WEBVTT

00:00:00.000 --> 00:00:01.960
הטייס המשנה שלך לא חכם.

00:00:02.120 --> 00:00:08.220
זהו השלמה אוטומטית לבוש היטב ומתמחה מפוצץ קפאין בתג של מייקרוסופט שנשמע בטוח בעצמו החבוד לחלוטין.

00:00:08.400 --> 00:00:14.420
מנהל המערכת הממוצע מתקין אותו, שואל שאלה שאפתנית אחת כמו סיכום מחירות הרבעון האחרון באזורים שונים,

00:00:14.740 --> 00:00:19.020
ואז מתנהג מופתע כשהוא מגיב עם מה שקורה שמתאים לחלון ההקשר המוגבל שלו.

00:00:19.180 --> 00:00:22.440
זו לא תובנה, זו ניחושים סטטיסטיים המועברים בנימה ידידותית.

00:00:22.440 --> 00:00:27.820
תראו, רוב מה שנקרא טייסי המשנה של בינה מלאכותית פועלים על משהו שנקרא יצירת החזור מוגברת או בקיצור רג.

00:00:27.940 --> 00:00:29.160
בתיאוריה, זה מבריק.

00:00:29.300 --> 00:00:35.400
אתה שואל שאלה, היא מחפשת בבסיס ידע, תופסת חלקים רלוונטיים ומדביקה אותם לשורת הקריאה שלך כך שמודל השפה יראה מושכל.

00:00:35.560 --> 00:00:38.780
בפועל, זה כמו לבקש מספרנית אחת את כל הידע האנושי.

00:00:38.900 --> 00:00:43.040
היא רצה במורד מעבר אחד, תופסת שלושה ספרים אקראיים וצועקת את התשובה תוך כדי שהיא רצה חזרה.

00:00:43.040 --> 00:00:45.580
שאילתה אחת, החזור אחד, הזדמנות אחת לטעות.

00:00:45.700 --> 00:00:48.760
עכשיו, השבו את זה לאופן שבו החלטות ארגוניות בפועל עובדות.

00:00:48.900 --> 00:00:51.140
האם אי פעם אתם צריכים רק פיסת מידע אחת?

00:00:51.320 --> 00:00:59.860
לא, אתם צריכים את הגיליון האלקטרוני ממשרד הכספים, את דוח המחקר משרפוינט, את מחסן המדדים במיקרוסופט פאבריק, ובדרך כלל כמה נתוני שוק חיצוניים שאינם ברשותכם.

00:01:00.020 --> 00:01:03.520
רג קלאסי, קורס ברגע שהאמת שלכם נמצאת ביותר ממקום אחד.

00:01:03.520 --> 00:01:11.380
הוא לא יכול לתכנן חיפושים מרובים, לא יכול לאמץ סתירות, ובוודאי לא יכול להבין שביצועים ריבוניים משמעם דברים שונים לשיווק ולייצור.

00:01:11.540 --> 00:01:14.600
ובכל זאת, אנשים ממשיכים לקרוא למערכות האלה חכמות.

00:01:14.740 --> 00:01:16.300
טעות, הן תיירות הקשר.

00:01:16.480 --> 00:01:21.040
הן מבקרים בנכס הנתונים שלכם, מצלמות כמה סלפי עם קבצי PDF, ומעמידות פנים שהן מכירות את העיר.

00:01:21.180 --> 00:01:25.960
בינתיים, המנהל הממוצע מאמין בחינות של טייס משנה, יש גישה יודעת כל לכל תיקיית שירפוינט.

00:01:25.960 --> 00:01:31.060
זה לא כך, אלא אם כן אתם בונים מחברים והנמקות מפורשים, הוא פועל בעיניים עצומות.

00:01:31.180 --> 00:01:32.960
זה לא רק לא יעיל, זה מסוכן.

00:01:33.140 --> 00:01:36.060
בלי החזור סוכני, ארגונים טובים בפיצול הקשר.

00:01:36.280 --> 00:01:38.460
החלטות מתקבלות על סמך נתונים חלקיים.

00:01:38.700 --> 00:01:39.960
סיכוני תאימות נעלמים מעיניכם.

00:01:40.660 --> 00:01:45.140
צוותים רודפים אחר תובנות הזויות שנוצרו על ידי מודל שמעולם לא תרח לבדוק את עצמו פעמיים.

00:01:45.380 --> 00:01:47.220
האירוניה, התיקון כבר קיים.

00:01:47.440 --> 00:01:48.640
היכנסו לראג הסוכני.

00:01:48.820 --> 00:01:51.120
זה לא רק מאחזר מידע, זה חושב עליו לעומק.

00:01:51.120 --> 00:01:55.060
זה מתכנן, מבצע בדיקות סולבות ומשיק מסקנות כמו צוות מחקר דיגיטלי.

00:01:55.180 --> 00:02:00.800
בסוף הפרק הזה, תדעו בדיוק איך לגרום לטייס המשנה שלכם להפסיק להתנהג כמו תוקי ולהתחיל להתנהג כמו מדען.

00:02:00.980 --> 00:02:02.360
וכן, יש ארבעה שלבים.

00:02:02.540 --> 00:02:05.480
נתקן את הטייס המשנה המטומטם שלכם בארבעה שלבים מדויקים.

00:02:05.640 --> 00:02:08.000
מיתוס הסמרטוטים, למה אינטליגנציה לינארית נכשלת?

00:02:08.140 --> 00:02:09.820
בסדר, בואו ננתח את המיתוס.

00:02:09.820 --> 00:02:14.320
יצירת קבצים משופרת נשמעת מתוחכמת, אבל מתחת למכסה המנוע היא לנארית באחזריות.

00:02:14.520 --> 00:02:17.660
שלב ראשון, אחזר כמה פורסות טקסט על סמך דמיון וקטורי.

00:02:17.820 --> 00:02:20.300
שלב שני, דחוס את הפורסות האלה לתוך הפקודה.

00:02:20.520 --> 00:02:23.200
שלב שלישי, צור תשובה והכרז על ניצחון.

00:02:23.420 --> 00:02:28.960
זהו, אין זיכרון של חיפושים קודמים, אין נימוק לגבי סתירות, אין זיהוי של הקשר המשתמש.

00:02:28.960 --> 00:02:33.400
זה קו ישר משאילתה לתשובה, צירוף סיכו על משוכלל שנכתב באנגלית.

00:02:33.400 --> 00:02:35.900
הבעיה מתחילה ברגע שהמציאות מתבלבלת.

00:02:36.080 --> 00:02:39.580
נניח שאתם שואלים, השווה את אמינות המכשיר שלנו עם המתחרים.

00:02:39.820 --> 00:02:45.340
מערכת סמרטוטים פשוטה פוגעת באינדקס אחד, תופסת כל מסמך שמזכיר אמינות ויורכת סיכום.

00:02:45.560 --> 00:02:47.380
האם הוא בדק יומני ייצור בפבריק?

