Copilot en Microsoft Fabric: generar notebooks y pipelines con IA

Copilot en Microsoft Fabric está disponible en notebooks Spark y en Data Factory, ofreciendo asistencia de código en tiempo real, generación de transformaciones a partir de lenguaje natural y explicación de código existente.

Copilot en Notebooks

-- Prompt en el chat del notebook:
"Crea código PySpark para leer todos los archivos CSV de la carpeta
 Files/raw/ventas/, eliminar duplicados por id_venta y guardar
 en formato Delta en la tabla bronze_ventas con columnas de
 auditoría (ingest_ts, source_file)"

-- Copilot genera:
from pyspark.sql.functions import current_timestamp, input_file_name

df = (spark.read
    .format("csv")
    .option("header", "true")
    .option("inferSchema", "true")
    .load("Files/raw/ventas/*.csv")
    .dropDuplicates(["id_venta"])
    .withColumn("ingest_ts", current_timestamp())
    .withColumn("source_file", input_file_name()))

df.write.format("delta").mode("append").saveAsTable("bronze_ventas")

Explicar código existente

// Seleccione un bloque de código → haga clic en "Explain" en Copilot
// Copilot explica en lenguaje claro lo que hace el código, línea a línea

Corregir errores automáticamente

// Cuando una celda falla, el banner de error incluye
// un botón "Fix with Copilot" — analiza el traceback
// y propone una corrección con explicación

Copilot en Data Factory (Fabric)

Prompt: "Crea un pipeline que lea datos de la tabla SQL Server
         dbo.Clientes, filtre registros actualizados en las
         últimas 24 horas y los cargue en el Lakehouse
         tabla silver_clientes"

→ Copilot genera el pipeline con:
  - Copy Activity (SQL Server → Lakehouse)
  - Expresión dinámica para el filtro de fecha
  - Mapeo de esquema automático

Conclusión

Copilot en Fabric acelera significativamente las tareas repetitivas de ingeniería de datos. Úselo para el scaffolding inicial, la explicación de código heredado y la corrección de errores — pero revise siempre el código generado antes de promover a producción.