Microsoft 365 Copilotチューニングを使用すると、組織は独自のテナント データを使用して大規模な言語モデル (LLM) を微調整できます。 これらの微調整は、organization固有の知識に基づいてドメイン固有のタスクを実行できるパワー エージェントをモデル化します。 すべてのトレーニングと AI 処理は Microsoft 365 テナント内で行われるため、データはセキュリティで保護され、既存のコンプライアンスコントロールによって管理されます。 その結果、AI アシスタントはエキスパート チーム メンバーのように動作し、organizationのコンテンツとルールに合わせて調整された支援を提供します。
この記事では、組織が Copilot Tuning を使用してタスク固有の微調整された LLM を作成する方法、ユーザーがこれらの微調整されたモデルでエージェントを構築する方法、IT 管理者がこの機能を管理する方法について説明します。
注:
Copilot チューニングは現在、早期Access Preview (EAP) で使用できます。 要件と登録方法の詳細については、 管理者ガイドを参照してください。
主な機能とシナリオ
Copilot チューニングを使用すると、直感的なコードなしの UI を使用して LLM を微調整できます。 ビジネス アナリストまたは分野の専門家は、ドメインの知識を使用して、関連するテナント データに関する LLM を微調整できます。これにより、モデルは、organizationにカスタムされる独自の音声と手順を学習できます。 たとえば、法務部門のアナリストは、会社の過去のケース の概要とテンプレートを使用してモデルを微調整し、会社固有のスタイルと用語を使用してドキュメントを書き込む契約起草エージェントを作成できます。
Copilot チューニングには、次の主な機能と利点があります。
コードなしのモデルの微調整 - Microsoft Copilot Studioの直感的なインターフェイスを使用して、内部データの LLM を微調整します。
ドメイン固有のエージェント - ビジネス タスクに合わせて調整された微調整されたモデルに基づいて、特殊な Copilot エージェントを構築します。 エキスパート Q&A、提案の生成、そのドメインのエキスパートのように動作するレポートの概要作成などのシナリオのエージェントを作成できます。 エージェントは、organizationの適切なトーン、ボキャブラリ、詳細レベルで結果を生成します。
より直感的な分析情報と自動化 - organizationのビジネスノウハウを Copilot にエンコードすることで、分析とコンテンツの作成をorganizationに合わせて調整できます。 手動作業 (ドキュメントの検索、データのコンパイル、下書きの作成) に数日かかる可能性があるタスクは、エージェントによって数分で実行できます。 これにより、アナリストと主題の専門家は、Copilot が日常的または情報負荷の高いタスクを処理しながら、より価値の高い作業に集中できます。
データ ソースとの統合 - Copilot チューニングでは、Microsoft 365 エコシステムに既に含まれているリッチ コンテンツを使用できます。 ナレッジ ソースを選択します。その後、モデルはこのテナント データから学習し、エージェントの応答がorganizationの情報に固定されていることを確認します。 Copilot は Microsoft Graph と統合されているため、エージェントは、Microsoft 365 の最新の情報に対してクエリを実行して集計するための強力なツールを提供し、ライブエンタープライズ データを推論することもできます。
organizationでは、次のシナリオで Copilot チューニングを使用できます。
Q&A - .docx、.pdf、.html などのさまざまな形式で、テナント固有のコンテンツ (規制、税コード、科学レポートなど) を理解し、推論するドメインに特化したエージェントを作成します。 Q&A エージェントは、organizationのトーン、用語、コンプライアンス言語を反映するように調整され、句対応の回答、概要、ドキュメント間の比較 (リージョン間の規制上の違いなど) を提供します。 これらのエージェントは、精度とコンテキストが重要なディープ ドメイン駆動型ワークフローで、テキストが多い安定したコンテンツ用に最適化されています。
ドキュメントの生成 - ドキュメント テンプレートと過去のレポートでモデルをトレーニングし、それ以外の場合は複数のプロンプトとモデル出力を必要とする複雑なドキュメントの最初の下書きを生成します。 たとえば、会社が承認した形式とトーンで販売提案を組み立てたり、法的契約を下書きしたりする提案書き込みエージェントを作成できます。
要約 - organizationのトーン、書式設定、およびコンテンツの優先順位を反映した、複雑なドキュメントの高品質で構造化された概要を生成します。 法務、規制、エグゼクティブ レポートなどの大量または高い賭け金のユース ケースに最適な集計エージェントは、一貫性を確保し、手動作業を減らし、好みのサマリー スタイルに適応します。 LLM をサンプル ペアでトレーニングして、明確で実用的で、内部標準に合わせたサマリーを生成します。
LLM を微調整する
organizationの専門知識をキャプチャするタスク固有のエージェントを正常に生成するには、LLM を微調整する必要があります。
LLM を調整するには、次のベスト プラクティスを適用します。
明確な目標から始める - 価値の高いタスクを特定して、エージェントが目に見える成果を達成し、有意義なリターンを得る作業に時間、データ、労力を集中させます。 Copilot チューニングでは、現在、エキスパート Q&A、ドキュメント生成、ドキュメント要約の 3 つの主要なタスクの種類がサポートされています。