00:02:47.500 --> 00:02:50.200
האם הוא קרא את דוח הבדיקה החדש שקבור בשארפוינט?

00:02:50.360 --> 00:02:52.240
האם הוא אימת נתונים חיצוניים מהאינטרנט?

00:02:52.240 --> 00:02:55.320
כמובן שלא, הוא אפילו לא יודע שהמקורות האלה קיימים.

00:02:55.440 --> 00:02:57.260
הוא פשוט מצייר איוודאות ברהיטות.

00:02:57.420 --> 00:03:00.180
תחשבו על זה כמו אנלוגיה לספרייה שהפכה להתרגיד.

00:03:00.320 --> 00:03:03.240
אתם נכנסים ושואלים ספרנית אחת על כלכלה עולמית.

00:03:03.440 --> 00:03:10.300
היא רצה למדף שכותרתו, כלכלה מושיטה לכם ספר אקראי על המרת מטבעות משנת 2012 ומכריזה שהשאלה נפטרה.

00:03:10.460 --> 00:03:12.380
שירות לקוחות טוב, מלגה נוראית.

00:03:12.380 --> 00:03:18.780
מודיעין אמיתי היה מגייס ספרנים מרובים, אחד למימון, אחד להיסטוריה, אחד למדיניות, ואז מסנתז את הממצאים שלהם.

00:03:18.940 --> 00:03:20.880
זה ההבדל בין נחזור מידע להיגיון.

00:03:21.080 --> 00:03:22.780
בארגונים, כישלון זה מתרבה.

00:03:22.980 --> 00:03:26.040
שאלה אחת של הנהלה נוגעת לעתים קרובות לעשרות מערכות.

00:03:26.200 --> 00:03:31.020
מסמכי SharePoint, מערכי נתונים של Power Buy, טבלאות Azure SQL, שרשורי דואר אלקטרוני.

00:03:31.200 --> 00:03:34.400
סמרטוט קלאסי משתח את כל המורכבות הזו לקפיצה אחת.

00:03:34.480 --> 00:03:40.160
התוצאה, פלטים לא עקביים, סיכומים רדודים ונתונים הזויים המנוסחים בדיבור בטוח.

00:03:40.640 --> 00:03:41.700
תאימות לתקנות?

00:03:41.840 --> 00:03:42.600
תשכחו מזה.

00:03:42.600 --> 00:03:46.720
כאשר המודל שואב מכל טקסט שקורה להתאמה וקטורית, אתם מאבדים את מקורו.

00:03:46.840 --> 00:03:49.020
נסו להסביר את זה לוועדת הביקורת שלכם.

00:03:49.140 --> 00:03:52.020
ובכל זאת, השיווק סביב קופה אילות גורם לו להישמע כל יכול.

00:03:52.200 --> 00:03:55.560
הלחישה של החוברת, שאלו כל דבר, קופה אילות מכיר את העסק שלכם.

00:03:55.720 --> 00:03:56.340
לא, הוא לא.

00:03:56.480 --> 00:03:58.440
הוא מבצע החזור טקסט עם אמנזיה.

00:03:58.580 --> 00:04:00.640
הוא לא יכול לתכנן, לשקף או לאמת.

00:04:00.800 --> 00:04:05.600
הוא לא יודע איזה אתר SharePoint מכיל את המסמך הנכון או האם מחסן הפבריק בכלל מסונקרן.

00:04:05.600 --> 00:04:10.220
אבל בגלל שהניסוח חלק, מנהלים מניחים הבנה במקום שבו יש רק קורלציה.

00:04:10.340 --> 00:04:13.200
השליה זו של אינטליגנציה היא מה שחברות רוכשות.

00:04:13.440 --> 00:04:16.380
סמיכה תנוחות יקרה שנהרגת מהתפלגויות הסתברות.

00:04:16.560 --> 00:04:19.460
הם חוגגים כאשר קופה אילות מנסח אימייל בצורה נכונה,

00:04:19.700 --> 00:04:22.200
ומתעלמים מכך שהוא לא הבין את נתוני המקור לחלוטין.

00:04:22.340 --> 00:04:24.960
הם מתפערים בתובנות המונעות על ידי בינה מלאכותית,

00:04:25.040 --> 00:04:28.760
מבלי להבין שהתובנות הללו מורכבות מהקשרים לא תואמים ותמונות חלקיות.

00:04:28.760 --> 00:04:30.220
הנה התוצאה הכלכלית.

00:04:30.360 --> 00:04:34.720
כל דוח מסוכם בצורה שגויה, כל KPI הזוי, מתגלגל להחלטות גרועות.

00:04:34.800 --> 00:04:36.540
פרויקטים מסתובבים על סמך בדיה.

00:04:36.700 --> 00:04:38.880
צוותי תאימות רודפים אחר רוחות רפאים.

00:04:39.040 --> 00:04:42.700
וכאשר המציאות משיגה, כאשר התובנה המפוברקת נכשלת בייצור,

00:04:42.960 --> 00:04:45.020
האשמה נופלת על מגבלות הבינה המלאכותית,

00:04:45.240 --> 00:04:47.380
לא על הארכיטקטורה העצלה שהבטיח הכישלון.

00:04:47.540 --> 00:04:50.980
האמת היא שאינטליגנציה לינארית נכשלת משום שארגונים אינם לינאריים.

00:04:50.980 --> 00:04:54.220
נתונים מבוזרים, קונטקסטואליים ולעיתים קרובות סוטרים.

00:04:54.360 --> 00:04:58.880
צינור קבוע של שאילתה אחת לא יכול להסתגל לסביבה זו יותר משנוערון בודד יכול לחשוב.

00:04:59.060 --> 00:05:02.740
מה שאתם צריכים זה לא הנחיה טובה יותר, אתם צריכים מערכת שיכולה לתכנן.

00:05:02.880 --> 00:05:07.380
כזו שיכולה להחליט אילו שירותים להשתמש ובאיזה סדר וכיצד לאמת את התוצאה.

00:05:07.480 --> 00:05:11.360
אז איך נלמד טייס משנה לפעול כמו צוות מחקר במקום כמו טוקי?

00:05:11.360 --> 00:05:16.360
כאן נכנסת הרג הסוכני, הקפיצה האבולוציונית מהחזור ריאקטיבי להיגיון פרואקטיבי.

00:05:17.060 --> 00:05:20.680
היא מוסיפה שכבות של תכנון, החזורים מיוחדים ולולאות עימות.

00:05:20.840 --> 00:05:24.920
במילים אחרות, היא מפסיקה להעמיד פנים שהיא חכמה ולבסוף לומדת לחשוב.

00:05:25.180 --> 00:05:27.700
נכנסת הרג הסוכני, מחיפוש להיגיון.

00:05:27.860 --> 00:05:29.360
כאן אנחנו עוברים מגימיק לאינטליגנציה.

00:05:30.100 --> 00:05:35.580
רג סוכני אינו עוד מילת בזז, זוהי היכולת החסרה שטייס המשנה שלכם נולד בלעדיה, תפקוד ניהולי.

