ローカルワークフロー向けに Copilot を設定および最適化する

ローカルデータとプロセスを扱う方法は猛スピードで変化しています おかげ 人工知能 次のようなツール マイクロソフト コパイロットますます多くの企業が、その力を日々のワークフローに直接取り入れ、 IA セキュリティやコンプライアンスの制御を失うことなく、ドキュメント、アプリケーション、内部システムを管理できます。

ローカルワークフロー向けにCopilotを設定して最適化することは、単に機能を「オンにする」ことではありません。自動化、独自のデータ、ガバナンス、そして適切な使用習慣を組み合わせることこそが重要です。適切に導入されたCopilotは、チームの新たなメンバーとして機能します。組織の権限とルールを常に尊重しながら、ドキュメントの作成、社内情報に関する複雑な質問への回答、詳細なレポートの要約、運用上の問題に対する解決策の提案などを行います。

インテリジェントな自動化とローカルフローにおけるCopilotの役割

自動化はもはや厳格なスクリプトに従うだけのものではないCopilotに統合されたAIにより、ローカルワークフローはデータから学習し、パターンを検出し、コンテキストの変化に適応することができます。これは、ドキュメント作成、キャパシティプランニング、品質や供給の問題への対応といったタスクの管理に直接影響を与えます。

AI、RPA、ローコード/ノーコード プラットフォーム、プロセス マイニングを組み合わせることで、ハイパーオートメーションと呼ばれるものが実現します。ほぼすべての反復的または情報ベースのアクティビティを部分的または完全に自動化できる環境です。Copilot はこれらのシステムの上にインテリジェンスレイヤーとして機能します。テキストを理解し、コンテンツを生成し、迅速な意思決定を支援します。ユーザーは、その背後にある技術的な複雑さを意識する必要はありません。

ローコードおよびノー​​コードプラットフォームは、ローカルワークフローの作成を大幅に簡素化します。技術的な知識を持たないビジネス担当者でも、プロセス、フォーム、AIエージェントを構成できるようになります。Copilot Studioは、マーケティング、財務、法務、運用などの分野の専門家が、ビジュアルアシスタントやテンプレート（参照）を活用して、コードを書かずにモデルを微調整し、エージェントを作成できる「ワークショップ」として機能します。 副操縦士のアクションとエージェント).

プロセスとタスクマイニングは、何を自動化するかを決定する上で重要な要素となります。ワークフローがどこで停滞しているか、どのアクティビティが最も時間を消費しているか、そしてCopilotベースのエージェントがどこで有効であるかを示します。このデータにより、効率性、サービス品質、コンプライアンスに真に影響を与える自動化が優先され、結果の変化を経時的に追跡できます。さらに、これらの手法は、次のようなアプローチによって補完されます。 Copilotによるセマンティック検索 テナント内の関連する知識を見つけます。

この高度な自動化のコンテキストにより、Copilot がローカルで動作できるようになります。 大規模言語モデル（LLM）の優れた点と既存の知識を組み合わせて、独自のデータに基づいて SharePointの, Microsoft 365ERP、生産システム、または内部アプリケーション。

Copilot Optimization とは何ですか? また、それがローカル環境にとってなぜ重要なのですか?

Microsoft 365 Copilot の最適化は、独自のテナントからのデータを使用して LLM を「微調整」できる機能です。Microsoft 365 の安全な環境の外部に情報を持ち出すことなく、モデルが組織の口調、テンプレート、手順、および特定の語彙を理解し、応答が社内の専門家が使用するのと同じスタイルになるようにすることが目標です。

すべての機械学習と人工知能の処理は、Microsoft 365 テナント内で実行されます。最適化されたモデルは、既存のセキュリティおよびコンプライアンスポリシーを尊重しながら、トレーニングデータから権限を継承します。これにより、設定されたグループがアクセスできない情報を「参照」したり使用したりすることがなくなります。これは、機密データ、規制対象データ、監査対象データを扱うローカルワークフローにとって不可欠です。

