Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Retrieval Augmented Generation (RAG) in Microsoft Copilot Studio combineert de redeneermogelijkheden van taalmodellen met vertrouwde, organisatiespecifieke kennis. Hierdoor kunnen agenten nauwkeurige, contextuele en onderbouwde respons genereren op basis van de inhoud van de organisatie, in plaats van uitsluitend te vertrouwen op modelgeheugen.
In dit artikel leert u het volgende:
- Begrijp hoe RAG de betrouwbaarheid en onderbouwing van AI verbetert.
- Beschrijf hoe Copilot Studio kennis ophaalt en samenvoegt.
- Identificeer de ondersteunde kennisbronnen en hun beperkingen.
- Herken governance, compliance en AI-veiligheidsoverwegingen.
- Pas RAG-concepten toe bij het ontwerpen van agenten in bedrijfsomgevingen.
Kennismaking met RAG
RAG is een ontwerppatroon dat de nauwkeurigheid van AI verbetert door twee mogelijkheden te combineren:
- Informatieopvraging: Doorzoeken van bedrijfsdatabronnen.
- Tekstgeneratie: Opgehaalde informatie tot een geheel maken door gebruik te maken van een taalmodel.
Deze aanpak vermindert onjuiste informatie, vergroot het vertrouwen en genereert antwoorden die gebaseerd zijn op echte organisatorische inhoud.
RAG-architectuur in Copilot Studio
De RAG-pijplijn van Copilot Studio is op Azure AI-diensten gebouwd en integreert nauw met de vertrouwens-, compliance- en beveiligingsgrenzen van Microsoft.
Kernonderdelen:
- Copilot Studio-runtime: Beheert de gespreks-pijplijn
- Engine voor queryoptimalisatie: herschrijft en interpreteert queries
- Zoekaanbieders: Bing, SharePoint, Graph, Dataverse, Azure AI Zoeken
- Samenvatting-engine: maakt gefundeerde, geciteerde respons
- Moderatielagen: valideert berichten en samenvattingen
- Status van de opslag: Kortetermijngeheugen (minder dan 30 dagen; niet gebruikt voor training)
- Telemetrie- en feedbackopslag: biedt inzicht en toezicht
Zo werkt RAG in Copilot Studio
RAG in Copilot Studio volgt een vierstappenproces:
- Query herschrijven
- Inhoud ophalen
- Samenvatting en genereren van responsen
- Validatie van veiligheid en governance
1. Query herschrijven
Copilot Studio optimaliseert de gebruikersvraag voordat er gezocht wordt:
- Betekenis verduidelijken
- Voegt contextuele signalen toe (laatste 10 beurten)
- Verbetert trefwoordafstemming
- Genereert zoekvriendelijke queries
Dit proces verbetert de zoekkwaliteit en vermindert irrelevante resultaten.
2. Inhoud ophalen
Na het herschrijven van de query voert het systeem deze uit op alle kennisbronnen die u hebt ingesteld. Copilot Studio haalt de drie beste resultaten van elke bron op, en brengt daarbij relevantie en prestaties in balans. Het gedrag van elke kennisbron varieert, afhankelijk van factoren zoals verificatie, indexering, bestandsindelingen en opslagbeperkingen.
De volgende tabel geeft een overzicht van alle ondersteunde kennisbronnen en hun mogelijkheden, beperkingen en verificatievereisten:
| Kennisbron | Omschrijving | Authenticatie | Belangrijkste mogelijkheden, limieten en beperkingen |
|---|---|---|---|
| Publieke gegevens (websites) | Websites geïndexeerd door Bing | Nee |
|
| Sharepoint/Onedrive | Bedrijfsinterne inhoud (uitsluitend intern) | Gedelegeerde auth van Microsoft Entra ID |
|
| Geüploade bestanden | Bestanden geüpload in Dataverse-opslag | Nee |
|
| Dataverse-tabellen | Gestructureerde bedrijfsrecords (alleen intern) | Gedelegeerde auth van Microsoft Entra ID |
|
| Graph-connectors | Bedrijfstoepassingen geïndexeerd in Microsoft Graph (alleen voor intern gebruik) | Gedelegeerde auth van Microsoft Entra ID |
|
| Realtime connectors | Live data van systemen zoals Salesforce, Zendesk, SQL (alleen intern) | Gebruiker moet aangemeld zijn |
|
| Azure AI Zoeken | Semantische zoekfunctie op basis van vectoren | Geconfigureerd eindpunt |
|
| Aangepaste gegevens | Data geleverd via API's, stromen of aangepaste logica | Nee |
|
3. Samenvatting en genereren van responsen
- AI stelt opgehaalde inhoud samen
- Past aangepaste instructies toe voor toon, opmaak, veiligheid of beknoptheid
- Genereert bronvermeldingen bij de onderliggende gegevens
- Personaliseert responsen op basis van gebruikerscontext (zoals taal, afdeling of regio)
4. Validatie van veiligheid en governance
Elke respons doorloopt geautomatiseerde validatielagen:
- Moderatie van schadelijke, kwaadaardige, niet-conforme of auteursrechtelijk beschermde antwoorden
- Validatie van onderbouwing en verwijdering van onjuiste informatie
Taalmodellen worden niet getraind met klantgegevens.
