Mønster 2: Virksomhedsekspertens styrke

Registrer, anvend og skaler ekspertviden på tværs af organisationen uden at automatisere beslutninger eller fjerne menneskelig dom. Ekspertens viden bliver tilgængelig i stor skala, men eksperten står stadig til ansvar for kvaliteten af denne viden.

I dette mønster fungerer agenten som skalerbar proxy for ekspertens dom. Eksperten ejer agentens troværdighed.

Hvad dette mønster er

Virksomhedsekspertens styrke gør én eksperts vurdering til en ressource, som hele organisationen kan nå ud til. Agenten besvarer spørgsmål på den måde, som eksperten ville have funderet i de dokumenter og standarder, som eksperten fastholder. Eksperten går fra at besvare de samme spørgsmål gentagne gange til at undervise agenten og kontrollere dens arbejde.

Ligesom AI-understøttelse af medarbejdere er dette mønster på hjælpe-siden af skiftet fra at hjælpe til at udføre. Agenten rådgiver. Den udfører ikke en proces eller overfører beslutningen fra personer. Det, der gør dette mønster specifikt, er kilden til værdien: agentens troværdighed er produktet. Hvis det giver forkerte ekspertrådgivning, det skader ekspertens omdømme og kan skade virksomheden.

Hvad agenter gør

Agenter i dette mønster giver ekspertviden efter behov:

• Besvare spørgsmål om politik og overholdelse af angivne standarder.
• Angivelse af anbefalinger baseret på domænestandarder og bedste praksis.
• Fortolkning af retningslinjer og lovmæssige krav.
• Markering af undtagelser, der kræver menneskelig eskalering.
• Vejledning af brugerne gennem kvalitetskriterier og kontrolprocesser.

Agenten erstatter ikke eksperten. Det udvider ekspertens rækkevidde, så organisationen ikke er afhængig af et lille antal eksperter inden for emnet (SMV'er).

Hvad mennesker gør

Domæneeksperten definerer reglerne, organiserer viden og validerer agentnøjagtighed. Deres rolle skifter fra at besvare alle spørgsmål til at undervise agenten og overvåge dens output.

Denne ændring er vigtig. Eksperter, der tidligere har brugt det meste af deres tid på at besvare gentagne spørgsmål, skal nu fokusere på:

• Definition af de beslutningsgrænser, som agenten opererer i.
• Vedligeholde videnkilder, så de forbliver autoritative og aktuelle.
• Gennemgang af agentsvar med henblik på nøjagtighed og fuldstændighed.
• Håndtering af eskaleringer, der falder uden for agentens definerede område.
• Løbende forbedring af agenten baseret på feedback.

Eksperten ejer agentens troværdighed. De kan ikke delegere denne ansvarlighed til it- eller Center of Excellence (CoE) .

Sådan fungerer driftsmodellen

Hvis dette mønster kan installeres, kræver det ændringer på tværs af fire dimensioner:

Målmodenhedsprofil

Dette mønster kræver følgende minimumsmodenhedsniveauer på tværs af de fem kapacitetsdrivere:

Nøgleindsigt: Agentens troværdighed er produktet. Hvis agenten giver forkert ekspertrådgivning, skader du ekspertens omdømme og potentielt virksomheden. Modenhedsdybde koncentrerer sig om styring og videnskvalitet, ikke teknologi.

Skalaafbryder: Teknologi og data. Bindingsbegrænsningen er videnskvalitet. Hvis du ikke kan garantere, at kildedokumenterne er autoritative, aktuelle og komplette, er agentens output upålideligt, uanset hvor godt teknologien er konfigureret. Ret viden, før du skalerer agenten.

Anbefalet Center of Excellence-struktur: Organisationsnetværk

Eksperter bygger og ejer deres agenter inden for deres domæne. CoE (Center of Excellence) leverer mønstre, videnssporinger, evalueringsstandarder og livscyklusdisciplin. CoE holder kvaliteten ensartet på tværs af domæner uden at tage ejerskab fra de eksperter, der kender indholdet.

Få mere at vide om struktur, roller og risikobaseret styring i Opret et agentisk Center of Excellence.

Hvad du har brug for og ikke har brug for

Du skal:

• Autoritative videnkilder: Agenten er kun så god som dataene. Identificer og organiser den kanoniske kilde til sandhed for hvert domæne.
• Navngivet ekspertejerskab: En bestemt person (ikke "teamet") ejer nøjagtigheden. Delt ejerskab betyder intet ejerskab.
• Eskaleringsregler: Når agenten ikke kender eller støder på noget uden for sit område, skal det sige det tydeligt og dirigere til eksperten. Uovervågede fejl er værre end anerkendte huller.
• Feedbackløkker: Eksperten gennemgår løbende svar og forbedrer agentens nøjagtighed over tid.
• Eksplicitte beslutningsgrænser: Definer, hvad agenten kan anbefale i forhold til det, der kræver menneskelig dom. Dokumentér linjen.
• Overvågning af videnkvalitet: Spor nøjagtighed, forældethed og brugertillid over tid. Viden er forældet, hvorimod kildedokumenter opdateres, regler ændres, og standarder udvikler sig.

