מילון המונחים של Microsoft Copilot: הסבר למונחים מרכזיים

By Mirko Peters · 2026-03-15 · Updated 2026-03-24

גלו את מונחי Copilot! הכירו את מושגי הבינה המלאכותית המרכזיים והמונחים החשובים. מקור המידע שלכם להגדרות Copilot.

Automatically translated with AI from the original post. Read the English original

אם שמעתם על ההייפ סביב Microsoft Copilot אבל נתקלתם במונחים שנראים כמו שפה זרה, אתם לא לבד. Microsoft Copilot, העוזר המופעל על ידי בינה מלאכותית של Microsoft, משנה את האופן שבו אנשים עובדים ב-Microsoft 365, ב-Azure ובפלטפורמות נוספות. היכולות החדשות והחזקות האלה מביאות איתן גל של מונחים חדשים שמשתמשים צריכים להבין.

המדריך הזה נועד לכל מי שמשתמש ב-Copilot, מנהל אותו, או פשוט רוצה להישאר צעד לפני אחרים בעולם Copilot שמתרחב במערכת האקולוגית של Microsoft. היכרות עם מונחי Copilot אינה רק מועילה, אלא הכרחית לשיפור הפרודוקטיביות, להפקת הערך המירבי מההשקעה, ולוידוא עמידה בנהלי הציות והאבטחה.

בחלקים הבאים תמצאו הגדרות ברורות והסברים מעשיים שיעזרו לכם לנווט ולהצליח בסביבת העבודה החדשה המופעלת על ידי בינה מלאכותית.

1. התפתחות דינמית: מילון Copilot אינו סטטי. ערכי המילון של microsoft copilot terminology מתעדכנים באופן קבוע כדי לשקף תכונות חדשות, מדיניות ארגונית ויכולות בינה מלאכותית מתפתחות.
2. הגדרות מודעות להקשר: מונחים רבים במילון כוללים וריאנטים הקשריים, כך שאותה מילה ב-microsoft copilot terminology יכולה לקבל משמעויות שונות בהתאם לשימוש בה ב-Teams, ב-Word או ב-Azure.
3. תוויות לטיפול במידע רגיש: המילון כולל תגיות ספציפיות המציינות את הקשר בין המונחים לפרטיות ולממשל נתונים, ומסייעות לארגונים לפרש את microsoft copilot terminology בראייה של ציות לרגולציה.
4. לוקליזציה שמעבר לתרגום: הערכים מותאמים לא רק לשפה אלא גם להבדלים אזוריים בתהליכי עבודה, כך ש-microsoft copilot terminology מתאים את עצמו לנוהגים עסקיים מקומיים ולנורמות משפטיות.
5. הסברים מבוססי תפקיד: ההגדרות כוללות לעיתים דוגמאות ספציפיות לתפקיד (מנהל, מפתח, משתמש קצה), מה שהופך את microsoft copilot terminology לישים מיד עבור קהלים שונים.
6. מיפוי פונקציונלי: המילון ממפה מונחי Copilot למושגים מקבילים ב-Microsoft 365 וב-Azure, ומפחית אי-בהירות כאשר microsoft copilot terminology חופף בין שירותים שונים.
7. ציטוטים הניתנים למעקב למקור: ערכים רבים מקשרים למסמכי מוצר, למאמרי תמיכה וליומני שינויים, כך שמשתמשים יכולים לוודא כיצד נגזר microsoft copilot terminology ומתי השתנה.
8. פורמטים הניתנים לקריאה במכונה: חלקים ממילון Copilot מפורסמים בפורמטים מובְנים (JSON/CSV) כדי לאפשר אוטומציה, שילוב בטקסונומיה ושימוש תוכנתי ב-microsoft copilot terminology.

הבנת Microsoft Copilot: מושגי מפתח ותפקידים

בואו נפרק את מה ש-Microsoft Copilot באמת. במילים פשוטות, Copilot משמש כעוזר הדיגיטלי שלכם, המופעל על ידי בינה מלאכותית מתקדמת, ישירות בתוך האפליקציות שאתם משתמשים בהן כל יום – למשל Word, Teams, Excel ואפילו Azure. התפקיד שלו? לעזור לכם לכתוב, לנתח, לתקשר, לתזמן ועוד, עם הרבה פחות מאמץ. אבל כדי להשתמש ב-Copilot בביטחון, צריך להבין כמה רעיונות יסוד.

