Brazil TUG 11 Dec 2025
Tableau como produto de dados com GEN AI Conversacional integrada
49 min 6,654 words transcribed
Summary
This session is in Portuguese. The Brazil Tableau User Group's twelfth and final meeting of 2025, Tableau como produto de dados com GEN AI Conversacional integrada (Tableau as a data product with integrated conversational generative AI), features Mario Takami of IN10.
Host Verônica Simões, a Tableau Visionary and Tableau Ambassador who has worked with Tableau since it reached Latin America in 2011, recalls founding the Rio, São Paulo and Fortaleza communities in 2013 and merging them into one Brazilian community two years ago, now with more than 700 members. Verônica frames the session around Viz Extensions and the third-party products shown at Tableau Conference.
Mario explains why IN10 built iKnow: the full data journey from raw data through ETL and storage to a usable gold layer is slow and costly, so the product delivers a managed data lake built on a medallion architecture, embedded Tableau dashboards and a conversational AI layer as a service, aiming to flip the usual 80/20 split between getting data and analyzing it. The biggest barrier to conversational AI, Mario argues, is sending company data to external LLM APIs. Tableau's LangChain integration with the VizQL Data Service lets a team run an open source framework on its own infrastructure and use Tableau's semantic layer as context to keep hallucinations low. A short Tableau Conference clip shows the approach on Tableau Server. In a live demo, Mario shows the product's access controls by company, area and person, embedded HR dashboards, and an assistant that only answers from the datasets a user is allowed to see, returning an absenteeism rate with the period and definition it used. Verônica adds that Tableau Server 2025.3 now lets you connect your own OpenAI key for an AI assistant in dashboards.
In Q&A, attendee Luiz Corrêa asks whether AI features require Tableau Cloud and how a separate data lake and LLM compare with services like Claude. Mario and Verônica explain that answer quality depends on data quality and business context, and that the open architecture lets teams pick their own LLM or buy a governed service such as Tableau Agent.
Key points
- The hardest and most expensive part of most analytics projects is the data journey before Tableau: ingestion, ETL, storage and modeling.
- Concern about sending company data to external LLM APIs is one of the main barriers to adopting conversational AI.
- Tableau's LangChain integration with the VizQL Data Service lets you run an open source LLM framework on your own infrastructure.
- Business rules built into Tableau data sources give an LLM the semantic context it needs to keep hallucinations low.
- A conversational assistant should only see the datasets a user is allowed to access, with governance by company, area and person.
- Good answers state their assumptions, such as the exact date range and how a metric is defined.
- Extra business rules kept outside the data source can further reduce hallucinations.
- Tableau Server 2025.3 lets you connect your own OpenAI key to add an AI assistant to dashboards without Tableau Plus.
- Answer quality depends on data quality and business context more than on which LLM you choose.
- The architecture is open: pick your own LLM and framework, or buy a ready-made, governed service such as Tableau Agent.
Jump to a chapter (20)
- 0:00 Welcome from Verônica Simões
- 1:49 Becoming a Tableau Visionary and Ambassador
- 2:34 Introducing Mario Takami
- 3:45 Why the data journey is so hard
- 5:20 What iKnow delivers
- 8:36 Medallion architecture and the 80/20 flip
- 10:16 The barrier: sending data to external LLM APIs
- 12:50 Open source LLMs with the VizQL Data Service
- 17:19 Tableau Server 2025.3 and bring-your-own OpenAI key
- 19:00 LangChain and the semantic layer
- 20:43 Tableau Conference clip: an agent on Tableau Server
- 23:07 Demo: users, governance and embedded dashboards
- 26:21 Demo: asking the HR assistant
- 31:05 Q&A: asking questions of the data directly
- 33:55 Q&A: does AI require Tableau Cloud?
- 37:33 An alternative to Einstein and Agentforce
- 41:15 Q&A: MCP, Claude and trusting an LLM
- 44:01 Answer quality comes from data and context
- 45:25 Pick your LLM or buy a governed service
- 48:09 Closing and holiday wishes
Transcript
0:01 Verônica Simões: O último encontro, né, da comunidade, é, 12º encontro, né? Tivemos 12 encontros na nossa comunidade.
0:10 É, meu nome é Verônica Simões, né, trabalho aqui com o Tableau desde 2011, quando chegou aqui na América Latina.
0:19 Ééé, fundei as, as primeiras comunidades do Rio, São Paulo, Fortaleza, em 2013, né? Há dois anos atrás juntamos as comunidades todas, se transformando– famo– transformamos na nossa comunidade Brasil.
0:33 Já tem mais de setecentas pessoas inscritas que recebem todos os conteúdos. A ideia é trazer s-as soluções inovadoras dos nossos clientes, da, da, da equipe, né, especialista de Tableau, como hoje aqui tá o Mário, que é, é um, u-uma pessoa que tem muito talento e trabalha já com o Tableau há muitos anos. É, nós, é, a, a nossa ideia hoje é, é mostrar como que, como que as integrações, as, as viz Extensions criadas anteriormente, né, pela Tableau e, e foram incluí– foram feitas por, por, por outras empresas, né, que a gente chama de third parties, como a lá Data viz, Infotopic, pr– que a, apresentaram na Tableau Conference.
1:26 E aqui a gente tem alguém do Brasil, né, que desenvolveu também, né, não é uma extensão pública, né, é uma extensão paga, como começou todas as extensões, mas um produto fantástico já usando, né, a AI generativa, que foi exatamente o que foi apresentado nas últimas conferências, né?
1:49 Eu sou Tableau Visionary, é, há cinco anos, né, e Tableau Ambassador, é, trabalhando junto com a comunidade, tirando dúvidas, né, essa é a ideia. Todos podem ser Tableau Ambassador ou Tableau Visionary, só exis-existe dedicação e tempo, né, pra, pra nossa comunidade, né? E é pra isso que a gente tá aqui, né? Os apaixonados aqui por Tableau, que não desistem da nossa solução, que é uma solução fantástica, trazer pra vocês aí o que que tem de melhor, principalmente aqui na nossa comunidade.
2:24 Não só Brasil, como Latinha América, porque a gente também traz pessoas da América Latina pra apresentar aqui, né, e trazer inovações. Então, Mário, bem-vindo, né? É muito orgulho trazer aqui você pra nossa comunidade mostrar, né, o que que foi produzido, que é fantástico. Ten-tenho certeza que todos aqui vão amar. Depois vai tá aí na nossa– dentro da nossa comunidade, publicado o vídeo e no YouTube.
