Appkort: Copilot Code (Frontier)

  • Gælder for: Microsoft Copilot

Vigtigt!

  • Dette er en forhåndsversionsfunktion, der leveres under Microsoft-produktvilkår.
  • Prøveversionsfunktioner kan have begrænset funktionalitet og kan muligvis ikke frigives til generel tilgængelighed. Disse funktioner er tilgængelige før en officiel udgivelse, så kunderne kan få tidlig adgang og give feedback.
  • Du skal være en del af Frontier-forhåndsvisningsprogrammet for at få tidlig adgang. Frontier forbinder dig direkte med Microsofts seneste AI-innovationer. Grænseeksempler er underlagt de eksisterende prøveversionsbetingelser i dine kundeaftaler. Da disse funktioner stadig er under udvikling, kan deres tilgængelighed og funktioner ændre sig over tid.

Hvad er et applikations- eller platformskort?

Microsofts applikations- og platformskort er beregnet til at hjælpe dig med at forstå, hvordan vores AI-teknologi fungerer, de valg, som applikationsejere kan foretage, der påvirker applikationens ydeevne og funktionsmåde, og vigtigheden af at overveje hele applikationen, herunder teknologien, menneskene og miljøet. Applikationskort oprettes til AI-applikationer, og platformskort oprettes til AI-platformstjenester. Disse ressourcer kan understøtte udviklingen eller installationen af dine egne programmer og kan deles med brugere eller interessenter, der påvirkes af dem.

Som en del af sin forpligtelse til ansvarlig AI overholder Microsoft seks kerneprincipper: retfærdighed, pålidelighed og sikkerhed, beskyttelse af personlige oplysninger og sikkerhed, inklusion, gennemsigtighed og ansvarlighed. Disse principper er integreret i Responsible AI Standard, som vejleder teams i at designe, bygge og teste AI-applikationer. Applikations- og platformskort spiller en vigtig rolle i operationaliseringen af disse principper ved at tilbyde gennemsigtighed omkring funktioner, tilsigtet brug og begrænsninger. For yderligere indsigt opfordres læserne til at udforske Microsofts gennemsigtighedsrapport om ansvarlig AI og adfærdskodekset for Microsoft Enterprise AI Services, som beskriver, hvordan man engagerer sig med kunstig intelligens på en ansvarlig måde.

Overview

Fanen Code i Microsoft Copilot er en AI-drevet agent, der omdanner det, du beskriver, til fungerende software. Du beskriver et resultat på et naturligt sprog – et dashboard, et internt værktøj, et statisk websted, en datatransformering eller et script – og Copilot Code bygger det, viser en live-forhåndsvisning på et canvas og itererer sammen med dig, indtil det virker. Du behøver ikke at vide, hvordan du koder. Copilot Code kan køre på din egen enhed (lokal) eller i et sikkert, isoleret miljø i cloudmiljøet.

Copilot-kode er udviklet til vidensarbejdere, der har ideer, data og tilbagevendende arbejdsprocesser, men som ikke vedligeholder et udviklingsmiljø. Den skriver og kører software på dine vegne, bruger din Microsoft 365 arbejdskontekst, når du tillader det, og beder om din tilladelse, før den udfører handlinger, der når ud over den projektmappe, du har valgt.

Copilot Code er tilgængelig som en del af Microsoft Copilot. Du kan finde flere oplysninger under Copilot Code overview.

Nøgleord

I følgende tabel defineres nøgleord, der er relateret til Copilot Code.