Copilot אינו אפליקציה עצמאית. במקום זאת, מדובר בשכבה הפועלת על פני Microsoft 365 וAzure כדי להפוך משימות יומיומיות למהירות וחכמות יותר. הוא מגיב ל"הנחיות" שלכם (שהן בעצם הוראות שאתם נותנים בשפה טבעית), מאתר מידע, מבצע אוטומטית שלבים שגרתיים ואף מחבר בין נתונים ממערכות שונות.

יש כמה תפקידים מרכזיים שתפגשו. המשתמש הוא כל מי שמקיים אינטראקציה עם Copilot כדי לבצע עבודה. המנהל (נקרא לעיתים מנהל דייר) הוא האחראי על הגדרת הגדרות Copilot, הרשאות ואבטחה לארגון. הסוכן AI הוא החלק ב-Copilot שמבצע בפועל את עיקר העבודה, כמו ניתוח הבקשות שלכם או ביצוע פעולות.

Copilot משתלב גם בתהליכי העבודה הארגוניים ופועל לפי מדיניות אבטחה שמגדירים מנהלים. בין אם מדובר בקביעת אילו נתונים Copilot יכול לגשת אליהם, ובין אם מדובר בחיבור לתהליך עבודה ספציפי ב-Teams, הבנת יסודות "מי עושה מה" היא הצעד הראשון לשימוש בטוח ויעיל ב-Copilot.

מילון מונחים חיוני למונחי Microsoft Copilot

• הנחיה (Prompt): ההוראה או השאלה שאתם מקלידים ל-Copilot. לדוגמה, „סכמו את הערות הפגישה של היום.” ככל שההנחיה ברורה יותר, התוצאה טובה יותר.
• תוסף (Plugin): תוספות אופציונליות שמרחיבות את היכולות של Copilot, כמו חיבור לכלים של צד שלישי כגון Salesforce, כך ש-Copilot יוכל לשלוף מידע נוסף.
• סוכן (Agent): ה„עובד” מבוסס הבינה המלאכותית שמבצע משימות או אוטומציות ספציפיות בתוך Copilot. חשבו על סוכן כעל עוזר קטן שמתמקד בעבודה מסוימת, כמו הפקת דוח או עדכון לוח שנה.
• חלון הקשר (Context window): כמות המידע ש-Copilot יכול לקחת בחשבון בבת אחת כשהוא עונה להנחיה שלכם. אם תבקשו מ-Copilot לבדוק מסמך ארוך, הוא „יזכור” רק את מה שנכנס לחלון הזה.
• עיגון (Grounding): התהליך שבו Copilot מקשר את ההנחיה שלכם לנתונים ארגוניים אמיתיים (קבצים, הודעות דוא"ל, צ'אטים), כך שהתשובות יהיו רלוונטיות ומדויקות לעבודה שלכם, ולא רק תוצאות כלליות של בינה מלאכותית.
• ממשל (Governance): מדיניות ובקרות שמגדירים מנהלי המערכת כדי לנהל מי רשאי להשתמש ב-Copilot, לאילו נתונים הוא יכול לגשת וכיצד הוא מתנהג. כך נשמרים הבטיחות והציות לרגולציה בפעילות הבינה המלאכותית.
• מניעת אובדן נתונים (Data Loss Prevention – DLP): כלי אבטחה שחוסמים שיתוף או דליפה של מידע רגיש, כמו מספרי תעודות זהות, באמצעות הפלטים של Copilot.
• דייר (Tenant): סביבת Microsoft 365 הייעודית של הארגון שלכם. חשבו עליה כ„בסיס הבית” של החברה שלכם בענן.
• Microsoft Graph: המסגרת ש-Copilot משתמש בה כדי לגשת לנתונים ארגוניים בכל רחבי Microsoft 365 בצורה מאובטחת, תוך כיבוד ההרשאות של מי יכול לראות מה.

