Configurar o Gemini no BigQuery

Antes de usar o Gemini no BigQuery, que oferece assistência com tecnologia de IA para sua análise de dados, sua equipe precisa fazer o seguinte:

  1. Ativar as APIs necessárias e conceder papéis.
  2. Ativar os recursos do Gemini no BigQuery no console Google Cloud .

Alguns recursos do Gemini no BigQuery estão disponíveis sem custo financeiro adicional, enquanto outros exigem uma cota, que é conquistada usando a capacidade de computação. Para saber mais sobre o uso dos recursos do Gemini no BigQuery, consulte Preços do Gemini no BigQuery.

Ativar as APIs necessárias e conceder perfis

Para usar o Gemini no BigQuery, ative as APIs exigidas e conceda os perfis necessários do Identity and Access Management (IAM). Normalmente, essa etapa é realizada por um administrador de serviços ou proprietário do projeto com a permissão serviceusage.services.enable do IAM. Para uma lista de APIs e serviços usados pelo BigQuery, consulte Gerenciar dependências da API BigQuery.

  1. No console Google Cloud , com seu projeto selecionado, acesse a página BigQuery Studio.

    Acessar o BigQuery Studio

  2. Confira um recurso do Gemini no BigQuery no console Google Cloud . Por exemplo, no BigQuery Studio, passe o cursor sobre o ícone pen_spark Gemini.

    Botão do Gemini na barra de ferramentas do BigQuery.

    Você vai receber uma solicitação para ativar outras APIs do Google Cloud.

  3. Clique em Continuar para começar a ativar as APIs do Google Cloud necessárias. Um painel lateral lista as APIs necessárias para usar o Gemini no BigQuery.

  4. Para cada uma delas, clique em Ativar para ativar a API no projeto atual e clique em Próxima.

  5. Para conceder às entidades principais os perfis do IAM necessários para usar o Gemini no BigQuery, insira os nomes de usuário deles. Os seguintes perfis concedem as permissões necessárias para usar o Gemini:

  6. Clique em Concluído.

Ativar os recursos do Gemini no BigQuery

Se você é um analista de dados, cientista de dados ou desenvolvedor que quer usar recursos específicos do Gemini no BigQuery para escrever consultas SQL e código Python, ative o recurso no console Google Cloud . Para saber como ativar os recursos, consulte Antes de começar em "Escrever consultas com a assistência do Gemini". Os usuários com os perfis ou permissões do IAM necessários podem acessar os recursos do Gemini no BigQuery que você ativou para o projeto Google Cloud . Para mais informações, consulte Visão geral do Gemini para Google Cloud .

Usar insights de dados e recursos de geração automática de metadados

Os insights de dados do BigQuery e os recursos de geração automática de metadados estão disponíveis para clientes que usam o BigQuery on demand para computação, a edição Enterprise ou a edição Enterprise Plus. A cota de verificações de insights de dados e geração de metadados se baseia no uso desses modelos de computação no nível da organização. Para informações sobre cotas desses recursos, consulte Cotas do Gemini no BigQuery.

Se sua organização estiver usando a edição Standard do BigQuery somente para computação, use o Gemini Code Assist Standard, que inclui insights de dados e recursos de geração automática de metadados, além dos recursos listados na Visão geral de preços do Gemini Code Assist Standard e Enterprise. Para saber como comprar o Gemini Code Assist Standard, consulte Comprar uma assinatura do Gemini Code Assist Standard e siga as instruções para adquirir a edição Standard.

Ativar os recursos em fase de pré-lançamento do Gemini no BigQuery

Alguns recursos do Gemini no BigQuery em fase de pré-lançamento fazem parte do programa Trusted Tester. Para solicitar acesso a esses recursos, um administrador precisa preencher o formulário de inscrição para pré-GA do Gemini no BigQuery. O acesso aos recursos do Gemini no BigQuery em pré-GA é ativado periodicamente em lotes.

Recursos em fase de pré-lançamento que exigem inscrição no Gemini no BigQuery:

  • Conclusão de consultas SQL (pré-lançamento)
  • Geração automática de metadados para insights de dados (pré-lançamento)
  • Expressões em linguagem natural no SQL (experimental)
  • Insights de conjuntos de dados com o mecanismo de conhecimento do BigQuery (pré-lançamento)

A seguir