Periode Beskrivelse
Agent En AI-drevet komponent, der automatiserer og udfører opgaver på vegne af en bruger baseret på instruktioner på naturligt sprog. Copilot Code er en agent, der bygger og kører software.
Projekt Softwareartefaktet, som Copilot-kode bygger, sammen med de filer, der udgør det. Et projekt gemmes på din enhed (lokalt) eller i cloudmiljøet, og samtalen er knyttet til det.
Canvas Det visuelle arbejdsområde ud for samtalen, hvor du kan se en direkte prøveversion af artefaktet og kan skifte til en kodevisning for at se og redigere de genererede filer.
Lokal udvikling En tilstand, hvor Copilot Code kører på din egen enhed og fungerer i en projektmappe, som du vælger.
Cloududvikling En tilstand, hvor Copilot-kode kører og bevarer dit projekt i et sikkert, isoleret miljø i cloudmiljøet.
Samtykkeprompt En dialogboks, hvor Copilot Code beder om din tilladelse, før den får adgang til en placering uden for den valgte mappe, opretter en netværksforbindelse eller kører en kommando. Prompter er skrevet i almindeligt sprog.
Plugin En pakke, der distribueres via Microsoft 365 App Store, der forbinder Copilot Code med eksterne datakilder og tjenester. Copilot Code bruger de samme plug-ins, der er tilgængelige i Cowork.
Arbejdskontekst Dine Microsoft 365-data – dokumenter, mails, møder og kalender – som Copilot-kode kan bruge som kontekst for det, den bygger, med din tilladelse og ved hjælp af din organisationskonto (arbejdskonto).
GitHub-forbindelse Et valgfrit link til din GitHub-konto, der gør det muligt for Copilot Code at arbejde med repositories, besvare spørgsmål om din kode og åbne pull requests.
Automation Arbejde, som Kode kører efter en tidsplan, opsat i panelet Automatiseringer.

Vigtige funktioner eller egenskaber

De vigtigste funktioner og egenskaber nedenfor beskriver, hvad Copilot Code er designet til at gøre.

Funktion Beskrivelse
Opret ud fra naturligt sprog Copilot Code omdanner en beskrivelse i almindeligt sprog af et resultat til et fungerende softwareartefakt, f.eks. en app, et dashboard, et statisk websted, datatransformering, automatisering eller et script.
Præciserende spørgsmål Før du bygger, kan Copilot Code stille et par spørgsmål for at bekræfte, hvad du vil, og hvordan det skal se ud.
Direkte eksempelvisning og kodevisning Canvas viser en live forhåndsversion af et statisk websted eller en webapp, efterhånden som den/det bygges. Du kan skifte til en kodevisning for at se og redigere de genererede filer og vælge et element på lærredet for at rette din næste anmodning mod det.
Gentage og genindlæse Du forfiner resultatet ved at beskrive ændringer i samtalen. Du kan når som helst vende tilbage til en tidligere version. Hvis et trin mislykkes, forsøger Copilot Code at rette op og forklarer, hvad der skete i almindeligt sprog.
Lokal kørsel eller kørsel i skyen Copilot Code kan køre dit projekt på din egen enhed eller i et sikkert, isoleret miljø i cloudmiljøet.
Importér filer og data Du kan uploade eller trække og slippe filer (CSV, regneark, billeder, dokumenter, PDF'er og præsentationer), indsætte tekst og – for lokale projekter – åbne en eksisterende mappe, som Copilot Code kan arbejde med.
Integration af arbejdskonteksten Med din tilladelse bruger Copilot Code din Microsoft 365 arbejdskontekst – dokumenter, mails, møder og kalender – som kontekst for det, den bygger. Dette bruger din organisationskonto (arbejdskonto).
Plugins og værktøjer Copilot-kode bruger de samme plug-ins, der er tilgængelige i Cowork, til at oprette forbindelse til eksterne datakilder og -tjenester samt værktøjer som f.eks. websøgning og billedoprettelse, der er underlagt organisationens politikker.
GitHub integration Du kan eventuelt forbinde en GitHub-konto for at komme hurtigt i gang fra et lager, stille spørgsmål om din kode, oprette forgreninger og bekræftelser, åbne kladde-pullanmodninger og se deres status, oprette et lager og spore dine problemer, pullanmodninger og gennemsynsanmodninger i Mit arbejde.
Automatiseringer Du kan konfigurere opgaver, der kører efter en tidsplan, fra Automations-panelet.
Del og eksportér Du kan dele en statisk app som et link, der er begrænset til din organisation, og eksportere et projekt som en .zip fil.
Valg af model Du kan vælge den model Copilot Code bruger til projektet, eller lade Copilot Code vælge.
Samtykkekontroller Copilot Code beder om din tilladelse, før den får adgang til placeringer uden for den valgte projektmappe, opretter netværksforbindelser eller kører kommandoer. Tilsagnsprompter er skrevet i almindeligt sprog.