これらの最適化されたモデルに基づいて、特定の宣言型エージェントを作成できます。これらはMicrosoft 365 Copilotに直接統合されており、次のようなアプリケーションに表示されます。 WordOutlook、Teams、Excelなど、様々なプラットフォームに対応しています。これらのエージェントは単なる汎用チャットボットではなく、法的条項の作成、インシデントレポートの要約、事業提案書の作成、社内ポリシーの正確な説明など、特定のタスク向けに設計されています。

大きな利点は、モデルの調整が Copilot Studio のコード不要のインターフェースを通じて行われることです。そのため、ビジネスアナリストや機能専門家は、限られたITサポートでプロセスを主導できます。データサイエンティストである必要はなく、対象ドメイン、ドキュメントの種類、そして期待される成果を十分に理解していれば十分です。

実際には、Copilot Optimizationは、Copilotを汎用ツールから高度にカスタマイズされたアシスタントへと変換します。 ローカル ワークフローに「自社らしく」話し、適切なテンプレートを使用し、適切な推論を適用し、組織内にすでに存在するルールに準拠します。

Copilot Optimization を有効にするための前提条件と基本的なガバナンス

Copilot Optimization を構成および管理する前に、特定の技術要件とロール要件を満たす必要があります。このサービスは、当初、大量のライセンスと明確に定義された AI マネージャーを持つ組織向けに設計されました。

まず、テナントは Copilot Optimization の早期アクセス プログラム (EAP) に登録する必要があります。これには、テナント内に最低限必要な数のアクティブなMicrosoft 365 Copilotアドオンライセンスが必要です。さらに、AI管理者ロールを持つ担当者が組織を代表してプログラム規約に同意する必要があります。

Microsoft 365 管理センターで Copilot 拡張機能が有効になっていることが重要です。Copilot 設定セクションでは、最適化サービスの有効化と、公開およびエージェントアクセスのオプションの両方を管理できます。組織で新しい Power Platform コネクタをブロックする DLP ポリシーを適用している場合は、[適切な方法/メソッド] を使用して「Tenant Copilot」コネクタを再分類する必要があります。 PowerShellの 適切な分類で使用できるようにします。

AI管理者の役割を持つ人だけがCopilot Optimizationガバナンスコントロールを管理できます。誰がモデルを作成できるか、どのユーザーまたはグループがモデルにアクセスできるのか、どのモデルを公開したままにするか、どのモデルを削除するか。これらすべては、管理センターのCopilot Optimizationセクションから制御できます。

Copilot Optimization を有効にすると、サービスを特定のユーザーまたはグループに明示的に制限できます。小規模なグループ (法務、研究開発、サプライ チェーン チームなど) から開始し、結果が検証され、AI の責任ある使用の規律が確立されるにつれて、徐々に拡大していくのが良い方法です。

役割設計: 管理者、モデル作成者、エンドユーザー

ローカル ワークフロー用の堅牢な Copilot セットアップには、明確に定義されたロールが必要です。 介入することで、「誰もがすべてを行う」ことを防ぎ、誰がモデルを作成して公開できるかの追跡可能性を確保します。

人工知能管理者はガバナンス層を担当します。Copilot Optimizationの有効化/無効化、参加部門の決定、モデルのライフサイクル管理、セキュリティおよびプライバシーポリシーの遵守状況の確認などを行います。また、公開済みのモデルが古くなった場合や社内規則に準拠しなくなった場合には、モデルを削除することもできます。

モデル製作者は各分野の専門家である （例えば、マーケティング、財務、法務、オペレーション部門の担当者など）データソースの選択、タスクの設定、結果の確認を行う権限を持ちます。これらの担当者には、管理センターからCopilot Optimizationを使用する権限が付与され、通常は限定されたグループ（デフォルトでは組織あたり最大10ユーザーですが、必要に応じてMicrosoftサポートを通じて拡張可能です）となります。

