> For the complete documentation index, see [llms.txt](https://docs.powerembedded.com.br/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.powerembedded.com.br/portal-de-administracao/power-pilot-gen2-ia/aderencia-de-ia.md).

# Aderência de IA

A **Aderência de IA** é uma análise automática que avalia o quão bem o seu modelo de dados do Power BI está preparado para ser utilizado por um assistente de IA. A pontuação gerada indica o nível de qualidade e clareza do dataset quanto maior o score, mais precisas e confiáveis serão as respostas do assistente.

{% embed url="<https://youtu.be/g4bitIXYayg>" %}
Aderência de IA
{% endembed %}

Um modelo mal estruturado ou com nomenclaturas confusas dificulta a geração de consultas DAX corretas pela IA, impactando diretamente na experiência do usuário final.

Para verificar Aderência à IA: **Power Pilot – IA > Assistente Gen2 > Ações >  Aderência à IA**

<figure><img src="/files/ceMvazLRHgwJgsU55SJR" alt=""><figcaption></figcaption></figure>

#### Score geral e categorias

O resultado é apresentado como um **score de 0 a 100**, composto por seis categorias com pesos distintos:

<figure><img src="/files/R8ZNX9iQbhy4Yzi1NcJ5" alt=""><figcaption></figcaption></figure>

| Categoria              | Peso | O que avalia                                                               |
| ---------------------- | ---- | -------------------------------------------------------------------------- |
| **Modelagem**          | 15%  | Estrutura do modelo: relacionamentos, tabelas isoladas e organização geral |
| **Nomenclatura**       | 30%  | Clareza dos nomes de tabelas, colunas e medidas                            |
| **Descrições**         | 20%  | Presença de descrições em tabelas, colunas e medidas visíveis              |
| **Redundância**        | 15%  | Existência de colunas ou medidas duplicadas ou desnecessárias              |
| **Higiene dos dados**  | 10%  | Qualidade dos dados: nulos, formatação e consistência                      |
| **Medidas explícitas** | 10%  | Uso de medidas DAX em vez de agregações implícitas                         |

**Escala de classificação:**

| Faixa    | Classificação |
| -------- | ------------- |
| 90 – 100 | Excelente     |
| 75 – 89  | Bom           |
| 50 – 74  | Regular       |
| 0 – 49   | Crítico       |

#### Informações da execução

Cada análise registra os seguintes metadados:

| Campo                    | Descrição                                         |
| ------------------------ | ------------------------------------------------- |
| **Analisado em**         | Data e hora da execução                           |
| **Versão do analisador** | Versão do motor de análise utilizado              |
| **Modelo de IA**         | Modelo LLM utilizado para interpretar o dataset   |
| **Tokens utilizados**    | Quantidade de tokens consumidos (entrada / saída) |
| **Custo estimado**       | Custo aproximado em dólar da análise              |
| **Duração**              | Tempo total de execução em milissegundos          |

#### Problemas detectados

Abaixo do score são listados todos os problemas identificados, organizados por categoria e severidade. Cada item inclui a localização (tabela, coluna ou medida afetada), a descrição do problema e uma sugestão da IA de como corrigi-lo.

**Exemplos de problemas comuns:**

| Categoria    | Problema                                                        | Sugestão                                                                                            |
| ------------ | --------------------------------------------------------------- | --------------------------------------------------------------------------------------------------- |
| Modelagem    | Tabela sem nenhum relacionamento                                | Conecte-a ao modelo ou remova-a tabelas isoladas raramente permitem cruzamento de dados pela IA     |
| Nomenclatura | Nome com caracteres especiais (ex: `Atingimento de meta comp.`) | Use apenas letras, dígitos e espaços                                                                |
| Nomenclatura | Nome pouco claro (ex: `AnoMesINT`, `Coluna 1`, `Texto`)         | Renomeie para algo descritivo e explícito sobre o conteúdo                                          |
| Descrições   | Tabela sem descrição                                            | Documente o que cada tabela representa a IA usa isso para escolher as tabelas corretas ao gerar DAX |
| Descrições   | Coluna visível sem descrição                                    | Descreva o significado e a unidade da coluna                                                        |


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.powerembedded.com.br/portal-de-administracao/power-pilot-gen2-ia/aderencia-de-ia.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.