Som agentisk AI-program udviser Copilot Code følgende agentiske egenskaber:

  • Planlægning: Copilot Code opdeler en beskrivelse i naturligt sprog i de trin, der er nødvendige for at bygge softwaren, og arbejder sig gennem dem og viser status, efterhånden som den går.
  • Tilpasningsevne: Du kan styre Copilot Code med feedback under en session, og den tilpasser tilgangen, herunder vende tilbage til en tidligere version.
  • Udvidelse: Copilot Codes funktioner udvides via plug-ins fra Microsoft 365 App Store, connectors til eksterne datakilder og en valgfri GitHub forbindelse.
  • Hukommelse (afgrænset til samtalen): I et projekts samtale bevarer Copilot Code kontekst på tværs af trin og meddelelser. Samtykke, der gives under en session, gælder for den pågældende session. Konteksten bevares ikke på tværs af separate samtaler.

Tiltænkt anvendelse

Copilot Code er udviklet til informationsmedarbejdere, der bruger Microsoft 365 og ønsker at omdanne ideer, data og tilbagevendende arbejdsprocesser til fungerende software uden et udviklingsmiljø. Nogle eksempler på use cases omfatter:

  • Dashboards og datavisninger: Opret et dashboard, der sporer en metrikværdi fra dine data, f.eks. ugentlige tilmeldinger efter kanal.
  • Interne værktøjer: Opret en tracker, formular eller beregner til en arbejdsgang for et team, f.eks. en lagersporing eller sporing af godkendelser.
  • Statiske websteder og landingssider: Opret et simpelt websted eller en landingsside for at teste en ide.
  • Datatransformeringer og scripts: Omdan en tilbagevendende manuel proces, f.eks. genopbygning af en rapport fra flere kilder, til et script, der kan genbruges.
  • Arbejde med eksisterende lagre: Tilknyt en GitHub-konto for at spørge om et lager, foretage en ændring og åbne en kladde til en pullanmodning.

Agentomfang: Copilot Code fungerer inden for grænserne af dine Microsoft 365 tilladelser og den projektmappe, du vælger. Den bygger og kører software, som du instruerer den i at oprette, og beder om din godkendelse, før den tilgår noget uden for den valgte mappe, opretter en netværksforbindelse eller kører en kommando. Den udfører ikke disse handlinger uden din anvisning eller godkendelse.

Copilot-kode er ikke beregnet til use cases, der kræver garanteret nøjagtighed uden menneskelig gennemgang, eller til produktion af software til anvendelse med væsentlige konsekvenser eller sikkerhedskritisk brug uden passende test og menneskeligt tilsyn.

Modeller og træningsdata

Copilot-kode udnytter AI-modeller til at understøtte den oplevelse, som brugerne får vist. Du kan vælge mellem flere modeller, herunder Claude Opus- og Claude Sonnet-varianter og Claude Haiku fra Anthropic og GPT-modeller, der hostes og drives af Microsoft, eller lade Copilot Code vælge en model for dig. Anthropic-modeller leveres til Microsoft som en underdatabehandler. Du kan få flere oplysninger under Anthropic som underprocessor til Microsoft Onlinetjenester og Om AI-funktionalitet og -modeller i Microsoft onlinetjenester.

Prompter, svar og data, der tilgås via Microsoft Graph, bruges ikke til at træne grundlæggende LLM'er, herunder dem, der bruges af Microsoft Copilot. I cloudtilstand forbliver dine organisationsdata inden for Microsoft 365 og er underlagt organisationens eksisterende politikker for datastyring, men i lokal tilstand kan dine data også gemmes på den lokale enhed, med forbehold for administratorens samtykke. Du kan få flere oplysninger om, hvordan data håndteres, under Data, persondatabeskyttelse og sikkerhed for Microsoft Copilot.