新しいモデル作成者が参加すると、手順が記載されたメールが届きます。 Copilot Studio の使用を開始するには、Copilot Optimization セクションの場所、作成できるタスクの種類、ナレッジ ソースの選択方法、生成されたエージェントへのアクセス権を他のユーザーに付与する方法について説明します。

エンド ユーザーは、Microsoft 365 アプリケーション内で直接、最適化されたエージェントと対話します。 （Word、Teams、Outlookなど）標準のCopilotと同様に、トレーニング済みモデルの特定の知識を活用しながら、様々なアプリケーション（例えば、アプリケーション）を操作できます。設定の詳細を知る必要はなく、エージェントのスコープと効果的な指示の出し方を明確に理解するだけで十分です。

最適化されたモデルの作成：Q&Aタスク、生成、要約

Copilot Optimizationは現在、3つの主要なタスクタイプをサポートしています。 専門家の質問と回答 (Q&A)、ドキュメント生成、ドキュメント要約など、ほとんどのローカル ドキュメントベースのワークフローをカバーします。

Q&Aの場合、エージェントが専門家として行動することが目標です .docx、.pdf、.htmlなどの形式で保存されたコンテンツを使用して、規制の説明、ポリシーの比較、条項の正当性の説明、手順の明確化を行うことができます。規制、税法、技術マニュアル、科学文書、社内ポリシーなど、密度が高く安定したテキストを含むトピックに最適です。

文書生成タスクは、高品質の最初の草稿を作成するように設計されています。 これは参照文書と構造化された変更に基づいています。例えば、定期的な契約書、商用オファー、職務記述書、コンプライアンスフォーム、製品ドキュメントなどです。ここでは、「元の文書 + 最終修正版」のペアが適切に整合されていることが重要です。

要約すると、モデルは複雑な文書を圧縮することを学習する。 組織のトーン、フォーマット、コンテンツの優先順位を尊重します。これは、時間の節約だけでなく、一貫性と正確さも重視される、リスクの高い、または大量のデータを扱う状況（規制報告書、エグゼクティブサマリー、品質報告書、監査など）で非常に役立ちます。

適切な種類のタスクを選択することが最初の重要な決定です 最適化されたモデルを構成する際、Copilot に契約書を一から作成してもらうのと、既存の契約書の要約を依頼したり、契約書の内容に関する複雑な質問に答えてもらうのとでは、作業内容が異なります。ビジネスタスクを明確に定義することで、データ、指示、評価を調整しやすくなります。

Copilot Studioでモデルを段階的にカスタマイズする

モデルのカスタマイズワークフローは、Copilot Studioから完全に管理されます。ブラウザからアクセスできます。そこから、モデル作成者は、プロセスを最初から最後まで構造化する一連のガイド付き手順に従います。

まず、明確な名前と説明を付けて新しいモデルを作成します。 それが何をするもので、何のために使われるのかを正確に説明する必要があります。エンドユーザーが理解できる言葉を使用し、誰も理解できないような技術的な名称は避けることをお勧めします。

次に知識の源が選択されます。これらは通常、SharePoint にあるドキュメントのコレクションです。これらのデータセットは、モデルの学習の基盤となります。承認されたテンプレート、完了したレポート、署名済みの契約書、有効なコンプライアンスフォームなどが含まれます。これらのデータの品質と最新性は、モデルの品質に直接影響します。

権限セクションでは、モデルを使用できるセキュリティグループまたはユーザーを定義します。Copilot Optimization は、これらのグループがアクセスできないトレーニング ドキュメントをフィルターし、各ファイルの ACL を常に尊重しながら、知識の範囲を最大化するために追加のグループを提案できます。

次に、タスクの種類（Q&A、生成、要約）を選択し、モデルの指示を記述します。これらの指示は、システムに語調（「フォーマルなトーン」、「親しみやすいながらもプロフェッショナルな言葉遣い」）、品質基準（「規制を捏造しない」、「常に文書参照を引用する」）、そして期待される出力を指示します。これらの指示がより正確で現実的であればあるほど、モデルの動作はビジネスニーズにより適合するようになります。

