Vanlige spørsmål om KI-godkjenninger

Disse vanlige spørsmålene forklarer funksjonaliteten, bruken og sikkerhetstiltakene i godkjenningsfasene drevet av kunstig intelligens (KI-godkjenninger) i Microsoft Copilot Studio. KI-godkjenninger lar en agentflyt automatisk godkjenne eller avvise forespørsler basert på forhåndsdefinerte kriterier, samtidig som mennesker beholder kontrollen over viktige beslutninger. Her er noen vanlige spørsmål og svar når det gjelder denne funksjonen.

Hva er KI-godkjenninger?

KI-godkjenninger er intelligente, automatiserte beslutningstrinn i godkjenningsarbeidsflyter. KI-godkjenninger bruker kunstig intelligens (Azure OpenAI-modeller eller modeller du kan ta med fra Azure AI Foundry) til å vurdere godkjenningsforespørsler mot forretningsregler og returnere en «Godkjent» eller «Avvist» beslutning med en begrunnelse.

Hva er KI-godkjenningsfunksjoner?

KI-godkjenninger kan, i motsetning til grunnleggende regelbasert automatisering, tolke ustrukturerte data og komplekse dokumenter (for eksempel PDF-filer eller bilder som er lagt ved en forespørsel) og bruke nyansert logikk til å ta en beslutning. En KI-godkjenning kan for eksempel lese en skriftlig begrunnelse, se etter policynøkkelord og deretter ta en beslutning.

KI-godkjenningsfaser kan også kombineres med menneskelige faser, slik at mens KI håndterer rutinemessige beslutninger, har mennesker fortsatt oppsyn med og fullfører alle kritiske tilfeller eller unntakstilfeller. Kort sagt automatiserer KI-godkjenninger de gjentakende ja/nei-beslutningene i en prosess, slik at arbeidsflyten går raskere uten at menneskelig tilsyn fjernes der den er viktig.

Hvordan er KI-godkjenninger ment å brukes?

KI-godkjenninger er utviklet for vanlige forretningsscenarioer med veldefinerte kriterier og effektiviserer daglige arbeidsflyter ved å automatisere rutinemessige beslutninger. Typisk bruk omfatter følgende:

Godkjenning av ugiftsrefusjon: Godkjenn krav under visse beløp og med gyldige kvitteringer automatisk, slik at ledere kan fokusere bare på unntak.

Godkjenning av bestilling: Evaluer forespørsler mot budsjettgrenser og leverandørlister, og godkjenn standardbestillinger innenfor policyen automatisk.

Godkjenning av reiseforespørsel: Godkjenn automatisk reiseforespørsler som oppfyller kravene, og avvis forespørsler med policybrudd.

Innfasing av leverandør: Godta eller avvis søknader ved å sjekke kvalifikasjoner og etterlevelseskrav mot forhåndsdefinerte kriterier.

Fakturabehandlingsgodkjenninger: Valider fakturaer ved å avstemme beløp mot bestillinger og bekrefte at nødvendig dokumentasjon finnes.

Godkjenning av dokumentgjennomgang: Bekreft at kontrakter eller policyer inneholder nødvendige elementer og oppfyller formateringsstandarder før de flyttes til neste trinn.

Godkjenning av forespørsler om fritid: Godkjenn forespørsler om fritid når ansatte har tilstrekkelig saldo og ingen planleggingskonflikter.

KI-godkjenninger er utviklet for rutinemessige, veldefinerte beslutninger. Det finnes imidlertid scenarioer der systemet kanskje ikke fungerer pålitelig eller ansvarlig. Vi oppfordrer kunder til å bruke KI-godkjenninger i de innovative løsningene eller programmene, men at de tar hensyn til følgende prinsipper når de velger et brukstilfelle:

• Viktige eller livsendrende beslutninger: Systemet er ikke utviklet for å håndtere beslutninger som påvirker helse, sikkerhet, økonomi eller juridisk status. Eksempler omfatter forsikringskrav, medisinske autorisasjoner, lånegodkjenninger eller immigrasjonsbestemmelser, som krever menneskelig vurdering og ansvarlighet.