Performance

Copilot Code er designet til at bygge fungerende software, der afspejler brugerens hensigt. Ydeevnen evalueres på baggrund af, om Copilot-kode producerer et funktionsartefakt, der opfylder anmodningen, og om den gentages korrekt ud fra feedback.

Understøttede modaliteter

  • Input: Tekstprompter fra brugere, indsat tekst og vedhæftede filer (CSV, regneark, billeder, dokumenter, PDF'er og præsentationer) på op til 200 MB pr. fil. I forbindelse med lokale projekter kan Copilot Code også læse filer i den mappe, du vælger.
  • Output: En kørende softwareartefakt, der vises på lærredet, den genererede kildekode, filer, der er gemt på din enhed eller i cloudmiljøet, og – når du opretter forbindelse til GitHub – forgreninger, bekræftelser og kladde-pullanmodninger. Du kan dele en statisk app som et organisationsbaseret link og eksportere et projekt som en .zip fil.

Sådan behandler Copilot Code anmodninger

  1. Copilot Code modtager en beskrivelse af det ønskede resultat på et naturligt sprog.
  2. Copilot Code kan stille afklarende spørgsmål og derefter planlægge de trin, der er nødvendige for at bygge artefaktet.
  3. Copilot Code skriver og kører softwaren og viser fremdrift og en forhåndsvisning i realtid på canvas. Du kan skifte til kodevisningen for at se de genererede filer.
  4. Før Copilot Code tilgår en placering uden for den valgte mappe, opretter en netværksforbindelse eller kører en kommando, beder den om din godkendelse i et klart og letforståeligt sprog.
  5. Du gennemser resultatet, forfiner det gennem samtale og gemmer, deler eller eksporterer dit projekt.

Betingelser for pålidelig drift

  • Copilot Code fungerer bedst, når du beskriver resultatet tydeligt, herunder hvem resultatet er for, og hvilke data det skal bruge.
  • Copilot Code kan kun få adgang til data og tjenester, som din Microsoft 365-konto er godkendt til at bruge, og for lokale projekter den mappe, du vælger, samt de placeringer, du godkender.
  • Understøttelse af forhåndsvisning afhænger af artefakttypen og din enhed.
  • Ydeevnen kan forringes for meget komplekse projekter med mange indbyrdes afhængigheder.

Flersproget funktionalitet

  • CCopilot Code er tilgængelig på alle Copilot understøttede sprog. Understøttelse af yderligere sprog er baseret på de underliggende modelfunktioner og tilgængeligheden af Microsoft 365-tjenesten. Du kan få flere oplysninger om understøttede sprog under Understøttede sprog til Microsoft Copilot.

Begrænsninger

Det er afgørende at forstå Copilot-kodes begrænsninger for at afgøre, om den bruges inden for sikre og effektive grænser. Selvom vi opfordrer kunderne til at bruge Copilot Code i deres innovative løsninger eller programmer, er det vigtigt at bemærke, at Copilot Code ikke er designet til alle mulige scenarier. Vi opfordrer brugerne til at henvise til enten Microsoft Enterprise AI Services Code of Conduct (for organisationer) eller afsnittet Ordensregler i Microsoft-serviceaftalen (for enkeltpersoner) samt følgende overvejelser, når de vælger en use case:

  • Instruktionsfortolkning: Copilot Code kan fejlfortolke tvetydige eller alt for brede beskrivelser, hvilket fører til software, der ikke stemmer overens med din hensigt. Giv klare, specifikke anmodninger om bedre resultater.

  • Nøjagtighed af genereret kode: AI-genereret kode og artefakter skal behandles som kladder. Test, hvad Copilot Code bygger, før du stoler på det, deler det eller bruger det i produktion. Copilot Code kan give unøjagtige resultater, især når kildedataene er ufuldstændige eller forældede.

  • Projektkompleksitet: Komplekse projekter med mange afhængigheder kan muligvis ikke altid bygges som forventet. Overvåg status, iterér i små trin, og vend tilbage til en tidligere version, når det er nødvendigt.

  • Understøttelse af forhåndsvisning: Forhåndsvisning afhænger af artefakttypen og din enhed. Nogle artefakter kan f.eks. ikke vises på alle platforme.

