Oversigt over Microsoft Copilot-justering (forhåndsvisning af tidlig adgang)

Microsoft Copilot-optimering er en AI-tilpasningsfunktion, der gør det muligt for organisationer at oprette opgavespecifikke Copilot-agenter ved at justere store sprogmodeller (LLM'er) med deres egne organisationsdata. Tuning giver agenter mulighed for at producere svar, der afspejler en organisations domæneviden, terminologi, tone og kvalitetsstandarder.

I modsætning til generelle AI-oplevelser er tunede agenter designet til specifikke, gentagelige opgaver. Da de udelukkende fungerer i Microsoft 365-lejeren, forbliver organisationsdata beskyttet af eksisterende kontrolelementer til sikkerhed, overholdelse af angivne standarder og styring.

Denne artikel indeholder en oversigt over Copilot-optimering, herunder nøglefunktioner, understøttede scenarier, justeringskoncepter og administrativ styring.

Nøglefunktioner

Copilot-optimering gør det muligt for organisationer at bygge AI-oplevelser, der passer tæt til deres forretningsbehov. Den tilbyder følgende funktioner:

• Tilpasning uden kode – Opret tunede agenter ved hjælp af skabeloner i Agent Builder uden ekspertise inden for kodning eller datavidenskab. Virksomhedsbrugere og domæneeksperter kan hjælpe dig med at justere ved hjælp af organiserede eksempler og organisatorisk indhold.

• Opgavespecifikke agenter – Byg agenter, der er optimeret til scenarier med høj værdi, f.eks. besvarelse af spørgsmål, dokumentskrivning, opsummering, validering og redigering af skrivestil. Tunede agenter producerer output, der afspejler organisatorisk terminologi, struktur og forventninger.

• Forbedret effektivitet og ensartethed – Ved at integrere organisatorisk viden i Copilot kan tunede agenter reducere den tid, der kræves til komplekse indholdsopgaver, samtidig med at de forbedrer konsistensen og overholdelsen af interne standarder.

• Integration med Microsoft 365-data – tunede agenter kan bruge udvalgt organisationsindhold og ræsonnere over live virksomhedsdata via Microsoft Graph, hvilket hjælper med at sikre, at svarene er baseret på opdaterede oplysninger.

• Sikkerhed i virksomhedsklasse – Alle justeringshandlinger sker inden for Microsoft 365-tillidsgrænsen. Tunede agenter respekterer adgangskontrollister (ACL'er) fra oplæringsdataene og returnerer kun oplysninger, som brugerne har tilladelse til at få adgang til.

Understøttede scenarier

Copilot-optimering understøtter et sæt opgaveorienterede agentskabeloner.

Dokumentskrivning

Agenter til dokumentskrivning genererer strukturerede, lange dokumenter baseret på organisatoriske skabeloner, eksempler og standarder. Disse agenter kan producere de første udkast til indhold som f.eks. forslag, kontrakter, politikker og teknisk dokumentation, mens de overholder formaterings- og overholdelseskrav.

Du kan finde flere oplysninger under Skabelon til agent til dokumentskrivning.

Dokumentoversigt

Agenter til dokumentoversigter genererer skræddersyede resuméer baseret på tone, målgruppe, formål og længde. Organisationer kan finjustere disse agenter, så de afspejler interne opsummeringsstandarder og fremhæve de oplysninger, der er mest relevante for deres use cases.

Du kan få flere oplysninger i Skabelon til agent til dokumentoversigt.

Svar fra eksperter (Q&A)

Sagkyndige svaragenter giver domænespecifikke svar ved at forankre svar i organisatorisk indhold. Disse agenter understøtter scenarier, der kræver dyb søgning på tværs af store datasæt, strenge politikværn eller specialiseret terminologi.

Du kan få mere at vide under Agent Answers Skabelon til ekspertsvar.

Dokumentvalidering

Agenter for dokumentvalidering gennemgår dokumenter for at sikre, at de overholder organisationens retningslinjer, politikker, brandingstandarder og lovkrav. De identificerer problemer, kategoriserer risici og giver anvendelig feedback direkte i dokumenter.