• Rettslige saker eller disiplinærsaker: Brukstilfeller som involverer rettslig ansvar, tolkning av etterlevelse eller ansattdisiplin kan overskride hensikten med systemet. Selv om kunstig intelligens kan oppsummere inndata, skal endelige beslutninger på disse områdene tas av mennesker.

• Subjektive eller uklare kriterier: Systemet kan ha problemer med beslutninger som avhenger av smak, skjønn eller komplekse avveininger, for eksempel evaluering av kreativt arbeid eller kvalitetsvurdering, der standarder er vanskelige å kodifisere.

• Sensitive eller etisk komplekse scenarioer: KI-godkjenninger er ikke utviklet for beslutninger som involverer personlige attributter, potensiell diskriminering eller generering av begrenset innhold. Disse brukstilfellene byr på problemer knyttet til ansvarlig KI og kan kreve ytterligere sikkerhetstiltak.

• Regulerte bransjer og etterlevelsessensitive arbeidsflyter: I domener som helsevesen, økonomi eller luftfart kan forskriftsmessige krav nødvendiggjøre menneskelig tilsyn selv ved rutinemessige beslutninger. Systemet er ikke evaluert for etterlevelse i disse sammenhengene.

• Forutsigbare, men utilsiktede brukstilfeller: Etter hvert som bruken øker, kan brukere prøve å bruke KI-godkjenninger på områder som resultatvurderinger, ansettelsesbeslutninger eller vurdering av kunderettigheter. Disse brukstilfellene er ikke en del av systemets utforming eller konsekvensvurdering, og kan medføre risiko hvis de ikke håndteres forsiktig.

Hva er de tekniske begrensningene ved KI-godkjenninger, og hvordan kan brukere minimere virkningen av begrensninger?

Selv om KI-godkjenninger er en kraftig funksjon, oppfordrer vi brukere til å være oppmerksomme på begrensningene:

KI-godkjenninger avhenger av gitte regler: Kunstig intelligens følger instruksjonene og dataene dine strengt. Hvis instruksen din er uklar eller ufullstendig, kan KI-godkjenning ta feil beslutning eller mislykkes. Definer kriteriene eksplisitt. Hvis du sier «godkjenn hvis rimelig» uten å definere «rimelig», fører dette til feiltolkning.

Mulighet for feil: KI-godkjenninger kan gjøre feil på grunn av tvetydige inndata, komplekse kanttilfeller eller feillesning av dårlig skannede dokumenter. Resultatene er ikke alltid 100 % nøyaktige, så tilsyn er avgjørende i kanttilfeller.

Mangel på menneskelig intuisjon: KI-godkjenninger forstår ikke kontekst utover det de blir fortalt og kan ikke stille oppklarende spørsmål eller bruke magefølelse. KI-godkjenningen kan overse nyanser et menneske hadde fanget opp, for eksempel oppdage mistenkelige utgifter som «ser ut til å være for høye for den turen.»

Ingen læring av erfaring: KI-godkjenninger tilpasser seg ikke basert på hver godkjenning. De endrer ikke funksjonalitet med mindre du oppdaterer instruksen. Nye scenarioer som ikke dekkes av eksisterende regler, krever kontinuerlig vedlikehold etter hvert som policyene endres.

Avhengighet av datakvalitet: KI-godkjenningsbeslutninger er bare så gode som inndataene. Filer av dårlig kvalitet, ufullstendige dokumenter eller uleselige skanninger kan føre til feilaktige beslutninger eller systemfeil.

Integrasjons- og ytelsesbegrensninger: Komplekse godkjenningskriterier eller beslutninger som krever sanntidsdata fra flere systemer, kan redusere nøyaktigheten og øke behandlingstiden.

Krever ansvarlig konfigurasjon: Brukere må konfigurere KI-godkjenninger etisk, med riktige menneskelige sikkerhetsanordninger og upartiske regler. Sørg alltid for at instruksjonene er i samsvar med selskapets policyer og etiske retningslinjer.

Ingen tilgang til sanntidsinformasjon: KI-godkjenninger kan bare fungere med data som eksplisitt gis som inndata. De kan ikke sjekke aktuelle saker, nyheter eller hendelser med mindre denne informasjonen mates inn i godkjenningsprosessen.