  • Tilladelsesgrænser: Copilot Code afhænger af dine eksisterende Microsoft 365 tilladelser og den mappe, du vælger til lokale projekter. Den kan ikke få adgang til data, tjenester eller placeringer, som du ikke har godkendt.

  • Platform- og enhedssupport: Copilot Code kører i Microsoft Copilot desktopappen til Windows og Mac og på internettet til cloududvikling. En mobilapp er ikke tilgængelig i denne version, og tilgængeligheden af funktioner kan variere efter platform.

  • Brugerdefinerede færdigheder og plug-ins: Plug-ins og connectors leveres af tredjepartsudgivere og valideres ikke af Microsoft. Gennemse output fra plug-ins omhyggeligt, da kvaliteten afhænger af, hvem der har publiceret dem.

  • Bias, stereotyping og ugrundet indhold: På trods af ansvarlige AI-kontrolelementer kan AI-genereret indhold og kode stadig afspejle bias, stereotyper eller ugrundede oplysninger. Gennemse, hvad Copilot-kode producerer, før du er afhængig af den. Du kan finde flere oplysninger om kendte begrænsninger for AI-genereret indhold fra Anthropic modeller i dokumentationen til Anthropic subprocessor.

  • Potentiel risiko for betydelig fysisk eller psykisk skade på en person: Undgå brug eller misbrug af systemet, der kan resultere i betydelig fysisk eller psykisk skade på en person. For eksempel har udvikling af software, der diagnosticerer patienter eller ordinerer medicin, potentiale til at forårsage betydelig skade.

  • Væsentlig indvirkning på livsmuligheder eller juridisk status: Undgå brug eller misbrug af systemet, der kan have en væsentlig indvirkning på livsmuligheder eller juridisk status. Eksempler omfatter software, der kan påvirke en persons juridiske status, juridiske rettigheder eller deres adgang til kredit, uddannelse, ansættelse, sundhedspleje, bolig, forsikring, sociale velfærdsydelser, tjenester, muligheder eller de vilkår, hvorunder de tilbydes.

Evalueringer

Evalueringer af ydeevne og sikkerhed vurderer, om Copilot-kode fungerer pålideligt og sikkert, ved at undersøge faktorer som f.eks. om genereret software er korrekt og funktionel, samtidig med at risikoen for at generere skadeligt indhold eller foretage uautoriseret handling identificeres. Følgende evalueringer blev udført med sikkerhedskomponenter, der allerede er på plads, som også er beskrevet i Sikkerhedskomponenter og afbødninger.

Evaluering af ydeevne og kvalitet

Evalueringer af ydeevne for Copilot Code er afgørende for at forbedre pålideligheden i den virkelige verden. Vi udfører jævnligt præstationsvurderinger for følgende områder:

  • Angiver, om den genererede kode er syntaktisk korrekt.
  • Om den genererede artefakts funktionalitet opfylder brugerens anmodning.
  • Kvaliteten af resultatet fra et brugeroplevelsesperspektiv.

Metoder til evaluering af ydeevne og kvalitet

Vores evalueringsdata er specialbygget til at vurdere AI-applikationens ydeevne på tværs af nøgleområder inden for sikkerhed og kvalitet og simulerer scenarier og risici i den virkelige verden. Vi begynder med at identificere relevante evalueringsaspekter, der giver anledning til bekymring baseret på tværfaglig forskning og ekspertinput. Disse bekymringer omsættes til målrettede evalueringsmål og vejleder formuleringen af evalueringsmålinger. Af sikkerhedsmæssige årsager opretter vi adversarielle prompts for at fremkalde uønskede svar eller svar i grænsetilfælde, som derefter scores ved hjælp af AI-assisterede annotatorer, der er trænet til at vurdere overensstemmelse med Microsofts sikkerhedsstandarder. For kvalitet opretter vi rubricbaserede prompts, der er relevante for kodegenererings- og agentscenarier. Datasæt er kurateret fra forskellige kilder, herunder syntetiske og offentlige datasæt, for at simulere virkelige brugerscenarier. Ved hjælp af de organiserede datasæt gennemgår begge evalueringer iterativ finjustering og menneskelig justering for at forbedre metrikkens effektivitet og pålidelighed.

