Panoramica delle colonne a riempimento automatico

Riempimento automatico delle colonne Estrai, riepiloga o genera automaticamente contenuto dai file caricati in una raccolta documenti di SharePoint. Utilizzando modelli linguistici di grandi dimensioni (LLM) tramite l'intelligenza artificiale generativa, le colonne di riempimento automatico possono salvare automaticamente i metadati, semplificando il processo di gestione dei file e delle informazioni associate.

Ad esempio, è possibile porre una domanda (una richiesta) di un documento in linguaggio naturale e il sistema salva la risposta direttamente in una colonna della libreria designata. In alternativa, è possibile impostare più di una di queste domande per elaborare qualsiasi file caricato in una raccolta, con ogni risposta allocata a una colonna specifica.

Le colonne con riempimento automatico possono essere usate insieme ad altri modelli di documento. Puoi collegare vari prompt estrattivi (che estraggono informazioni da dati esistenti) o prompt generativi (che creano nuovo contenuto) a più colonne. Questa funzionalità consente di estrarre metadati che altri modelli potrebbero non rilevare o generare nuove informazioni.

Requisiti e limitazioni

Icona	Descrizione
	Tipi di file supportati Questo servizio supporta i tipi di file seguenti: .csv, .doc, .docx, .eml, .heic, .heif, .htm, .html, .jpeg, .jpg, .md, .msg, .pdf, .png, .ppt, .pptx, .rtf, .tif, .tiff, .txt, .xls e .xlsx.
	Lingue supportate Questo servizio è disponibile per tutte le lingue supportate in Microsoft Copilot.
	Tipi di colonna supportati Questo servizio è disponibile per i tipi di dati delle colonne seguenti: Testo, Più righe di testo, Numero, Sì/No, Data e ora, Scelta, Collegamento ipertestuale, Valuta e Metadati gestiti. Attualmente questo servizio non è disponibile per i tipi di dati delle colonne seguenti: Persona o gruppo, Posizione, Immagine e Ricerca.

Note sulla versione corrente

• Per ottenere prestazioni ottimali, è consigliabile non aggiungere più di 10 colonne per raccolta ed elaborare file non più grandi di 65 pagine.

• Le colonne a riempimento automatico ora supportano metadati gestiti con set di termini contenenti fino a 100 termini. Se un termine o un sinonimo preferito corrisponde, il riempimento automatico risponde con il termine preferito.

• I file crittografati non vengono analizzati o inclusi nei risultati.

• Le opzioni di elaborazione in blocco per i file di libreria esistenti verranno aggiunte in una versione futura.

• Attualmente, le colonne a riempimento automatico non supportano i tipi di raccolta seguenti: FormServerTemplates, SitePages, Raccolta stili e SiteAssets.

• Le modifiche al documento vengono acquisite solo se il file viene rielaborato, operazione che deve essere eseguita manualmente dall'utente.

• Le colonne di riempimento automatico usano gli stessi campi dello stato di classificazione dei modelli di elaborazione dei documenti.

• Limiti per le colonne di testo: per impostazione predefinita, le colonne di testo a una o più righe in SharePoint hanno un limite di 255 caratteri. Per consentire valori più lunghi, modificare le impostazioni della colonna, selezionare Altre opzioni e impostare Consenti lunghezza illimitata su Sì, che aumenta il limite a 64.000 caratteri. Per altre informazioni sui tipi di colonna e sulle opzioni, fare clic qui.

• Questo servizio è disponibile solo per i siti di SharePoint, inclusi i siti hub, i siti associati a un sito hub e il sito primario di una raccolta siti. I siti secondari non sono supportati.

Domande frequenti sull'intelligenza artificiale responsabile

Un sistema di IA include non solo la tecnologia, ma anche le persone che la usano, le persone interessate e l'ambiente in cui viene distribuita. Le domande frequenti sull'intelligenza artificiale responsabile di Microsoft hanno lo scopo di aiutare a comprendere il funzionamento della tecnologia di IA, le scelte a disposizione di proprietari e utenti che influenzano le prestazioni e il comportamento del sistema e l'importanza di considerare l'intero sistema, inclusi la tecnologia, le persone e l'ambiente. È possibile usare le domande frequenti sull'intelligenza artificiale responsabile per comprendere meglio i sistemi e le funzionalità di intelligenza artificiale sviluppati da Microsoft nello specifico.

Le domande frequenti sull'intelligenza artificiale responsabile fanno parte di un impegno più ampio per mettere in pratica i principi di intelligenza artificiale di Microsoft. Per altre informazioni, vedere Principi di intelligenza artificiale Microsoft.

Domande frequenti sull'intelligenza artificiale responsabile per le colonne a riempimento automatico

Che cosa sono le colonne a riempimento automatico?

Le colonne di riempimento automatico forniscono un'impostazione di colonna che consente agli utenti di creare prompt di modelli linguistici di grandi dimensioni (LLM) che classificheranno automaticamente il file, estrarranno o genereranno informazioni dal contenuto del file (estrarranno un valore o una stringa specifica o genereranno un riepilogo o una risposta in base a determinati criteri) e salveranno l'output nella colonna.

