配置和最佳化 Copilot 以適應本地工作流程

我們處理本地數據和流程的方式正在以驚人的速度變化。 非常感謝 人工智能 類似工具 微軟副駕駛越來越多的公司希望將這種能力直接融入日常工作流程中，並將其整合起來。 IA 在其文件、應用程式和內部系統方面，不會失去對安全性和合規性的控制。

配置和最佳化 Copilot 以適應本地工作流程，而不僅僅是「啟用」某個功能那麼簡單。而是透過結合自動化、專有數據、治理和良好的使用習慣來實現。如果部署得當，Copilot 將成為團隊的另一位成員：它可以起草文件、解答有關內部資訊的複雜問題、總結冗長的報告，並為營運問題提出解決方案，始終尊重您組織的權限和規則。

智慧自動化和副駕駛在本地流量中的作用

自動化不再只是遵循一套僵化的腳本。Copilot 整合的 AI 使本地工作流程能夠從資料中學習、檢測模式，並在環境變化時進行調整。這直接影響到文件創建、產能規劃以及應對品質或供應問題等任務的管理方式。

人工智慧、RPA、低程式碼/無程式碼平台和流程挖掘的結合，造就了所謂的超自動化。幾乎所有重複性或資訊處理活動都可以部分或完全自動化。 Copilot 作為這些系統之上的智慧層：它能夠理解文字、產生內容並幫助使用者快速做出決策，而無需使用者了解底層複雜的技術細節。

低程式碼和無程式碼平台從根本上簡化了本地工作流程的創建。它允許不具備技術背景的業務人員配置流程、表單和人工智慧代理。 Copilot Studio 正好可以作為“工作坊”，讓領域專家（市場營銷、財務、法律、運營等）無需編寫代碼即可微調模型並創建代理，他們只需依靠可視化助手和模板即可（參見）。 副駕駛操作和代理).

流程和任務挖掘是決定哪些內容需要自動化的關鍵環節。它能顯示工作流程中哪些環節容易陷入僵局，哪些活動最耗時，以及哪些環節適合使用基於 Copilot 的代理商。借助這些數據，可以優先處理真正能提升效率、服務品質或合規性的自動化流程，並追蹤結果隨時間的變化。此外，這些技術也輔以其他方法。 使用 Copilot 進行語意搜索 尋找租戶內部的相關知識。

在這種先進自動化環境下，Copilot 可以在本地運行。 利用您自己的數據，將大型語言模型 (LLM) 的最佳特性與現有的知識結合。 的SharePoint, 微軟365ERP系統、生產系統或內部應用程式。

什麼是副駕駛優化？為什麼它對本地環境至關重要？

Microsoft 365 Copilot 最佳化功能可讓您使用來自您自己租用戶的資料來「微調」LLM。無需將資訊帶出 Microsoft 365 的安全環境。目標是讓模型理解您組織的語氣、範本、流程和特定詞彙，以便其回應具有與內部專家相同的風格。

所有機器學習和人工智慧處理都在 Microsoft 365 租用戶內完成。在遵守現有安全性和合規性策略的前提下，最佳化後的模型會繼承訓練資料的權限，確保它不會「看到」或使用已配置群組無權存取的資訊。這對於處理敏感、受監管或可審計資料的本地工作流程至關重要。

基於這些最佳化模型，可以建立特定的聲明式代理。這些功能直接整合到 Microsoft 365 Copilot 中，並出現在諸如以下應用程式中： WordOutlook、Teams 或 Excel。這些代理人並非普通的聊天機器人：它們是為特定任務而設計的，例如起草法律條款、總結事件報告、準備商業提案或準確解釋內部政策。

最大的優勢在於，模型調整是透過 Copilot Studio 中的無程式碼介面完成的。因此，業務分析師或職能專家可以在有限的IT支援下主導整個流程。他們無需是資料科學家；只需對領域、文件類型和預期結果有深入的了解即可。