Copilot Code blev evalueret ved hjælp af scenarier, der afspejler, hvordan vidensmedarbejdere bygger software, f.eks. generering af dashboards, interne værktøjer, statiske websteder og datatransformeringer. Evaluatorer vurderede, om den genererede kode var korrekt og kørte, om artefaktet opfyldte anmodningen, og om resultatet forblev robust på tværs af variationer af den samme opgave. Ideelle resultater afspejler funktionel software, der svarer til anmodningen; suboptimale resultater omfatter kode, der ikke kører, manglende funktionalitet eller resultater, der ikke stemmer overens med hensigten.

Brugerdefinerede evalueringer

Ud over standardmålepunkter blev Copilot-kode evalueret ved hjælp af brugerdefinerede målepunkter, der er specifikke for Copilot-kodes agentbaserede kodeopbygningsfunktioner:

  • Succes med oprettelse (om Copilot-kode har produceret en fungerende artefakt).
  • Tilpasning til anmodning (om resultatet stemmer overens med brugerens hensigt).
  • Gentagelsesnøjagtighed (om Copilot Code anvendte korrekt de ønskede ændringer og tilbagerulninger).

Risiko- og sikkerhedsvurderinger

Evaluering af potentielle risici i forbindelse med ai-genereret indhold og handlinger er afgørende for at beskytte mod risici med varierende alvorsgrad. Dette omfatter evaluering af Copilot Codes tilbøjelighed til at generere skadeligt indhold eller kode og test af sårbarheder i forbindelse med jailbreak-angreb og uautoriserede handlinger. Følgende risiko- og sikkerhedsvurderinger blev udført:

  • Had og uretfærdighed
  • Seksuel
  • Vold
  • Selvskade
  • Beskyttet materiale
  • Usikker eller skadelig kodegenerering
  • Indirekte jailbreaking
  • Direkte jailbreaking
  • Uautoriseret udførelse af en handling

Metoder til risikovurdering og sikkerhedsvurdering

Risiko- og sikkerhedsevalueringer brugte adversarial prompts og automatiserede klassificeringer til at vurdere potentielle skader. Tests kombinerede evalueringer med LLM som dommer, klassifikatorbaseret detektion og manuel test, hvor det er nødvendigt. Yderligere evalueringer, der er specifikke for Copilot Codes udførelsesfunktion, testede, om agenten kunne manipuleres til at generere usikker kode eller udføre handlinger – tilgå filer, oprette netværksforbindelser eller køre kommandoer – uden det krævede samtykke. De ideelle resultater viderestiller eller afviser usikre anmodninger og holder samtykkegrænsen intakt på tværs af promptvariationer. Ikke-optimale resultater omfatter at producere skadeligt eller usikkert indhold eller at træffe handlinger uden korrekt godkendelse.

Sikkerhedskomponenter og -afhjælpninger

Da vi identificerede potentielle risici og misbrug gennem processer som røde teamtest og målte dem, udviklede vi afhjælpninger for at reducere potentialet for skade. Følgende liste beskriver nogle af disse afhjælpninger. Vi fortsætter med at evaluere Copilot-kode for at forbedre produktets ydeevne og reduktioner.

  • Samtykke til handlinger, der når ud over projektmappen. Copilot-kodes primære sikkerhedsmekanisme er dens samtykkemodel. Når du vælger en mappe, der skal arbejdes i, kan Copilot Code læse og skrive i den pågældende mappe. Adgang til en anden placering, oprettelse af en netværksforbindelse eller kørsel af en kommando kræver din udtrykkelige godkendelse. Tilsagnsprompter er skrevet i almindeligt sprog.

  • Konfigurerbar isolering til kodekørsel. Copilot Code kører genereret software med konfigurerbare isolations- og håndhævelsesniveauer. Administratorer kan konfigurere håndhævelsesniveauet for deres organisation.