איך Copilot משתלב עם Microsoft 365 ו-Azure

Copilot אינו רק מפוזר מעל כלי Microsoft שלכם, הוא משולב בהם ישירות. עבור Microsoft 365, Copilot מופיע באפליקציות כמו Teams, Outlook, Word, Excel, Power BI ו-Power Platform. בכל אחת מהן הוא מופיע לפי ההקשר, ומציע לסכם צ'אטים, לנסח הודעות דוא"ל, לנתח גיליונות אלקטרוניים או להפוך תהליכי עבודה לאוטומטיים.

מאחורי הקלעים, Copilot מתחבר לנתוני הארגון שלכם באמצעות ממשקי API מאובטחים ושירותים כמו Microsoft Graph. כך הוא יכול, למשל, לשלוף קבצים רלוונטיים מ-SharePoint, להבין הודעות דוא"ל אחרונות או לאחזר שיחות Teams בעת מענה להנחיה שלכם. הוא מכבד את גבולות האבטחה הקיימים בארגון, כך שאתם רואים רק מידע שמותר לכם לראות.

ב-Azure, השילוב של Copilot טכני יותר: הוא יכול להתחבר למקורות נתונים מבוססי ענן, לבצע אוטומציה של משימות ואף לעזור בקוד או בהקמת תשתיות. השילוב מבוסס על הרשאות, כללי ממשל ותפקידי משתמשים שמוגדרים בסביבת Azure שלכם.

כדי להפעיל את Copilot ייתכן שמנהלי המערכת יצטרכו להפעיל תכונות או חיבורים מסוימים, וברוב המקרים לפעול לפי שיטות העבודה המומלצות לאבטחה. אם תרצו להעמיק בשימוש מאובטח ומנוהל ב-Copilot, האסטרטגיות המפורטות במשאב זה על Purview ו-DLP של Power Platform הן קריאה חובה. הבנת היסודות האלה עוזרת לראות איפה Copilot משתלב בכלים היומיומיים שלכם, ומדוע זו קפיצת דרך אמיתית בנוף של Microsoft 365 ו-Azure.

סוכני Copilot ותהליכי עבודה סוכניים

המונח „סוכן” נזרק הרבה בהקשר של Copilot, אבל מדובר במשהו מעבר למילות בררה. סוכנים הם אחד מהמרכיבים הסודיים מאחורי האוטומציה המודרנית. ב-Copilot, סוכן הוא עוזר מבוסס בינה מלאכותית שנועד לטפל במשימות חוזרות וספציפיות. אלה אינם מאקרו ישנים או בוטים משעממים. סוכנים חכמים יותר, עצמאיים יותר, ויכולים לתזמן תהליכי עבודה מורכבים שחוצים אפליקציות ומקורות נתונים.

„תהליכי עבודה סוכניים” מתייחסים לרצפים של משימות שאינן רק מאוטומטיות, אלא מתואמות על ידי סוכן. לדוגמה, סוכן עשוי לקרוא נתוני מכירות, לעדכן לוחות מחוונים ב-Power BI ולשלוח הודעה לאנשים הנכונים ב-Teams כאשר היעדים לא מושגים. זה הרבה יותר מתקדם מלחיצה על כפתור „הפעל מאקרו”. זה כמעט כמו עובד שעוקב, בודק את הפרטים ומודד את התוצאות.

אבל עם כוח גדול מגיעה גם מדיניות ממשל רצינית. אם תשאירו סוכנים פועלים ללא בקרה, הדברים עלולים להסתבך מאוד: סחף זהויות, דליפות נתונים לא מכוונות ואובדן פיקוח. ארגונים זקוקים לבקרות חזקות (כמו מזהי סוכנים יציבים וחוזים ברורים לכלים), כדי שכל פעולה תישאר ניתנת למעקב ומאובטחת. להעמקה באופן ניהול סוכנים, כולל Entra Agent ID ובקרות סיכון, כדאי לקרוא את הפירוט המפורט הזה על ממשל סוכנים.

זרימות עבודה אגנטיות משנות את השגרה היומיומית, הופכות שיתוף פעולה לחלק יותר ומקבלות החלטות מהר יותר, אבל רק כשמחזיקים את המושכות בחוזקה. אם אתם מנהלים סוכנים, חשוב במיוחד לאכוף הרשאות חזקות, לנטר באמצעות כלי ביקורת וליישם DLP בצורה מסודרת, כפי שנדון במדריך האבטחה והתאימות הזה ל-Copilot. כך תקבלו את היתרונות של אוטומציה בלי הכאב ראש של כאוס או כשלי תאימות.