實際上，Copilot 最佳化功能可以將 Copilot 從通用工具轉變為深度客製化的助手。 針對您本地的工作流程：用「公司內部的方式」說話，使用正確的模板，應用正確的邏輯，並遵守組織中已有的規則。

啟用副駕駛優化的前提條件與基本治理

在配置和管理 Copilot Optimization 之前，您必須滿足某些技術和角色要求。該服務最初是為擁有大量許可證和明確定義的 AI 管理人員的組織而設計的。

首先，租戶必須註冊加入 Copilot Optimization 的早期訪問計劃 (EAP)。這要求租用戶中必須擁有一定數量的有效 Microsoft 365 Copilot 附加元件授權。此外，組織必須指定一名具有 AI 管理員角色的人員代表其接受該計劃條款。

必須在 Microsoft 365 管理中心啟用 Copilot 擴充功能。在 Copilot 設定部分，您可以管理最佳化服務啟用以及發布和代理存取選項。如果您的組織應用了阻止新 Power Platform 連接器的 DLP 策略，則需要使用[適當的方法]重新分類「租戶 Copilot」連接器。 PowerShell的 以便能夠進行適當的分類。

只有擁有 AI 管理角色的人員才能管理副駕駛最佳化治理控制。誰可以建立模型，哪些使用者或使用者群組擁有存取權限，哪些模型保持發布狀態，哪些模型會被移除。所有這些設定都可以在管理中心的「Copilot 最佳化」部分進行控制。

啟用 Copilot 最佳化後，您可以明確地將服務限制為特定使用者或使用者群組。比較好的做法是從一個小團隊（例如，法律、研發或供應鏈團隊）開始，隨著結果的驗證和負責任地使用人工智慧的規範的鞏固，逐步擴大規模。

角色設計：管理員、模型創建者和最終用戶

要為本地工作流程建立一個強大的 Copilot 設置，需要明確定義角色。 進行幹預，防止“人人為我做所有事”，並確保可追溯誰可以創建和發布模型。

人工智慧管理員負責治理層。他們負責啟用或停用「副駕駛優化」功能，決定哪些部門參與，控制模型生命週期，並審核其是否符合安全和隱私政策。他們還可以移除已發布的模型，例如當模型過時或不再符合內部規定時。

模型製作者都是各自領域的專家 例如，來自行銷、財務、法務或營運部門的人員，他們有權選擇資料來源、配置任務和查看結果。他們被授予從管理中心使用 Copilot Optimization 的權限，並且通常是一個有限的群體（預設情況下，每個組織最多 10 個用戶，如有需要，可透過 Microsoft 支援進行擴展）。

當新的模型創建者加入時，他們會收到一封包含說明的電子郵件。 Copilot Studio 入門指南：如何找到 Copilot Optimization 部分，可以建立哪些類型的任務，如何選擇知識來源，以及如何授予其他使用者存取產生的代理程式的權限。

最終使用者可以直接在 Microsoft 365 應用程式中與最佳化後的代理程式進行互動。 （Word、Teams、Outlook 等），就像使用標準 Copilot 一樣，但受益於訓練模型的特定知識。他們無需了解配置細節；只需清楚代理的權限範圍以及如何制定有效的指令即可。

建立最佳化模型：問答任務、產生和摘要

副駕駛優化目前支援三種主要類型的任務。 涵蓋大多數本機文件工作流程：專家問答、文件產生和文件摘要。

在問答環節，目標是讓客服人員扮演專家的角色。 能夠使用以 .docx、.pdf 或 .html 等格式儲存的內容，解釋法規、比較政策、論證條款或闡明程序。非常適合處理文字密集且穩定的主題：法規、稅法、技術手冊、科學文件或內部政策。

文檔生成任務旨在產生高品質的初稿。 這是基於參考文件和結構化變更。例如，定期合約、商業報價、職位描述、合規表格或產品文件。關鍵在於擁有清晰匹配的「原始文件 + 最終修改版本」。