Du kan finde flere oplysninger i Skabelon for agent til dokumentvalidering.

Redigering af typografier

Agenter til stilredigering finjusterer kladder, så de passer til organisationens brandstemme, tone og retningslinjer for skrivning. Disse agenter hjælper med at sikre ensartethed på tværs af indhold, der produceres af forskellige brugere og teams.

Du kan finde flere oplysninger under Skabelon for agent til stilredigering.

Optimeringsagent

Optimeringsagenter hjælper med forretningsoptimeringsproblemer, f.eks. ressourceallokering, opgavetildeling og planlægning. Brugerne definerer mål og begrænsninger, og agenten producerer forklarlige løsninger baseret på uploadede data og organisationsregler.

Du kan finde flere oplysninger under Optimeringsagent.

Valg af agent

Vælg en skabelon ud fra den opgave, du vil fuldføre. Justerbare skabeloner er designet til specifikke, repeterbare opgaver som f.eks. dokumentskrivning, opsummering, besvarelse af spørgsmål, validering, redigering af typografi og optimering.

Knytte en arbejdsproces til skabeloner

Mange arbejdsprocesser anvender mere end én skabelon.

Justering af agent

Agentjustering giver dig mulighed for at finjustere agenter, der er oprettet ud fra skabeloner, der kan justeres, i Microsoft Copilot Agent Builder. Hver justerbar skabelon er designet til en bestemt opgave og indeholder en foruddefineret afledningsarbejdsproces, der angiver basismodellen, instruktioner, jordforbindelsestilgang, brug af værktøj og outputgenerering. Denne arbejdsproces giver en optimeret standardkonfiguration – en brugsklar "opskrift", der hjælper agenter med at hente relevant kontekst, anvende værktøjer effektivt og producere output af høj kvalitet fra starten.

I mange scenarier opfylder agenter, der er oprettet ud fra disse skabeloner, kvalitetsforventningerne uden yderligere tilpasninger. Når der kræves yderligere finjustering – f.eks. tilpasning af output tættere til organisationens standarder, domænespecifikke behov eller brugerforventninger – giver agentjustering strukturerede måder at forbedre adfærd og ydeevne på.

Justerbare skabeloner er tilgængelige for Copilot-licenserede brugere i berettigede lejere og oprettes i Agent Builder. Når du opretter en agent ud fra en justerbar skabelon, kan brugerne tilpasse understøttede egenskaber, f.eks. agentens navn, instruktioner og prompter. Adgang til justeringsfunktioner afhænger af lejeradministratorens konfiguration. Hvis justeringsindstillingerne ikke er tilgængelige, skal brugerne muligvis anmode om adgang fra en administrator. Berettigede brugere vil kunne se indstillingen "tune-agent", når de har oprettet en agent ud fra en skabelon, der kan justeres.

Tre typer justering understøttes: justering af kontekst, justeringsværktøjer og justeringsmodel. Disse dimensioner er designet til at fungere sammen og evalueres ved hjælp af ensartede brugermålstyrede kategorier for at sikre, at justeringen fører til målbare forbedringer.

Finjuster kontekst

Justering af kontekst definerer agentens mål og succeskriterier ved at angive den primære opgave, det primære domæne og de repræsentative eksempler. Krav til kontekst varierer efter skabelon. Skabeloner til dokumentskrivning bruger f.eks. eksempler på de typer dokumenter, som agenten skal producere, skabeloner til dokumentoversigt kræver input som f.eks. formål, målgruppe, længde, tone og fokusområder, og skabeloner til ekspertsvar er afhængige af eksempelfiler til at generere evalueringsspørgsmål og -svar. Baseret på dette input foreslår systemet delmål og evalueringsrubrikker, som etablerer en målbar baseline for vurdering af agentpræstationer.

Finjuster værktøj

Værktøjsjustering udvider agentens funktioner ved at integrere flere agenter eller værktøjer i arbejdsprocessen. Disse værktøjer kan bruges til at udføre opgaver som f.eks. research, validering eller justering af sproglig stil. Brugerdefinerede orkestreringsinstruktioner definerer, hvordan værktøjer anvendes, og agentpræstationer evalueres igen i forhold til de etablerede kategorier, når ændringerne er foretaget.