2:53 A gente passa, né, por e-mail pra todo mundo. Todo mundo recebe aqui o resultado dessa apresentação, né?
3:00 Vamo lá.
3:01 Mario Takami: Legal, legal, Verônica. Obrigado pela apresentação aí.
3:04 Ó, eu costumo dizer que você é uma lenda aí, né?
3:08 Pelo menos a, é, você tá mais de, é– eu tô há mais de uma década, você tá até um pouco mais, de 2011, você falou, né? Enfim, é, obrigado aí pela, pela oportunidade de tá aqui. Enfim, a gente, a gente já trabalhou muito pelo, pela solução, pelo produto, pelo Tableau aí na, no mercado. E é o que cê falou, a gente segue firme e apaixonado aqui, dado o conhecimento que a gente tem da qualidade e a robustez que, que, que a solução tem até hoje, né?
3:39 Mas enfim, muito obrigado novamente.
3:43 Boa noite a todos aí que, que tão conosco. Então a, a ideia aqui, eu vou contextualizar um pouco antes de iniciar pra vocês conseguirem entender, né? Assim como a Verônica, do nosso lado aqui também na empresa, a gente já trabalha aí há mais de uma década aí vendendo, implantando, dando t– capacitação, enfim, tudo relacionado às empresas, né? Em, em algum momento, aqui na IN10, a gente concluiu que, é, o que não é difícil quem tá no mundo de dados, né?
4:17 A gente concluiu que a jornada de uma arquitetura e um pipeline de dados, ela é muito, é, ela é muito difícil, ela é muito custosa, ela é muito demorada dentro da, dentro das empresas, né? E aí, obviamente, eu não tô falando só da camada do Tableau ali, do, do Data viz, eu tô falando da jornada completa, do dado bruto, toda a parte de tratamento ali, armazenamento, ETL, por aí vai, até a gente conseguir chegar com dado organizado ali pra gente fazer uso dele com a camada de Data viz ali, no caso o Tableau, né?
4:59 Então nesses, né, nessas ideias aí, foi quando surgiu o que eu vou apresentar aqui pra vocês, né? Então foi dessa, foi dessa dificuldade aí que a gente teve o insight pra criar o que hoje a gente vai apresentar aqui pra vocês. E realmente uma parte disso, é, contempla aqui o, o Tableau, né?
5:19 Então vamo lá. O nome da solução, ééé, é a iKnow. Quem tiver dúvidas aí, a, a– ô Verônica, cê pode até me ajudar aí, se alguém sinalizar pelo chat alguma coisa aí, é, fazer uma pergunta ou alguma intervenção aí, pessoal, fica, fica à vontade aí que eu, eu respondo com o maior carinho aí.
5:39 Então o nome da solução-
5:40 Verônica Simões: Tá, eu vou abrir aqui também o, a, né, perguntas e respostas, né? Já tá aberto aí no chat pra quem quiser ir colocando e aí a gente vai respondendo, né? Pode ser por escrito ou online, né? Pra não atrasar aqui a reunião.
5:55 Mario Takami: Isso.
5:55 Verônica Simões: Vamo lá.
5:56 Mario Takami: Exato.
5:57 Aqui fala um pouco mais, é, eu quero fa– eu quero não, o foco da nossa conversa aqui hoje é a solução, né?
6:04 Então o que que é o iKnow, pessoal? O que que é a solução do iKnow, né? É uma solução aonde a gente se conecta em qual-qualquer fontes de dados, né, literal coisa, muito parecido ali com os conectores do Tableau, obviamente.
6:19 E a gente entrega pro cliente um data lake, com todo-toda a camada gold tratada, pronto pra uso ali com o Tableau, né? E ali ele pode seguir com, com construção dos dashboards, enfim, tudo que a gente já, já conhece da, da solução.
6:37 A gente consegue incorporar os licenciamentos do cliente, se for o caso, incorporando os dashboards e a gente faz a construção dos dashboards, entrega o acesso pros clientes, eu vou mostrar isso daí pra, pra vocês.
6:53 E o que a gente vai colocar um pouquinho de, de tinta aqui de, pra destaque, né? A gente também utilizou ali, é, uma parte da, da funcionalidade da, da, da, do Tableau ali, pra apoiar a gente na camada de IA generativa conversacional, né? Então esse é o, ééé, esse, e-essas são as três grandes entregas. E o que que acontece, né?
7:22 A, a IA generativa conversacional, ela responde sobre todos, sobre todos os dados que estão repousado no data lake da, da solução.
7:32 E o Tableau é utilizado como engine de contexto, que eu vou mostrar ali pra vocês, inclusive no material, de como que isso, é, se compõe, como é que foi feito, né?
7:45 E o resultado disso é o quê?
7:47 O, o cliente simplesmente assina a nossa solução como serviço e recebe tudo isso pronto, sem que ele precise ali ficar com muito trabalho ali, principalmente o que eu gosto de falar de enterrar, enterrar cano ou quebrar pedra ali, né? Que principalmente na parte da engenharia de dados antes do Tableau ali, isso é muito, ééé, isso é um trabalho muito f-muito grande ali, caro, enfim, que causa, aca-ca-acaba causando ali muito, muito atrito, né?
8:21 Então de uma maneira geral, pessoal, é essa a solução e isso nasceu de muitos anos aqui de, de experiência e, e vivendo o sofrimento de um projeto tradicional fim a fim de dados com os clientes aí, né?
8:36 Aí aqui a gente traz um pouco mais pra falar o que que é um projeto interno do, do AI.KNOW.
8:43 A gente explica que isso daqui tudo, né, que é uma arquitetura medalhão aqui, um, um pipeline de dados, isso tá resolvido dentro da solução, fala do time.
8:52 A gente gosta de dizer, né, que isso provoca o quê?
8:57 É, geralmente dentro das empresas, elas, 80% do tempo delas, elas ficam pra obter dado e 20, e 20% do tempo pra falar de análise e estratégia, né?
9:09 E o que agrega valor pro negócio é você analisar e olhar pra estratégia do negócio. E com a nossa solução, a gente consegue inverter isso daqui.
9:18 Ou seja, o que era 20% aqui se torna pelo menos 80% aqui na vida das pessoas.
9:25 Uma coisa bacana também de, de colocar é o quê?