總之，該模型學會了精簡複雜文件。 尊重組織的語氣、格式和內容重點。這在風險高或工作量大的環境中（例如監管報告、執行摘要、品質報告或審計報告）非常有用，因為在這些環境中，一致性和準確性與節省時間同等重要。

選擇合適的任務類型是首要的關鍵決策。 配置最佳化模型時：讓 Copilot 從頭開始產生合約與請求現有合約摘要或回答有關合約內容的複雜問題截然不同。明確定義業務任務有助於調整資料、指示和評估。

在 Copilot Studio 中逐步自訂模型

模型客製化工作流程完全由 Copilot Studio 管理。可透過瀏覽器存取。模型創建者隨後按照一系列引導步驟完成整個流程。

首先，建立一個新模型，並為其賦予一個清晰的名稱和描述。 他們應該詳細解釋它的功能和用途。建議使用最終使用者能夠理解的語言，避免使用晦澀難懂的專業術語。

然後選擇知識來源。這些通常是位於 SharePoint 中的文件集合。這些資料集是模型學習的基礎：例如，已批准的範本、已完成的報告、已簽署的合約、有效的合規表格等等。這些數據的品質和時效性將直接影響模型的品質。

權限部分定義了可以使用該模型的安全性群組或人員。Copilot Optimization 會過濾掉這些群體無法存取的培訓文檔，並可以建議其他群體來最大限度地擴大知識的覆蓋範圍，同時始終尊重每個文件的 ACL。

接下來，選擇任務類型（問答、產生或總結），並撰寫模型說明。這些指令指導系統在語氣（「正式語氣」、「友善但專業的語言」）、品質標準（「不要隨意編造規章」、「務必註明文件出處」）和輸出預期方面做出規範。這些指令越精確、越貼近實際，模型的行為就越能滿足業務需求。

這些要素配置完成後，即可開始準備用於標註的資料。Copilot 會分析文件存取控制列表，並整理資料集以供後續訓練使用。此步驟可能需要幾個小時（最多 24 小時，取決於資料量），系統會在準備就緒後透過電子郵件通知您。

優化模型的標註、訓練與評估

資料標註階段旨在確定哪些範例是真正好的。 目的是教會模型高品質輸出應該是什麼樣子。 Copilot Optimization 無需從一開始就進行大量人工操作，它會自動選擇它認為相關的樣本對或示例，並請專家將其標記為“好”或“不好”。

標籤表單顯示候選文件或草稿 模型創建者隨後會判斷資料是否準確地代表了所需的標準。根據任務的複雜程度，這個過程可以重複多輪，直到系統有足夠的參考資料進行可靠的訓練。

資料準備就緒後，即可在 Azure AI Foundry 中啟動模型訓練。所有這些操作都透過 Copilot Studio 介面進行管理。根據資料量的大小，微調過程可能需要幾個小時。完成後，該工具會產生測試結果供您審核，然後再發布任何內容。

評估是至關重要的一步：僅僅模型「大致有效」是不夠的。務必核實語氣是否一致，敏感資料是否真實，範本是否遵循，業務準則是否合理，關鍵資訊是否完整。如果發現任何問題，可以返回修改：新增更多資料來源、調整說明、新增更多範例或改進映射檔案。

（可選）準備一個 mapping.csv 檔案。 透過「先例-目標」文件對，指明哪個原始文件對應於哪個最終稿。此 CSV 檔案保存在知識來源根目錄中，有助於模型更好地理解輸入和輸出之間的關係，尤其是在生成和摘要任務中。

進階文件產生與 Copilot Optimization 結合使用

Copilot 在本機工作流程中最強大的應用程式之一是文件產生。 基於模板和歷史案例，人工智慧用於產生與最終版本非常接近的初始草稿，從而大大縮短了流程。 El Temppo 手工製圖。

