Data Formulator 0.7 zkouší přestavět analytiku enterprise dat kolem AI agentů

Microsoft Research spustil Data Formulator 0.7 jako analytické prostředí, kde AI agenti mají pomoct s celým procesem: přenesení enterprise dat do pracovního prostoru, jejich průzkum, analýza a převod do vizualizací. Nejde jen o generování grafu z promptu, ale o pokus spojit datovou přípravu, exploraci a vizualizaci do jednoho interaktivního procesu.

Agent, který má zvládnout přípravu dat, průzkum i vizualizaci v jednom kroku

Jádro přístupu je použití AI agentů přímo nad analytickou prací, ne jen jako chatovacím rozhraním nad výsledkem. Uživatel může přinést data z enterprise zdroje, průzkumně se ptát a nechat agenta navrhnout transformace i finální vizualizaci.

Pro Microsoft je to logický směr. Copilot a agentní rozhraní dávají větší smysl, když se opírají o strukturovaná firemní data, ne jen o dokumenty a chat. Data Formulator testuje, jestli lze tuto vrstvu postavit tak, aby ji zvládli lidé, kteří nejsou plnohodnotní data engineers.

Enterprise analytika má problém přesně tam, kde agent slibuje pomoc

Enterprise analytika má pořád hodně ručních kroků: úprava dat, výběr vhodného grafu, iterace dotazů, vysvětlení výsledku, příprava výstupu pro jiného člověka. Pokud agent tuto vrstvu zvládne, zrychlí práci lidí, kteří rozhodují podle dat každý den, ale nemají čas ani zázemí data engineer.

Pro firmy je zároveň důležitá kontrola. Lokální workflow a auditovatelné kroky mohou být snáze řiditelné než obecný AI asistent, který všechno řeší přes vzdálený model bez viditelného mezikroku.

Enterprise data jsou špinavá, chráněná a špatně zdokumentovaná: agent to musí zvládnout mimo demo

Nejtěžší část nebude samotné UI. Enterprise data jsou špinavá, chráněná oprávněními a často špatně zdokumentovaná. Aby nástroj fungoval mimo demo, musí zvládnout governance, audit, původ dat a jasné oddělení návrhu od ověřeného závěru.

Bez toho se může snadno stát, že agent vygeneruje vizualizaci, která vypadá přesvědčivě, ale stojí na špatném dotazu nebo nedokumentované transformaci. Falešná jistota z rychlého grafu je v enterprise prostředí dražší než pomalá ruční analýza.

Signálem bude integrace do Fabric nebo Power BI a reálné nasazení mimo research blog

Sledovat se vyplatí, jestli Data Formulator získá reálné integrace do Microsoft Fabric, Power BI nebo širšího Copilot stacku. Praktický důkaz bude jednoduchý: méně ruční práce při přípravě analýzy a méně falešné jistoty v grafech.

Pokud projekt zůstane ve stavu research demo bez produkční adopce, bude to signál, že analytická vrstva s agenty je těžší než UI naznačuje.

Lilithin verdikt

Data Formulator míří na místo, kde tabulka přechází v rozhodnutí. Agent tam slibuje vzít práci datového připravovatele, ale v enterprise prostředí uspěje jen tehdy, až si poradí s daty, která nejsou čistá a nikdy nebyla.