9:28 A solução ela é qualified software pela A-AWS, onde os engenheiros de software ali, eles, é, auditam pra receber a, a certificação.
9:41 E existe um processo de, é, de auditoria online dentro da, da AWS, que certifica que a nossa solução tá seguindo os padrões de certificação exigidos por eles aí, né?
9:56 Deixa eu ver se tem mais alguma coisa. Isso aqui é um pouco de metodologia, clientes, enfim, eu acho que é, eu acho que era isso. Então eu dei uma contextualizada aqui do, do que é, do porquê e do que é a solução, né? Como é que ela, ela surgiu aí.
10:13 Então tá. É, da parte de, da parte de IA, a parte de IA conversacional ali que é, que é o, o que a gente quer colocar ênfase aqui hoje, pessoal.
10:27 A, eu não sei se vocês tiveram, mas eu sei que a Verônica pelo menos teve ali no, no último Tableau Conference ou no último Dreamforce ali.
10:36 E dentre várias coisas que foram abordadas, é, eu tô destacando esse slide aqui. Por quê? Porque faz parte do contexto da, da gente utilizar ali, conseguir utilizar o Tableau não só pra apresentar a camada de dashboard, mas também pra gente conseguir incorporar na nossa solução a IA conversacional.
11:06 E qual que é a diferença do, do contexto de uso? Eu vou destacar alguns pontos aqui interessantes que eu acho bacana compartilhar com vocês, né?
11:18 A gente tem percebido que no dia a dia hoje, é, o principal ou um dos principais atritos que está causando, ééé, dificuldade na adoção das, das inteligências artificiais, principalmente essa parte de conversa, é, de conversação em linguagem natural, é que você precisa necessariamente assinar um serviço externo duma API como da OpenAI, do Copilot, da Gemini, Cohere, Anthropic, DeepSeek e por aí vai.
11:55 Qual que é o impacto que isso causa no, no projeto?
12:01 Surge a grande pergunta dentro da companhia. Falou: "Poxa, mas nós vamos entregar o nosso dado pra essas APIs de serviço externo?" Ééé, como é que fica a segurança disso? E aí começa um trabalho ou uma discussão, melhor dizendo, fala assim: "pô, eu acho que eu não tô muito seguro de entregar meus dados pra OpenAI ou pra, ééé, é a Microsoft ou o Gemini da Google", e por aí vai, Anthropic, Cohere, né?
12:32 Então você precisa entregar pra utilizar um motor da LLM ali e, e, e conseguir fazer, vamo falar assim, ter o retorno ou o trabalho da, é, in-inteligencial ali, conversacional ali, a generativa, né?
12:50 Qual que é o grande– qual que foi a grande sacada da, da, da Salesforce aqui com a Tableau, né?
12:57 Você consegue utilizar uma LLM, um framework de uma LLM open source, como tá aqui, sem que seja necessário você entregar o seu dado via API prum serviço externo.
13:11 Ou seja, a prin-principal barreira de adoção da IA conversacional de linguagem natural, ela é superada aqui, porque aqui você vai precisar ter, obviamente, infraestrutura pra isso, né? N-não tem como você, é, fugir disso. Mas em contrapartida, você deixa o guard rail fechado e o seu dado blindado, sob controle seu, né? Aonde você consegue sim aí soltar o, o, uma possibilidade de utilização da, dum chat interno ali, de co-de conversa-de, de conversar com os dados utilizando aqui essa, essa possibilidade aqui do, do VizQAL aqui, do D-do Data Service API aqui, enfim, e aí por trás disso daqui é que vo-que a gente acabou construindo a, a solução de uma forma geral, né?
14:12 Ééé, quando, quando foi o Tableau Conference, isso daqui ainda não estava, ééé, não estava adequado ou setado pro Tableau Cloud.
14:26 Salvo engano, na última versão, na última documentação que eu vi, já é possível, ééé, salvo engano aqui, vocês fazerem esse trabalho aqui também considerando o Tableau Cloud, né? Era algo que eles soltaram ali pra primeiro pro, pro Tableau Service, pro Tableau Server na, na conferência, mas eu acho que na-nas últimas versões aí do Tableau Cloud, você tam-vocês também já conseguem armar uma arquitetura obviamente diferente do Tableau Server, mas que você consegue fa– é, utilizar uma LLM ali ou de um framework open source, né?
15:05 Então foi com esse racional aqui que a gente montou a so-a solução.
15:12 Pra seguir aqui ó, eu q-eu quero, eu quero trazer pra vocês, eu quero compartilhar o, o conteúdo oficial da própria, da própria Salesforce aqui, da própria Tableau, né?
15:24 Aonde ele coloca aqui ó, e tá vendo que aqui ele já tem, né? Tableau Server ou Cloud Environment. Eles já-
15:32 Verônica Simões: Já sim, já tá funcional.
15:34 Mario Takami: Exatamente. Então com o Tableau Cloud também vocês têm a, a oportunidade.
15:39 Eu acho, eu a- eu a- eu acho muito bacana a gente ter conseguido, Verônica, trazer pra, pro, pro, pro, pra comunidade esse conteúdo, porque realmente tá sendo um obstáculo muito grande essa discussão de, de assinar um serviço externo e a gente não ter controle sobre o dado que entregue pra es-pra essas grandes empresas ou essas grandes APIs aí pra usar um LLM, né?
16:06 Então, poxa, olha, olha que bacana.
16:09 É, a, as empresas, né, a comunidade que tá aqui, os clientes que têm o Tableau, eu diria que eles têm uma oportunidade única na mão de avançar a agência artificial conversacional dentro das empresas, que até onde o meu conhecimento vai, nenhum outro concorrente do Tableau tem essa possibilidade, né? De você trabalhar de forma, é, vamo falar assim, mais, muito mais simplificada, de você usar o Tableau Cloud ou Tableau Server pra empurrar contexto LLM de negócio e ter um baixo índice ali de alucinação nas respostas.
16:53 Dá pra fazer, obviamente, com, com a, a, as outras soluções, as outras nuvens aí, mas o trabalho ele é infinitamente maior, ele é muito grande, né? E você pode ficar refém aí de uma API terceira que você tem que expor seu dado, né?
17:12 Então isso que, que eu acho bem bacana de, de compartilhar com a comunidade, né?
17:19 Verônica Simões: E até só, só floreando aqui, né? Porque acabou de sair, né, na, nessa versão agora 2025.3, né? E tem outras features que estão saindo na, a, no primeiro semestre agora de 2026.