  • Grænser for tilladelser. Copilot Code fungerer udelukkende inden for dine eksisterende Microsoft 365 tilladelser og den mappe, du vælger. Den kan ikke få adgang til data, tjenester eller ressourcer, som du ikke har godkendt, hvilket hjælper med at forhindre rettighedseskalering.

  • Samtaleafgrænset samtykke. Samtykke, du giver i løbet af en session, gælder for den pågældende session og vedvarer ikke på tværs af separate samtaler, hvilket begrænser konsekvensomfanget af enhver utilsigtet tildeling af tilladelse.

  • AI-baserede klassificeringer og indholdsfiltrering. Copilot Code bruger AI-baserede klassificeringer og indholdsfiltre til at identificere og blokere potentielt skadeligt indhold i brugerprompter og genererede svar, herunder filtre for hadefuld tale, vold, seksuelt indhold, selvskade og beskyttet materiale.

  • Metaprompting. Systeminstruktioner styrer Copilot Codes funktionsmåde for at tilpasse sig Microsoft's AI-principper og brugerforventninger, herunder instruktioner om at afvise upassende anmodninger og for at undgå at generere usikker eller skadelig kode.

  • Brugercentreret design og gennemsigtighed. Copilot Code viser hvert trin, mens det arbejder, og viser en live forhåndsvisning, hvilket gør agentens handlinger gennemsigtige, så du kan identificere, hvornår det bevæger sig i en utilsigtet retning.

  • Kan overvåges. Copilot Code logfører de handlinger, den udfører – genereret kode, kommandoer, der køres, og filer, der læses eller skrives – og disse logge er tilgængelige for it-administratorer, hvilket giver sporing fra en brugers anmodning til handlingen og dens resultat.

  • Administrative kontrolelementer. Administratorer kan aktivere eller deaktivere Copilot Code og specifikke funktioner, gennemtvinge politik på organisationsniveau, begrænse GitHub kontoforbindelser og angive forbrugsgrænser pr. bruger. Forbrug måles i forhold til din Microsoft Copilot-licensrettighed.

  • Feedbackmekanismer. Brugerne kan indsende positiv eller negativ feedback, med en kommentar ved negativ feedback, som bruges til at evaluere og forbedre Copilot Codes kvalitet og sikkerhed.

  • Cybersikkerhedsforanstaltninger. Copilot Code implementerer cybersikkerhedsprocedurer, herunder krypteret dataoverførsel, sikker godkendelse via Microsoft Entra ID og overholdelse af Microsofts livscyklus for sikker udvikling. I cloudtilstand forbliver dine organisationsdata inden for Microsoft 365 og er underlagt organisationens eksisterende politikker for datastyring, men i lokal tilstand kan dine data også gemmes på den lokale enhed med forbehold for administratorens samtykke. Der udføres regelmæssige sikkerhedsrevisioner og gennemgange af trusselsmodeller for at identificere og håndtere potentielle sårbarheder.

Bedste fremgangsmåder til udrulning og vedtagelse af Copilot Code

Ansvarlig kunstig intelligens er en delt forpligtelse mellem Microsoft og Microsofts kunder. Mens Microsoft bygger AI-applikationer og platformstjenester med sikkerhed, retfærdighed og gennemsigtighed i centrum, spiller kunderne en afgørende rolle i forbindelse med udrulning og brug af disse teknologier på en ansvarlig måde i deres egne kontekster. For at understøtte dette partnerskab tilbyder vi følgende bedste praksis til udrullere og slutbrugere for at hjælpe kunderne med at implementere ansvarlig kunstig intelligens effektivt.

Udrullere og slutbrugere skal:

  • Vær forsigtig, og evaluer resultater, når du bruger Copilot Code til beslutninger med væsentlige konsekvenser eller i følsomme domæner. Konsekvensbeslutninger er dem, der kan have en juridisk eller betydelig indvirkning på en persons adgang til uddannelse, beskæftigelse, finansielle platforme, offentlige ydelser, sundhedspleje, bolig, forsikring, juridiske platforme, eller som kan resultere i fysisk, psykisk eller økonomisk skade. Følsomme domæner – såsom finansielle platforme, sundhedspleje og bolig – kræver særlig omtanke på grund af potentialet for uforholdsmæssig stor indvirkning på forskellige grupper af mennesker. Når du bruger kunstig intelligens til beslutninger på disse områder, skal du sørge for, at berørte interessenter kan forstå, hvordan beslutninger træffes, klage over beslutninger og opdatere alle relevante inputdata.