これらの要素が構成されると、ラベル付けのためのデータの準備が始まります。Copilot はドキュメントのアクセス制御リストを分析し、データセットを整理して、後でトレーニングに使用できるようにします。このステップには数時間（データ量によっては最大 24 時間）かかる場合があります。処理を続行する準備が整うと、システムからメールで通知されます。

最適化されたモデルのラベル付け、トレーニング、評価

データラベル付けフェーズでは、どの例が本当に適切であるかを識別しようとします。 モデルに、品質の高い出力とはどのようなものであるべきかを教えるためです。最初から膨大な手作業を必要とする代わりに、Copilot Optimization は関連性が高いと判断したペアまたは例を自動的に選択し、専門家にそれらを「良い」または「それほど良くない」と分類するよう依頼します。

ラベル付けフォームには候補文書または下書きが表示されます モデル作成者は、データが望ましい基準を正確に表しているかどうかを判断します。このプロセスは、タスクの複雑さに応じて、システムが確実に学習できる十分な参照データが得られるまで、複数回繰り返すことができます。

データが準備されると、Azure AI Foundry でモデルのトレーニングが開始されます。これらすべてはCopilot Studioインターフェースを通じて管理されます。微調整プロセスは、データの量に応じてさらに数時間かかる場合があります。完了すると、ツールはテスト結果を生成しますので、公開前に確認することができます。

評価は重要なステップです。モデルが「多かれ少なかれ機能する」だけでは不十分です。トーンが一貫していること、機密データが捏造されていないこと、テンプレートが遵守されていること、適切なビジネス基準が適用されていること、重要な情報が省略されていないことを確認することが重要です。何かが合わない場合は、戻ってやり直すことができます。データソースを追加したり、指示を調整したり、より多くの例を取り入れたり、マッピングファイルを改善したりすることができます。

オプションで、mapping.csv ファイルを準備することもできます。 「前例-対象」文書のペアで、どの元のファイルがどの最終草稿に対応するかを示します。このCSVは知識ソースのルートに保存され、特に生成タスクと要約タスクにおいて、モデルが入力と出力の関係をより適切に理解するのに役立ちます。

Copilot Optimization によるドキュメント生成の高度な活用

ローカル ワークフローにおける Copilot の最も強力なアプリケーションの 1 つは、ドキュメント生成です。 テンプレートと過去の例に基づいて AI を使用し、最終版に非常に近い初期ドラフトを作成することで、プロセスが大幅に短縮されます。 時間 手作業による製図。

このアプローチは、文書が認識可能なパターンに従っている場合に特に効果的です。 変更されるのは、職務記述書、サービス契約、発注書、コンプライアンスフォーム、製品ドキュメントなど、特定の詳細または条項のみです。このモデルは組織の構造とスタイルを特定し、提供された仕様に基づいて一貫した変更を適用します。

最大限に活用するには、参照ドキュメントとそのターゲット バージョンのペアを 20 組以上用意しておくことをお勧めします。SharePoint に保存されるこれらのペアは、システムが処理すると予想されるさまざまなバリエーション (さまざまな契約タイプ、異なる製品ファミリ、日常的な規制の変更など) をカバーする必要があります。

必要な変更は、Copilot Optimization 内の構造化されたフィールドで提供されます。これにより、モデルはどの部分をどのように修正する必要があるかを理解しやすくなります。このようにして生成されたドラフトには、既存の形式、用語、内部スタイルを維持しながら、新しい情報が既に組み込まれています。

その結果、ローカル ワークフローの俊敏性が大幅に向上します。人事部門は企業文化に合致した求人を作成し、法務部門は最小限のレビューで定期的な契約書を作成し、コンプライアンス部門は承認されたテンプレートから新しいフォームを作成し、購買部門は最終的な検証のみを必要とする注文書の草案を作成します。