當文件遵循可識別的模式時，這種方法尤其有效。 只有某些細節或條款會發生變化：例如職位描述、服務合約、採購訂單、合規表格或產品文件。此模型會識別組織的結構和風格，並根據您提供的規格應用一致的變更。

為了充分發揮其作用，建議準備 20 多個符合良好的參考文件及其目標版本對。儲存在 SharePoint 中的這些配對應該涵蓋您期望系統處理的各種變更：不同的合約類型、不同的產品系列、例行監管變更等。

必要的變更已在 Copilot Optimization 的結構化欄位中提供。這樣一來，模型就能更容易理解哪些部分需要修改以及如何修改。如此一來，產生的草稿就能在保持現有格式、術語和內部風格的同時，融入新的資訊。

其結果是本地工作流程更加靈活。人力資源部根據公司文化生成招聘啟事，法務部起草定期合同，只需進行少量審核，合規部根據已批准的模板創建新表格，採購部準備只需最終確認的訂單草稿。

在 Teams 中擔任會議和協作工作的副駕駛

在協作層面，Copilot 已整合到 微軟團隊 已成為關鍵盟友 為了更好地管理時間更短、重點更集中、更具行動性的會議。雖然這些並非傳統意義上的內部資料流程中的“本地工作流程”，但它們在會議中的應用構成了高度相關的日常工作流程。

若要在 Teams 中使用 Copilot，您需要相容的 Microsoft 365 授權。 （例如，E3、E5 或 Business Premium 版本）並啟用會議轉錄或錄製功能。如果沒有轉錄或錄製功能，Copilot 的功能將受到限制，因為它缺乏產生詳細摘要或可靠行動清單的原始素材。

會議期間，使用者從 Teams 工具列啟動 Copilot。 您也可以要求即時摘要、待辦事項清單、分歧點或開放式問題。這對於遲到者尤其有用：他們可以在不到一分鐘的時間內快速了解情況，而不會打斷對話的進行。

最後，Copilot 可以幫助清楚地結束會話。明確任務、負責人和後續步驟。所有這些要素都可以在 Teams 的會議摘要標籤中查看，從而避免協議淹沒在無休止的聊天記錄或零散的個人筆記中。

還有像 Noota 這樣的輔助工具可以擴充這些功能。提供更規範的會議記錄、高級可搜尋文件以及針對每種會議類型的特定設定。與 Teams 集成，支援錄製、轉錄和生成自訂摘要，從而改善後續跟進和協作。

瀏覽器中的副駕駛：邁向日常生活應用人工智慧的第一步

對許多組織而言，透過 Copilot 引入 Copilot 是一種可行的方式。 微軟邊緣 這是一種溫和的採納策略。它允許人們在他們日常使用的環境（瀏覽器）中熟悉人工智慧，然後將 Copilot 的高級功能擴展到整個 Microsoft 365。

以 Edge 中的 Copilot 為重點的培訓課程展示了該工具如何簡化任務。 例如建立電子表格、撰寫電子郵件、摘要長網頁或更快地尋找相關資訊。此外，它還整合了 OneDrive，可自動儲存文件，確保文件不會遺失。

這種類型的培訓具有很強的實踐性。參與者可以即時體驗人工智慧如何消除重複性工作，如何自動化小型流程，以及 Copilot 如何提出具體步驟來解決日常專案管理問題。

影響不僅體現在個人層面，也體現在組織層面。透過從重複性任務中解放出來，團隊可以將更多時間投入創造力、策略規劃和高階決策。這反過來又增強了中小企業和公司在日益數位化的市場中的競爭力。

隨著成熟度的提高，組織更高階、更個人化的課程就變得很常見。 對於特定部門而言，這意味著將 Edge 瀏覽器中的 Copilot 與 Microsoft 365 中的 Copilot 以及本機工作流程中的最佳化模型連接起來。這樣，人工智慧不再是新鮮事物，而是成為日常營運的結構性組成部分。