品質トレーニング データのキュレーション - タスクに最も関連性の高い最新のドキュメントを収集します。 微調整の有効性は、適切なデータによって異なります。 ポリシー ドキュメント、専有レポート、承認済みのテンプレート、organizationの標準、形式、決定ロジックを反映した完成した成果物などの信頼できるソースを使用します。
ドキュメントの生成や要約などのタスクでは、モデルが構造、トーン、およびコンテンツの期待を学習するのに役立つ高品質の入出力ペアを提供します。
明確な指示と制約を定義する - Copilot Studioでモデルを構成するときに、エージェントのトーンと動作の指示を入力できます。 明確なガイドラインを提供する。たとえば、「プロフェッショナルでフレンドリーなトーンを使用する」や「公式の 2023 ポリシー マニュアルからの情報のみを使用する」などです。スターター プロンプトや例の質問を指定して、モデルの応答を操作することもできます。 これらは、エージェントがコンテキストとスタイルを理解するのに役立ちます。
プレビューおよび評価ツールを使用する - Copilot チューニングには評価手順が含まれます。 モデルのトレーニングが完了したら、サンプル クエリまたはタスクを使用してテストします。 Copilot Studioでは、テスト結果とベースライン回答を比較できます。 出力を確認して、精度とトーンに対する期待を満たしていることを確認します。 そうでない場合は、トレーニング データまたは手順を調整して再トレーニングします。
フィードバックを使用して反復処理 する - 微調整を反復プロセスとして扱います。 エージェントの使用中のパフォーマンスを監視します。 モデルを正確に保つために、新しいデータまたは修正を定期的に更新します。 たとえば、ポリシーが変更されたり、さらに絞り込まれる可能性がある場合は、これらの更新プログラムを組み込んで、別の微調整ラウンドを実行します。
Copilot と微調整を使用するタイミングを把握 する - シナリオが広い場合や、毎日情報が変化する場合は、クエリ時にコンテンツを検索する Copilot の取得拡張生成 (RAG) を使用すれば十分な場合があります。 微調整は、モデルが静的コンテンツまたは特定のスタイルについて深く理解する必要がある、定義された反復的なタスクに最適です。 タスクが一般的な参照または軽量合成に依存している場合は、Copilot から始めます。 出力にorganizationの特定の音声、構造、推論 (特に反復可能で価値の高いタスク) を反映する必要がある場合は、微調整に投資するシグナルです。
LLM で調整されたエージェントを使用する
モデルを微調整した後、ユーザーはエージェント ビルダーを使用して、そのモデルに基づいてエージェントCopilot Studio作成してデプロイできます。
ユーザーは、Copilot と対話するのと同じように、微調整されたモデルに基づいてエージェントと対話します。これは、Teams または別のアプリのMicrosoft 365 Copilot アプリまたはCopilot Chatを介して行います。 彼らは自然言語の質問をすることができ、エージェントは微調整された知識に基づいて応答します。
微調整されたモデルに基づくエージェントは、organizationに次の利点をもたらします。
生産性の向上 - エージェントは、毎日の作業でインテリジェント アシスタントとして機能します。 ユーザーは、organizationのデータに基づいて即座に回答を取得したり、コンテンツを生成したりできます。 また、エージェントを使用してサマリーの生成、データの分析、通信のドラフト作成などを行うことで、タスクを迅速に完了することもできます。
整合性と精度 - 微調整されたモデルに基づくエージェントの応答は、組織のデータと一致します。 これにより、古いドキュメントや外部検索エンジンによるエラーのリスクが軽減されます。
ソリューションの作成 - Copilot チューニングを使用すると、ユーザーは AI を活用したソリューションを作成して、特定の生産性のニーズを解決できます。 これにより、organizationにおけるイノベーションの文化が促進されます。
コラボレーションの改善 - エージェントは、組織の専門知識をすべてのユーザーが利用できるようにする方法を提供します。 これにより、organizationのナレッジ サイロを削除し、情報共有とコラボレーションを増やすのに役立ちます。
微調整されたモデルに基づいてエージェントを作成する場合は、次のベスト プラクティスを適用します。
モデルのスコープを理解する - エージェントの基になっているデータとタスクは何ですか? 2022 年までの人事ドキュメントでトレーニングされましたか? 特定のレポートを要約することのみを目的としていますか? スコープを知ることは、適切な質問をするのに役立ち、関連性のないタスクを行うことを期待しません。
明確なプロンプトを表示する - エージェントと対話するときは、明確で具体的な質問をします。 モデルは微調整されていますが、適切なフレーズのクエリを使用すると、より良い結果が得られます。 たとえば、"ベネフィットについて教えてください" と尋ねるのではなく、「正社員の産休ポリシーは何ですか?」微調整されたエージェントは複雑なクエリを処理できますが、わかりやすくすることでより正確な情報が提供されます。
スターター プロンプトを含める - スターター プロンプトがエージェント UI に表示され、ユーザーがエージェントの機能を理解するのに役立ちます。 ユーザーがエージェントの知識を最大限に活用できるように、微調整されたエージェントの主要なシナリオにスターター プロンプトを調整します。