בינה מלאכותית, Grounding ופרומפטים – הסבר

בינה מלאכותית ב-Copilot אינה קסם, אלא שילוב של מוחות גדולים (מודלי שפה גדולים) ושכל ישר ישן וטוב (נתוני הארגון). ה"AI" שמאחורי Copilot בנוי על מודלי שפה חזקים שאומנו להבין את המילים שלכם, להגיב בצורה טבעית וליצור תוכן שמתאים לסגנון שלכם. אבל בינה מלאכותית גולמית לבדה אינה מספיקה בעסקים. צריך רלוונטיות לנתוני הארגון, להקשר שלו ולכללים שלו.

כאן נכנס לתמונה Grounding. Grounding פירושו ש-Copilot לא מאלתר סתם, אלא מעגן את תשובותיו בנתונים מהקבצים, מהמיילים, מיומני הפגישות או מהצ'אטים שלכם. לדוגמה, אם תשאלו "מהם עיקרי מכירות הרבעון הראשון שלנו?", Copilot יחפש בגיליונות המכירות בפועל של הארגון או בנתוני ה-CRM, וייתן לכם תשובות שימושיות ומדויקות, ולא רק ניחושים כלליים.

כל מה שאתם מקבלים מ-Copilot מתחיל בפרומפט. פרומפט יכול להיות פקודה ישירה ("צור מצגת על מגמות שוק") או שאלה ("מי בתורנות השבוע?"). הדרך שבה אתם מנסחים את הפרומפט קובעת את איכות הפלט ואת הרלוונטיות שלו. פרומפטים טובים הם ברורים, מדויקים ומפנים את Copilot לחומר המקור הנכון כשניתן.

הנדסת פרומפטים הופכת למיומנות של ממש: לדעת לבקש מ-Copilot מה שאתם צריכים, בצורה שהוא "מבין" הכי טוב. מכיוון ש-Copilot שואב מידע שמעוגן בנתוני הארגון וההקשר שלו, כדאי לחשוב לפני השאילתה אילו קבצים, אילו הרשאות ואילו צוותים הוא יכול לגשת אליהם. השלישייה הזו, בינה מלאכותית, Grounding ופרומפטים, היא מנוע הכוח שמאחורי הפרודוקטיביות שלכם עם Copilot. אם תטפלו בהם נכון, לא רק תשתמשו ב-Copilot, אלא תנצלו אותו באופן מלא בזרימת העבודה שלכם.

מונחים מרכזיים בממשל ואבטחה ב-Copilot

• תאימות נתונים: כללים שמבטיחים ש-Copilot מטפל תמיד בנתוני הארגון בהתאם לחוקי התעשייה (כמו GDPR), למדיניות הארגון ולהתחייבויות הפרטיות. הידיעה מי יכול לגשת למה היא תנאי הכרחי לשמירה על התאימות.
• Microsoft Purview: הפלטפורמה של מיקרוסופט לניהול אבטחת נתונים, פרטיות ותאימות. Purview מסייע להגדיר מדיניות לטיפול בנתונים, לתיוג ולביצוע ביקורות על כל הפעילויות של Copilot. למידע נוסף על האופן שבו היא משתלבת בממשל של Copilot, ראו משאב המדיניות המקיף הזה.
• Zero trust: גישת אבטחה שלפיה לא מניחים שום דבר כבטוח. כל פעולה של Copilot נבדקת ומאומתת לפני שניתנת גישה. בלי קיצורי דרך. כל בקשה, בכל פעם.
• Data Loss Prevention (DLP): בקרות אוטומטיות שמזהות וחוסמות שיתוף לא מכוון (או מכוון) של נתונים רגישים דרך Copilot. DLP פועל כמו שומר הסף של ה-AI, ומוודא שלא יחמק דבר דרך הסדקים.
• Tenant boundary: קירות דיגיטליים מוקפדים שמפרידים את נתוני הארגון שלכם מנתונים של אחרים בענן של מיקרוסופט. Copilot מכבד את גבולות הדייר, כך שהמידע שלכם לעולם לא מגיע לצד הלא נכון של העיר.
• Role-Based Access Control (RBAC): כלי ניהול לכוונון מדויק של מי רשאי לעשות מה, איפה ועם אילו נתונים ב-Copilot ובכל רחבי M365. RBAC הוא הלחם והחמאה של האצלת הרשאות בטוחה.
• הרשאות Graph: הגדרות השולטות במה שסוכני ה-AI של Copilot יכולים למשוך ממקורות הנתונים הארגוניים שלכם. הגבלת ההרשאות היא קריטית כדי להימנע מחשיפת יתר, כפי שמפורט ב-מדריך הממשל והציות הזה.

