introducción a Optimización de Microsoft 365 Copilot (versión preliminar)

Optimización de Microsoft 365 Copilot permite a las organizaciones ajustar los modelos de lenguaje grande (LLM) mediante sus propios datos de inquilino. Estos modelos optimizados modelan los agentes de energía que pueden realizar tareas específicas del dominio en función del conocimiento único de la organización. Todo el procesamiento de aprendizaje e inteligencia artificial se produce en el inquilino de Microsoft 365, por lo que los datos permanecen seguros y se rigen por los controles de cumplimiento existentes. El resultado es una asistente de inteligencia artificial que se comporta como un miembro del equipo experto, proporcionando asistencia personalizada en consonancia con el contenido y las reglas de su organización.

En este artículo se explica cómo las organizaciones pueden usar Optimización de Copilot para crear LLM optimizados específicos para tareas. Se explica cómo los usuarios pueden crear agentes en estos modelos optimizados y cómo los administradores de TI pueden controlar la característica.

Funcionalidades y escenarios clave

Optimización de Copilot permite ajustar los LLM a través de una interfaz de usuario intuitiva sin código. Los analistas de negocios o expertos en la materia pueden usar sus conocimientos de dominio para ajustar los LLM en los datos de inquilino pertinentes, lo que permite al modelo aprender su voz y procedimientos únicos que son personalizados para la organización. Por ejemplo, un analista de departamento legal puede ajustar un modelo mediante los informes y plantillas de casos anteriores de la empresa para crear un agente de redacción de contratos que escriba documentos con el estilo y la terminología únicos de la firma.

Optimización de Copilot proporciona las siguientes funcionalidades clave y ventajas:

• Ajuste preciso del modelo sin código: ajuste los LLM en los datos internos mediante una interfaz intuitiva en Microsoft Copilot Studio.

• Agentes específicos del dominio: cree agentes de Copilot especializados basados en los modelos optimizados que se adapten a las tareas empresariales. Puede crear agentes para escenarios como Q&A experto, generación de propuestas o resumen de informes que se comporten como un experto en ese dominio. El agente genera resultados con el tono, vocabulario y nivel de detalle adecuados para la organización.

• Información y automatización más intuitivas : la codificación de los conocimientos empresariales de su organización en Copilot permite el análisis y la creación de contenido optimizados para su organización. El agente completa en minutos las tareas que pueden tardar días en realizarse manualmente (buscar documentos, compilar datos, escribir borradores). Esta automatización permite a sus analistas y expertos en la materia centrarse en el trabajo de mayor valor, mientras que Copilot controla tareas rutinarias o de información intensiva.

• Integración con orígenes de datos: Optimización de Copilot puede usar el contenido enriquecido que ya se encuentra en el ecosistema de Microsoft 365. Seleccione orígenes de conocimiento; A continuación, el modelo aprende de estos datos de inquilino para asegurarse de que las respuestas del agente se basen en la información de la organización. Dado que Copilot está integrado con Microsoft Graph, el agente también puede razonar sobre datos empresariales activos, lo que le proporciona una herramienta eficaz para consultar y resumir información actualizada de Microsoft 365.

Su organización puede usar Optimización de Copilot para los siguientes escenarios:

• Q&A : cree agentes especializados en dominios que comprendan y justifiquen el contenido específico del inquilino (como regulaciones, códigos fiscales o informes científicos) en formatos como .docx, .pdf y .html. Optimizado para reflejar el tono, la terminología y el lenguaje de cumplimiento de la organización, los agentes de Q&A proporcionan respuestas compatibles con cláusulas, resúmenes y comparaciones entre documentos (por ejemplo, diferencias normativas entre regiones). Estos agentes están optimizados para contenido estable y con texto pesado en flujos de trabajo profundos controlados por dominio donde la precisión y el contexto importan.