17:35 Já tá disponível agora no Tableau Server, né? Pra você, o que você não conseguia fazer antes, que é chamar o agente de AIs no OpenAI, quer dizer, você cria uma chave sua no OpenAI, conecta no Tableau Server, já pode agora ir, consegue, né, é, tirar insights dentro do seu dashboard como AI Assistant.
18:01 Mario Takami: Exato.
18:01 Verônica Simões: Acabou de sair, né? Pra Linux também, né?
18:05 Mario Takami: É, é bem, é bem fresquinho mesmo, acabou de sair.
18:07 Verônica Simões: Bem fresquinho.
18:08 Mario Takami: Se é, você assina lá aquele serviço de API da, da OpenAI E consegue trazer sua, sua secret key aqui, fecha a conexão e sai usando. É isso mesmo
18:22 Verônica Simões: E também eles fecharam, né, no Dreamforce que a gente teve agora, é, é, o Marc Benioff, é, é, o CEO, fez-fechou a parceria com a OpenAI no meio da conferência, né? Então tava lá.
18:37 Mario Takami: Ah, eu vi isso.
18:38 Verônica Simões: É, espetacular. Então só con– floreando aqui as-a sua solução que já tá aí trazendo toda essa inovação, que ainda nem chegou, né, disponível e documentada.
18:51 Mario Takami: Isso, isso, exa-exatamente. É, é-é o que eu falo, né? É o que eu, é o, é o que eu tô colocando aqui. A gente, a gente utilizando o Tableau, a gente tá com uma oportunidade muito bacana, que o Go– vamo falar assim, o go to marketing ou o MVP, ele tá infinitamente mais fácil de ser feito do que outros caminhos aí que a gente conhece, né?
19:14 De uma, de uma forma geral. Então aqui no conteúdo, ele aborda aqui o que que é o Langchain, ele pega entre-entre é, esses frameworks aqui, né?
19:24 Ele foca aqui que ele, o, é, o conteúdo na, na parte do Langchain aqui, explica o que que é o Langchain.
19:32 E isso daqui é muito bacana pra quem tá acompanhando aí a parte do, do Tableau Next, do Data Cloud e tal, né?
19:41 A camada semântica, ela é fundamental pra IA conversacional não alucinar no contexto da regra de negócio que é inserida dentro do dado, né? Então esse é o grande lance. O Langchain ele se aproveita da camada semântica que existe utilizando a API, né, pra conseguir trazer respostas excelentes ali, né? Num nível de alucinação baixíssimo, baixíssimos pelo, pelos nossos testes aqui.
20:15 E conforme a gente vai lapidando, é, esse contexto ali, pessoal, você praticamente não tem alucinação, né?
20:24 Então aqui, é, Verônica, depois acho que a gente também-
20:28 Verônica Simões: Mário, já vou só te interromper. Ah, se você puder copiar esse link e colocar aqui no chat, né?
20:33 Mario Takami: Tá legal.
20:34 Verônica Simões: Só pro pessoal já ter aí e poder, é, depois
20:41 dar uma lida com calma. Perfeito.
20:43 Mario Takami: Tá? Isso, legal.
20:46 Então aqui, depois cês dão uma aprofundada aí, pessoal, ele, ele traz aqui.
20:53 E o que eu quero agora, é, tem um, tem, tem, é, o, esse vídeo aqui, que é da Tableau Conference, pra vocês entenderem o contexto. É, o que interessa pra gente aqui é praticamente um minuto do vídeo, eu quero passar isso daqui pra vocês.
21:09 Tableau Conference video: For this demo, I'm gonna be a supply chain executive.
21:13 And, uh, I have one simple quest– these tariffs are freaking me out. Now I need to know, hey, are some suppliers gonna be at risk because of all these tariffs? Well, I have a Tableau dashboard that helps me have a beautiful picture of everything I'm doing inside of my supply chain and inside of procurement. And this is what I use every day to run my business.
21:34 That's fantastic. But again, I have one simple question, and that is: I wanna find out what my commodity suppliers are and if they're at risk. So what if I had a dashboard extension that allowed me to ask a question like: Which have the highest purchasing volumes, but low average price? Those are commodity suppliers that could be at risk. So I'm asking that question of an agent.
22:01 Now remind you, I'm on server, okay? This is not something on cloud.
22:06 And that question is gonna come back and give me a response that's based off of my data inside of a Tableau published data source.
22:16 Live demo. Fully live demo is available to all of you today. So what, what did you just see?
22:21 That question went into, in this case, it was a Langchain framework that talked to an LLM that turned that question into a query that we were able to answer through the VDS service.
22:34 The result of that query came back. We summarized that response again in that Langchain framework through an LLM and gave you an answer.
22:40 All of you can do this today.
22:43 If you're really interested in this, there's a breakout session on it. I encourage you to go to it. Uh, the power of AI can get your hands for everybody.
22:51 So, so with that, uh, I think we're showing you how we can bring AI, whether or not you're in cloud, whether you're in server, whether you're using Next, all of them together.
23:02 Mario Takami: Enfim, é, é isso, é isso daí, pessoal.
23:05 Tableau Conference video: For this demo, I'm gonna be a supply chain executive.
23:07 Mario Takami: Deixa eu só pausar aqui. Enfim, aí ó, how Tableau Langchain works. Aí tem um, um conteúdo bem bacana aqui, né? Pra vocês explorarem de uma, de uma forma legal aí. Getting started with Tableau Langchain. Tem, tem conteúdo bem, bem bacana aqui, né?
23:26 E bom, posto isso agora, deixa eu passar aqui pra, pra s– pra nossa solução, né? Então como é que ela funciona, né?
23:36 Então o
23:39 usuário vai vir aqui, ele vai logar na,
23:44 na solução.
23:46 Deixa eu abrir aqui.
23:51 Então ele, ele vai, é, aqui internamente, como é que, como é que funciona? Lembra que eu falei pra vocês? A gente entrega o, o dado no data lake, a gente entrega o dashboard, que é o, é, é a incorporação do Tableau Embedded aqui, e a parte da IA conversacional que a gente acabou de abordar ali, da, da forma como eles apresentaram no Tableau Conference ali, né?
24:17 Então aqui, por exemplo, eu tenho, a gente tem o controle de clientes A gente tem o controle aqui de usuários, se, se cada usuário pode acessar o, pode ver o dado, o dashboard ou a IA, então tudo isso é setado aqui.
