Các doanh nghiệp thường tốn nhiều giờ để thiết lập hạ tầng, cấu hình và viết truy vấn cho các hệ thống giám sát dữ liệu thời gian thực từ nhiều địa điểm. Microsoft vừa chứng minh khả năng rút ngắn quy trình này xuống chỉ còn vài phút bằng cách sử dụng AI và ngôn ngữ tự nhiên trong nền tảng Microsoft Fabric.
Trong một ví dụ thực tế, Microsoft đã xây dựng một hệ thống giám sát thời tiết cho 11 thành phố của Mỹ đăng cai FIFA World Cup 2026 trong chưa đầy 5 phút, thay vì hàng giờ làm việc thủ công. Giải pháp này cho thấy tiềm năng to lớn của AI trong việc tự động hóa các tác vụ kỹ thuật phức tạp, giúp doanh nghiệp tăng tốc độ triển khai và tập trung vào việc khai thác giá trị từ dữ liệu.
Từ hơn 42 bước thủ công xuống còn một câu lệnh
Theo cách truyền thống, việc xây dựng một pipeline trên Fabric Eventstream đòi hỏi người dùng phải thực hiện khoảng 42 tương tác (nhấp chuột và nhập liệu) và mất hơn 5 phút cho mỗi nguồn dữ liệu. Với 11 thành phố, công việc lặp đi lặp lại này sẽ tiêu tốn ít nhất một giờ đồng hồ trước khi có bất kỳ dữ liệu nào bắt đầu chảy về.
Với tính năng AI Skills mới của Fabric, đội ngũ của Microsoft chỉ cần nhập một câu lệnh duy nhất bằng ngôn ngữ tự nhiên để mô tả kết quả mong muốn:
Tạo một eventstream tên là WorldCupUSCitiesWeatherFeed cho tất cả 11 thành phố đăng cai World Cup của Mỹ bao gồm Miami, Dallas, Atlanta, Houston, Seattle, Los Angeles, Philadelphia, Kansas City, San Francisco, New York và Boston. Thu thập thời tiết thời gian thực cho mỗi thành phố, lọc các điều kiện sốc nhiệt khi độ ẩm tương đối vượt quá 70%, và đưa các sự kiện đã lọc vào cơ sở dữ liệu KQL WorldCupCities của tôi. Đặt trường locationName tùy chọn trong luồng thời tiết thành tên của thành phố tương ứng.
AI Skill (sử dụng mô hình Claude Opus 4.6) đã tự động phân tích yêu cầu, xác định các tài nguyên cần thiết và xây dựng một kiến trúc Eventstream hoàn chỉnh. Kiến trúc này bao gồm 11 nguồn dữ liệu (một nguồn RealTimeWeather cho mỗi thành phố), một toán tử Filter và một đích đến là Eventhouse. Toàn bộ quá trình từ tạo, triển khai đến xác thực pipeline chỉ mất chưa đầy bốn phút.
Cơ chế hoạt động
Kiến trúc được AI tự động tạo ra bao gồm ba thành phần chính, hoạt động liền mạch để thu thập, xử lý và lưu trữ dữ liệu.
Lọc các điều kiện quan trọng
Luồng dữ liệu thời tiết thô chứa hàng chục trường thông tin như nhiệt độ, tốc độ gió, chỉ số UV, lượng mưa… không phải tất cả đều cần thiết. Eventstream đã triển khai một toán tử Filter để chỉ giữ lại các sự kiện có độ ẩm tương đối (relativeHumidity) vượt quá 70% – ngưỡng làm tăng đáng kể nguy cơ sốc nhiệt khi hoạt động thể chất ngoài trời.
Luồng xử lý dữ liệu tự động
Kiến trúc pipeline tuân theo một mô hình đơn giản nhưng hiệu quả:
- Nguồn Real-Time Weather: Tự động lấy dữ liệu thời tiết chỉ bằng tên địa điểm hoặc tọa độ. Doanh nghiệp không cần đăng ký Azure hay cấu hình Event Hub phức tạp.
- Toán tử Filter: Đánh giá mỗi sự kiện dựa trên điều kiện độ ẩm đã định sẵn.
- Đích đến Eventhouse: Các sự kiện vượt qua bộ lọc được ghi vào một bảng chung có tên
HeatStressAlertstrong cơ sở dữ liệu Eventhouse KQL, đồng thời được gắn thẻ tên thành phố tương ứng.
Truy vấn dữ liệu đa địa điểm theo thời gian thực
Khi dữ liệu đã tập trung tại Eventhouse, việc phân tích chéo giữa các địa điểm trở nên cực kỳ đơn giản. Người dùng có thể đặt câu hỏi bằng ngôn ngữ tự nhiên và AI sẽ tự động tạo và thực thi truy vấn KQL tương ứng.
Ví dụ, khi được hỏi: “Sân vận động World Cup nào hiện đang trong điều kiện sốc nhiệt? Cho tôi xem các chỉ số mới nhất được sắp xếp theo độ ẩm tương đối”, AI đã trả lời:
Miami có độ ẩm 83%. Houston là 76%. Atlanta là 72%. Ba địa điểm đang vượt ngưỡng sốc nhiệt.
Câu trả lời này được tạo ra từ dữ liệu do một truy vấn KQL (do AI tự sinh) trả về, cho thấy khả năng tương tác với dữ liệu phức tạp một cách trực quan.
Mở rộng ra ngoài khuôn khổ thể thao
Kiến trúc giám sát thời gian thực đa địa điểm này có thể được áp dụng rộng rãi cho nhiều ngành nghề khác nhau, không chỉ giới hạn ở các sự kiện thể thao. Các mô hình ứng dụng tiềm năng bao gồm:
- Bán lẻ: Giám sát cảm biến môi trường tại các chuỗi cửa hàng.
- Logistics: Theo dõi tình trạng đội xe trên nhiều khu vực.
- 제조: Thu thập dữ liệu từ thiết bị tại nhiều nhà máy.
- Y tế: Giám sát thiết bị của bệnh nhân tại các khu vực khác nhau trong bệnh viện.
Điểm cốt lõi là việc triển khai một Eventstream phức tạp với 11 nguồn dữ liệu, bộ lọc và nhiều đích đến giờ đây có độ phức tạp tương đương với việc triển khai một pipeline đơn giản. Doanh nghiệp chỉ cần mô tả mô hình một lần và AI sẽ xử lý phần còn lại.
Bắt đầu ngay hôm nay
Tính năng Eventstream AI Skills hiện hoạt động với GitHub Copilot CLI, Claude Code, VS Code Copilot, Cursor và Windsurf. Doanh nghiệp có thể tự mình thử nghiệm với kịch bản World Cup hoặc điều chỉnh cho các nhu cầu giám sát đa địa điểm của riêng mình. Tính năng này hỗ trợ 25 loại nguồn dữ liệu khác nhau, mở ra nhiều khả năng sáng tạo trong việc xây dựng các pipeline dữ liệu thời gian thực.