00:05:41.360 --> 00:05:48.800
דיגיטליות, הוא מפרק בעיה לחלקים, מקצה משימות לסוכנים מומחים שונים, בודק את עבודתם ולאחר מכן מסנתז את התוצאה.

00:05:48.940 --> 00:05:51.940
בקיצור, הוא ממיר מודלי שפה מיתוקים למתכננים.

00:05:52.240 --> 00:05:57.860
מבחינה מכנית, אגנטיק רג פועל באמצעות תזמור רב סוכנים הבנוי על Azure Eye Agent Service.

00:05:58.060 --> 00:05:59.780
דמיינו שלושה תפקידים בתנועה.

00:05:59.880 --> 00:06:02.680
ראשית, המתכנן מעין מנהל פרויקטים דיגיטלי.

00:06:02.680 --> 00:06:07.020
המתכנן קורא את השאילתה שלכם ומחליט אילו כלים או מקורות נתונים רלוונטיים.

00:06:07.180 --> 00:06:12.100
לאחר מכן מגיעים סוכני ההחזור, מומחי תחום שאומנו לגשת לנתונים מובנים או לא מובנים.

00:06:12.300 --> 00:06:19.320
לבסוף, סוכן האימות או החושב, המתפקד כאורך ראשי, בודק עקביות, מאמץ ציטוטים ומרכיב את התגובה הסופית.

00:06:19.520 --> 00:06:22.880
יחד, הם מפעילים את מה שאנו מכנים לולעת חשיבה אדפטיבית.

00:06:23.060 --> 00:06:26.420
לבצע שאילתה, להחזר, לאמת, לצמצם ולפעול.

00:06:26.420 --> 00:06:31.640
המילה המכרעת היא אדפטיבי, שלא כמו רג סטנדרטי, לולאה זו אינה מסתיימת בפלט הראשון.

00:06:31.800 --> 00:06:33.800
היא מנתבת מחדש כאשר מופיעות סתירות.

00:06:34.000 --> 00:06:36.260
השבו את הריקוד המתוזמר הזה לחדר חדשות.

00:06:36.440 --> 00:06:38.680
המתכנן הוא האורך המנהל שמקצה פעימות.

00:06:38.860 --> 00:06:41.020
אתם בודקים את שירפוינט עבור דוחות פנימיים.

00:06:41.220 --> 00:06:43.180
אתם שואבים את מדדי החיישנים מפברט.

00:06:43.340 --> 00:06:45.440
אתם שורקים את האינטרנט אחר נתוני מתחרים.

00:06:45.600 --> 00:06:47.880
כל סוכן החזור, ריברר, מאחזר את חלקו.

00:06:47.880 --> 00:06:53.820
המאמת בודק עובדות בטיוטה המשולבת, מריץ מחדש שאילטות עם הציטוטים מתנגשים, ורק אז מפרסם את הסיכום.

00:06:53.940 --> 00:06:56.280
התוצאה אינה גוש טקסט שנשמע רק סביר.

00:06:56.520 --> 00:06:58.580
זוהי תובנה קוהרנטית וקשורית לראיות.

00:06:58.780 --> 00:07:01.820
הקפיצה כאן אינה מודלים גדולים יותר, אלא הנמקה מובנית.

00:07:02.020 --> 00:07:04.180
בואו נקדח עמוק יותר לתוך מוכו של המתכנן.

00:07:04.300 --> 00:07:07.000
ומפרש את השאלה שלכם באנגלית פשוטה למפת משימות.

00:07:07.160 --> 00:07:08.180
אילו יחזורים להשתמש?

00:07:08.340 --> 00:07:09.460
באיזה סדר להריץ אותם?

00:07:09.460 --> 00:07:11.540
וחיצת הממצאים שלהם צריכים להתמזג.

00:07:11.660 --> 00:07:15.040
כאן בונה שירות סוכני הבינה המלאכותית של Azure את קיומו.

00:07:15.140 --> 00:07:18.680
הוא מספק את שכבת התזמור המאפשרת לסוכנים אלה לתקשר.

00:07:18.900 --> 00:07:25.360
מיקרו שירותים שמדברים דרך ממשקי API הנשלטים על ידי אימות של Microsoft Entra לא ניחושים.

00:07:25.540 --> 00:07:30.180
עכשיו, לגבי הבטחה, קקצין הציוט הממוצע כבר מושית יד לחפתור הפאניקה.

00:07:30.320 --> 00:07:32.020
Ignetic Reg לא חוסך פינות.

00:07:32.180 --> 00:07:36.060
הוא בנוי סביב האימות, כלומר, הזהות שלכם עוברת עם הבקשה.

00:07:36.420 --> 00:07:38.120
המערכת לא מתחזה לכם.

00:07:38.120 --> 00:07:42.280
הוא משתמש באסימון המעומת שלך כדי להחזר רק את מה שיש לך הרשאה לראות.

00:07:42.400 --> 00:07:46.260
RLS הבטחה ברמת שורה ו-CLS הבטחה ברמת עמודה מובנים.

00:07:46.400 --> 00:07:50.080
הבינה המלאכותית לא יכולה לחשוף בטעות את התחזית של מנהל הכספים למתמחה.

00:07:50.200 --> 00:07:52.900
כל קריאה להחזור נרשמת ניתנת לביקורת והפיכה.

00:07:53.040 --> 00:07:56.080
זה חשוב מכיוון שלהרג סטטי אין מושג על הקשר המשתמש.

00:07:56.240 --> 00:07:58.180
הוא תופס כל מה שמאפשר את שכבת החיפוש שלו,

00:07:58.180 --> 00:08:01.000
ולעיתים קרובות עוקף לחלוטין את פיגומי ההרשאות של הארגון.

00:08:01.140 --> 00:08:03.140
אג'נטיק רג משחזר את המשמעת הזו.

00:08:03.240 --> 00:08:05.480
כאשר מאחזר הפאבריק שאילת על טבלת לייקהוס,

00:08:05.660 --> 00:08:09.040
הוא אוכף את אותם כללי RLS שבהם לוחות המכוונים של ה-C שלך מצייטים.

00:08:09.180 --> 00:08:11.900
כאשר סוכן SharePoint מחטט בספריות מסמכים,

00:08:12.100 --> 00:08:15.180
הוא מכבד הרשאות ברמת האתר ותוויות Microsoft Purview.

00:08:15.340 --> 00:08:18.060
לכן, אותן מדיניות שמגנות על המשתמשים האנושיים שלך,

00:08:18.140 --> 00:08:19.700
מגנות כעת על אלו של ה-AI שלך.

00:08:19.700 --> 00:08:21.940
בואו נחזיר את זה למציאות זרימת העבודה.

00:08:22.100 --> 00:08:23.140
נניח שהשאלה היא,

00:08:23.300 --> 00:08:27.020
איזה טווח גלוקוז מוצר A מציג ביצועים נמוכים בהשוואה למוצר B,

00:08:27.240 --> 00:08:28.380
ומה היא ההשפעה הקלינית?