Copilot 最佳化中的安全性、合規性和管理

安全性和治理是利用本地資料優化 Copilot 時必不可少的支柱。這不僅僅是「讓它運作良好」的問題，而是要確保它尊重資料保護法規、智慧財產權和公司的內部政策。

Copilot 最佳化在 Microsoft 365 租用戶內的隔離環境中運作。訓練後的模型會繼承底層文件的權限。在訓練過程中，不會將任何客戶資料傳送到租戶安全雲端環境之外的外部服務，這有助於遵守 GDPR 或 CCPA 等標準。

管理員可以控制對模型和代理的存取權限。 這是透過安全群組實現的，僅對特定團隊（例如研發或法務團隊）啟用該服務，並精確控制誰可以建立、使用和查看每個代理程式。管理中心可讓您監控專案、查看正在使用的自訂模板，並刪除不再適用的模板。

合規性策略同樣適用於 Copilot 基於 Microsoft Graph 所產生的回應。系統不會向沒有權限的使用者顯示文件或片段，就像在 Microsoft 365 中進行標準搜尋一樣。此外，Copilot Optimization 也會將相關群組無權存取的文件從訓練計畫中排除。

需要注意的是，組織仍然對資料和模型的使用負有責任。人工智慧管理員必須確保訓練集尊重版權，確保個人充分了解其資料處理情況，並妥善處理有效的刪除請求。如果模型是使用行使刪除權的個人的資料進行訓練的，則可能需要重新訓練或刪除已最佳化的模型，並審查其處理方式。 啟動或停用副駕駛內存.

最後，建議建立人工審核輸出結果的程序。尤其是在敏感領域（法律、監管、金融）。人工智慧可以加快工作速度，但專家驗證仍然必不可少，以確保準確性、適用性和合規性。

在本地工作流程中設定和使用 Copilot 的最佳實踐

為了使 Copilot 真正為本地環境增添價值，建議遵循一系列最佳實踐。 這使得預期、數據、流程和安全保持一致。這不僅僅是一個技術問題；它還涉及文化和工作方式。

首先要先明確業務目標。 它有助於確定使用場景的優先順序：我們是想縮短合約起草時間？加快報告產生速度？改進對供應事件的回應？規範執行摘要？明確的重點使衡量投資報酬率和調整配置變得更加容易。

選擇高品質、維護良好的訓練數據 這是根本所在。模型會從觀察到的內容中學習：如果文件過時、格式混亂或前後矛盾，輸出結果也會反映出這些問題。相較於龐大且雜亂的資料集，規模較小但極具代表性的資料集較為可取。

定義具體的模型說明和啟動提示。 它能顯著改善代理人的行為。諸如「使用友善而專業的語氣」、「不要捏造不存在的保單」或「務必註明原始文件的出處和日期」之類的指示，在實踐中會產生顯著的影響。

鼓勵用戶制定清晰的說明並提出後續問題 即使這種準備工作是無形的，它也是設定的一部分。 Copilot 支援多輪對話，因此，完善問題、要求提供更多範例或要求使用其他文件作為參考，這些策略都能提高結果的品質。

最後，要採取迭代和基於回饋的思維模式。 這使得 Copilot 能夠隨著時間的推移而不斷改進。它會分析哪些反應有效，哪些錯誤反覆出現，需要納入哪些新數據，以及何時應該重新訓練模型。 Copilot 不是一次性項目，而是與組織流程同步發展的動態功能。

將 Copilot 及其最佳化功能與本地資料結合，代表我們工作方式的質的轉變。工作流程變得更敏捷，關鍵資訊更容易獲取，決策記錄更加完善，協作也更加深入。憑藉著穩固的治理基礎、精心整理的數據和精心挑選的應用案例，人工智慧不再是抽象的承諾，而是成為提升組織生產力、品質和適應能力的日常助手。