Du behøver ikke:

• Automatisering af hele processen: Agenten rådgiver – den udføres ikke.
• Procesorkestrering: Dette mønster handler om videnskalering, ikke automatisering af arbejdsprocesser.
• Overførsel af resultatejerskab: Eksperten er stadig ansvarlig for kvaliteten af agentsvar.
• Integration på tværs af systemer: Agenten arbejder inden for ekspertens domæne.
• Udrulning i hele virksomheden: Start med ét domæne, bevis værdi, og udvid derefter.

Målepunkter for værdi og succes

Værdien kommer fra at levere ekspertvejledning efter behov og frigøre eksperter fra gentagne spørgsmål. Mål både, om der er tillid til agenten, og om der er tillid til dens svar. For dette mønster er tillid den metrikværdi, der betyder mest.

Sådan ser værdien ud

• Ekspertvejledning er tilgængelig i stor skala efter behov.
• Reduceret afhængighed af et lille antal SMV'er.
• Hurtigere og mere ensartede beslutninger på tværs af organisationen.
• Bevarelse af institutionel viden, der ellers ville være en flaskehals eller en risiko.
• Eksperter bruger mere tid på dom og undtagelser, ikke gentagne spørgsmål.

Målepunkter for succes, der skal spores

Sådan måler du

• Copilot Studio analyserapportløsningshastighed, eskaleringshastighed, opgivelsesfrekvens og kundetilfredshed for agenter, du har bygget i Copilot Studio.
• Agentevalueringsværktøjer gør det muligt for eksperten at køre gentagelige testsæt, så nøjagtigheden måles, ikke antages. Behandl nye evalueringsfunktioner som udvikling. Kontrollér Microsoft Få mere at vide for at bekræfte prøveversionsstatus eller generel tilgængelighed, før du bruger disse funktioner.
• En feedbackløkke forvandler hver "kan ikke finde" eller tommelfinger nedad til en videnskurationsopgave, så dækningen forbedres over tid.

Almindelige anti-mønstre

Disse fejl stammer fra videnhuller og uklart ejerskab, ikke svag teknologi.

Kundehistorier

Disse offentliggjorte Microsoft-kundehistorier viser, hvordan ekspertviden kan skaleres med velfunderede agenter med kildehenvisninger, mens menneskerne fortsat står til ansvar.

Microsoft agentiske egenskaber for dette mønster

I følgende eksempler fremhæves egenskaber, der er særligt relevante for virksomhedsekspertens styrke. Brug disse eksempler som udgangspunkt for at matche funktioner til dine scenarier og brugersegmenter, og udforsk derefter Microsoft agentøkosystem for at få det komplette billede.

Byg en vidensagent med jordforbindelse

• Agent Builder i Microsoft 365 Copilot er den måde, du ikke kan bruge kode på, til at oprette en deklarativ agent, der er logget på i dit lejerindhold. Opret forbindelse mellem agenten og SharePoint websteder og filer, OneDrive, Outlook mail, Teams-chats, URL-adresser til offentlige websteder, uploadede filer og Copilot connectors. Kontrolelementet "brug kun angivne kilder" tvinger agenten til kun at svare fra organiseret indhold og returnere et klart fallback, når det ikke kan finde et svar i stedet for at gætte.
• Copilot Studio giver dig bedre kontrol: konfigurerbare videnkilder, generative svar og en deterministisk tilstand, der parrer stramme instruktioner med begrænsede kilder for at opnå højere nøjagtighed.
• SharePoint agenter omdanner et udvalgt sæt websteder og filer til en jordforbindelsesagent med nogle få klik med svar, der overholder hver brugers tilladelser og linker tilbage til kilden.
• Microsoft 365 Copilot connectors giver agenten ekstern autoritativ viden fra kilder som ServiceNow Knowledge, Confluence og Jira, der er begrænset til den rette vidensbase.

Sørg for, at svar er pålidelige

• Citater og sporing returnerer et link til kildedokumentet for hvert svar, så brugerne kan bekræfte, og eksperter kan overvåge.
• Microsoft Purview-følsomhedsetiketter og sikkerhedsafgrænsning sikrer, at agenter respekterer eksisterende tilladelser og fortrolighedskrav.
• Agentevaluering og Copilot Studio analyse giver ekspertens testnøjagtighed før udgivelsen og overvåger kvalitet, eskalering og tillid efter udgivelsen.

Sådan ved du, at du er klar

Start dette mønster, hvis de fleste af disse sætninger er sande:

• Du har autoritativt, aktuelt kildeindhold for domænet.
• En navngiven ekspert vil eje nøjagtighed og gennemse svar.
• Du kan definere, hvad agenten kan anbefale, og hvad der har brug for et menneske.
• Agenten kan sige "Jeg ved det ikke" og dirigere til et menneske.
• Du kan måle jordforbindelse, citatdækning og tillid, før du skalerer.

Næste trin

Eller udforsk den fulde model til indførelse af agentisk kunstig intelligens.

Udforsk andre mønstre mere detaljeret:

• Mønster for ai-aktivering af medarbejder
• Mønster for arbejdsplads og it-tjenester
• Kernemønster for transformation af forretningsproces
• Eksternt aftalemønster
• Mønster for egenskaber hvor kunstig intelligens kommer først

Relaterede oplysninger

• Microsoft 365 Copilot-agenter
• Agent Builder i Microsoft 365 Copilot
• Vælg det rigtige værktøj til at opbygge din deklarative agent
• Opret og udrul en agent med Microsoft Copilot Studio