modifica circoscritta, come aggiungere un confronto annuale.
5. Apri la vista Query DAX e genera una query su una metrica già verificata.
6. Esegui la query, controlla i risultati e conserva solo il codice comprensibile e utile.

Per un progetto commerciale potrei iniziare con “mostra il fatturato mensile per regione”. Dopo la prima verifica aggiungerei margine, clienti distinti e variazione annuale. Questo approccio permette di isolare gli errori e costruire fiducia senza delegare tutto il processo a una risposta automatica.

Un buon criterio è misurare il tempo risparmiato, non il numero di pagine generate. Se una bozza richiede più tempo per essere ripulita che per essere costruita manualmente, il problema può essere il modello dati, il prompt oppure il tipo di visual richiesto.

La combinazione migliore resta modello solido e giudizio analitico

Copilot in Power BI dà il meglio quando viene usato come acceleratore del lavoro analitico. Può aiutare a esplorare un report, creare una prima pagina, spiegare una query DAX e trasformare una domanda manageriale in un punto di partenza concreto.

Non lo userei però come fonte autonoma di verità. Un modello ordinato, misure documentate, prompt specifici e controlli sui risultati fanno una differenza molto più grande della semplice disponibilità dell’intelligenza artificiale.

La regola pratica è semplice: lascia all’assistente il lavoro ripetitivo e la prima esplorazione, ma conserva per te la definizione delle metriche, la validazione dei numeri e l’interpretazione delle decisioni. È questa combinazione che trasforma una funzione comoda in un vantaggio reale per l’analisi dei dati.