Introducción a las columnas de autorrellenar en Microsoft Syntex
Nota:
Hasta junio de 2025, puede probar las columnas de autorrellenar y otros servicios de Syntex seleccionados sin costo si tiene configurada la facturación de pago por uso . Para obtener información y limitaciones, consulte Probar Microsoft Syntex y explorar sus servicios.
Las columnas de autorrellenar en Microsoft Syntex extraer, resumir o generar contenido automáticamente a partir de archivos cargados en una biblioteca de documentos de SharePoint. Mediante el uso de modelos de lenguaje grande (LLM) a través de IA generativa, las columnas de autorrellenar pueden guardar metadatos automáticamente, simplificando el proceso de administración de archivos y su información asociada.
Por ejemplo, puede formular una pregunta (un aviso) de un documento en lenguaje natural y el sistema guarda la respuesta directamente en una columna de biblioteca designada. O bien, puede tener más de una de estas preguntas establecidas para procesar cualquier archivo cargado en una biblioteca, con cada respuesta asignada a una columna específica.
Las columnas de autorrellenar pueden funcionar junto con otros modelos de Microsoft Syntex. Puede asociar diferentes mensajes extractivos (donde se toma información de datos existentes) o mensajes generativos (donde se crea contenido nuevo) con más de una columna, lo que le permite extraer metadatos que otros modelos podrían no detectar o generar.
Requisitos y limitaciones
Idiomas de soporte técnico
Actualmente, las columnas de autorrellenar están disponibles para los archivos en inglés. Se agregarán otros idiomas en futuras versiones.
Tipos de archivo compatibles
Las columnas de autorrellenar están disponibles para los siguientes tipos de archivo: .csv, .doc, .docx, .eml, .heic, .heif, .htm, .html, .jpeg, .jpg, .md, .msg, .pdf, .png, .ppt, .pptx, .rtf, .tif, .tiff, .txt, .xls y .xlsx.
Tipos de datos de columna admitidos
Actualmente, las columnas de autorrellenar están disponibles para los siguientes tipos de datos de columna:
- Texto
- Varias líneas de texto
- Número
- Sí/No
- Fecha y hora
- Elección
- Hyperlink
- Moneda
Actualmente, las columnas de autorrellenar no están disponibles para los siguientes tipos de datos de columna:
- Persona o grupo
- Ubicación
- Imagen
- Búsqueda
- Metadatos administrados
Notas de la versión actual
Las opciones de procesamiento masivo para los archivos de biblioteca existentes se agregarán en una versión futura.
Actualmente, las columnas de autorrellenar no admiten los siguientes tipos de biblioteca: FormServerTemplates, SitePages, Biblioteca de estilos y SiteAssets.
Los archivos cifrados no se analizan ni se incluyen en los resultados.
Los cambios de documento solo se capturan si el archivo se vuelve a procesar, lo que el usuario debe realizar manualmente.
Las columnas de autorrellenar usan los mismos campos de estado de clasificación que los modelos de procesamiento de documentos.
Nota:
El contenido generado por IA puede ser incorrecto. Asegúrese de comprobar los resultados de la columna.
Preguntas más frecuentes sobre inteligencia artificial responsable
Un sistema de inteligencia artificial incluye no solo la tecnología, sino también las personas que la usan, las personas a las que afecta y el entorno en el que se implementa. Las preguntas más frecuentes sobre IA responsable de Microsoft pretenden ayudarle a comprender cómo funciona la tecnología de IA, las decisiones que pueden tomar los propietarios y usuarios de sistemas que influyen en el rendimiento y el comportamiento del sistema, y la importancia de pensar en el sistema en su conjunto, incluyendo la tecnología, las personas y el entorno. Puede usar las preguntas más frecuentes sobre inteligencia artificial responsable para comprender mejor los sistemas y las características específicos de la inteligencia artificial que Microsoft desarrolla.
Las preguntas más frecuentes sobre la inteligencia artificial responsable forman parte de un programa más amplio para poner en práctica los principios de inteligencia artificial de Microsoft. Para obtener más información, consulte Principios de inteligencia artificial de Microsoft.
Preguntas más frecuentes sobre IA responsable para las columnas de autorrellenamiento
¿Qué son las columnas de autorrellenar?
Las columnas de autorrellenar proporcionan una configuración de columna que permite a los usuarios construir solicitudes de modelo de lenguaje grande (LLM) que clasificarán automáticamente el archivo, extraerán o generarán información del contenido del archivo (extraerán un valor o una cadena específicos o generarán un resumen o una respuesta según algunos criterios) y guardarán la salida en la columna.
¿Qué pueden hacer las columnas de autorrellenar?