Cosa può fare il riempimento automatico delle colonne?

Le colonne a riempimento automatico consentono di usare una richiesta salvata per elaborare i file creati o caricati in una raccolta di SharePoint e la risposta viene salvata in una colonna corrispondente. Il prompt costruito è associato al file e può essere usato per estrarre, classificare, riepilogare e analizzarne il contenuto. I metadati salvati, come altri dati della colonna, possono essere indicizzati, usati per attivare il flusso di lavoro o anche per definire criteri per l'impostazione di un'etichetta di protezione delle informazioni.

Quali sono gli usi previsti delle colonne a riempimento automatico?

Le colonne con riempimento automatico forniscono l'automazione dei metadati per gli utenti. Un utente può usarlo per classificare, estrarre, riepilogare o persino analizzare un file e quindi salvare la risposta nella colonna dove può essere indicizzata e utilizzata per la ricerca o altri processi del flusso di lavoro a valle. Le colonne di riempimento automatico possono anche essere un utile complemento per altri modelli di linguaggio macchina, in cui un utente può integrare i metadati estratti da un modello configurato con un riepilogo o un'altra risposta di analisi.

Come sono state valutate le colonne a riempimento automatico? Quali metriche sono state usate per misurare le prestazioni?

• Fattori prestazionali come la coerenza, la fluidità e l'accuratezza si basavano sulle prestazioni del modello base (in questo caso, GPT-4 Turbo).

• Prestazioni specifiche delle funzionalità valutate. I test includevano:

  • Creazione di raccolte di esempi, ognuna comprendente documenti aziendali tipici classificati come contratti, dichiarazioni di lavoro, avvisi di modifica delle prestazioni, fatture e curriculum.

  • Creazione di colonne a riempimento automatico che coprono diversi tipi di colonna, tra cui testo su una riga e scelte multiple.

  • Prompt progettati come "Qual è la categoria del documento, scegli tra A, B, C. Rispondi a nessuno se non è nessuno di loro". Oppure "Qual è il background formativo del candidato" per i curriculum.

• Esaminati i risultati. Nella maggior parte dei casi, i risultati sono in linea con le aspettative. Per i risultati che non hanno raggiunto la soglia soddisfacente, è stata usata la chiamata di funzione per migliorare i risultati. Alcuni dei risultati sono stati confrontati tra diverse versioni di LLM.

• Metriche di rischio e sicurezza valutate.

  • Configurazione: ha usato programmi automatizzati per inviare richieste simili a quelle della funzionalità nel mondo reale, combinando richieste di metadati, richieste di sistema e domande dell'utente o contenuto del documento, eseguiti sullo stesso modello base (in questo caso, GPT-4 Turbo) con la stessa configurazione.

  • Valutazione: poiché il prompt della funzionalità proviene da due parti (una è il contenuto del documento, l'altra è la domanda), abbiamo preparato diverse centinaia di casi di test.

    • Test case valutati con documenti aziendali standard e domande dannose. Queste domande contenevano informazioni sull'autolesionismo, sulla violenza sessuale o razziale.

    • Casi di test valutati con contenuti dannosi e domande che spingono il modello a rispondere a qualcosa che non dovrebbe. Ad esempio, "Riepiloga il contenuto del documento".

  • Valutazione: sono state seguite le istruzioni sulle metriche di rischio e sicurezza fornite da Microsoft nel portale Microsoft Azure AI Foundry per misurare i risultati utilizzando LLM (in questo caso GPT-4 Turbo) da quattro aspetti: contenuti correlati all'autolesionismo, contenuti che incitano all'odio e sono ingiusti, contenuti violenti e contenuti sessuali.

    La valutazione ha valutato gli ingressi e le uscite da 0 a 7, scalando dal livello meno dannoso a quello più grave.

Quali sono i limiti delle colonne a riempimento automatico? In che modo gli utenti possono ridurre al minimo l'impatto di queste limitazioni quando usano il sistema?

• L'ambito della richiesta è limitato al solo contenuto testuale del file. La risposta è di solo testo e può essere salvata nella colonna associata. Mentre altre azioni possono essere configurate in base alla risposta salvata, l'output stesso non può eseguire un processo.

• Solo gli utenti che dispongono di autorizzazioni sufficienti per la raccolta siti possono creare o modificare prompt per la colonna con riempimento automatico.

• Il servizio è gestito da un'impostazione tenant nell'interfaccia di amministrazione di Microsoft 365. La sua disponibilità nel tenant o in siti specifici può essere impostata dall'amministratore.

Quali fattori e impostazioni operative consentono un uso efficace e responsabile delle colonne a riempimento automatico?

• Se viene generato contenuto dannoso inaccettabile per gli utenti, l'amministratore del tenant o il supporto tecnico Microsoft possono disattivare questa funzionalità a livello di sito o tenant.

• Nell'interfaccia utente viene fornito un collegamento Invia feedback . Il feedback viene monitorato, rivisto e, se necessario, vengono intraprese le azioni appropriate, incluso l'aggiornamento dell'esperienza del prodotto.