24:36 Aqui na parte do dashboard, por exemplo, a gente apresenta ó, é, cada um dos dashboards e se, e, e se eu dou permissão pro indivíduo de cada um dos dashboards ou não, então a gente tem um nível bem granular de controle aqui, que obviamente isso tudo tá concatenado com, com a, a governança aqui da, da parte, né, do Tableau por trás. Então, cê tem o controle de acessos aqui do-dos usuários, se ele é um admin da parte de dashboard ou não, se ele pode acessar a IA ou não, né?
25:15 E da parte dos aqui, du– de uma forma geral também. Enfim, aí isso é possível a gente olhar aqui também um controle de uma forma geral dos usuários aí.
25:26 Na camada de dados, é o que eu falei. Aqui, ele consegue olhar pros dados, né? Por exe– então o dado que– aqui ele consegue subir o dado e consumir o dado que tá no Lake. Então ele tem uma, uma visualização, um consumo de uma forma geral aqui, isso mais pra, pra camada de dados aqui.
25:49 Na parte de dashboard, também estratificado no nível de governança de empresa, área e pessoas, né? Eu posso, por exemplo, aqui acessar o, a, a, uma área do RH, aí dentro do RH aqui, por exemplo, eu posso pegar um, um dashboard e eu já consigo aqui então acessar o meu dashboard no Tableau por trás, né?
26:17 Mas com a governança aqui no, no nosso front-end aqui embedado, né? Abstraído aqui no, no nosso front-end.
26:28 E finalmente, como é que funciona a parte da IA que a gente apresentou ali, pessoal, né?
26:34 Ó, aqui tá o agente.
26:38 Então eu posso vir aqui e fazer uma pergunta pra esse agente ou eu posso vir aqui e abrir, ampliar minha janela.
26:50 Quando eu faço isso, baseado no nível de governança e política de acesso que eu mostrei na tela do usuário, a IA declara quais são os datasets que estão disponíveis pra mim e o que limita a abrangência da, da, da in– da pergunta que eu vou fazer, né?
27:16 Como eu falei, isso daqui não é aberto pra internet com nenhum serviço externo. Então não adianta eu vir aqui perguntar, por exemplo, quem foi o campeão, ééé, brasileiro de futebol, do Campeonato Brasileiro, de que ano, sei lá é. Obviamente, isso aqui não tá aberto pra internet, eu não vou conseguir obter essa pergunta. Então isso tá fechado dentro desses datasets que alimentam aquele dashboard de RH que eu mostrei, que tá repousa– data lake da nossa solução.
27:48 Então eu posso vir aqui, por exemplo, né, e perguntar. Então, perguntar qualquer coisa aqui ó, ééé: "Qual é a quantidade de
28:13 admissões
28:18 e desligamentos
28:23 dos últimos noventa dias?"
28:31 Então aqui ela, ele tá, ele tá fazendo esse, esse looping aqui, né?
28:38 Ele tá fazendo, ele vai no V– no VDS, né, enfim, esse, esse fluxo aqui ele tá sendo executado aqui por trás, considerando aqui, obviamente, não só o Tableau daí, né?
28:51 A gente tem o Lake, etc, etc.
28:56 É, não teve nenhuma admissão e,
29:00 e desligamento aqui. Mas enfim, aqui é legal que dá pra vocês verem como é que, que tá a resposta, né? Vamo fazer alguma outra pergunta aqui que possa ter dado.
29:15 Qual va– isso deve ter: "Qual é o índice de absenteísmo
29:30 dos últimos seis meses?"
29:39 E é bacana, cê vê que ele traz com bastante detalhe, pessoal, olha que interessante, né? Eu fiz a pergunta noventa dias e ele fixou a data aqui, ó, ele foi bem, ele foi bem granular na resposta, né? Ele f- ele: "Ó, tô considerando esse período aqui". Isso porque o VDS tem capacidade de traduzir bem o nosso data lake ali, da forma como tá, tá posto, pra conseguir trazer a, a resposta aqui pra, pro usuário de uma forma geral, né?
30:14 Tá aqui, ó. Então ele já trouxe o resultado 5,32%. Esse indicador representa a proporção, ele explica aqui, ó Dias úteis ativa no período, aproximadamente 180 dias, em média, os colaboradores tiveram ausentes a cada cin– de, de cinco dias a cada 100 dias de trabalho programados durante o semestre avaliado, né?
30:37 Enfim, e aí eu poderia jogar várias outras perguntas aqui pra, pra demonstrar pra vocês, né?
30:44 Mas de uma forma geral, eu passei aqui por tudo aí, Verônica, da, da, da solução, mostrei funcionando, etc., e, e o conceito ali, né? Agora eu queria ouvir um pouco aí se alguém tem– você e, e se, e se, se quem tá conosco ali tem alguma dúvida, alguma pergunta, eu, eu tô me colocando à disposição aqui.
31:05 Verônica Simões: Eu, eu, eu tenho uma dúvida, uma, uma que até acho que é uma necessidade que eu, que eu vejo, né, até no, no, no Tableau Pulse, né-
31:16 Mario Takami: Sim.
31:16 Verônica Simões: Quando eu uso Tableau Plus, que é eu ir direto no meu data source, no meu PDS, no meu public data source-
31:27 Mario Takami: Tá.
31:27 Verônica Simões: Ou numa fonte de dados que tá aí no Data Lake e começar a interagir direto com esse dado, né?
31:37 Mesmo tendo o dashboard ou antes do dashboard, depois do dashboard, eu começar a interagir com o dado-
31:45 Mario Takami: Tá.
31:45 Verônica Simões: Né, publicado, entendeu? Tá bom, você tem aqui essas fontes de dados pra– que, que, que fazem parte da construção deste dashboard. Ok.
31:55 Agora eu quero ficar– começar a perguntar, sem ser com as métricas pré-definidas, né, interagir com os dados.
32:03 Mario Takami: Uhum.
32:04 Verônica Simões: Né?
32:05 Mario Takami: Tá. Co-como é que funciona isso aqui, aí na nossa solução, né?
32:09 Verônica Simões: Isso.
32:10 Mario Takami: Que o-obviamente aí eu não consigo usar o potencial do VDS pra me ajudar.
32:16 Verônica Simões: Isso, isso.