00:08:28.600 --> 00:08:32.180
רג סטנדרטי יזרוק כל קטע שמזכיר את מוצר A וגלוקוז.

00:08:32.340 --> 00:08:35.220
אג'נטיק רג, המופעל על ידי Azure AI Agent Service,

00:08:35.480 --> 00:08:38.280
יבקש תחילה מהמתכנן שלו לזהות שלוש חזיתות החזור,

00:08:38.540 --> 00:08:39.880
פבריק עבור נתוני חיישנים,

00:08:39.880 --> 00:08:43.240
שרפוינט עבור הערות קליניות ובינג עבור פרסומים חיצוניים.

00:08:43.380 --> 00:08:45.660
כל סוכן יחזור מביא ראיות רלוונטיות.

00:08:45.880 --> 00:08:47.880
המאמת משווה בין מערכי נתונים,

00:08:48.140 --> 00:08:49.180
מסמן אי התאמות,

00:08:49.440 --> 00:08:52.940
ואולי אפילו ממקדת שאילתת הפבריק המקורית היא מופיע חריג.

00:08:53.120 --> 00:08:54.120
רק לאחר האימות,

00:08:54.200 --> 00:08:56.940
הוא מסנתז את התובנה הסופית עם ציטוטים שלמים.

00:08:57.200 --> 00:08:58.940
זוהי הנמקה היטרטיבית בפעולה.

00:08:59.100 --> 00:09:01.300
רג תגובתי מפסיק לאחר שלב ראשון.

00:09:01.300 --> 00:09:04.220
אג'נטי קרג לומד ומתאים את עצמו באמצע שיחה.

00:09:04.320 --> 00:09:06.800
הוא יכול לפרק שאלות המשך באופן אוטומטי.

00:09:06.880 --> 00:09:10.140
לשאול האם נוכל לשפר את הדיוק באמצעות מחקרים אחרונים.

00:09:10.340 --> 00:09:14.280
ואותם סוכנים מסתובבים כדי להחזר חומרים מתעוררים מבלי לאבד הקשר.

00:09:14.520 --> 00:09:17.240
זוהי הבנה רציפה, לא אובדן זיכרון אפיזודי.

00:09:17.380 --> 00:09:18.820
בונוס התאימות הוא עצום.

00:09:19.000 --> 00:09:21.700
כל פעולה של סוכן ניתנת למעקב ביומני ביקורת,

00:09:21.900 --> 00:09:22.820
כל אסימון מאומת,

00:09:23.040 --> 00:09:24.240
כל נגיעה במסמך נרשמת.

00:09:24.240 --> 00:09:27.720
אתה מקבל את האשליה של ידיעת קול עם הניירת של הזהירות.

00:09:27.860 --> 00:09:29.500
משהו שמבקרים מעריצים.

00:09:29.660 --> 00:09:31.620
אז, השינוי הפילוסופי הוא זה.

00:09:31.800 --> 00:09:33.320
החזור לבדו מספק מידע.

00:09:33.500 --> 00:09:35.880
הסוכנות ממירה את המידע הזה לתהליך.

00:09:36.040 --> 00:09:38.420
על ידי הצגת תכנון, התמחות ואימות,

00:09:38.680 --> 00:09:43.000
Azure Agent Service הופך מאגרי נתונים אקראיים לשרשראות חשיבה אחראיות.

00:09:43.260 --> 00:09:46.400
בעולם הארגוני, זה ההבדל בין עוזר שאתה סומך עליו,

00:09:46.460 --> 00:09:48.040
לבין אחד שאתה משביט בשקט.

00:09:48.040 --> 00:09:50.540
עכשיו, כשלן קופילות שלנו יש מוח מתפקד,

00:09:50.540 --> 00:09:52.460
הגיע הזמן להזין אותו בזיכרון ראוי.

00:09:52.580 --> 00:09:55.360
במילים אחרות, בואו ניתן לו מקום משמעותי לחפש בו,

00:09:55.560 --> 00:09:57.460
החל מהקאוס הלא מובנה של SharePoint.

00:09:57.740 --> 00:10:00.120
שילוב SharePoint, הפיכת הקאוס לידע.

00:10:00.260 --> 00:10:02.780
SharePoint הוא המקום שבו ידע ארגוני מסתתר.

00:10:02.920 --> 00:10:04.260
לכל ארגון יש אחד כזה,

00:10:04.420 --> 00:10:06.380
אתר חפירה ארכיאולוגי של מצגות PowerPoint,

00:10:06.740 --> 00:10:10.600
סיכומי פגישות, מפרטים מיושנים ומסמכים ששמם סופי ו-12 באמת סופי.

00:10:10.720 --> 00:10:12.340
ועבור בני אדם, זה קאוס.

00:10:12.340 --> 00:10:15.120
עבור מערכת סמרטות נאיבית, זה קאוס בלתי קרי.

00:10:15.260 --> 00:10:17.920
חיפוש מילות מפתח מחזיר בכפידה אלף תוצאות,

00:10:18.080 --> 00:10:19.080
רובן לא רלוונטיות,

00:10:19.300 --> 00:10:21.620
והמשתמש הממוצע גולל עד שהמורל משתפר.

00:10:21.800 --> 00:10:23.820
לאחר מכן, הם מבקשים עזרה מקופילות,

00:10:23.980 --> 00:10:26.180
וקופילות מסכם מיד את העשור הלא נכון.

00:10:26.340 --> 00:10:29.300
אג'נטי קרג מתייחס לשארה פוינט בצורה שונה,

00:10:29.540 --> 00:10:31.320
לא כספרייה, אלא כמצאי ידע.

00:10:31.460 --> 00:10:33.340
הוא יודע שבתוך התיקיות הללו,

00:10:33.460 --> 00:10:34.960
כבורות התובנות האיכותיות.

00:10:34.960 --> 00:10:38.620
שטבלעות מובנות של מערג לעולם לא יתאפסו,

00:10:38.720 --> 00:10:40.500
הקשר, החלטות, רציונל.

00:10:40.620 --> 00:10:43.120
אז במקום להריץ שריקת מילות מפתח בודדת,

00:10:43.320 --> 00:10:45.980
סוכן אחזור ה'שארה פוינט משתמש בהטמעות סמנטיות,

00:10:46.080 --> 00:10:48.000
ובחיפוש וקטורים כדי למפות משמעות,

00:10:48.180 --> 00:10:48.800
לא רק טקסט.

00:10:48.980 --> 00:10:51.200
שאלו על אמינות המוצר בסביבות לחוט,

00:10:51.440 --> 00:10:53.300
והוא לא מתמקד באותן מילים בדיוק.

00:10:53.920 --> 00:10:56.420
הוא מבחין במסמכים הדנים במצבי קשל,

00:10:56.420 --> 00:10:58.640
עמידות לאיבוי וביצועי הדבקה.