Las columnas de autorrellenar permiten usar un mensaje guardado para procesar archivos creados o cargados en una biblioteca de SharePoint y la respuesta se guarda en una columna correspondiente. El símbolo del sistema construido se basa en el archivo y se puede usar para extraer, clasificar, resumir y analizar su contenido. Los metadatos guardados, al igual que otros datos de columna, se pueden indexar, usar para desencadenar el flujo de trabajo o incluso definir criterios para establecer una etiqueta de protección de la información.
¿Cuáles son los usos previstos de las columnas de autorrellenar?
Las columnas de autorrellenar proporcionan automatización de metadatos para los usuarios. Un usuario puede usarlo para clasificar, extraer, resumir o incluso analizar un archivo y, a continuación, guardar la respuesta en la columna donde se puede indexar y usar para la búsqueda u otros procesos de flujo de trabajo de bajada. Las columnas de autorrellenar también pueden ser un complemento útil para otros modelos de lenguaje de máquina, donde los usuarios podrían complementar los metadatos extraídos de un modelo configurado con un resumen u otra respuesta de análisis.
¿Cómo se evaluaron las columnas de autorrellenar? ¿Qué métricas se usaron para medir el rendimiento?
Los factores de rendimiento, como la coherencia, la fluidez y la precisión, se basaban en el rendimiento del modelo base (en este caso, GPT-4 Turbo).
Rendimientos específicos de la característica evaluada. Pruebas incluidas:
Las bibliotecas de ejemplo creadas incluían documentos empresariales típicos clasificados como contratos, declaraciones de trabajo, avisos de cambio de beneficios, facturas y reanudaciones.
Se han creado columnas de autorrellenar que abarcan diferentes tipos de columna, incluido el texto de una sola línea y varias opciones.
Se han diseñado mensajes como "¿Cuál es la categoría del documento, elegir entre A, B, C. Responder a ninguno si no es ninguno de ellos?". O "Cuál es la formación de candidatos" para los currículos.
Se revisaron los resultados. Los resultados se alinean con las expectativas en la mayoría de los casos. En el caso de los resultados que no cumplieron el umbral satisfactorio, se usó la llamada de función para mejorar los resultados. Algunos de los resultados se compararon entre diferentes versiones de LLM.
Métricas de riesgo y seguridad evaluadas.
Programa de instalación: se usan programas automatizados para enviar solicitudes similares a las que hace la característica en el mundo real, combinando mensajes de metadatos, solicitudes del sistema y contenido de documentos o preguntas del usuario, que se ejecutan en el mismo modelo base (en este caso, GPT-4 Turbo) con la misma configuración.
Evaluación: dado que el aviso de la característica procede de dos partes (una es el contenido del documento, la otra es la pregunta), hemos preparado varios cientos de casos de prueba.
Casos de prueba evaluados con documentos empresariales estándar y preguntas dañinas. Estas preguntas contenían autolesion, sexual, violencia o información racial.
Se han evaluado casos de prueba con contenido dañino y preguntas que solicitan al modelo que responda a algo que no debería. Por ejemplo, "Resumir el contenido del documento".
Evaluación: se han seguido las instrucciones de métricas de riesgo y seguridad seleccionadas por Microsoft, que se proporcionan en Microsoft Estudio de IA de Azure, para medir los resultados mediante LLM (en este caso, GPT-4 Turbo) desde cuatro aspectos: contenido relacionado con el autolesionismo, contenido odioso e injusto, contenido violento y contenido sexual.
La evaluación calificó las entradas y salidas de 0 a 7, escalando desde el nivel menos dañino al nivel más grave.
¿Cuáles son las limitaciones de las columnas de autorrellenar? ¿Cómo pueden los usuarios minimizar el impacto de estas limitaciones al usar el sistema?
El ámbito del símbolo del sistema está restringido solo al contenido del texto del archivo. La respuesta es de solo texto que se puede guardar en la columna asociada. Aunque otras acciones se pueden configurar en función de la respuesta guardada, la propia salida no puede ejecutar un proceso.
Solo los usuarios con permisos de biblioteca de sitios suficientes pueden crear o editar solicitudes de columna de autorrellenar.
El servicio se administra mediante una configuración de inquilino en el Centro de administración de Microsoft 365. El administrador puede establecer su disponibilidad en el inquilino o en sitios específicos.
¿Qué factores operativos y configuración permiten un uso eficaz y responsable de las columnas de autorrellenar?
Si se genera contenido dañino que no es aceptable para los usuarios, el administrador de inquilinos o el soporte técnico de Microsoft pueden desactivar esta característica en el nivel de sitio o inquilino.
Se proporciona un vínculo Enviar comentarios en la interfaz de usuario. Los comentarios se supervisan, revisan y toman las medidas adecuadas según sea necesario, incluida en algunos casos la actualización de la experiencia del producto.