32:17 Mario Takami: A ge– é, a gente tem entre o, é, aí entre essa, a camada da IA aqui, tá? E o dado, a gente tem um outro lugar aonde a gente joga regras de negócio que não necessariamente pertencem ao que vem do VDS-
32:37 Verônica Simões: Uhum.
32:37 Mario Takami: Mas são importantes pra, pro, pro, pra LLM compreender a, o Data Lake como um todo.
32:48 Então a forma que a gente construiu aqui é o seguinte, ó.
32:53 Como eu falei, ó, eu abri a tela, né?
32:57 E, e por conta de eu ser o Mário, a IA tá declarando até onde eu posso fazer pergunta. Por exemplo, eu não posso fazer perguntas de dados financeiros aqui.
33:09 Só que eu tenho dados financeiros no Data Lake.
33:13 Então primeiro, é, a gente bloqueia, é, é, questão por gofa do usuário, né?
33:19 E aqui, aonde tem esses datasets, além das regras que vêm de VDS, a gente tem um outro local que a gente sobe regras adicionais de contexto de negócio do RH pra diminuir o índice de, é, de alucinação aqui também.
33:41 Verônica Simões: Entendo.
33:41 Mario Takami: Entendeu? Então a gente-
33:42 Verônica Simões: Tá, muito bom.
33:43 Mario Takami: Isso pelo, pelo nosso back end aqui, a gente consegue fazer paralelamente ao que o VDS não nos traz, a gente também faz o input aqui por trás.
33:55 Verônica Simões: Legal.
33:56 Tem uma perguntinha aqui, né, é, do Luiz Corrêa, que é: por enquanto a conexão seria só com o Tableau Cloud ou o Desktop, ou estaria contemplando também para interagir com a I– com a inteligência artificial?
34:12 Mario Takami: Deixa eu ver se eu entendi sua pergunta, Luiz.
34:15 É, quando você fala conexão,
34:21 é, é assim ó, essa é, é, é-
34:24 Verônica Simões: É que ele tá falando da licen– é, ele tá falando do licenciamento, né?
34:28 Mario Takami: É.
34:29 Verônica Simões: É, o licenciamento pra Tableau Cloud, né, na verdade, agora criei– e Creator, né? Na verdade, Web Authoring do Cloud-
34:36 Mario Takami: Ah!
34:36 Verônica Simões: Ou Web Authoring, né?
34:38 Mario Takami: Ele tá perguntando se-
34:39 Verônica Simões: Do Server. É isso.
34:41 Mario Takami: Se, se a licen– se, que se– quais são as licenças que, é, se o, o SKU, a licença que já tem acesso à, à IA, acho que é, é, acho que é nessa linha aí, seria isso mesmo, Luiz?
34:57 Verônica Simões: Deixa eu ver se eu consigo abrir pra ele.
35:00 Mario Takami: É, se ele quiser falar aí.
35:01 Verônica Simões: Pra ele falar, pera aí.
35:04 Luiz, abri pra você aqui o microfone.
35:07 Luiz Corrêa (attendee): Opa, tá, tá me ouvindo?
35:09 Verônica Simões: Tá me ouvindo? Sim, sim.
35:10 Luiz Corrêa (attendee): Tudo bom?
35:11 Verônica Simões: Bem-vindo.
35:11 Luiz Corrêa (attendee): É, é que é uma, é uma dúvida, né? É, eu, eu estive na, na última conferência lá e ficou claro que a, a, normal, eu consigo os desenvolvimentos normal no desktop, tal.
35:23 É, porém, a interação com a IA é só pela, pela licença ou pela, pela funcionalidade Cloud. Certo? Que lá em Cloud eu consigo, é, interagir com a IA fazendo perguntas, né, sobre aquelas métricas que eu já tenho lá criado, tal, e a IA vai criar, cla– do Tableau, vai criar novas, novos indicadores, mas tem que ter Cloud, certo? Beleza. É que-
35:49 Verônica Simões: Não.
35:50 Isso.
35:50 Luiz Corrêa (attendee): Isso.
35:51 Verônica Simões: Mais ou menos, mas vai, complementa com o raciocínio.
35:54 Luiz Corrêa (attendee): Isso. Ele, ele não vai, é, por exemplo, se eu tô, é, ainda no, no desktop, eu ainda não publiquei, a IA não vai conseguir interagir ne-nesse momento, pelo menos lá que eu entendi lá na, na, na conferência.
36:08 A sua solução, ela também é, é nesse mesmo caminho? Ou seja, só Cloud? É Cloud com Cloud? Ou eu consigo, por exemplo, no, no iKnow, conectar no meu desktop e criar métricas lá no meu desktop?
36:22 Mario Takami: Cê consegue conectar no Data Lake do iKnow Consumir o dado que tá lá e seguir a sua vida no Tableau.
36:32 Dá pra fazer isso.
36:33 Luiz Corrêa (attendee): Então, mas no Tableau pode ser o desktop ou não? Tem que tá cloud.
36:36 Mario Takami: Não, po-não, po-não, pode se– pode ser o Tableau Desktop, não tem, não tem problema, porque aí nós tamo falando do Data Lake do iKnow.
36:45 Entendeu?
36:46 Luiz Corrêa (attendee): Ah, tá.
36:46 Verônica Simões: Porque essa feature, essa fe-essa feature criada foi criada, né, apartada no Da– em um Data Lake, né, que conecta-
36:55 Luiz Corrêa (attendee): Ah, tá.
36:55 Verônica Simões: Entendeu? No LLM, é isso. Então, por exemplo, agora no, no Tableau Server, né, você consegue também chamar dentro do dashboard, mas aí é web authoring, né? E con– e o assistant sem ter o Tableau Pulse, sem ter, é, sem ter Plus. Então isso você já consegue fazer. Ponto. Não é obrigado a ter o, o, o Pla– o Tableau Plus, né, pra conversar. Então isso já teve uma evolução nesse momento.
37:25 Aqui a solução é, é outra.
37:28 Mario Takami: Isso.
37:29 Verônica Simões: Isso.
37:29 Mario Takami: Exatamente.
37:30 Luiz Corrêa (attendee): Um Data Lake a, a, meio que apartado.
37:33 Mario Takami: Ele é totalmente capa– é assim, o Data Lake da nossa solução, ele não depende do Tableau, é uma outra coisa.
