Cómo crear prompts iterativos en Copilot en Fabric: paso a paso

João Barros 07 de August de 2026 4 min de lectura

Este tutorial enseña a crear prompts iterativos en Copilot en Fabric para refinar resultados (texto, código, consultas) hasta obtener la respuesta deseada. Saber iterar con prompts es útil para reducir errores, adaptar outputs al contexto de la organización y acelerar tareas como generar SQL, DAX o explicaciones de modelos.

Requisitos previos

Cuenta con acceso a Microsoft Fabric y Copilot activado.
Permisos para abrir Workspaces y archivos relevantes (Notebook, SQL Endpoint, Dataflow).
Ejemplo de base de datos o archivo (CSV/Parquet) cargado en el Lakehouse o Warehouse para probar prompts.

Paso 1: Elegir el escenario y formular el primer prompt

Decide el objetivo concreto (ej.: generar una consulta SQL que compare ventas por categoría filtrando anomalías). Escribe un prompt inicial simple y directo. El primer prompt sirve para dar contexto e intención.

Prompt inicial (ejemplo):
"Tengo una tabla Sales en el Warehouse con columnas: OrderDate, Category, Amount. Quiero una query SQL que muestre ventas mensuales por Category y destaque meses con caída > 20% respecto al mes anterior."

Paso 2: Ejecutar en Copilot y analizar la respuesta

Inserta el prompt en una ventana de Copilot vinculada al recurso (ej.: SQL endpoint o Notebook). Cuando recibas la respuesta, léela e identifica puntos que necesitan clarificación: suposiciones, missing columns, performance.

Ejemplo de salida esperada (resumen):
-- SQL sugerido por Copilot
SELECT
  FORMAT(OrderDate, 'yyyy-MM') AS Month,
  Category,
  SUM(Amount) AS TotalAmount,
  LAG(SUM(Amount)) OVER (PARTITION BY Category ORDER BY FORMAT(OrderDate,'yyyy-MM')) AS PrevMonth
FROM Sales
GROUP BY FORMAT(OrderDate,'yyyy-MM'), Category
HAVING (TotalAmount < PrevMonth * 0.8);

Paso 3: Refinar con prompts iterativos — aclarar suposiciones

Pide a Copilot que explique suposiciones o adapte la query al formato de tu tabla. Por ejemplo, garantizar que OrderDate está en formato datetime y que la función FORMAT existe en el dialecto SQL de tu Warehouse.

Prompt de refinamiento:
"Gracias. ¿Confirmas que OrderDate es datetime y que el Warehouse soporta FORMAT y LAG? Si no, adáptalo para usar CONVERT/TO_CHAR y ventanas compatibles."

Paso 4: Corregir errores comunes con prompts focalizados

Si la primera versión genera error (ej.: función no soportada, agregación inválida con window), pide corrección específica. Indica el error que viste y solicita una solución alternativa.

Prompt de corrección:
"Al ejecutar recibí: 'Windowed aggregates not allowed'. Ajusta la query para calcular PrevMonth usando CTEs en lugar de window aggregate."

Paso 5: Pedir optimizaciones y consideraciones de rendimiento

Solicita a Copilot opciones de optimización: índices sugeridos, limitar el alcance temporal, usar PARTITIONing o pre-aggregate en Dataflow. Esto evita scans innecesarios en tablas grandes.

Prompt de optimización:
"Sugiere mejoras para performance en una tabla Sales con 100M+ filas. Propón índices, filtros iniciales y una versión que use CTE o temp table."

Paso 6: Validar resultado en el entorno (Notebook o SQL endpoint)

Ejecuta la versión final generada por Copilot en tu entorno. Si usas Notebook, copia el SQL en un bloque SQL y ejecútalo; si usas Warehouse, prueba en el SQL Editor. Anota cualquier mensaje de error para un nuevo ciclo de iteración.

Verificar el resultado

Confirma que la query se ejecuta sin errores y que los resultados tienen sentido: columnas esperadas, meses con caídas identificadas correctamente y rendimiento aceptable (tiempo de ejecución). Compara resultados con muestras manuales (ej.: resumir en Excel) para validar la lógica.

Conclusión

Los prompts iterativos en Copilot en Fabric ayudan a transformar una petición vaga en código o análisis precisos, reduciendo errores comunes y mejorando el rendimiento. Próximos pasos: automatizar el prompt final en un Notebook paramétrico o guardar versiones en un Repositorio. Consejo: mantén un historial de las iteraciones para replicar mejoras y preguntar — ¿qué hipótesis quieres probar a continuación?