Partekatu bidez

Usar el Ajuste de Copilot para optimizar los modelos para su uso en Microsoft 365 Copilot (versión preliminar)

En este artículo se describe cómo usar la optimización de Copilot para crear modelos optimizados en Copilot Studio que puede usar con agentes declarativos para Microsoft 365 Copilot. El ajuste preciso es un proceso que le permite personalizar un modelo entrenado previamente para una tarea específica en sus propios datos de inquilino. Puede usar estos modelos optimizados para crear agentes expertos en la realización de tareas específicas del dominio y servirlos en Microsoft 365 Copilot.

El ajuste preciso ayuda al modelo a mejorar el rendimiento de las tareas pertinentes para su organización. Un modelo optimizado es especialmente útil para las organizaciones con datos únicos o requisitos especializados.

En este artículo se proporciona información general básica sobre el proceso de optimización de Copilot en Copilot Studio. Para obtener instrucciones más detalladas específicas para tareas que le ayuden a obtener los mejores resultados de ajuste de la organización y las tareas, consulte Introducción a la optimización de Copilot.

Ventajas de la optimización de Copilot

El ajuste de modelos es una técnica eficaz que se usa para adaptar modelos de lenguaje grandes a sus necesidades específicas. El ajuste fino complementa otras técnicas de optimización de IA generativas, como la generación aumentada de recuperación (también conocida como RAG) y la optimización de mensajes. El ajuste fino es adecuado cuando quieres dirigir estrictamente el comportamiento de tu modelo.

El ajuste preciso generalmente requiere un equipo de científicos de datos expertos para elaborar conjuntos de datos y crear canalizaciones para la preparación y entrenamiento de datos específicas de tareas.

El ajuste de Copilot en Copilot Studio simplifica considerablemente este proceso, convirtiéndolo en una herramienta que casi cualquier experto en la materia pueda usar.

Copilot Studio abstrae gran parte de la complejidad del proceso. El proceso de optimización de Copilot Studio Copilot es de poco código, lo que transforma el ajuste preciso de un proyecto complejo y pesado en recursos en una experiencia de autoservicio simplificada.

La preparación automatizada de datos con tecnología de IA convierte el contenido empresarial ruidoso en conjuntos de entrenamiento de alta calidad con un esfuerzo mínimo. Esta automatización minimiza la necesidad de etiquetar manualmente mediante la solicitud de entrada humana solo donde la confianza del modelo es baja. La automatización le permite reducir el esfuerzo de etiquetado de datos.

Por último, esta característica le ahorra el esfuerzo de crear canalizaciones especializadas de procesamiento de datos y entrenamiento.

Seguridad

El ajuste de Copilot ofrece una mayor seguridad en comparación con las técnicas convencionales de ajuste mediante la garantía de que solo los usuarios con los controles de acceso adecuados (definidos por los grupos de seguridad existentes de Microsoft Entra) pueden usar el modelo al compilar agentes de Copilot de Microsoft 365. Los administradores también pueden quitar rápidamente modelos de producción y mejorar aún más la seguridad.

Nadie ve sus datos, ni siquiera durante el entrenamiento. Toda la formación y la inferencia ocurren en entornos aislados para cada cliente.

¿Qué tipo de tareas puede realizar la optimización de Copilot?

Actualmente, puede usar Copilot Tuning para las siguientes tareas:

  1. Preguntas y respuestas: Preguntas y respuestas expertas pueden responder con precisión a preguntas en dominios de conocimiento complejos, como escenarios de recursos humanos y servicios profesionales en los que RAG solo sería insuficiente.
  2. Generación de documentos: la generación de documentos destaca en la creación de documentos complejos y estructurados que deben seguir formatos específicos, como contratos, contratos y documentación técnica.
  3. Resumen de documentos: el resumen de documentos destila precisamente información compleja (como análisis normativos o legislativos) en resúmenes adaptados.

Elegibilidad

Copilot Tuning es un programa de acceso anticipado (EAP). Consulte Introducción al ajustado de Microsoft 365 Copilot para obtener más información sobre la elegibilidad para el EAP.