調整と反復 - 微調整されたモデルに基づくエージェントは、複数ターンの会話をサポートします。 エージェントの応答が正確に必要でない場合は、プロンプトを絞り込むか、フォローアップの質問をします。 微調整されたエージェントは、フォローアップの質問を使用して応答を調整します。
セキュリティのベスト プラクティスを適用する - 機密性の高い情報を提供するように微調整されたエージェントに依頼したり、organizationのポリシーに従ってエージェントの応答を処理したりしないでください。
エージェントをさらに調整するためのフィードバックの提供 - フィードバック メカニズムを使用して、微調整されたエージェントをトレーニングまたは微調整してパフォーマンスを向上させます。 定期的なフィードバックを提供することは、エージェントが継続的に改善するのに役立ちます。 Copilot では、ユーザーはサムアップ アイコンとサムダウン アイコンを選択して、エージェントの応答に関するフィードバックを送信できます。 このフィードバックは Microsoft に送信され、製品チームが一般的な問題を特定し、時間の経過と同時にモデルのパフォーマンスを向上させるのに役立ちます。
管理の設定とガバナンス
Copilot チューニングには、テナント全体の設定、セキュリティ、ガバナンス機能が用意されており、管理者は適切なガードレールを設定して環境を設定できます。
Copilot チューニングでは、次の主要な管理機能を使用できます。
アクセス制御 - AI 管理者は、organizationまたは特定のユーザーのサブセットに対して Copilot チューニングを有効にすることができます。 たとえば、管理者は R&D 部門と法務部門に対してのみ Copilot チューニングを有効にし、それらのチームの特定のユーザーを指定して微調整されたモデルと特殊なエージェントを作成できます。 モデルのトレーニングとデプロイが完了すると、AI 管理者はトレーニング済みモデルにアクセスできるユーザーを制御します。
Microsoft 365 管理センター ガバナンス - 管理者は、Microsoft 365 管理センターの Copilot 管理セクションを使用して、微調整プロジェクトとエージェントを監視できます。 デプロイされているカスタム モデルを表示し、モデルが古くなった場合は削除できます。
セキュリティとコンプライアンス - Copilot チューニングは、エンタープライズ レベルのセキュリティで構築されています。 モデルトレーニングはテナント分離環境で行われ、結果のモデルは基になるデータのアクセス許可を継承します。 トレーニング中に顧客データが外部サービスに送信されません。微調整は、テナントに関連付けられているセキュリティで保護されたクラウド内で行われます。
Copilot チューニングでは、セキュリティ グループまたはグループがモデルに適用したファイルにアクセス許可がないファイルは除外されます。 また、知識を最大化するために、セキュリティ グループにトレーニング データを追加することも提案します。 これにより、モデルのセキュリティ層が強化されます。
注:
モデルを微調整すると、トレーニング データに基づいてモデルの重みが調整されます。 トレーニング データに対するアクセス許可に対する変更は、モデルに自動的に適用されません。AI 管理者は、Microsoft 365 管理センター内のモデルに対するアクセス許可を更新する必要があります。
Copilot 応答で返される Microsoft Graph データは、ドキュメントのアクセス許可も適用されます。応答には、ユーザーがアクセスできない情報は含まれません。
デプロイと監視 - モデルが微調整され、デプロイされると、ビルダーはエージェントでモデルを使用し、モデルにアクセスできるorganizationのユーザーとエージェントを共有できます。 管理者は、セキュリティ グループを使用してエージェントにアクセスできるユーザーを制御でき、Copilot 使用状況分析ダッシュボードを使用してエージェントの使用状況を監視できます。
免責事項
AI 管理者は、この製品の使用が適用されるすべてのデータ保護、プライバシー、および知的財産に関する法律に準拠していることを保証する責任を負います。 これには、GDPR や CCPA などの規制に基づくデータ 管理者としての義務の履行が含まれます。
データ コントローラーの義務
- お客様は、テナント環境内でデータを収集、格納、および使用する方法について責任を負います。
- データ プラクティスが、透明性、同意、アクセス、削除に関する法的要件を満たしていることを確認する必要があります。
- 使用する前に、このシステムから生成された出力の正確性、妥当性、コンプライアンスを確認する責任があります。 主題の専門家とのレビューが必要な場合があります。
著作権とモデルトレーニング
- 独自のデータを使用してカスタム モデルをトレーニングする場合は、トレーニング セットに含まれる著作権で保護された資料に適切な権利またはライセンスがあることを確認する必要があります。
- 著作権保護は、未承認の著作権で保護されたコンテンツを使用してトレーニングされたモデルには適用されません。 お客様は、そのような使用について全責任を負うものとします。
データの削除
- モデルのトレーニングでデータが使用されているユーザーが、GDPR (または同様の規制) に基づく有効な削除要求を送信した場合は、モデルを再トレーニングする必要があります。
- モデルを微調整すると、トレーニング データに基づいてモデルの重みが調整されます。 微調整されたモデルはいつでも削除できます。