• Generación de documentos: entrene el modelo en plantillas de documento e informes anteriores para generar primeros borradores de documentos complejos que, de lo contrario, requerirían varias solicitudes y salidas del modelo. Por ejemplo, puede crear un agente de Escritor de propuestas que reúna propuestas de ventas o redacte contratos legales en el formato y el tono aprobados por la empresa.

• Resumen : genere resúmenes estructurados de alta calidad de documentos complejos que reflejen el tono, el formato y las prioridades de contenido de su organización. Ideal para casos de uso de alto volumen o de alto riesgo, como informes legales, normativos o ejecutivos, los agentes de resumen garantizan la coherencia, reducen el esfuerzo manual y se adaptan a su estilo de resumen preferido. Entrene el LLM con pares de ejemplo para generar resúmenes claros, accionables y alineados con los estándares internos.

Ajuste preciso del LLM

Para generar correctamente un agente específico de la tarea que capture la experiencia de su organización, debe ajustar el LLM.

Aplique los siguientes procedimientos recomendados para ajustar el LLM:

• Empezar con objetivos claros : identifique una tarea de alto valor para asegurarse de que el agente ofrece resultados tangibles y de que centra el tiempo, los datos y el esfuerzo en el trabajo que impulsa un retorno significativo. Optimización de Copilot admite actualmente tres tipos de tareas principales: Q&A experto, generación de documentos y resumen de documentos.

• Conservación de datos de entrenamiento de calidad : recopile los documentos más relevantes y actualizados para la tarea. La eficacia de la optimización depende de los buenos datos. Use orígenes autoritativos, como documentos de directiva, informes propietarios, plantillas aprobadas y entregas finalizadas que reflejen los estándares, el formato y la lógica de decisión de su organización.

  Para tareas como la generación o el resumen de documentos, proporcione pares de entrada y salida de alta calidad para ayudar al modelo a aprender las expectativas de estructura, tono y contenido.

• Definir instrucciones y restricciones claras: al configurar el modelo en Copilot Studio, puede escribir instrucciones para el tono y el comportamiento del agente. Proporcionar directrices claras; por ejemplo, "Use a professional and friendly tone" o "Only use information from official 2023 policy manual". También puede proporcionar avisos de inicio o preguntas de ejemplo para dirigir las respuestas del modelo. Estas instrucciones ayudan al agente a comprender el contexto y el estilo.

• Usar herramientas de vista previa y evaluación: Optimización de Copilot incluye pasos de evaluación. Una vez entrenado el modelo, pruébelo con consultas o tareas de ejemplo. Copilot Studio permite comparar los resultados de las pruebas con las respuestas de línea base. Revise las salidas para asegurarse de que cumplen sus expectativas de precisión y tono. Si no lo hacen, perfeccione los datos de entrenamiento o las instrucciones y vuelva a entrenar.

• Iteración con comentarios : trate el ajuste preciso como un proceso iterativo. Supervise cómo funciona el agente en uso. Actualice periódicamente el modelo con nuevos datos o correcciones para que sea preciso. Por ejemplo, si cambian las directivas o observa oportunidades de refinamiento adicional, incorpore esas actualizaciones y ejecute otra ronda de ajuste.

• Saber cuándo usar Copilot frente a ajuste preciso : si el escenario es amplio o la información cambia diariamente, puede ser suficiente usar la generación aumentada de recuperación (RAG) de Copilot, que busca el contenido en el momento de la consulta. El ajuste preciso funciona mejor para tareas repetitivas bien definidas en las que el modelo necesita una comprensión profunda del contenido estático o de un estilo determinado. Si la tarea depende de la referencia general o la síntesis ligera, empiece por Copilot. Si la salida necesita reflejar la voz, la estructura o el razonamiento específicos de la organización, especialmente para las tareas repetibles y de alto valor, esa es una señal para invertir en el ajuste preciso.

Uso de agentes optimizados en LLM

Después de ajustar el modelo, los usuarios pueden crear e implementar un agente basado en ese modelo mediante Copilot Studio generador de agentes.