37:42 Entendeu? Mas olha só, Luiz, foi importante a sua pergunta, porque assim, essa solução que eu tô apresentando é uma solução alternativa pra você não depender do Einstein e do Agentforce.
38:00 Percebe? Aquela IA conversacional que você mencionou, que você faz uma pergunta e ele cria o gráfico sozinho, etc, etc.
38:12 Aquilo ali é o Einstein do Agentforce que tá incorporado no Tableau Cloud, no Tableau Server e no Tableau Desktop.
38:22 Verônica Simões: Isso.
38:23 Mario Takami: Tá? Isso daqui é uma alternativa pra você não precisar expor o dado pro agente, é, seja ele qual for, e a LLM e a governança do dado, ele fica sob o seu controle.
38:39 Verônica Simões: É. E como tem assim o, o Tableau Se– o MCP, Tableau Server e a Cloud, o MCP novo da Tableau, né, que é essa arquitetura nova com VDS. Você também faz a sua integração com, com o seu Open AI, né? Você cria sua chave e você traz ela pra sua, pra sua aplicação Tableau.
39:01 Não necessariamente você tem que assinar, né, o Einstein, né, e ter o Data Clou– o Data Cloud, que seria o, que seria o, o outro Lake. Aqui a Tableau abriu no, du-durante a conferência essa possibilidade de integração, né, Tableau Salesforce, né? Que quem tiver interesse de fazer as integrações, né, direto no produto, pode. Se não, pode comprar o Data Lake, né, e é conversacional da Tableau adquirir os créditos que vai ter lá também.
39:37 Luiz Corrêa (attendee): Exato.
39:37 Verônica Simões: Né? São as alternativas. Assim como tem, né, outras soluções, né, do mercado lá fora, como Infotopics e outras, nesse mesmo caminho, né? Com, com o Data Lake e produzindo também, né, uma, uma AI generativa.
39:56 Mario Takami: Exato.
39:56 Verônica Simões: Mas qualquer um pode fazer essa integração. Sim, já tá, tá aberto, né?
40:00 Luiz Corrêa (attendee): Exato.
40:01 É porque, é, eu não tinha entendido isso lá na, na conferência. É, é, pra mim era só cloud só, mas tem o Tableau Server, né, que aí eu consigo interagir com o IA.
40:11 Mario Takami: Isso. Aqui, ô, ô Luiz, aqui o que eu-
40:14 Luiz Corrêa (attendee): Um Data Lake a parte.
40:15 Mario Takami: Isso.
40:16 Verônica Simões: Isso, isso.
40:18 Mario Takami: Aqui o que eu tô mostrando pra vocês, isso daqui é Tableau Server.
40:24 Entendeu? Isso aqui é Tableau Server.
40:27 Luiz Corrêa (attendee): Sim.
40:28 Mario Takami: Né? Então, é, é, e-eu, eu não dependo fora, óbvia– fora obviamente do licenciamento do Tableau Server, né?
40:37 Verônica Simões: É, isso.
40:37 Mario Takami: Fora isso eu não dependo de absolutamente mais nada da, da, da Salesforce ou da Tableau, entendeu?
40:43 Verônica Simões: É, pra você chamar o IA você não depende, porque você-
40:47 Mario Takami: Exatamente. Eu criei uma IA conversacional-
40:50 Verônica Simões: É o seu agente, é o seu agente.
40:53 Mario Takami: Isso. É, é o, é o meu agente aqui no lugar do Agentforce, por exemplo.
40:59 Verônica Simões: Isso. É um– é uma integra– isso é uma integração que eles possibilitaram, né? É…
41:08 A Salesforce possibilitou isso, abriu isso, né, pra, pros integradores.
41:13 Mario Takami: Exatamente.
41:15 Luiz Corrêa (attendee): É porque eu, essa semana eu, eu vi que saiu, é, eu venho acompanhando, né?
41:20 Verônica Simões: Isso.
41:20 Luiz Corrêa (attendee): E tem um, uma conexão MCP-
41:23 Verônica Simões: Isso.
41:24 Luiz Corrêa (attendee): Lá do, do, do Power– é, do MCP e tem uma outra, outra letrinha, eu esqueci o nome da palavra, era SCND, não sei, alguma coisa assim.
41:32 E, e, e, e, e tal, e fazia essa, essa, essa conexão, né, MCP com uma, um exemplo ali que eu vi, é, até no concorrente, né, que é o Power BI, era a Cloud, Cloud mesmo.
41:44 Mario Takami: A Cloud da Anthropic.
41:47 Luiz Corrêa (attendee): É.
41:48 E, e aí tinha aquela interação que você tinha o Power BI Desktop, você fazia perguntas, você saia fora, né, ia na, na Cloud, né, deles lá, né. É estranho chamar Cloud, mas enfim-
42:00 Mario Takami: É, a Cloud, a Cloud é o nome da LLM da Anthropic. Anthropic é a maior concorrente da Open AI é a Anthropic.
42:10 Luiz Corrêa (attendee): Ah, é?
42:10 Mario Takami: É.
42:10 Luiz Corrêa (attendee): Aí então, e aí, e aí ia fora, aí saía fora e perguntava, mas eu não sei se é seguro isso, entendeu?
42:16 Mario Takami: Então, é, es-esse é o ponto. A, por i– a ideia, a ideia de mostrar o que eu tô mostrando aqui, ô Luiz, é exatamente isso que você falou.
42:25 Aqui Né, ó, nessa, nessa, nessa IA de li– de conversacional de linguagem natural aqui, eu não estou expondo o dado pra nem– pra fora.
42:39 Isso daqui tá envelopado dentro da minha solução.
42:45 Entendeu? O dado não tá saindo pra Anthropic da– a Cloud da Anthropic aqui, o Copilot da Microsoft, o Gemini da Google, a Courier, a DeepSeek, que são tudo LLMs que vo– que você pode contratar a API e pagar por token e serviço.
43:03 Verônica Simões: Isso.
43:04 Mario Takami: Aqui eu não tô fazendo isso. Isso-
43:07 Verônica Simões: Tá conectando o server da, da Tableau?
43:09 Mario Takami: Não, mas é assim, é, é que eu tô separando agora. Eu criei uma LLM própria, nossa, da IN10, com open– com, com framework open source chamado LangChain.
43:26 Verônica Simões: Que qualqu– é um, um framework que qualquer um pode integrar.
43:30 Mario Takami: Exato. É uma LLM open source, entendeu?
43:34 Verônica Simões: Isso.