Teams での会議や共同作業の副操縦士

コラボレーションレベルでは、Copilotは マイクロソフトのチーム 重要な同盟国となった より短時間で、より焦点を絞った、実用的な会議を管理する。これらは社内データ処理における典型的な意味での「ローカルワークフロー」ではありませんが、会議での使用は日常的なワークフローとして非常に重要になります。

Teams で Copilot を使用するには、互換性のある Microsoft 365 ライセンスが必要です。 （例：E3、E5、Business Premium）にアップグレードし、会議の文字起こしまたは録音を有効にしてください。文字起こしまたは録音がない場合、詳細な要約や信頼性の高いアクションリストを生成するための素材が不足するため、Copilot の機能は低下します。

会議中に、ユーザーは Teams ツールバーから Copilot をアクティブ化します。 また、リアルタイムの要約、ToDoリスト、意見の相違点、未解決の質問などをリクエストできます。これは特に、遅れて参加する人にとって便利です。会話の流れを中断することなく、1分以内に必要な情報を得ることができます。

最後に、Copilot はセッションを明確に終了するのに役立ちます。タスク、責任者、そして次のステップを特定します。これらすべての要素はTeamsの会議概要タブからアクセスできるため、合意内容が延々と続くチャットや散らばった個人メモに埋もれてしまうことを防ぎます。

これらの機能を拡張するNootaのような補完的なツールがあるより構造化された議事録、高度な検索可能なファイル、そして会議の種類ごとに個別の設定を提供します。Teamsと統合されているため、記録、文字起こし、カスタムサマリーの作成が可能で、フォローアップとその後のコラボレーションが向上します。

ブラウザのCopilot：日常生活にAIを導入するための第一歩

多くの組織にとって、Copilotの導入は Microsoft Edge これはソフトな採用戦略であるこれにより、ユーザーは Copilot の高度な機能を Microsoft 365 全体に拡張する前に、すでに日常的に使用している環境 (ブラウザー) で AI に慣れることができます。

EdgeのCopilotに焦点を当てたトレーニングセッションでは、このツールがタスクをいかに簡素化するかを示します。 スプレッドシートの作成、メールの作成、長いウェブページの要約、関連情報の迅速な検索など、あらゆる作業に対応します。さらに、OneDriveとの連携により、ファイルを自動的に保存し、紛失を防ぎます。

このタイプのトレーニングには実践的な要素が強く含まれています参加者は、AI が反復的な作業を削減する方法、小規模なプロセスを自動化する方法、そして Copilot が日常的なプロジェクト管理の問題を解決するための具体的な手順を提案する方法をリアルタイムで体験します。

影響は個人だけでなく組織にも及びます。反復的なタスクから時間を解放することで、チームは創造性、戦略、そして高度な意思決定により多くの時間を費やすことができます。これは、ますますデジタル化が進む市場において、中小企業や大企業の競争力を強化することにつながります。

成熟度が増すにつれて、高度で個別化されたセッションを企画することが一般的になります 特定の部門においては、EdgeのCopilotをMicrosoft 365のCopilotに接続し、ローカルワークフロー内の最適化されたモデルと連携させる必要があります。これにより、AIは目新しいものではなく、日常業務の構造的な一部となります。

Copilot Optimization におけるセキュリティ、コンプライアンス、管理

ローカルデータを使用してCopilotを最適化する際には、セキュリティとガバナンスが重要な柱となります。それは単に「うまく機能させる」ということではなく、データ保護規制、知的財産、および会社の内部ポリシーを尊重することを保証することです。

Copilot 最適化は、Microsoft 365 テナント内の分離された環境で実行されます。トレーニング済みのモデルは、基盤となるドキュメントから権限を継承します。トレーニング中は、顧客データがテナントの安全なクラウド外の外部サービスに送信されないため、GDPRやCCPAなどの標準への準拠に役立ちます。