Los usuarios interactúan con agentes en función de modelos optimizados al igual que interactúan con Copilot, ya sea a través de la aplicación Microsoft 365 Copilot o Copilot Chat en Teams u otra aplicación. Pueden formular preguntas de lenguaje natural y el agente responde en función de sus conocimientos optimizados.

Los agentes basados en modelos optimizados proporcionan las siguientes ventajas a su organización:

• Mayor productividad : los agentes actúan como asistentes inteligentes en el trabajo diario. Los usuarios pueden obtener respuestas instantáneas o generar contenido en función de los datos de su organización. Los usuarios también pueden completar las tareas con mayor rapidez si confían en los agentes para generar resúmenes, analizar datos, redactar comunicaciones y mucho más.

• Coherencia y precisión : las respuestas del agente basadas en un modelo optimizado son coherentes con los datos de la organización. Esto reduce el riesgo de errores debido a documentos obsoletos o motores de búsqueda externos.

• Creación de soluciones: Optimización de Copilot permite a los usuarios crear soluciones con tecnología de inteligencia artificial para resolver sus necesidades específicas de productividad. Esto fomenta una cultura de innovación en la organización.

• Colaboración mejorada : los agentes proporcionan una manera de poner la experiencia de la organización a disposición de todos los usuarios. Esto ayuda a quitar los silos de conocimiento de la organización y aumentar el uso compartido de información y la colaboración.

Aplique los siguientes procedimientos recomendados al crear agentes basados en modelos optimizados:

• Descripción del ámbito del modelo : ¿En qué datos y tareas se basa el agente? ¿Se entrenó en documentos de RR. HH. hasta 2022? ¿Está pensado solo para resumir determinados informes? Conocer el ámbito le ayuda a formular las preguntas adecuadas y no a esperar que realice tareas no relacionadas.

• Proporcionar mensajes claros : al interactuar con el agente, haga preguntas claras y específicas. Aunque el modelo está optimizado, las consultas con frases correctas producen mejores resultados. Por ejemplo, en lugar de preguntar "Cuéntame sobre las prestaciones", pregunta "¿Cuál es la política de licencia de maternidad para los empleados a tiempo completo?". Los agentes optimizados pueden controlar consultas complejas, pero la claridad ayuda a proporcionar información más precisa.

• Incluir avisos de inicio : las solicitudes de inicio se muestran en la interfaz de usuario del agente y ayudan a los usuarios a comprender las funcionalidades del agente. Adapte los avisos de inicio a los escenarios clave para el agente optimizado para ayudar a los usuarios a aprovechar al máximo el conocimiento del agente.

• Refinar e iterar : los agentes basados en modelos optimizados admiten conversaciones de varios turnos. Si la respuesta del agente no es exactamente lo que necesita, refine la solicitud o haga preguntas de seguimiento. El agente optimizado usa las preguntas de seguimiento para ajustar su respuesta.

• Aplicar procedimientos recomendados de seguridad : no pida a los agentes optimizados que proporcionen información confidencial y que controlen las respuestas de los agentes de acuerdo con las directivas de su organización.

• Proporcionar comentarios para optimizar aún más los agentes : use el mecanismo de comentarios para entrenar o ajustar el agente optimizado para mejorar su rendimiento. Proporcionar comentarios regulares ayuda al agente a mejorar continuamente. En Copilot, los usuarios pueden elegir los iconos thumbs-up y thumbs-down para enviar comentarios sobre las respuestas del agente. Estos comentarios se envían a Microsoft y ayudan al equipo del producto a identificar problemas comunes y mejorar el rendimiento del modelo con el tiempo.

configuración y gobernanza de Administración

Optimización de Copilot proporciona características de configuración, seguridad y gobernanza para todo el inquilino para permitir a los administradores configurar el entorno con las barreras de protección adecuadas.