En una organización donde Copilot Tuning está disponible, un administrador de Microsoft 365 controla el acceso. El administrador puede activar el ajuste de Copilot para el nivel de organización o de inquilino. El administrador también puede limitar el acceso a esta característica para usuarios específicos de la organización.

Acceder a la configuración de Copilot en el Copilot Studio

Una vez que el administrador de Microsoft 365 habilita Copilot Tuning en su tenant y le concede permisos de creación de modelos, recibirá un correo electrónico invitándolo a empezar a crear su primer modelo con Microsoft Copilot Studio.

Para acceder a Copilot Tuning, haga lo siguiente:

  1. Inicie sesión en Copilot Studio con una cuenta de usuario con el rol Model Maker .

  2. En la barra lateral, selecciona los tres puntos (...) y luego selecciona Ajuste de Copiloto.

    Se abre la página Optimización de Copilot .

    Si no ve esta opción, el ajuste de Copilot no está disponible para el inquilino o no tiene permisos para crear modelos ajustados.

Creación de un modelo optimizado

Copilot Tuning es un proceso de entrenamiento de varios pasos. Al igual que con cualquier proceso de entrenamiento de aprendizaje automático, la calidad y la cantidad de datos de entrenamiento son fundamentales para el éxito del modelo.

Nota:

La optimización de Copilot actualmente solo admite archivos de Sharepoint y está limitado a documentos, archivos PDF y archivos de texto de Word.

Configuración de parámetros básicos del modelo

En primer lugar, configure parámetros de alto nivel para lo que desea que haga el modelo, cómo debe comportarse y los orígenes de datos adecuados que se van a usar.

  1. Vaya a la página Optimización de Copilot y seleccione Crear un nuevo modelo. Se le redirige a la página de 'Personaliza tu modelo para tu tarea'.

  2. Escriba un nombre descriptivo y una descripción para el modelo.

    Describir el modelo de forma que los usuarios de su organización puedan comprender rápidamente cómo pueden ayudarles en su trabajo.

  3. En Elegir orígenes de conocimiento, seleccione Agregar conocimiento.

    Aparecerá la página Agregar conocimiento al modelo .

    1. Seleccione un tipo de conocimiento. Actualmente, SharePoint está disponible.

    2. Seleccione un origen de conocimiento. Busque en el equipo un archivo de SharePoint o escriba una dirección URL para el origen y, a continuación, seleccione Agregar.

    3. Repita el paso anterior según sea necesario para agregar más orígenes de conocimiento.

    4. Cuando haya terminado de agregar orígenes de conocimiento, seleccione Agregar para continuar.

  4. En Permisos, especifique los grupos de seguridad de Microsoft Entra que deben tener acceso al modelo cuando se implemente.

    Copilot Tuning excluye automáticamente el entrenamiento de los archivos a los que los grupos de seguridad seleccionados no pueden acceder. Copilot Studio también sugiere automáticamente otros grupos de seguridad para maximizar la amplitud de conocimientos que puede incorporar de forma segura en el modelo.

  5. En Tipo de tarea, seleccione el tipo de tarea deseado.

  6. En la sección Instrucciones del modelo que aparece, responda a las preguntas como se indica. Ingrese la información de la instrucción como se indica. Para obtener más información, consulte las instrucciones detalladas específicas de la tarea en la documentación de Optimización de Copilot de Microsoft 365.

    Las instrucciones del modelo ayudan a Copilot Studio a identificar y preparar los datos más relevantes de las fuentes de conocimiento. Las buenas instrucciones de modelo proporcionan al modelo indicaciones sobre cómo interpretar los datos durante el proceso de entrenamiento.

  7. Seleccione Guardar borrador para guardar el progreso o, si está listo para continuar con el proceso de ajuste preciso, seleccione Preparar los datos de etiquetado.

    Copilot Studio comienza a preparar los datos para el etiquetado.

