Power BI Copilot nel 2026: natural language → DAX, semantic models, governance per PMI

Power BI Copilot — l’assistente AI integrato in Power BI Desktop e Power BI Service — era già disponibile da fine 2024, ma con limiti pratici importanti: scriveva DAX a volte sbagliato, faticava con i modelli con relazioni complesse, generava insights generici. Nel Q1 2026 Microsoft ha fatto un upgrade significativo, allineato al passaggio di Microsoft 365 Copilot a GPT-5 (vedi GPT-5 in M365 Copilot).

Questa volta i numeri di accuratezza interna Microsoft sui benchmark enterprise mostrano un salto reale: tasso di “DAX corretto al primo tentativo” passato dal 62% (Q4 2025) all’87% (Q2 2026). È sotto la soglia in cui un controller di gestione PMI può fidarsi di Copilot per la maggior parte dei task quotidiani, riservando la verifica umana solo ai calcoli critici (es. KPI che vanno in cda).

Vediamo cosa è cambiato concretamente e dove sta ancora il limite.

Le 4 novità principali

1. Natural language → DAX affidabile

Il caso d’uso “killer” di Power BI Copilot. Chiedi in italiano:

“Crea una misura che calcola il fatturato YTD del prodotto X confrontato con stesso periodo anno precedente.”

Power BI Copilot genera:

Fatturato YTD vs PY = 
VAR _CurrentYTD = 
    CALCULATE(
        SUM(Vendite[Importo]),
        FILTER(Vendite, Vendite[Prodotto] = "X"),
        DATESYTD('Calendario'[Data])
    )
VAR _PreviousYTD = 
    CALCULATE(
        SUM(Vendite[Importo]),
        FILTER(Vendite, Vendite[Prodotto] = "X"),
        DATESYTD(SAMEPERIODLASTYEAR('Calendario'[Data]))
    )
RETURN
    DIVIDE(_CurrentYTD - _PreviousYTD, _PreviousYTD)

Genera DAX commentato, modulare (con variabili), e che usa le best practice (DIVIDE invece di / per gestire divisioni per zero, CALCULATE + FILTER invece di sintassi obsolete). Per un controller di gestione PMI che non vuole imparare DAX da zero, è una svolta operativa.

2. Semantic models: domande “asked of the data” in italiano

I semantic models (l’evoluzione dei “dataset” Power BI legacy) consentono di porre domande in linguaggio naturale direttamente sul modello dati, senza scrivere misure:

“Qual è il margine medio sui clienti con fatturato sopra 100.000€ nel 2025?”

Power BI risponde con un grafico generato al volo + spiegazione testuale. Le domande possono concatenarsi:

“E nello stesso gruppo, quali sono i top 5 per redditività?”

Il modello mantiene il contesto della conversazione precedente.

Setup minimo del semantic model:

• Le tabelle devono avere descrizioni popolate (campo Description di ogni tabella e colonna).
• Le misure devono avere descrizioni in italiano.
• Eventuali sinonimi vanno configurati (es. “Cliente” = “Customer” = “Account” = “Buyer”).

L’investimento iniziale è 2-4 ore per modello. Il payoff è che i dirigenti non-tecnici possono interrogare i dati senza chiedere al controller.

3. Narrate insights — riassunto automatico di un report

Apri un report → pulsante Riepiloga questa pagina → Copilot genera un testo italiano di 200-400 parole che descrive:

• I trend principali della pagina (es. “Le vendite sono in calo del 12% nel Q1 2026 vs Q4 2025, principalmente trascinate dal segmento Retail”).
• Le anomalie (“Il cliente Mecanica Bresciana mostra un picco anomalo a marzo, +340% vs media mensile”).
• Le correlazioni statisticamente significative (“C’è correlazione 0.78 fra spesa marketing e vendite con lag di 1 mese”).

Utile per briefing executive: invece di descrivere il report a voce per 10 minuti durante una call, lo si invia con il riepilogo Copilot già pronto, e si arriva alla call direttamente con le decisioni.

Limite ancora aperto: Copilot non distingue ancora bene la causalità dalla correlazione. Le formulazioni “il marketing causa le vendite” vanno comunque verificate criticamente.

4. DAX explain — Copilot spiega le misure esistenti

Funzionalità inversa: hai ereditato un report Power BI con 80 misure DAX scritte da chi ti ha preceduto, nessuna documentazione. Click su una misura → Spiega questa misura.

Copilot genera:

• Cosa fa la misura in italiano.
• Quali tabelle/colonne usa.
• Quali altre misure dipendono da essa.
• Suggerimenti di refactoring se la misura ha pattern inefficienti.

Estremamente utile in fase di takeover di report esistenti. Per PMI italiane che hanno ricevuto report da un consulente esterno e ora vogliono prenderli in carico internamente, riduce il tempo di onboarding da settimane a giorni.

