Novidades na criação do dashboard de IA do Kibana

Capacidade

Prévia técnica (9.4)

GA (9,5)

Tratamento de erros

Sem nova tentativa em consultas ES|QL

Tenta novamente automaticamente até três vezes, com inspeção e ajuste da consulta

Custo de geração ES|QL

Todas as consultas são roteadas pelo modelo primário

Roteamento em camadas de modelos, até 5 vezes mais barato

Intervalo de tempo

Janela padrão fixa

Seleção automática baseada na distribuição temporal dos dados

Controles de filtro

Sem suporte

Adicionado automaticamente para os campos mais relevantes

Gráficos Vega-Lite

Sem suporte

Criação em linguagem natural, incluindo diagramas de dispersão, diagramas de caixa, formatação condicional e dicas de ferramenta personalizadas

Edição de gráficos

Sem suporte

Editar painéis existentes do Vega-Lite usando linguagem natural

Recuperação automática de erros para geração de dashboards por IA

Na prévia técnica, o agente não tentou novamente as consultas ES|QL com falha. Na versão 9.5, ele detecta erros de consulta e tenta até três vezes, inspecionando cada erro e ajustando a consulta antes de desistir. Na prática, isso elimina a maioria dos problemas de painéis vazios e produz dashboards que renderizam corretamente na primeira tentativa.

Por que a criação de dashboards de IA é mais barata no Elastic 9.5?

Nem toda etapa na geração de dashboards exige o mesmo nível de raciocínio. Na 9.5, ES|QL passa por um modelo mais leve por padrão e retorna ao modelo primário apenas quando necessário. Se seu conector usa o Claude Opus 4.8 da Anthropic, isso significa que a geração de ES|QL em todos os painéis fica 5 vezes mais barata.

Seleção automática do intervalo de tempo com base nos seus dados

Dashboards só são úteis quando mostram o intervalo de dados correto. Agora, o agente aplica uma lógica aprimorada para escolher um intervalo de tempo que faça sentido para os dados que está consultando, a menos que o usuário solicite um intervalo de tempo específico. Ele considera a distribuição temporal dos dados e ajusta o intervalo de acordo, seja para a última hora em um incidente em andamento ou para os últimos 90 dias em uma análise de tendências, em vez de recorrer a uma janela fixa.

Controles automáticos de filtro em dashboards gerados por IA

A criação de dashboards agora oferece suporte a controles; ou seja, filtros interativos que permitem aos usuários filtrar um dashboard pelos valores dos campos sem editar as consultas subjacentes. Ao gerar um dashboard, o agente adiciona automaticamente controles na parte superior para os campos mais relevantes para filtragem.

Gráficos Vega-Lite a partir da linguagem natural: tipos de gráficos e formatação além dos padrões

Vega e Vega-Lite suportam uma ampla variedade de tipos de gráficos e personalizações no Kibana. Com a versão 9.5, você pode criá-los a partir de uma linguagem natural em vez de escrever o código você mesmo. 

Diagramas de dispersão, diagramas de caixa e mais tipos de gráficos Vega-Lite

Diagramas de dispersão, gráficos de caixa, múltiplos pequenos facetados, gráficos de bolhas e gráficos de composição (como combinar histogramas com mapas de calor), entre muitos outros, são suportados pelo Vega-Lite. Um prompt como Mostre-me um gráfico de dispersão entre tempo de resposta e tamanho da requisição, colorido pelo nome do serviço, gera um painel Vega-Lite com os mapeamentos de dados corretos. Usam as paletas de cores padrão do Kibana para se misturar com o restante do dashboard.

Formatação condicional, dicas de ferramentas personalizadas e rótulos em gráficos padrão

Mesmo para tipos de gráficos que já são nativos de dashboards, como barra, linha ou área, às vezes você precisa de mais controle do que as capacidades padrão oferecem. O Vega-Lite via chat preenche essa lacuna. Alguns exemplos incluem:

• Formatação condicional de cores: colorir pontos de dados acima de um limiar de forma diferente; por exemplo, tornar vermelhos os pontos de dados em uma linha ou barras quando algum indicador ultrapassa seu objetivo de nível de serviço (SLO). Peça ao agente algo como pinte de vermelho qualquer ponto acima de 500ms no meu gráfico de linhas.

  

• Marcas e etiquetas personalizadas: adicione emojis, símbolos ou etiquetas de texto em linha aos pontos de dados para indicadores de status de fácil visualização.

  

• Dicas de ferramentas personalizadas: enriqueça as dicas exibidas ao passar o cursor com mais métricas, contexto ou valores calculados que não fazem parte dos eixos do gráfico. Peça algo como Adicionar uma dica de ferramenta que mostre o total de registros e a % por barra.

  

Isso também funciona para editar gráficos Vega existentes. Se você tem um painel Vega-Lite que precisa de ajustes, como alterar uma escala de cores, ajustar um eixo ou mudar o tipo de marca, descreva a mudança no bate-papo em vez de se aprofundar no código JSON.

Como construímos a geração em linguagem natural do Vega-Lite no Kibana

Gerar um gráfico Vega-Lite a partir de uma frase não consiste em fazer um único prompt para o modelo gerar o JSON. Construímos um pequeno pipeline autônomo que transforma a intenção em linguagem natural em um gráfico validado e respaldado por dados.

Quando um pedido chega, o agente primeiro determina se o Vega-Lite é a opção adequada. Para requisições Vega-Lite, a visualização se baseia em uma consulta ES|QL real no Elasticsearch e então usa um modelo para gerar o código Vega-Lite. Antes da renderização, o resultado passa por uma camada de normalização que corrige o esquema e vincula a consulta canônica. Também aplica transformações para segurança na renderização.

Algumas escolhas de design tornam esse fluxo de trabalho confiável:

• Chamada tipada de ferramenta: a criação de gráficos é uma invocação de ferramenta estruturada, em vez de um código Vega-Lite de formato livre colado na conversa.

• Geração restrita: o modelo gera código Vega-Lite dentro de um esquema definido, tornando a saída mais previsível e fácil de validar.

• Exemplos selecionados: padrões estruturais, como facetas, marcas em camadas e mapas de calor, fornecem orientação sem copiar os dados subjacentes.

• Loops de execução e verificação: as consultas são executadas antes da criação do gráfico e as falhas de validação acionam novas tentativas corretivas para a geração de ES|QL.

Experimente a criação de dashboards por IA e gráficos Vega-Lite em Kibana

Para experimentar a criação de dashboards em linguagem natural e os gráficos Vega-Lite, atualize para o Elastic 9.5 (ou inicie um teste gratuito) e abra o chat no Kibana. Depois, peça para ele criar um dashboard a partir dos seus dados. Para Vega-Lite, tente pedir um tipo de gráfico que você sempre quis, mas nunca construiu, como um gráfico de dispersão ou um gráfico de bolhas. Se o resultado não estiver totalmente certo, diga ao agente o que mudar. Ele itera com você.

Isso requer uma licença empresarial. Comece agora mesmo.

O lançamento e o cronograma de quaisquer recursos ou funcionalidades descritos neste artigo permanecem a exclusivo critério da Elastic. Os recursos ou funcionalidades não disponíveis no momento poderão não ser entregues no prazo previsto ou sequer serem disponibilizados.