Belangrijke overwegingen bij het gebruik van RAG
RAG werkt het beste voor feitelijke vragen en antwoorden, niet voor diepgaande documentanalyse.
RAG is ideaal voor:
- Vragen beantwoorden uit kennisbanken
- Beleid, veelgestelde vragen en procedurele inhoud samenvatten
- Specifieke feiten ophalen uit bestanden of interne systemen
RAG is niet bedoeld voor:
- Vergelijking van volledige documenten
- Evaluatie van beleidsnaleving
- Complex redeneren op basis van lange, ongestructureerde documenten
Overwegingen rond beveiliging en compliance bij generatieve AI
Generatieve AI-functies in Microsoft Copilot Studio zijn ontworpen om krachtige conversatie- en redeneermogelijkheden te bieden, terwijl sterke beveiligings-, privacy- en compliance-controles worden gehandhaafd.
Basismodellen en hosting
- Copilot Studio is gebaseerd op basismodellen die OpenAI traint.
- Copilot Studio gebruikt een van de nieuwste OpenAI-modellen voor generatieve antwoorden.
- Modellen draaien volledig op interne Azure AI Foundry-diensten, afgestemd op de grens van Microsoft Services Trust.
- Al het gebruik van het model volgt de principes van Microsoft Responsible AI en beleidsregels.
Aangepaste instructies
Makers kunnen aangepaste instructies geven om het gedrag van het model te sturen, de toon te beïnvloeden of opmaakregels toe te voegen. Deze instructies helpen de gegenereerde respons af te stemmen op de behoeften van de organisatie, terwijl veiligheidsfilters en compliance-controles worden gerespecteerd.
Gegevensopslag en -verwerking
- Dataopslag en -verwerking in Copilot Studio kunnen data over regionale grenzen heen verplaatsen wanneer lokale modelhosting niet beschikbaar is.
- Wanneer deze gegevensverplaatsing niet is toegestaan, kunnen beheerders omgevingsinstellingen gebruiken om specifieke functies, zoals Azure-taalmodellen of Zoeken in Bing, uit te schakelen.
- Copilot Studio verzamelt of gebruikt geen klantgegevens voor het trainen van taalmodellen.
Operationele gegevensverwerking
- Tijdens het gebruik worden gesprekken tijdelijk opgeslagen in een beveiligde, door Microsoft beheerde opslaglocatie.
- De toegang van gemachtigd Microsoft-personeel is beperkt via werkstations met beveiligde toegang (SAWs) met Just-In-Time-controles (JIT).
- Organisaties kunnen de toegang verder controleren via Klanten-lockbox, waarbij expliciete goedkeuring vereist is voordat Microsoft-supporttechnici de gegevens kunnen bekijken.
Probleemoplossings-telemetrie
- Generatieve AI-functies genereren extra probleemoplossingsgegevens, maar alleen voor door de maker geïnitieerde acties in het deelvenster Test, specifiek wanneer de maker een duim omhoog of omlaag geeft op een respons.
- Er worden geen extra klantgegevens gelogd buiten deze expliciete feedbacklus.
Monitoring van misbruik en veiligheid
Omdat meerdere veiligheidslagen al generatieve AI-functies beschermen, schakelt de generatieve AI van Copilot Studio de monitoring van misbruik van Azure AI uit om verdere logboekregistratie van klantgegevens te voorkomen.