管理者はモデルとエージェントの両方へのアクセスを制御できます これはセキュリティグループを通じて実現され、特定のチーム（例：研究開発部門や法務部門）のみにサービスを有効にし、各エージェントの作成、使用、閲覧権限を厳密に制御できます。管理センターでは、プロジェクトの監視、アクティブなカスタムテンプレートの確認、不要になったテンプレートの削除が可能です。

コンプライアンスポリシーは、CopilotがMicrosoft Graphに基づいて生成する応答にも適用されます。Microsoft 365 の標準検索と同様に、システムは権限のないユーザーにドキュメントやスニペットを表示しません。さらに、Copilot Optimization は、関連するグループがアクセスできないファイルをトレーニングから除外します。

データとモデルの使用については組織が引き続き責任を負うことを覚えておくことが重要です。AI管理者は、トレーニングセットが著作権を尊重し、個人がデータの処理について適切に情報提供を受け、有効な削除要求に対応していることを保証する必要があります。削除権を行使した個人のデータを使用してモデルがトレーニングされた場合、最適化されたモデルを再トレーニングまたは削除し、その方法を再検討する必要があるかもしれません。 コパイロットメモリを有効または無効にする.

最後に、出力を人間がレビューするための手順を確立することをお勧めします。特に機密性の高い分野（法務、規制、財務）においては、AIは業務を加速させることができますが、正確性、適合性、規制遵守を確保するためには専門家による検証が依然として必要です。

ローカルワークフローで Copilot を設定して使用するためのベストプラクティス

Copilot がローカル環境で真の価値を追加するには、一連のベスト プラクティスに従うことをお勧めします。 期待、データ、プロセス、そしてセキュリティを整合させることが重要です。これは技術的な問題だけでなく、文化や働き方にも関わってきます。

明確なビジネス目標から始める ユースケースの優先順位付けに役立ちます。契約書の作成時間を短縮したいですか？レポート生成を高速化したいですか？サプライインシデントへの対応を改善したいですか？エグゼクティブサマリーを標準化したいですか？明確な焦点を設定することで、投資収益率の測定や構成の調整が容易になります。

高品質で適切に管理されたトレーニングデータを選択する これは基本的なことです。モデルは見たものから学習します。文書が古かったり、フォーマットが適切でなかったり、一貫性がなかったりすると、出力にそれらの問題が反映されます。大規模で整理されていないコレクションよりも、小規模ながらも代表性の高いセットの方が望ましいのです。

特定のモデル指示と起動プロンプトを定義する これにより、エージェントの行動は大幅に改善されます。「親しみやすくもプロフェッショナルな口調で話す」「存在しないポリシーを捏造しない」「必ず原文の参照と日付を明記する」といった指示は、実際に大きな違いを生み出します。

ユーザーに明確な指示を策定し、フォローアップの質問をするよう促す たとえ目に見えないものであっても、それはセットアップの一部です。Copilot は複数ターンの会話をサポートしているため、質問を絞り込んだり、追加の例を求めたり、別のドキュメントを参考資料として使用するよう依頼したりすることで、結果の質を向上させることができます。

最後に、反復的でフィードバックに基づいた考え方を採用する これにより、Copilot は時間の経過とともに改善されます。どの対応が有効か、どのエラーが繰り返されるか、どのような新しいデータを組み込む必要があるか、そしていつモデルを再トレーニングするのが適切かを分析します。Copilot は一度限りのプロジェクトではなく、組織のプロセスと共に進化する生きた機能です。

Copilotとその最適化をローカルデータと統合することは、私たちの仕事のやり方の質的な変化を表しています。ワークフローはより俊敏になり、重要な情報へのアクセスが容易になり、意思決定はより適切に文書化され、コラボレーションはより深まります。強固なガバナンス基盤、厳選されたデータ、そして適切に選定されたユースケースがあれば、AIは単なる抽象的な約束ではなく、組織の生産性、品質、そして適応性を向上させる、日常的な味方となるでしょう。