00:10:59.280 --> 00:11:00.240
הוא מזהה כוונה.

00:11:00.240 --> 00:11:04.120
כאן מודעות להרשאות הופכת לתכונה המכריעה.

00:11:04.240 --> 00:11:07.580
לכל אתר שרפוינט יש רשת סבוכה משלו של הרשאות,

00:11:07.740 --> 00:11:09.980
צוותים, אתרי משנה ותיקיות סודיות.

00:11:10.420 --> 00:11:14.800
סורק טיפש מתעלם מזה ומעלה בטעות תלונות משאבי אנוש בדוח שיווק.

00:11:15.040 --> 00:11:16.560
מודל אג'נטיק, לעומת זאת,

00:11:16.720 --> 00:11:20.240
מבצע עימות בשמכם ויורש את הקשר ההבטחה המדויק שלכם.

00:11:20.380 --> 00:11:22.500
הוא יכול לקרוא רק את מה שאתם מותרים לראות.

00:11:22.500 --> 00:11:24.700
הפלט נחתך אוטומטית על ידי מדיניות.

00:11:24.700 --> 00:11:28.040
חיתוך הבטחה בעדיבות תוויות Microsoft Entra וPerview.

00:11:28.180 --> 00:11:31.540
אז האינטליגנציה של הבינה המלאכותית לעולם לא עולה על ההרשאה שלה.

00:11:31.700 --> 00:11:33.100
בואו נריץ תרחיש מעשי.

00:11:33.260 --> 00:11:37.820
מנהל מחקר ופיתוח מסכם הבדלי ביצועים של מוצר A באקלים חופי.

00:11:38.060 --> 00:11:40.080
המתכנן מחלק זאת לתת משימות.

00:11:40.300 --> 00:11:42.700
החזור חומרים מתכונן לניתוח נתוני חיישנים מספריים,

00:11:43.500 --> 00:11:46.480
בעוד שסוכן שרפוינט צולל לתוך מאמרי מחקר פנימיים,

00:11:46.480 --> 00:11:50.120
יומני תחזוקה והערות הנדסיות שטויגו במונחים הקשורים ללחות.

00:11:50.220 --> 00:11:52.860
הוא מוצא דוח בדיקת שטח משנת 2023,

00:11:53.700 --> 00:11:58.000
שרשור דיון על קורוזיה של חומרים ומסמך ממצאים מסוכה מצוות האמינות.

00:11:58.380 --> 00:12:01.760
כל מסמך מקבל דירוג וקטורי לרלוונטיות סמנטית,

00:12:01.960 --> 00:12:03.800
מאוחזר ומועבר לסוכן האימות.

00:12:03.980 --> 00:12:07.840
מעמת זה בודק את התוצאות האיכותיות הללו מול מספרי חומרים.

00:12:08.000 --> 00:12:11.840
עם מופיעות סתירות, נניח שמסמך מיושן טוען לקורוזיה מינימלית,

00:12:11.840 --> 00:12:15.080
ומסמן את חוסר העקביות ומבקש נתונים חדשים יותר.

00:12:15.280 --> 00:12:18.420
התשובה המסונטזת הסופית אומרת למנהל המחקר והפיתוח

00:12:18.420 --> 00:12:22.200
בדיוק אילו מכלולים מתקלים בלחות גבוהה ומצטט את המקורות המאומתים.

00:12:22.380 --> 00:12:25.100
מה שהיה בעבר מספר שעות של חפירה ידנית,

00:12:25.260 --> 00:12:27.380
קורס כעת למחזור חשיבה רציף אחד.

00:12:27.600 --> 00:12:31.540
שרפוינט עובר ממאגר פסיבי לבינה ארגונית של משתתף פעיל,

00:12:31.820 --> 00:12:34.500
למעשה זיכרון עצבי של החלטות תאגידיות.

00:12:34.500 --> 00:12:38.020
שכבת הסמרטות הארגנטינאית לא רק קוראת מסמכים,

00:12:38.200 --> 00:12:41.160
היא לומדת קשרים, שושלת פרויקטים, מגמות מחבר,

00:12:41.340 --> 00:12:44.360
אשכולות הקשריים ויכולה לשלב אותם לטיעונים קוהרנטיים.

00:12:44.560 --> 00:12:48.220
כעת, קציני ציוט עדיין עשויים לראוד כשהם שומעים מחזור אוטונומי.

00:12:48.320 --> 00:12:50.780
תרגעו, כל שאילתה ונגיעה במסמך נרשמת,

00:12:50.780 --> 00:12:57.240
נתיבי ביקורת נשארים שלמים, מסגרות רגולטוריות כמו ISO 27001 ו-GDPR תלויות באחריותיות,

00:12:57.240 --> 00:12:59.420
ומערכת זו מספקת זאת באופן אוטומטי.

00:12:59.540 --> 00:13:02.600
הסוכן יכול אפילו לצרף מטה נתונים המצטטים את נתיב המסמך

00:13:02.600 --> 00:13:04.840
וחותמת הזמן של הגישה לכל ביטוי שנוצר.

00:13:04.980 --> 00:13:09.580
משמעות הדבר היא שכל טענה שהבינה המלאכותית מעלה ניתנת לאיתור לגרסה ספציפית של קובץ,

00:13:09.800 --> 00:13:10.800
היא הכחשה עבור רובוטים.

00:13:10.860 --> 00:13:16.180
בקיצור, שילוב שירפוינט תחת ארגנטינה הופך את הקאוס של התוכן לחוריאוגרפיה של ידע.

00:13:16.300 --> 00:13:19.300
העבר הלא מובנה שלך הופך לניתן לחיפוש לפי משמעות,

00:13:19.300 --> 00:13:22.120
מוגן על ידי מדיניות ומעומת על ידי הפניית צולבה.

00:13:22.380 --> 00:13:26.120
שירפוינט מפסיק להיות עליית גג דיגיטלית והופך לתשתית קוגניטיבית,

00:13:26.220 --> 00:13:28.600
אבל הקשר איכותני הוא רק חצי מהמוח.

00:13:28.780 --> 00:13:32.340
החצי השני, האמת המבנה המספרי, חי בתוך Microsoft Fabric,

00:13:32.560 --> 00:13:33.860
ולשם אנחנו הולכים בהמשך.

00:13:34.020 --> 00:13:36.120
Microsoft Fabric, המקבילה המובנה.

00:13:36.280 --> 00:13:40.160
ברוכים הבאים להם מספרה השנייה של המוח הארגוני שלכם, הצד המובנה.

00:13:40.160 --> 00:13:42.660
אם שירפוינט מאכסן את הידע השבטי שלכם,

00:13:42.840 --> 00:13:45.220
Microsoft Fabric מחזיק את האמת האמפירית שלכם.

00:13:45.220 --> 00:13:51.160
זהו עמוד השדרה האנליטית המאוחד שבו מספרים, מודלים וזרמי אירועים מתכנסים למה שהוא המקרב קוהרנטיות.

