Copilot Tuning è un servizio che migliora la personalizzazione degli agenti di Microsoft Copilot ottimizzando contenuti, strumenti e modelli su dati specifici del tenant. Con le funzionalità fornite da Copilot Tuning, le organizzazioni possono usare i propri dati proprietari per migliorare la pertinenza e l'accuratezza degli output generati dagli agenti di intelligenza artificiale. Questa ottimizzazione aiuta gli agenti a comprendere e rispettare la terminologia, i flussi di lavoro e i processi aziendali unici dell'organizzazione.
Copilot Tuning introduce modelli ottimizzabili in Agent Builder che forniscono ricette di inferenza personalizzate specifiche per attività. Con varie opzioni di ottimizzazione (contesto di ottimizzazione, modello di ottimizzazione, strumenti di ottimizzazione), i modelli utilizzano altre ricette specifiche per l'attività. Questi agenti possono eseguire attività di alto valore come la scrittura di documenti, la risposta di esperti, il riepilogo, la convalida, la modifica e l'ottimizzazione dello stile. Queste attività vengono eseguite entro i limiti di sicurezza e conformità di Microsoft 365.
Importante
Ottimizzazione Microsoft Copilot è attualmente disponibile per un gruppo limitato di clienti tramite programmi di accesso anticipato. L'accesso attraverso Frontier è previsto per aprile 2026. Le funzionalità e i requisiti sono soggetti a modifiche.
Funzionalità di Copilot Tuning
Quali sono le funzionalità di Copilot Tuning?
Copilot Tuning estende gli agenti di Microsoft Copilot consentendo una maggiore personalizzazione e controllo sul comportamento e sugli output degli agenti per attività specifiche.
Con Copilot Tuning, le organizzazioni possono adattare gli agenti alla terminologia, ai flussi di lavoro e ai processi aziendali ottimizzando il contesto, gli strumenti o i modelli. Questa ottimizzazione specifica delle attività migliora la pertinenza e l'accuratezza delle risposte degli agenti mentre operano entro i limiti di sicurezza, privacy e conformità di Microsoft 365.
Quali sono gli usi previsti di Copilot Tuning?
Copilot Tuning supporta modelli di agenti specifici per attività progettati per scenari aziendali di alto valore, tra cui:
- Scrittura di documenti : genera bozze strutturate che seguono modelli, standard e requisiti di formattazione dell'organizzazione.
- Riepilogo dei documenti : produci riepiloghi personalizzati in base al pubblico, al tono e allo scopo.
- Risposte degli esperti : fornisci risposte specifiche del dominio basate sulle conoscenze organizzative.
- Convalida dei documenti : esaminare i documenti per verificarne la conformità ai criteri, alle linee guida o ai requisiti normativi.
- Modifica dello stile : perfeziona le bozze per allinearle alla voce del marchio e agli standard di scrittura.
- Scenari di ottimizzazione : assistenza per attività di pianificazione o ottimizzazione in base a obiettivi e vincoli definiti.
Modelli e agenti
Qual è la differenza tra un modello agente e un agente?
Agent Builder fornisce modelli predefiniti che definiscono il modo in cui un agente esegue un tipo specifico di attività. Questi modelli includono l'orchestrazione predefinita e la logica specifica dell'attività.
Un agente viene creato da un modello e può quindi essere personalizzato con istruzioni, origini dati e ottimizzazione facoltativa per soddisfare una specifica esigenza aziendale.
Qual è la differenza tra i modelli ottimizzabili e gli altri modelli?
I modelli ottimizzabili usano l'orchestrazione specifica dell'attività per impostazione predefinita e supportano ulteriori personalizzazioni tramite Copilot Tuning.
A differenza dei modelli standard, i modelli ottimizzabili consentono di allineare ulteriormente il comportamento degli agenti ottimizzando il contesto, gli strumenti o il modello sottostante in base ai dati, agli obiettivi e ai criteri di valutazione.
Uso responsabile e limitazioni
Cosa devono tenere in considerazione i creatori di agenti quando applicano Copilot Tuning?
Sebbene l'ottimizzazione possa migliorare la qualità dell'agente, gli output generati dall'intelligenza artificiale possono comunque contenere errori. Quando usi Copilot Tuning, devi:
- Definisci obiettivi e criteri di valutazione chiari e appropriati per lo scenario.
- Utilizzare dati rappresentativi e di alta qualità.
- Assicurarsi che vi sia un processo di revisione umana per tutti gli output.
Per gli scenari di domande e risposte o di servizio, stabilire percorsi di escalation per gestire risposte errate o inappropriate.
Esistono limitazioni a Copilot Tuning?
Sì. L'efficacia di Copilot Tuning dipende dalla qualità, dalla copertura e dalla pertinenza dei dati usati. I risultati possono variare in base allo scenario, alla disponibilità dei dati e al supporto regionale.
Copilot Tuning non deve essere utilizzato per aggirare le protezioni di sicurezza dell'intelligenza artificiale a livello di piattaforma o per consentire usi dannosi o ad alto rischio, come la generazione di contenuti tossici o la produzione di output che potrebbero causare danni significativi agli individui o alla società.
Miglioramento della qualità e delle prestazioni
Cosa possono fare gli utenti per migliorare le prestazioni o risolvere i problemi?
Se le risposte degli agenti non soddisfano le aspettative, rivedi e modifica gli obiettivi, i dati e i criteri di valutazione usati durante l'ottimizzazione.
Gli output generati devono sempre essere considerati come bozze. Un essere umano dovrebbe rivedere i risultati per verificarne l'accuratezza, la completezza e l'adeguatezza prima dell'uso.
Un agente ha sempre bisogno di una messa a punto del modello?
No. Puoi iniziare utilizzando un modello regolabile senza applicare l'ottimizzazione. Se i risultati soddisfano le tue esigenze, non sono necessarie altre azioni.
Se sono necessari miglioramenti, iniziare ottimizzando il contesto. Se necessario, è possibile regolare gli strumenti e infine applicare l'ottimizzazione del modello.
Come devono essere valutati gli agenti specifici per attività?
Dopo aver creato un agente, definisci obiettivi, dati e criteri di valutazione chiari. Copilot Tuning fornisce risultati di valutazione basati su tali input.
Esaminare l'output della valutazione e modificare gli input in base alle esigenze. La messa a punto è un processo iterativo e possono essere necessari più cicli per ottenere il risultato desiderato.