Copilot no Microsoft Fabric: gerar notebooks e pipelines com IA

O Copilot no Microsoft Fabric está disponível em notebooks Spark e em Data Factory, oferecendo assistência de código em tempo real, geração de transformações a partir de linguagem natural e explicação de código existente.

Copilot em Notebooks

-- Prompt no chat do notebook:
"Cria código PySpark para ler todos os ficheiros CSV da pasta
 Files/raw/vendas/, remover duplicados por id_venda e gravar
 em formato Delta na tabela bronze_vendas com colunas de
 auditoria (ingest_ts, source_file)"

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

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

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

Explicar código existente

// Seleccione um bloco de código → clique "Explain" no Copilot
// Copilot explica em português o que o código faz, linha a linha

Corrigir erros automaticamente

// Quando uma célula falha, o banner de erro inclui
// um botão "Fix with Copilot" — analisa o traceback
// e propõe correcção com explicação

Copilot no Data Factory (Fabric)

Prompt: "Cria um pipeline que lê dados do SQL Server tabela
         dbo.Clientes, filtra registos actualizados nas
         últimas 24 horas e carrega para o Lakehouse
         tabela silver_clientes"

→ Copilot gera o pipeline com:
  - Copy Activity (SQL Server → Lakehouse)
  - Dynamic expression para filtro de data
  - Schema mapping automático

Conclusão

O Copilot no Fabric acelera significativamente tarefas repetitivas de data engineering. Use-o para scaffolding inicial, explicação de código legado e correcção de erros — mas reveja sempre o código gerado antes de promover para produção.