00:13:51.280 --> 00:13:53.840
רוב הארגונים מתייחסים אליו כאל מחסן נתונים.

00:13:54.040 --> 00:13:56.560
תחת Agentic Reg זה הופך למצע חשיבה.

00:13:56.680 --> 00:13:58.760
הנה התפקיד שממלא Fabric, דיוק.

00:13:58.940 --> 00:14:02.820
הוא לא מדבר על אנקדוטות, הוא מדבר על טלמטריה, עסקאות וסדרות זמן.

00:14:02.820 --> 00:14:08.060
בתוך חיי Fabric, האגם, המחסן והמודל הסמנתי, כל אחד ניב שונה של מבנה.

00:14:08.060 --> 00:14:15.820
סוכן נתונים של Fabric שנבנה על גבי שירות סוכן Azure AI מתרגם שפה טבעית לשאילתות מובנות שחוצות את השכבות הללו בצורה מאובטחת.

00:14:16.020 --> 00:14:19.340
שאל, הצג שונות, תשואה ריבונית עבור מוצר A לפי אזור.

00:14:19.600 --> 00:14:24.300
והוא יוצר בשקט שאילת אופטימלית דמוית SQL המכוונת לטבלאות ולמחיצות הנכונות.

00:14:24.300 --> 00:14:26.380
ביצוע מול ההקשר המעומת שלך.

00:14:26.520 --> 00:14:29.960
ללא הנחיות, ללא קלי Power by ID, בינה מבוקרת ישירה.

00:14:30.060 --> 00:14:36.300
כעת, גישה גולמית למספרים היא חסרת משמעות ללא הגנה, כך שהבטחה עשייתית של Fabric אינה אופציה, זוהי ארכיטקטורה.

00:14:36.460 --> 00:14:43.320
כל אינטראקציה מוצפנת ומעומתת באמצעות מזהה Microsoft Entra, מה שמבטיח שהסוכן פועל תחת הסימון המשתמש המעומת שלך.

00:14:43.480 --> 00:14:47.640
זוכר את הקאוס של קיצורי דרך של מנהלי שירות שמתעלמים מהבטחה ברמת השורה.

00:14:47.640 --> 00:14:48.740
אלה אסורים כאן.

00:14:48.740 --> 00:14:55.100
Hey, on behalf of flow, נושא את זהותך מקצה לקצה, הוקף RLS והבטחה ברמת העמודה באופן אוטומטי.

00:14:55.220 --> 00:15:04.300
אם תחום הכספי מסמן עמודה קסודיה, הבינה המלאכותית לעולם לא תבחין בה, וכל ביצוע משאיר עקבות ביומני הביקורת של Fabric, ומספק את המבקרים שמתייחסים ליומנים כאל סיפורי לפני השינה.

00:15:04.460 --> 00:15:11.260
בנוסף לכך, קיים ממשל Purview, תוויות רגישות עוברות עם הנתונים, סודיות, פנימיות בלבד, מוגבלות לייצוא.

00:15:11.260 --> 00:15:16.380
כאשר סוכן הנתונים של Fabric כותב שאילתה באמצעות שדות כאלה, המדיניות מיירתת באופן מיידי.

00:15:16.480 --> 00:15:19.620
ניסיונות פריצה מפעילים אכיפת DLP לפני שבית בודד בורח.

00:15:19.800 --> 00:15:22.780
זהו למעשה הגנה מפני נזקים ברמת ארגון עבור בינה מלאכותית.

00:15:22.920 --> 00:15:24.900
המודל יכול לחקור, אך לא לחשמל את עצמו.

00:15:25.040 --> 00:15:29.120
אז מה קורה כשאנחנו משלבים את המשמעת המובנית הזו עם האינטואיציה המבולגנת של SharePoint?

00:15:29.360 --> 00:15:31.920
שירות סוכן הבינה המלאכותית של Azure מתזמר זו.

00:15:31.920 --> 00:15:33.520
דמיינו אולם בית משפט.

00:15:33.680 --> 00:15:40.900
סוכן Fabric מספק את הראיות הקשות, תרשימים, ספירות, ממוצעי חיישנים, בעוד שסוכן SharePoint מוסר את עדויות העדים.

00:15:41.120 --> 00:15:48.200
סוכן האימות חוקר אותם, מוודא שהמספרים והנרטיבים תואמים לפני הצגת פסק הדין כי תשובה מאוחדת ועשירה בציטוטים.

00:15:48.400 --> 00:15:49.520
בואו נשתמש בדוגמה.

00:15:49.700 --> 00:15:53.300
ראש תפעול שואל האם אנחנו מאבדים יעילות עקב פגמי אריזה.

00:15:53.480 --> 00:15:58.040
המתכנן שולח את סוכן Fabric להחזר שיעורי תפוקה לפי קו ייצור מהמחסן.

00:15:58.040 --> 00:16:02.880
בו זמנית, הוא שולח את סוכן SharePoint לסרוק יומני תחזוקה והתכתבויות עם ספקים.

00:16:03.060 --> 00:16:07.540
סוכן Fabric מחזיר מערך נתונים המציג ירידות קלות המתואמות עם קפיצות לחוט.

00:16:07.660 --> 00:16:12.560
סוכן SharePoint מעלה שרשור דואר אלקטרוני המצטט חומרי אריזה מעוותים באותה תקופה.

00:16:12.680 --> 00:16:19.780
המאמת מאשרת שניהם, מטגר על המטעם כאמין, והמערכת מנסחת ממצא תמציתי הכולל גרפים כמותיים ומסמכי עזר.

00:16:19.940 --> 00:16:23.200
הבחון מיידי של Six Sigma ללא האנליסטים חסרי השינה.

00:16:23.200 --> 00:16:30.280
מתחת למכסה המנוע, שירות סוכן הבינה המלאכותית של Azure מטפל במקביליות, בהחזור נתונים באמצעות מה שהוא למעשה רשת מיקרו שירותים.

00:16:30.400 --> 00:16:33.260
כל סוכן מפרסם סכימה המתארת את מה שהוא יכול לגשת אליו.

00:16:33.440 --> 00:16:37.120
סכימות Fabric, Meta Data של SharePoint או הקשר האינטרנט הפתוח של Beam.

00:16:37.280 --> 00:16:40.040
המתכנן ממנף את הרישום הזה כמו ספריית API.

00:16:40.320 --> 00:16:42.200
התוצאה היא אינטליגנציה מודולרית.

00:16:42.380 --> 00:16:47.060
החלף או הרחב סוכנים כאשר צצים תחומי נתונים חדשים מבלי לכתוב מחדש את כל קופה אילות.

00:16:47.060 --> 00:16:51.380
מבחינת ביצועים, החדשנות אינה מודלים גדולים יותר, אלא סדר יחזור חכם יותר.

00:16:51.580 --> 00:16:57.300
המתכנן עשוי לבצע שאילתה לפאבריק תחילה כדי להגדיר גבולות מספריים, ולאחר מכן להשתמש בהם כדי לצמצם את חקר SharePoint.

