この FAQ 記事は、Microsoft 365 Copilotチューニングでの AI の責任ある使用に関する質問に回答するのに役立ちます。
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。
Microsoft 365 Copilotチューニングとは
Copilot チューニングは、テナント固有のデータのモデルを微調整することで、Microsoft 365 Copilotとエージェントのカスタマイズを強化するサービスです。 Copilot Tuning によって提供される機能により、組織は独自のデータを使用して、AI によって生成された出力の関連性と精度を向上させることができます。 この微調整により、モデルは、organizationの固有の用語、ワークフロー、ビジネス プロセスを理解し、遵守できるようになります。
Copilot チューニングを使用すると、カスタム ワークフローのオーケストレーションが可能になり、複雑なビジネス プロセスを自動化できます。 Copilot エージェントは、組織データのモデルを微調整することで、ドキュメントの生成、改善された質問の回答、要約などの価値の高いタスクを実行できます。 これらのタスクは、Microsoft 365 のセキュリティとコンプライアンスの境界内で実行されます。
Copilot チューニングの機能は何ですか?
Copilot チューニングの目的は、AI によって生成される動作と出力をよりカスタマイズして制御できるようにすることで、Microsoft 365 Copilotとエージェントの機能を拡張することです。 微調整プロセスでは、必要なアプリケーションに関連する特定のデータセットに対してさらにトレーニングすることで、事前トレーニング済みモデルをカスタマイズする必要があります。 このプロセスにより、モデルはorganizationの固有の用語、ワークフロー、ビジネス プロセスを学習でき、より正確で関連性の高い出力が得られます。
Copilot チューニングの目的の用途は何ですか?
Copilot チューニングと適応と微調整により、Microsoft 365 Copilotシナリオを複数の目的で使用できます。 システムの用途は次のとおりです。
- 質問回答の品質を高める。 このユース ケースには、応答の流暢性、書式設定、長さ、organization、複数ドキュメント推論、ドメイン固有の推論の改善が含まれます。 たとえば、応答を確実にスタイル ガイドラインに従い、関連するドメイン固有のロジックを組み込みます。
- 標準化されたワークフローに従って特殊なドキュメントの下書きを作成する。 このユース ケースには、優先するスタイル、organization、その他の関連する仕様に従いながら、さまざまな判例ドキュメントとコンテキスト情報を下書き契約またはレポートにマージすることが含まれます。
- ドキュメントを要約する。 このユース ケースには、特定のタスクまたは目的に関連するドキュメントから重要なポイントを抽出し、目的の構造とトーンに従いながら、出力が正確かつ関連性を確保することが含まれます。
特定のタスクに機能を適用する場合、モデル作成者は何を考慮する必要がありますか?
Copilot Tuning の微調整と適応によって AI の品質が向上しますが、それでも間違いを犯す場合があります。 特定の設定で Copilot チューニングを適用する場合、お客様は Copilot チューニングの品質とそのシナリオの信頼性を評価する必要があります。
Copilot チューニングを使用して質問 & 回答シナリオを改善する場合は、データを微調整して、特定の対象ユーザーが理解し、役立つ応答を調整する必要があります。 顧客サービスや人事シナリオなどのサービス シナリオでは、潜在的な間違いに対処するためのエスカレーション パスがあることをお勧めします。
Copilot チューニングを使用してドキュメントの生成と要約のシナリオを改善する場合、生成されたドキュメントまたはサマリーは下書きと見なす必要があります。 人間は、ドラフトの正確性を確認する必要があります。
次のユース ケースはサポートされていません。
- Copilot チューニングの微調整を使用して、他のプラットフォーム レベルの AI 安全性の制約を回避する。 たとえば、毒性のあるコンテンツを生成するように言語モデルを微調整します。
- 個人や社会に重大な悪影響を及ぼす可能性のある AI システムの使用または誤用。 例としては、法的地位や生命の機会に対する結果的な影響、身体的または心理的な傷害のリスク、人権に対する脅威などがあります。
Copilot チューニングに制限はありますか?
はい。 テナント固有のデータとワークフローを統合するプロセスは複雑で時間がかかる場合があり、顧客とデプロイ チーム間の緊密なコラボレーションが必要になります。 さらに、システムの有効性は、organizationのデータの品質と可用性に依存し、デプロイとサポートの面で地域的な制限がある可能性があります。
モデル作成者は、パフォーマンスを向上させたり、エラーを解決したりするために何ができますか?
微調整は Copilot に新しい知識とスキルを教えることができますが、AI は間違いを犯す可能性があります。 人間は、正確さと関連性を確保するために、その出力を検証することが重要です。 エラーは、トレーニング データの不正確さ、モデルの制限事項、または実行されるタスクの複雑さが原因で発生する可能性があります。
トレーニング データをキュレーションする
データポイズニング攻撃や有害なコンテンツを含める可能性を軽減するには、トレーニング データへのアクセスのキュレーションと制御が不可欠です。 データのキュレーションには、データ検証と品質管理対策の実装と、トレーニング データを変更するためのアクセスに関する適切な制限が含まれます。 データ パイプラインの定期的な監査と監視は、異常や悪意のあるアクティビティを迅速に特定して対処するのに役立ちます。
パフォーマンスを向上するためのベスト プラクティス
Copilot チューニングのパフォーマンスを向上させるには、高品質で包括的なトレーニング データを準備することが重要です。 新しいデータとフィードバックに基づいてモデルを定期的に更新することをお勧めします。
モデル作成者は、特定のユース ケースに対して Copilot チューニングをどのように評価する必要がありますか?
Copilot チューニングを使用してタスク固有のorganization固有のエージェントを作成した後、その結果がタスクに対して効果的かつ適切であることを検証するために、エージェントの評価を実行することをお勧めします。 結果が期待を満たしていない場合、お客様はトレーニング データを調整したり、Copilot チューニングに指定された指示を変更したり、微調整プロセスを繰り返して目的の結果を得ることができます。