Finjuster model

Modeljustering fokuserer på at forbedre ræsonnement og outputkvalitet gennem overvågede finjusterings- og forstærkningslæringsteknikker. Eksempler af høj kvalitet fra organisationsdata bruges som kursusinput, med evalueringsrubrikker, der hjælper dig med tilpasning til organisationens forventninger. Under denne proces kan adgangskontrolelementer, filtilladelser og følsomhedsetiketter anvendes. Modeljustering kører asynkront, så brugerne kan fortsætte med at bruge den eksisterende agent, mens justeringen er i gang. Når justeringen er fuldført, afgør evalueringsresultaterne, om den opdaterede model er klar til at blive publiceret.

Agentjustering er en iterativ proces snarere end en engangskonfiguration. Organisationer opfordres til at overvåge brugen i den virkelige verden, indsamle feedback og tilpasse kontekst, værktøjer, data eller regler i takt med, at kravene udvikler sig med tiden. Denne igangværende livscyklus hjælper med at sikre, at agenter forbliver nøjagtige, relevante og på linje med skiftende behov.

Brug af tunede agenter

Efter oprettelse eller justering kan agenter deles med berettigede brugere på tværs af organisationen. Brugerne interagerer med tunede agenter via understøttede Microsoft Copilot-oplevelser, f.eks. Microsoft Copilot-appen eller Copilot Chat i Microsoft Teams.

Tunede agenter giver følgende fordele:

• Øget produktivitet gennem hurtigere oprettelse og analyse af indhold
• Forbedret nøjagtighed ved at forankre svar i organisationsdata
• Ensartede output i overensstemmelse med interne standarder
• Bredere adgang til organisatorisk viden på tværs af teams

Anbefalede fremgangsmåder

Anvend følgende bedste praksis for at gøre bedst muligt brug af tunede agenter:

• Forstå agentens omfang og begrænsninger.
• Brug tydelige, specifikke prompter.
• Angiv startprompter for at vejlede brugerne.
• Finindstil output via interaktioner med flere sving.
• Følg organisationens politikker for sikkerhed og overholdelse af regler og standarder.
• Tilskynd brugerfeedback for at forbedre agentkvaliteten over tid.

Ansvarsfraskrivelse

AI-administratoren er ansvarlig for at sikre, at din brug af dette produkt overholder alle gældende love om databeskyttelse, beskyttelse af personlige oplysninger og immaterielle rettigheder. Dette omfatter opfyldelse af dine forpligtelser som dataansvarlig i henhold til bestemmelser som GDPR eller CCPA.

Dataansvarliges forpligtelser

• Du er ansvarlig for, hvordan data indsamles, gemmes og bruges i dit lejermiljø.
• Du skal sikre, at dine datapraksisser opfylder juridiske krav om gennemsigtighed, samtykke, adgang og sletning.
• Du er ansvarlig for at verificere nøjagtigheden, hensigtsmæssigheden og overholdelsen af alle output, der genereres fra dette system, før du bruger dem. Kan kræve gennemgang med eksperterne inden for emnet.

Ophavsret og modeltræning

• Hvis du vælger at træne en brugerdefineret model ved hjælp af dine egne data, skal du sikre, at du har de rette rettigheder eller licenser til alle ophavsretligt beskyttede materialer, der er inkluderet i træningssættet.
• Ophavsretsbeskyttelse gælder ikke for modeller, der er trænet med uautoriseret ophavsretligt beskyttet indhold. Du påtager dig det fulde ansvar for en sådan brug.

Sletning af data

• Hvis en bruger, hvis data bruges til oplæring af en model, indsender en gyldig anmodning om sletning i henhold til GDPR (eller lignende bestemmelser), er du forpligtet til at træne modellen igen.
• Når du finjusterer en model, justeres modellens vægt på baggrund af træningsdataene. Du kan når som helst slette den finjusterede model.

Relateret indhold

• Agenter til Microsoft Copilot
• Byg agenter med Copilot Studio-agentgenerator
• Oversigt over Copilot Studio