00:16:57.520 --> 00:16:59.500
זה מפחית רעש ומעיץ את ההתכנסות.

00:16:59.680 --> 00:17:01.960
חישבו על זה כגיזום נתונים באמצעות סיבה.

00:17:02.080 --> 00:17:07.880
במקום לטבוע בית מינוס עשרת אלפים מסמכים, המערכת יודעת אילו עשרה חשובים מכיוון שהמספרים כבר מסגרים את השאלה.

00:17:07.880 --> 00:17:11.820
קציני ציוט מעריצים את המערכת הזו מכיוון שמשילות מתרחבת עם אינטליגנציה.

00:17:11.940 --> 00:17:14.900
כל שיחת סוכן נרשמת, כל טרנספורמציה ניתנת למעקב.

00:17:15.020 --> 00:17:17.780
כאשר מנהל הכספים שואל, מאיפה הגיע המספר הזה?

00:17:17.920 --> 00:17:22.440
אתם יכולים להצביע ישירות על טבלת פאבריק, חותמת הזמן ותוקן המשתמש המבצע.

00:17:22.620 --> 00:17:28.340
שקיפות זו ממירה פחד לאמון, מטבע קריטי בתעשיות מוסדרות כמו פיננסים או שירותי בריאות.

00:17:28.340 --> 00:17:35.560
שלבו את המאפיינים הללו ובניתם סימפוניה אנליטית דיוק מובנה מפבריק בהרמוניה עם הבנה הקשרית משרפוין.

00:17:35.760 --> 00:17:39.380
הארגון עובר מחיפוש ותקווה להחזר, להמת, להחליט.

00:17:39.580 --> 00:17:41.040
וכן, המהירות מדהימה.

00:17:41.140 --> 00:17:44.840
כעת, שלבו את השחזור הרב שכבתי הזה עם הנמקה ותקבלו מהירות.

00:17:44.920 --> 00:17:45.860
מהירות מפחידה.

00:17:45.860 --> 00:17:53.300
מחזור המחקר להחלטה שבעבר דרש מצעד של אנליסטים קורס כעת לשעות, מה שמוביל אותנו ישירות לתנועה הסופית.

00:17:53.700 --> 00:17:54.300
השפעה.

00:17:54.300 --> 00:17:56.720
ההשפעה הארגונית מחודשים לדקות.

00:17:56.900 --> 00:17:58.960
בואו נדבר על השלכות מהסוג הטוב.

00:17:59.180 --> 00:18:04.580
כשמשדרגים מסמארט פסיבי לסמארט סוכני בפבריק ובהריאוינט, ציר הזמן הממוצע של הארגון מתכופף.

00:18:04.740 --> 00:18:08.140
מה שלקח חודשים של דיווח הופך לדקות של סינתזה מאומתת.

00:18:08.140 --> 00:18:12.300
הבינה המלאכותית כבר לא מחכה שבני אדם יתרגמו שאלות לשאילתות נתונים.

00:18:12.480 --> 00:18:15.640
היא מבצעת את התרגום, האימות והסיכום באופן אוטומטי.

00:18:15.800 --> 00:18:17.440
קחו לדוגמה את המחקר ופיתוח.

00:18:17.440 --> 00:18:21.160
צוותים שהיו מרכיבים בעבר ועדות חוצות פונקציות כדי ליישר קו על נתונים.

00:18:21.360 --> 00:18:28.280
מהנדסים מייצאים מדדי בדיקה, אנליסטים מנקים אותם, בודקים הרשאות תאימות ומישהו משנה את שמות הקבצים באופן בלתי נמנע.

00:18:28.440 --> 00:18:30.520
סמרטות סוכני מרסק את המעגל הזה.

00:18:30.520 --> 00:18:36.620
המתכנן מתזמר סוכנים שמאחזרים טבלעות ביצועים של פבריק והערות עיצוב של שרפוינט בו זמנית,

00:18:36.880 --> 00:18:40.460
ממסגים אותן ומנסחים סיכום מאומת הכולל ציטוטים וטביות הבטחה.

00:18:40.460 --> 00:18:42.500
השאיית החלטה כמעט אפס.

00:18:42.660 --> 00:18:44.980
תאימות וביקורת חוות גלי הלם דומים.

00:18:45.160 --> 00:18:48.640
ביקורות מסורתיות פירושן שליחת חבילות ראיות בדואר אלקטרוני במשך שבועות.

00:18:48.760 --> 00:18:53.020
כעת, אותה בינה מלאכותית שכתבה את הדוח יכולה ליצור מחדש את נתיב ההיגיון שלה לפי דרישה.

00:18:53.020 --> 00:18:56.880
כל קריאה להחזור, מחרוזת שאילתה, נתיב קובץ וחותמת זמן מתועדים.

00:18:56.880 --> 00:19:02.940
מבקרים יכולים לשחק שוב את השלבים המדויקים המובילים למסקנה ולהפוך את בדיקת הנאותות מחיפוש אוצרות לטבע צימון.

00:19:03.120 --> 00:19:06.180
מה שהיה בעבר חשיפה לסיכון הופך לתכשיט ממשלתי.

00:19:06.360 --> 00:19:08.040
הייצור מקבל יתרון ניבוי.

00:19:08.180 --> 00:19:11.200
הזרמים הכמותיים של פבריק חושפים סטיות בתהליך.

00:19:11.200 --> 00:19:13.920
ההערות האיכותיות של שרפוינט מסבירות סיבות.

00:19:14.120 --> 00:19:20.340
לולעת ארגנטינה, ארגנטיק לופ, מחברת ביניהם לפני שההתראות מתגברות ומבצעת ביעילות שיפור מתמיד ללא יועץ סיקס סיגמה.

00:19:20.340 --> 00:19:27.540
דמיינו לעצמכם החלפת חדר של מתמחים עמוסים בפאנל של יועצים מומחים שלעולם לא ישנים, לעולם לא שוכחים הקשר ולעולם לא חורגים מהתקציב.

00:19:27.600 --> 00:19:29.940
זהו המקבילה התפעולית להרכבת מודיעין.

00:19:30.080 --> 00:19:32.620
כמובן, אוטומציה חשובה רק אם היא אחראית.

00:19:32.620 --> 00:19:41.480
ארגנטיק רג משמר כל שכבה של ירושה ארגונית, הרשאות, תביעות רגישות ויומני ביקורת, כך שמנהלי מערכות מידע, CIOS, יכולים להרחיב את המודיעין מבלי להרחיב את הסיכון.

00:19:41.480 --> 00:19:45.900
כל תובנה ניתנת למעקב אחר אישורי המשתמש והמאגר המנוהל שיצר אותה.

00:19:45.980 --> 00:19:51.760
המערכת פועלת כמו ספר חשבונות פיננסי למחשבה, שקופה, הפיכה ומוגדרת מפני פגיעה.

00:19:51.880 --> 00:19:53.940
והעלות האנושית שיאמו מופחת.