  • Vurder juridiske og lovgivningsmæssige overvejelser. Kunderne skal evaluere potentielle specifikke juridiske og lovgivningsmæssige forpligtelser, når de bruger platforme og løsninger med kunstig intelligens, som muligvis ikke er egnede til brug i alle brancher eller scenarier. Desuden er platforme eller løsninger med kunstig intelligens ikke designet til og må ikke bruges på måder, der er forbudt i gældende tjenestevilkår og relevante adfærdskodekser.

Udrullere bør:

  • Konfigurer adgang og kontrolelementer korrekt. Brug de tilgængelige administrative kontrolelementer til at administrere, hvilke brugere der kan få adgang til Copilot Code, hvilke funktioner der er tilgængelige, GitHub forbindelsesbegrænsninger og forbrugsgrænser pr. bruger. Overvej at starte med en pilotgruppe før en bredere udrulning.

  • Oplær brugere i samtykkemodellen. Sørg for, at brugerne forstår, at de er ansvarlige for at gennemse og godkende, hvad Copilot Code får adgang til, opretter forbindelse til og kører, og at AI-genereret kode skal behandles som en kladde, der skal testes før brug.

  • Gennemse brugen af plug-ins. Evaluer plug-ins, før du gør dem tilgængelige. Forstå, hvilke data hvert plugin har adgang til, og hvilke handlinger det kan udføre.

  • Overvåg forbrug, revisionslogge og feedback. Gennemse overvågningslogge og brugerfeedback for at identificere mønstre, almindelige problemer eller områder, hvor der kan være behov for yderligere vejledning.

Slutbrugere skal:

  • Udfør menneskelig kontrol, når det er relevant. Menneskeligt tilsyn er en vigtig beskyttelse, når du interagerer med programmer med kunstig intelligens. Selvom vi løbende forbedrer vores AI-applikationer, kan kunstig intelligens stadig begå fejl. De genererede resultater kan være unøjagtige, ufuldstændige, forudindtagede, fejljusterede eller irrelevante i forhold til dine tilsigtede mål. Gennemse og test derfor, hvad Copilot Code bygger, og bekræft, at det stemmer overens med dine forventninger og krav.

  • Vær opmærksom på risikoen for overdreven afhængighed. Overafhængighed af AI sker, når brugerne accepterer forkerte eller ufuldstændige AI-output, hovedsageligt fordi fejl kan være svære at registrere. I forbindelse med kode og software er dette især vigtigt – test, hvad Copilot Code bygger, før du stoler på det, deler det eller bruger det i produktion.

  • Vær forsigtig, når du bruger kode i følsomme domæner. Tag yderligere forholdsregler, når du bygger software, hvis handlinger er uigenkaldelige eller har meget alvorlige konsekvenser, som beskrevet yderligere i enten Ordensregler for Microsoft Enterprise AI-tjenester (for organisationer) eller afsnittet Ordensregler i Microsoft-serviceaftale (for enkeltpersoner).

  • Giv klare, specifikke instruktioner. Medtag oplysninger om det ønskede resultat, hvem det er til, og hvilke data det skal bruge. Jo mere specifik instruktionen er, jo bedre er resultatet.

  • Gennemse prompter om samtykke omhyggeligt. Før du godkender adgang til en placering, en netværksforbindelse eller en kommando, skal du sørge for, at du forstår og ønsker det.

  • Giv feedback regelmæssigt. Brug tommel op/ned-knapperne og kommentarerne til at forbedre Copilot Codes ydeevne over tid.

Få mere at vide om Copilot Code

Vi anbefaler, at du gennemser følgende dokumentation for at få yderligere vejledning eller få mere at vide om ansvarlig brug af Copilot Code:

Få mere at vide om ansvarlig AI

  • Sidst opdateret den