    Copilot Studio le informa si algunos de los orígenes de conocimiento elegidos no están disponibles para los grupos de seguridad elegidos. Copilot Studio sugiere automáticamente otros grupos de seguridad para maximizar la amplitud de conocimientos que puede incorporar de forma segura en el modelo.

  8. Realice ajustes en los grupos de seguridad para expandir la cobertura según sea necesario y, a continuación, seleccione Continuar con la selección.

    Copilot Studio prepara los datos para el etiquetado.

    Importante

    Según el tamaño de los datos, la preparación puede tardar hasta 24 horas en completarse. Mientras se realiza la preparación, puede seguir trabajando en Copilot Studio o cerrar la pestaña del explorador y volver más adelante. Recibirá una notificación por correo electrónico una vez completado este paso. Puede comprobar el estado en cualquier momento volviendo a Copilot Studio y actualizando la lista de modelos.

Etiquetar los ejemplos de formación

Una vez procesados los datos, Copilot Studio envía una notificación por correo electrónico que indica que los datos están listos para el etiquetado.

Copilot Studio le presenta ejemplos de entrenamiento generados relevantes para la tarea y los datos proporcionados. Debe revisar los ejemplos y proporcionar comentarios sobre la calidad de la muestra.

El etiquetado es un paso fundamental, ya que básicamente enseñaría al modelo cómo identificar ejemplos de entrenamiento ideales. Asegúrese de que las personas con experiencia en el dominio realizan esta tarea. Si no es un experto en dominio, puede delegar tareas de etiquetado a expertos en la materia a través de un flujo de trabajo integrado de administración de etiquetado.

El proceso de etiquetado generalmente pasa por varios lotes. El entrenamiento de un modelo puede requerir hasta cuatro o cinco lotes de etiquetas.

Una vez completado el etiquetado, estás listo para entrenar tu modelo. Seleccione Iniciar entrenamiento para continuar.

Entrenamiento del modelo

Copilot Studio entrena el modelo mediante los datos etiquetados. El entrenamiento es un proceso totalmente automatizado que no requiere ninguna entrada adicional de usted.

Importante

Según el tamaño de los datos, el proceso de entrenamiento puede tardar hasta 24 horas.

Recibirá una notificación por correo electrónico una vez completado el entrenamiento. También puede comprobar el estado en cualquier momento volviendo a Copilot Studio y actualizando la lista de modelos.

Evaluación del modelo

En la fase final, obtendrá un conjunto de comparaciones lado a lado entre los resultados del modelo ajustado y los resultados del modelo base, no ajustados. Si desea seguir mejorando la calidad de las respuestas del modelo, puede iniciar una nueva sesión de entrenamiento del modelo.

Para mejorar las salidas del modelo en la siguiente ejecución de entrenamiento, asegúrese de que el conjunto de datos está bien alineado con la tarea específica del modelo y de que los expertos en dominio etiquetan los datos.

Publicación del modelo en Microsoft 365 Copilot

Una vez que esté satisfecho con la salida del modelo, publique el modelo en el catálogo de inquilinos de Microsoft 365.

El modelo ya está disponible para que los agentes de su arrendatario lo utilicen en Copilot.

Nota:

Solo los miembros de los grupos de seguridad seleccionados al inicio del proceso de ajuste preciso pueden usar el modelo en agentes.

Para obtener más información sobre cómo usar el modelo en agentes para Copilot, consulte la documentación de Microsoft 365 Copilot.

Limitaciones y restricciones

Hay algunas limitaciones y restricciones que se deben tener en cuenta al crear modelos ajustados:

  • Si agrega fuentes de conocimiento después de entrenar el modelo, debe reiniciar el proceso de ajuste fino desde cero.
  • Copilot Studio aún no admite el versionado de modelos.
  • Si un usuario cuyos datos se han usado en el entrenamiento de un modelo envía una solicitud de eliminación válida en virtud del RGPD (o normativas similares), debe volver 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 ajustado en cualquier momento.
  • Es responsable de cómo se recopilan, almacenan y usan los datos en el entorno de 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. La verificación podría requerir la revisión con los expertos en la materia.

Contenido relacionado

  • Last updated on