Tre use case concreti per PMI italiane

Use case A — Controller di gestione che diventa autonomo sui calcoli

PMI manifattura, 50 dipendenti, controller con background da economia ma niente DAX. Prima: chiedeva al consulente esterno di scrivere ogni nuova misura. Lead time 2-3 settimane, costo 80€/h × 4-6h per misura.

Con Power BI Copilot Q1 2026: scrive lui stesso le misure nuove in 15-30 minuti, verifica i risultati con la pivot Excel di riscontro, validazione finale del CFO. Tempo risparmiato ~30h/mese, autonomia totale.

Use case B — CdA briefing automatizzato

Studio commercialista, gestione 50 clienti SRL. Prima del CdA mensile dei clienti, generava report Power BI per ogni cliente con narrato manuale di 1 ora ciascuno.

Con narrate insights: il narrato si genera in 5 secondi, viene incollato nell’email accompagnatoria, lo studio risparmia 4-5 giorni di lavoro al mese. Trade-off: i narrati Copilot vanno comunque revisionati (1-2 minuti ciascuno) per correggere eventuali interpretazioni causali sbagliate.

Use case C — Self-service per il commerciale

PMI 80 dipendenti, direzione commerciale chiedeva al BI team 5-10 query al giorno (“quanto abbiamo venduto a X in marzo?”, “chi sono i top 10 clienti per margine?”). Tutte semplici, ma erano un collo di bottiglia.

Con semantic model + Q&A natural language: il direttore commerciale interroga il dataset direttamente da Teams. Il BI team passa a fare lavoro davvero analitico (forecasting, scenario analysis) invece di rispondere a domande di lookup.

Limiti ancora aperti (importante)

Non tutto è risolto. Tre aree dove Copilot ancora non è affidabile:

1. Modelli con relazioni many-to-many complesse. Copilot genera DAX che funziona ma può essere semanticamente sbagliato (es. ignora i bridge tables o duplica). Verifica sempre manualmente i risultati di una nuova misura in scenari multi-tabella complessi.

2. Calcoli finanziari con effetti temporali sottili (es. ricavi a competenza vs ricavi a cassa, fatturazione differita). Copilot tende a usare formule “academic” che non rispecchiano la complessità contabile italiana. Per controllo di gestione fiscale, sempre verifica col commercialista.

3. Allucinazioni residue su nomi di colonne. Se chiedi “Crea una misura che usa la colonna Fatturato Lordo” ma la colonna in realtà si chiama Fatturato_Lordo, Copilot a volte inventa la sintassi corretta senza segnalare l’inconsistenza. Sempre verificare che le colonne referenziate esistano davvero nel modello.

Governance: dove va Copilot, dove non deve andare

Copilot per Power BI ha accesso al modello dati ma anche ai dati effettivi del workspace. Per le PMI con dati sensibili (sanitari, finanziari riservati), governance opportuna:

• Sensitivity Labels sui dataset (Riservato, Confidenziale, Pubblico) — Copilot rispetta i label e flagga gli output di conseguenza.
• DLP per Copilot — policy che bloccano output di Copilot contenente pattern sensibili (numeri carta credito, IBAN, codici fiscali) per essere copiati in clipboard o inviati esternamente.
• Audit log Purview — tutte le interazioni Copilot finiscono nel log, con prompt + output + sorgenti dati lette.
• Workspace separati per dati riservati — i workspace Finance Restricted con accesso limitato a 3-4 persone evitano che il commerciale junior interroghi accidentalmente dati di payroll.

Licensing 2026

Power BI Copilot richiede:

• Power BI Pro o Premium Per User (PPU) per ogni utente che vuole usare Copilot.
• Fabric Capacity F64+ oppure Premium P1+ workspace per i dataset/semantic models.

Per le PMI sotto i 30 utenti BI, Fabric F2 + Pro license per utente (10€/u/m) è il setup tipico. La capacity F2 (£200/mese) non supporta Copilot diretta, ma F64 è eccessiva. Microsoft sta lavorando a un’opzione intermedia (F8-F16 con Copilot incluso) — annuncio atteso H2 2026.

Vedi Microsoft Fabric pricing 2026 F2-F64 per PMI per la scelta della capacity.

Conclusione

Power BI Copilot Q1 2026 ha attraversato la soglia da “esperimento curioso” a “strumento utile in produzione” per la maggior parte degli use case PMI. Non sostituisce un BI consultant per progetti di trasformazione complessi, ma rende molto più produttivi i controller di gestione interni, riduce il tempo per onboarding di nuovi report, e democratizza l’accesso ai dati per dirigenti non-tecnici.

Per una valutazione su come Power BI Copilot può accelerare il controllo di gestione nella tua PMI, parla con un nostro consulente. Combiniamo l’assessment dei tuoi dataset esistenti con un pilot di 4-6 settimane su un caso d’uso reale.