Từ zero agentic AI đến Power BI DAX Agent trong 3 tháng: bài học thật về guardrails

3 tháng trước tôi chưa từng viết một Python agent

Tôi làm Power BI hơn 10 năm: DAX, data model, governance đều quen tay. Nhưng agentic AI thì gần như bắt đầu từ đầu.

Lý do tôi vẫn làm là vì thấy một pattern lặp lại ở nhiều team: một người vừa gánh BI vừa gánh thêm 2-3 việc khác, không có BI team riêng, model lớn dần và mỗi lần sửa đều tăng rủi ro. Đây không chỉ là bài toán developer. Đây là bài toán guardrails.

Bài học lớn nhất: khó nhất không phải AI, mà là validation

Tạo DAX bằng AI không khó. Khó là tạo DAX đúng với schema cụ thể, phát hiện được lỗi trước khi áp dụng, và không cho phép “lưu đại” khi chưa đủ độ tin cậy.

Sau vài vòng thử-sai, phần quan trọng nhất lại là lớp kiểm soát:

• Không gửi metadata/model context vào AI trước khi qua bước sanitization có người review.
• Không ghi thay đổi vào model nếu chưa có approval rõ.
• Kiểm tra impact trước thay đổi (lineage/dependency) để biết cái gì sẽ gãy.
• Lưu measure vào thư viện có audit trail để truy ngược được quyết định.
• Chặn trùng lặp trước khi generate để giảm rác và xung đột logic.

Điểm khác biệt thật sự: confidence-first, không speed-first

Nhiều stack hiện tại tối ưu tốc độ code. Mô hình này ưu tiên sự tự tin khi vận hành BI thật: người phụ trách cần biết vì sao thay đổi này an toàn, không chỉ biết rằng AI trả về rất nhanh.

Workflow gợi ý cho team nhỏ muốn triển khai kiểu an toàn

1. Chuẩn hoá metadata vào/ra: xác định phần nào được phép đưa vào agent, phần nào phải ẩn/scrub.
2. Tách rõ 2 tầng: generate (AI) và approve/apply (con người).
3. Bắt buộc pre-check: dependency + duplicate + syntax gate trước khi save.
4. Bắt buộc post-check: regression test các measure quan trọng sau apply.
5. Lưu vết: mọi thay đổi cần có ai duyệt, khi nào duyệt, đổi gì, rollback thế nào.

Điều tôi rút ra sau 3 tháng

Không cần đợi “tool hoàn hảo” mới bắt đầu. Nhưng nếu bỏ qua guardrails, bạn sẽ đổi tốc độ lấy rủi ro. Trong môi trường BI thật, đó là trade-off rất đắt.

Nếu bạn đang quản trị Power BI ở team nhỏ hoặc mid-size, hãy bắt đầu từ câu hỏi này: mỗi thay đổi trong model có đang đi qua một đường kiểm soát đủ chặt chưa?

Xem thêm các bài triển khai hệ thống tại case study hoặc gửi hiện trạng tại form tư vấn.

Nhận khung guardrails cho BI workflow của bạn

Nguồn tham chiếu

• GitHub — data-goblin/power-bi-agentic-development
• Claude Code Docs — Overview
• Microsoft Learn — Work with TMDL view in Power BI Desktop
• Microsoft Learn — Tabular Model Definition Language (TMDL) overview