Slik reduserer du risikoen og forbedrer påliteligheten ved bruk av KI-godkjenninger:

• Ta med menneskelig tilsyn: Rut avgjørende eller tvetydige saker til manuelle gjennomgangsfaser for å sikre ansvarlighet og vurdering.

• Test med varierte eksempler: Bruk historiske data og kanttilfeller til å validere systemets funksjonalitet før utrulling.

• Presiser instrukser regelmessig: Oppdater instruksjoner etter hvert som policyer utvikler seg eller nye scenarioer oppstår, for å opprettholde relevans og nøyaktighet.

• Unngå vage kriterier: Sørg for at instruksene er eksplisitte og veldefinerte. Unngå termer som «rimelig» uten klar kontekst.

• Overvåk beslutninger: Bruk verktøy som Aktivitet i instruksverktøyet til å spore godkjenningsgrader og identifisere mønstre eller feil.

• Lær opp brukere: Gi ansatte opplæring i tolkning av KI-begrunnelser og overstyringsprosedyrer for å bygge tillit og åpenhet.

Husk følgende: KI kan selvsikkert utføre feilaktige instruksjoner, så tydelig og korrekt veiledning er avgjørende.

Hvilke driftsfaktorer og innstillinger gir en effektiv og ansvarlig bruk av funksjonen for agentgodkjenninger?

For å bruke KI-godkjenninger effektivt og trygt tar du hensyn til disse anbefalte fremgangsmåtene for bruk:

• Angi lav temperatur for ensartethet: Bruk lave temperaturinnstillinger (nær 0) til å sikre at KI-en tar deterministiske, forutsigbare beslutninger i stedet for varierende svar på identiske inndata. Standard Copilot Studio-innstillinger er allerede optimalisert for pålitelighet.

• Velg riktig modell: GPT-4.1 passer vanligvis best for de fleste godkjenningsscenarioer. Avanserte resonneringsmodeller (for eksempel O3) kan håndtere kompleks logikk bedre, men er tregere. Microsofts modeller er forhåndsintegrerte og testet, men du kan bruke dine egne finjusterte modeller fra Azure AI Foundry hvis du har bestemte krav eller behov.

• Implementer menneskelig tilsyn: Konfigurer menneskelige eller manuelle faser du kan rute til ved kritiske beslutninger. Menneskelige og manuelle faser sikrer at mennesker alltid har kontroll.

• Test grundig i sandkasse: Kjør omfattende tester med historiske data og prøveforespørsler før du publiserer. Test kanttilfeller bevisst, for eksempel manglende felter, motstridende regler, uvanlige scenarioer. Bekreft at ende-til-ende-arbeidsflyten utløses riktig.

• Overvåk beslutninger: Alle beslutninger logges i delen Aktivitet i instruksverktøyet i Power Automate. Bruk disse dataene til å spore måledata som godkjenningsgrad og vurdere riktigheten av KI-godkjenningsbeslutningene.

• Oppdater kriteriene regelmessig: Behandle KI-instrukser som levende dokumenter. Oppdater instruksjonene etter hvert som policyer endres eller nye scenarioer oppstår. Innarbeid tilbakemeldinger fra ledere om at kunstig intelligens er for streng eller mild på bestemte områder.

• Sørg for åpenhet og opplæring: Lær opp relevante ansatte i tolkning av KI-begrunnelser og overstyringsprosedyrer. Gi sluttbrukere beskjed om at forespørsler kan først bli vurdert av kunstig intelligens. Klare forventninger forhindrer forvirring og bygger tillit.

Når du justerer KI-innstillingene for konsekvens, bygger inn menneskelig tilsyn og aktivt styrer prosessen, sikrer du at KI-godkjenninger holdes effektive og på rett spor. Tenk på det som et samarbeid: KI håndterer mengde og hastighet, og mennesker håndterer veiledning og unntak.

Hvilken beskyttelse er på plass i Copilot Studio for ansvarlig kunstig intelligens?

Hvilken type innholdsmoderering er implementert?

GPT-modellene er opplært på Internett-data, noe som er utmerket for å bygge en generell modell for verden. Samtidig kan den arve skadelig, støtende og ensidig innhold fra de samme kildene. Modellene er lært opp til å fungere trygt og ikke produsere skadelig innhold, men av og til kan den generere upassende innhold. KI-godkjenninger bruker Azure AI Content Safety til å legge til toppmoderne funksjoner for innholdsmoderering i KI-instruksene. Denne modereringen omfatter tjenester for å analysere det genererte innholdet med tekstskannere med flere alvorsgrader og beskyttelse mot instruksinjeksjonsangrep. Utdataene er også tilgjengelige for regenerering av beskyttet materiale.