Las siguientes características clave de administración están disponibles para Optimización de Copilot:

• Control de acceso: los administradores de inteligencia artificial pueden habilitar Optimización de Copilot para su organización o para un subconjunto específico de usuarios. Por ejemplo, un administrador podría habilitar Optimización de Copilot solo para los departamentos de R&D y Legal, y designar a determinados usuarios de esos equipos para crear modelos optimizados y agentes especializados. Después de entrenar e implementar un modelo, el administrador de inteligencia artificial controla el acceso al modelo entrenado.

• Centro de administración de Microsoft 365 gobernanza: los administradores pueden supervisar los proyectos y agentes de ajuste a través de la sección administración de Copilot de la Centro de administración de Microsoft 365. Pueden ver qué modelos personalizados se implementan y eliminar un modelo si queda obsoleto.

• Seguridad y cumplimiento: Optimización de Copilot se crea con seguridad de nivel empresarial. El entrenamiento del modelo se produce en un entorno aislado de inquilino y el modelo resultante hereda los permisos de acceso de los datos subyacentes. No se transmiten datos de clientes a servicios externos durante el entrenamiento; el ajuste preciso se produce dentro de la nube segura asociada al inquilino.

  Optimización de Copilot excluye los archivos a los que el grupo de seguridad o los grupos aplicados al modelo no tienen permisos de acceso. También sugiere que los grupos de seguridad agreguen a sus datos de entrenamiento para maximizar su conocimiento. Esta característica proporciona una capa adicional de seguridad para el modelo.

  Nota:

  Al ajustar un modelo, los pesos del modelo se ajustan en función de los datos de entrenamiento. Los cambios en los permisos de acceso en los datos de entrenamiento no se aplican automáticamente al modelo; Los administradores de inteligencia artificial deben actualizar los permisos del modelo en el Centro de administración de Microsoft 365.

  Los datos de Microsoft Graph devueltos en las respuestas de Copilot también respetan los permisos del documento; las respuestas no incluyen información a la que un usuario no tiene acceso.

• Implementación y supervisión : cuando un modelo está optimizado e implementado, los generadores pueden usarlo en un agente y compartir el agente con los usuarios de la organización que tienen acceso al modelo. Los administradores pueden controlar quién tiene acceso al agente a través de grupos de seguridad y supervisar el uso del agente a través de los paneles de análisis de uso de Copilot.

Aviso de declinación de responsabilidades

El administrador de inteligencia artificial es responsable de garantizar que el uso de este producto cumple con todas las leyes aplicables de protección de datos, privacidad y propiedad intelectual. Esto incluye el cumplimiento de sus obligaciones como responsable del tratamiento de datos en virtud de normativas como el RGPD o el CCPA.

Obligaciones del controlador de datos

• Es responsable de cómo se recopilan, almacenan y usan los datos en el entorno del inquilino.
• Debe asegurarse de que las prácticas de datos cumplen los requisitos legales de transparencia, consentimiento, acceso y eliminación.
• Es responsable de comprobar la precisión, la idoneidad y el cumplimiento de las salidas generadas desde este sistema antes de usarlas. Es posible que sea necesario revisarlo con los expertos en la materia.

Formación de derechos de autor y modelo

• Si decide entrenar un modelo personalizado con sus propios datos, debe asegurarse de que tiene los derechos o licencias adecuados para los materiales protegidos por derechos de autor incluidos en el conjunto de entrenamiento.
• La protección contra derechos de autor no se aplicará a los modelos entrenados con contenido con derechos de autor no autorizados. Usted asume plena responsabilidad por cualquier uso de este tipo.

Eliminación de datos

• Si un usuario cuyos datos se usan para entrenar un modelo envía una solicitud de eliminación válida en virtud del RGPD (o regulaciones similares), se le pedirá que vuelva a entrenar el modelo.
• Al ajustar un modelo, los pesos del modelo se ajustan en función de los datos de entrenamiento. Puede eliminar el modelo optimizado en cualquier momento.

Contenido relacionado

• Agentes para Microsoft 365 Copilot
• Compilación de agentes con Copilot Studio generador de agentes
• introducción a Copilot Studio