43:35 Luiz Corrêa (attendee): É, é, mas aí o, é, é, a, o, o grau de confiabilidades, por exemplo, é, imagina que, hã, é, eu, eu não conheço a Cloud e também não conheço a, a Inno, aí, a IN10.
43:46 São-
43:46 Verônica Simões: Aham
43:47 Luiz Corrêa (attendee): …teoricamente são os mesmos players.
43:52 Né?
43:52 Mario Takami: Quando cê, quando cê fala layer, é assim-
43:55 Luiz Corrêa (attendee): São, são os mesmos serviços, vamos dizer assim. Talvez o nível de confiabilidade seja diferente, né?
44:01 Mario Takami: Então, de– é, é, é, é porque assim, e-excelente pergunta.
44:06 A, o que manda, o que manda na qualidade da resposta, Luiz, a qualidade do dado e o contexto de negócio que você é capaz, o, o, o que que, ó, qual que é o– qual que foi a grande sacada disso daqui?
44:23 Quando você constrói um dashboard no Tableau, você automaticamente s– você tá jogando regra de negócio no dado.
44:35 Luiz Corrêa (attendee): Uhum.
44:35 Mario Takami: E criando com a regra de negócio, cê cria o dashboard, certo?
44:40 Luiz Corrêa (attendee): Uhum.
44:41 Sim.
44:42 Mario Takami: A camada de VDS da Tableau, via backend por API, ela consegue pegar isso daí e ensinar o framework da LangChain a regra de negócio.
45:02 É aí que tá a sacada do negócio.
45:06 Luiz Corrêa (attendee): Sim.
45:07 Mario Takami: Entendeu? É, o, o, o grande lance é esse. Seja Anthropic, seja o iKnow, seja lá o que for, você só vai conseguir ter, você só vai conseguir ter qualidade de resposta, se você conseguir fazer no estado da arte o que eu acabei de te explicar aqui.
45:24 Luiz Corrêa (attendee): Uhum.
45:24 Mario Takami: Não interessa o platform.
45:25 Verônica Simões: É, porque aqui, é, e até complementando, porque assim, essa arquitetura, Luiz, é, é, é assim, aqui no meio é pick your LLM.
45:34 Mario Takami: Exatamente.
45:34 Verônica Simões: Você pega o seu, qual é o open source framework que você pode usar? Exemplo: LangChain, né, Llama Index, Haystack, tá aqui.
45:43 É isso.
45:44 Mario Takami: Entendo.
45:44 Verônica Simões: Né.
45:46 Ou, ou não, pick your LLM e você já contrata um, um pronto-
45:53 Mario Takami: Um servi-um serviço externo.
45:53 Verônica Simões: Né, um serviço pronto, externo, né, como adquirindo o, o Tableau Agent, por exemplo, né? Que já tá pronto. Então, é, ou você constrói o seu-
46:06 Mario Takami: Uhum
46:06 Verônica Simões: …e a arquitetura tá aberta e disponível pra essa integração, ou você, né, adquire essa feature. Isso.
46:14 Luiz Corrêa (attendee): E adquirir de um, de um, é, com segurança, né? Tipo Tableau, tipo, né?
46:20 Verônica Simões: Isso, isso, exato.
46:22 Luiz Corrêa (attendee): Não de qualquer um também, que senão-
46:23 Verônica Simões: Não, não, senão você vai expor seu dado.
46:26 Luiz Corrêa (attendee): É, exato.
46:28 Verônica Simões: O, o, o grande lance aqui é governança e segurança.
46:32 Luiz Corrêa (attendee): É.
46:32 Verônica Simões: Né?
46:34 Luiz Corrêa (attendee): Legal.
46:34 Verônica Simões: Exatamente.
46:37 Luiz Corrêa (attendee): Valeu.
46:38 Verônica Simões: Show.
46:39 Mario Takami: Obrigado, Luiz. Obrigado.
46:40 Verônica Simões: Obrigado, Luiz.
46:45 Mario Takami: Alguém mais aí? Eu não sei.
46:46 Verônica Simões: Mais alguém com dúvida?
46:54 Ainda temos aí oito minutinhos da nossa apresentação.
46:59 Mario Takami: É, se alguém quiser trazer alguma contribuição aí, alguma observação, alguma dúvidas.
47:08 A gente mostrar funcionando, né, da, é, esse, esse conteúdo, vamo falar assim, teórico, né, um slide. Falou: "Pô, mas como é que isso funciona na prática, né?
47:19 É, cê te, é, co– eu queria ver isso funcionando". É, é exatamente isso que eu mostrei aqui pra vocês, pessoal.
47:32 Verônica Simões: Perfeito.
47:37 Muito bom. Muito bom, Mário.
47:40 Mario Takami: Que bom, maravilha, Verônica.
47:41 Verônica Simões: Muito bom.
47:42 Mario Takami: Foi-
47:43 Verônica Simões: Muito bom ter, saber a, né, o potencial de integração aí da arquitetura Tableau, né, aonde a gente pode chegar.
47:53 Mario Takami: Exato.
47:54 Verônica Simões: Excelente.
47:55 Mario Takami: E, e tá, e tá disponível pra todo mundo que já tem o produto, né?
47:59 Verônica Simões: Sim, perfeito.
48:01 Mario Takami: Pra todo mundo que já tem a, o licenciamento aí, a solução.
48:07 Verônica Simões: Tá ótimo.
48:08 Mario Takami: Certo?
48:09 Verônica Simões: Certo.
48:10 Muito obrigada. É, feliz Natal aí pra todos, é a nossa, o nosso último encontro desse ano, né? E Ano Novo. Em janeiro a gente tá de volta, né, com mais novidades.
48:24 É, já vem aí novas features aí na beta, né, a Semantic AI, né, que tá em teste e outras features.
48:33 É, vamo tá aqui com vocês aí trazendo essas, as novidades.
48:39 Valeu, pessoal.
48:40 Mario Takami: Maravilha. Brigado, brigado, Verônica, brigado todo mundo aí que teve conosco aí. É sempre um prazer tá, tá na, na acomodando tanto aí que é o Tableau, né?
48:49 Verônica Simões: Sim, obrigado por você tá aqui.
48:52 Mario Takami: Que isso. Valeu, gente.
48:53 Verônica Simões: Pela contribuição. Obrigado, pessoal. Tchau, tchau.
48:56 Mario Takami: Tchau, tchau.