Hvilke språkmodeller støttes, hvor driftes de, og hvordan får jeg tilgang til dem?

KI-godkjenninger støtter GPT 4.1 mini, GPT 4.o, GPT 4.1 og o3-modeller, som driftes i Azure OpenAI Service. Du kan få tilgang til disse modellene via instruksene som finnes på tvers av Power Platform, i programmene, flytene og agentene dine.

Hvis du vil ha mer informasjon, kan du se Hva er nytt i Azure OpenAI Service?

Blir dataene mine brukt til å lære opp eller forbedre de store språkmodellene?

KI-godkjenninger kjører i Azure OpenAI Service driftet av Microsoft. Kundedata brukes ikke til å trene eller forbedre noen av Azure OpenAI Service Foundation-modellene. Microsoft deler ikke kundedataene dine med en tredjepart med mindre du har gitt tillatelse til det. Verken kundens instrukser (inndata) med tilhørende faktabaserte data eller modellens svar (utdata) brukes til å lære opp eller forbedre grunnmodellene for Azure OpenAI Service.

Hvordan behandles bilder av personer?

KI-godkjenninger er ikke ment for bruk til å identifisere enkeltpersoner basert på ansiktstrekk eller biometriske data. Når du laster opp bilder som inneholder personer i KI-godkjenninger, bruker systemet automatisk en funksjon for ansiktsutvisking før bildene analyseres for å beskytte personvernet. Denne uskarphetsfunksjonen bidrar til å løse personvernproblemer, ved å forhindre identifikasjon basert på ansiktstrekk. Takket være uskarphet skjer ingen ansiktsgjenkjenning eller matching av ansiktsform. Enhver identifikasjon av velkjente personer er i stedet avhengig av kontekst, for eksempel uniformer eller unike omgivelser, ikke ansikter. Dette personverntiltaket skal ikke påvirke kvaliteten på resultatene. Det kan av og til bli henvist til ansiktsuskarphet i systemets svar.

Finn ut mer i Ansiktsuskarphet.

Hva er enkelte potensielle skader ved bruk av bilder eller dokumenter i spørsmål?

KI-godkjenninger reduserer de fleste risikoene forbundet med bruk av bilder eller dokumenter i instruksene, men noen risikoer krever fortsatt ekstra oppmerksomhet fra den som skriver instruksen:

• Bilder eller dokumenter kan inneholde skadelig tekst eller visualiseringer som kan påvirke prosessene nedstrøms.

• Bilder eller dokumenter kan inneholde spesielle og muligens skjulte instruksjoner som kan kompromittere eller overstyre den opprinnelige instruksen.

• Bilder eller dokumenter kan inneholde instruksjoner som kan føre til generering av innhold som er under intellektuell eiendom (IP).

• Spørringer kan generere skjevhet i kommentarer om bilder eller dokumenter.

• Hvis du henter ut informasjon fra bilder eller dokumenter av lav kvalitet, kan dette føre til hallusinasjoner.

Hvilke typer problemer kan oppstå ved bruk av KI-godkjenninger, og hvordan kan jeg håndtere dem?

Når du bruker KI-godkjenninger, kan du støte på problemer som analysefeil (når KI ikke kan bruke regler med sikkerhet), feilaktige godkjenningsbeslutninger (falske positive/negative), inkonsekvente resultater for lignende forespørsler eller behandlingsforsinkelser i komplekse saker. Du kan håndtere disse utfordringene effektivt ved å sørge for at arbeidsflyten sender forespørsler til menneskelige faser.

Foreta konsekvent og grundig testing gjennom hele utviklingen og utrullingen for å finne potensielle feilpunkter tidlig. Bruk lave temperaturinnstillinger for forutsigbare resultater, og presiser hele tiden instruksene dine basert på observerte feil. Regelmessig overvåking og gjentatte forbedringer bidrar til å holde systemet pålitelig og nøyaktig over tid.