00:19:53.940 --> 00:19:58.360
אנשי מקצוע מפסיקים להעתיק ולהדביק מייצור ומתחילים לפרש אמיתות מסונתזות.

00:19:58.480 --> 00:20:02.300
פגישות מתקצרות מכיוון שהבינה המלאכותית מגיעה עם ראיות מאומתות מראש.

00:20:02.300 --> 00:20:05.760
פרויקטים מייצים מכיוון שינטונים ונרטיב מתכנסים באופן מיידי.

00:20:05.920 --> 00:20:07.840
זה החלק שרוב המנהלים מפספסים.

00:20:08.000 --> 00:20:10.720
תנועה מהירה אינה פזיזה כאשר ההיגיון מתועד.

00:20:10.860 --> 00:20:16.340
הפזיזות האמיתית עדיין היא בניית טייסי משנה טיפשים, תוקים חד פעמיים ועברי הקשר שמתחזים לאסטרטגיים.

00:20:16.340 --> 00:20:20.120
אלה שייכים למוזיאון של קוריוזים מוקדמים של בינה מלאכותית ליד קליפי.

00:20:20.120 --> 00:20:25.800
אז אם הארגון שלכם עדיין חוגג טייס משנה שרק מאחזר, מזל טוב, אתם מממנים השלמה אוטומטית מפוארת.

00:20:25.940 --> 00:20:29.740
השחקנים הרציניים כבר משתמשים בסוכנים שמתכננים, מעמתים ופועלים.

00:20:29.920 --> 00:20:32.580
הרגרסיה מחודשים לדקות היא רק היתרון השטחי.

00:20:32.580 --> 00:20:34.420
העמוק יותר הוא יושרי אפיסטמית.

00:20:34.560 --> 00:20:38.780
החלטות שמשקפות בפועל את המציאות משום שהאינטליגנציה שבונה אותן אחראית.

00:20:38.980 --> 00:20:43.020
זו הסיבה שהמשך בניית טייסי משנה טיפשים אינו רק לא יעיל, אלא פזיז.

00:20:43.020 --> 00:20:48.720
עתיד הבינה המלאכותית הארגונית אינו הנחיות גדולות יותר, אלא ללאות משוב קטנות יותר עם זיכרון וממשל טובים יותר.

00:20:48.960 --> 00:20:50.860
רג ארגנטיני מספק את שניהם.

00:20:50.980 --> 00:20:54.260
אינטליגנציה סוף סוף מתנהגת כמו מערכת, לא כמו פעלול.

00:20:54.420 --> 00:20:56.100
תפסיקו לבנות, תתחילו לחשוב.

00:20:56.100 --> 00:20:57.820
רג ללא סוכנות הוא מיושן.

00:20:58.000 --> 00:21:01.620
זוהי הארכיטקטורה של אתמול שמעמידה פנים שהיא מטפלת בבעיות של מחר.

00:21:01.740 --> 00:21:05.340
הארגון המודרני לא צריך תשדבותים, הוא צריך תשתית קוגניטיבית.

00:21:05.340 --> 00:21:09.520
מערכות שיכולות לתכנן, לאמת ולפעול תחת הזהות שלך, לא לצדע.

00:21:09.640 --> 00:21:14.360
זהו אגנטיק רג, מערכת אקולוגית של חשיבה מכוונת, הבנויה על Azure Eye Agent Service,

00:21:14.480 --> 00:21:19.860
שמדברת בצורה מאובטחת עם SharePoint ומיקרוסופט פאבריק, כמו צוות מומחים שחולקים מוח מאומת אחד.

00:21:19.860 --> 00:21:25.600
אם הטייס המשנה שלך עדיין לא יכול לתזמן את ההחזורים שלו, לאמת הפניות או להסביר את נתיב ההיגיון שלו,

00:21:25.800 --> 00:21:27.960
תפסיק לקרוא לזה אינטליגנטי, זה דקורטיבי.

00:21:27.960 --> 00:21:30.940
אינטליגנציה מרמזת על כוונה, אימות ותוצאה.

00:21:31.200 --> 00:21:35.740
בינה מלאכותית דקורטיבית מבצעת מונולוגים, אגנטיק AI עורכת ניסויים.

00:21:35.940 --> 00:21:37.160
ההבדל הוא אחריות.

00:21:37.460 --> 00:21:39.980
האחד יוצר פלט, השני יוצר הבנה.

00:21:40.220 --> 00:21:42.580
שינוי אדריכלי זה אינו אופציונלי עוד.

00:21:42.580 --> 00:21:47.720
ברגע שההחלטה שלך מסתרת על פני נתונים מובנים ולא מובנים, סמרטוט סטטי קורס.

00:21:47.720 --> 00:21:54.120
קציני ציוט כבר יודעים זאת, אנליסטים כבר מרגישים זאת, וההנהגה תדרוש בקרוב הוכחה להיגיון, לא רק ביטחון בטון.

00:21:54.320 --> 00:21:56.880
Microsoft Stack סוף סוף מספק את הפיגומים.

00:21:57.060 --> 00:22:01.140
Azure AI Agent Service לתזמור, סוכני נתונים של Fabric לאמת כמותית,

00:22:01.140 --> 00:22:05.660
החזורים של SharePoint להקשר וממשל Purview שאותם את כל מערכת העצבים.

00:22:05.800 --> 00:22:07.120
אז הנה האתגר שלך.

00:22:07.260 --> 00:22:08.940
תפסיקו לפרוס סוכני רעבה.

00:22:09.200 --> 00:22:12.460
בנו סוכנים שמתווכחים עם עצמם עד שהם מסכימים על האמת.

00:22:12.700 --> 00:22:14.500
התנסו בתכנון מרובה סוכנים.

00:22:14.500 --> 00:22:15.780
בדקו למען עימות.

00:22:15.960 --> 00:22:20.240
שלבו את Fabric וSharePoint יחד עד שהבינה המלאכותית שלכם תוכל להגן על תשובותיה.

00:22:20.380 --> 00:22:22.360
כי בינה ללא פעולה אינה בינה כלל.

00:22:22.520 --> 00:22:25.900
אם ההסבר הזה הבהיר יותר מהספק שלכם אי פעם, הרשמו.

00:22:25.900 --> 00:22:31.180
הניתוח המעמיק הבא מפרק את העיצוב מרובה הסוכנים בתוך הבינה המלאכותית של Microsoft 365,

00:22:31.880 --> 00:22:35.900
כיצד להפוך את הטייס המשנה שלכם לא רק קשוב, אלא גם בעל תודעה בתוך המדיניות.

00:22:36.080 --> 00:22:38.320
יעילות אינה קסם, זוהי ארכיטקטורה.

00:22:38.320 --> 00:22:43.740
נעל את נתיב השדרוג שלך, הרשם, הפעל התראות ואפשר לתובנות חדשות להיפרס אוטומטית.

00:22:43.860 --> 00:22:44.320
המשך!
