翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# Amazon Quick Chat の説明
Amazon Quick では、ダッシュボードやデータセットとチャットするときに、モデルが使用したデータソース、前提条件、フィルター、計算、SQL クエリなど、各数値クレームにモデルがどのように到達したかを示す説明が各回答に含まれます。元のソースを見つけてロジックを再作成することで各回答を手動で検証する代わりに、ボタンをクリックするとモデルの前提条件を直接確認できます。
## ダッシュボードとチャットする
ダッシュボードデータとチャットするときに、説明 を開いて、選択したダッシュボードとシートを確認します。どのフィルターが適用されたかも確認できます。これにより、回答がインテントと一致するかどうかを検証できます。
たとえば、「Test Drive Conversion」ダッシュボードを開き、「どの電気自動車モデルがほぼ完全な満足度スコアを持ち、変換率が低いか」と尋ねるとします。一部の車がうまくドライブをテストしているが、販売につながらないかどうかを確認します。説明を開き、前提セクションを確認します。チャットでは、車両モデルの命名用語を使用して「電気自動車モデル」を定義しました。「E」 (電気) または「SE」 (スポーツ電気) で終わる名前を検索しました。ほとんどの場合、これは正しいかもしれませんが、精度を確保するために最適なフィールドは「Vehicle\_fueltype」です。チャットに直接「電気自動車を識別するために車両の燃料タイプを使用します」と入力します。次に、更新されて正しい説明を開きます。
### 説明コンポーネント
+ **「」でデータ**を検索 — インサイトのソースとなったダッシュボードと対応するシートを表示します。
+ **フィルター** – 回答に到達するために使用されたダッシュボードフィルター値を一覧表示します。
+ **前提** – 大規模言語モデル (LLM) から派生した定義を、データから直接 (エージェントの指示を参照するなど) または世界の知識から解凍します。
+ **計算の説明** — モデルが回答に到達するために実行した計算を自然言語と数式の両方で表示します。
## データセットとチャットする
データセットと直接チャットすると、生成された SQL クエリが表示されます。これらのクエリを使用して、モデルがインテントを理解したことを確認します。自動車ディーラーの例では、「ノーショー率とは何ですか？」と質問するとします。
+ **で見つかったデータ** – インサイトのソースとなるデータセットを表示します。
+ **前提** — データから直接 (データセットレベルの記述メタデータを参照するなど）、または世界の知識から LLM 派生の定義を解凍します。
+ **計算の説明** — モデルが回答に到達するために実行した計算を自然言語と数式の両方で表示します。
+ **Generated SQL** – 各数値クレームを生成した特定の SQL クエリを表示します。