כדי לקחת את השימוש שלכם ב-Copilot לשלב הבא, כדאי לעיין ברשימת הבדיקה המעשית לממשל שמופיעה ב-Copilot Governance: Policy or Pipe Dream?, הכוללת הנחיות לגבי חוזים, רישיונות, תיוג אוטומטי ושיטות עבודה מומלצות של מועצת ה-AI.

טיפים להפקת המירב מ-Microsoft Copilot

• נצלו משאבי למידה: אל תסתמכו על אילתור. למדו מתוך ההדרכות הרשמיות של Microsoft ל-Copilot, וכדאי להכיר מדריכים כמו מרכז הלמידה המרכזי של Copilot. מדריכים אלה מתעדכנים במהירות כדי להתאים לתכונות החדשות.
• השתתפו בקהילה: הצטרפו לפורומים או לקבוצות משתמשים כדי להחליף טיפים, לשתף תרחישים מהחיים האמיתיים ולזהות בעיות בשלב מוקדם.
• עקבו אחר העדכונים: Microsoft Copilot מתפתח כל הזמן. הפעילו התראות על יכולות חדשות, עדכוני אבטחה ושינויים במינוח, כדי שלא תופתעו.
• עודדו יישור קו ברמת הארגון: שתפו שיטות עבודה מומלצות וקדמו אוריינות בשימוש ב-Copilot. זה הופך את העבודה בצוות לחלקה יותר ומבטיח שכולם נמצאים על אותו עמוד (דיגיטלי).
• תנו עדיפות לאבטחה ולממשל: פעלו תמיד לפי ההמלצות של מנהל המערכת לשימוש מאובטח, ודווחו על כל דבר שנראה חריג.

שאלות נפוצות: משאבים נוספים ל-Microsoft 365 Copilot

מהי הטרמינולוגיה של Microsoft Copilot, ומדוע היא חשובה?

טרמינולוגיה של Microsoft Copilot מתייחסת לקבוצת המונחים והמושגים המשמשים לתיאור תכונות ה-AI של Microsoft ולרכיביהם, כגון Copilot Studio, מחברים (connectors), מתזמר (orchestrator) ותפקידי Copilot מרכזיים. הבנת המונחים הללו מסייעת למשתמשים להפיק תועלת נכונה מחוויית Copilot, להבטיח שימוש אחראי ב-AI ולהבין כיצד מודלים בסיסיים (foundation models), מודלים מסוג LLM ואחזור מוגבר על ידי יצירה (RAG) פועלים יחד כדי לייצר תשובות דמויות אנוש ולספק תובנות ממקורות נתונים חיצוניים.

כיצד Copilot Studio משתלב במערכת האקולוגית של Copilot?

Copilot Studio הוא שירות low-code המאפשר למפתחים וליוצרים ליצור ולהתאים אישית Copilots. השירות מתחבר למחברי Copilot ולמחברי Microsoft Graph, מגדיר אחזור ודירוג סמנטי, משתלב עם Azure OpenAI או מודלי LLM אחרים, ומתזמר את האופן שבו העוזר מגיב לקלט בשפה טבעית ומאחזר מידע רלוונטי ממאגר הידע (knowledge graph), מ-Office 365 או ממקורות נתונים חיצוניים.

מהם מחברי Copilot, וכיצד הם ניגשים לנתונים חיצוניים?

מחברי Copilot הם תוספים או ממשקי API המאפשרים ל-Copilots לגשת למקורות נתונים חיצוניים, כגון Microsoft Graph Connectors, ממשקי API של צד שלישי, מסדי נתונים או Microsoft Fabric. הם מאפשרים לאחזר מידע רלוונטי ולשלב ידע ממספר מערכות, כך שה-Copilot יוכל ליצור טקסט, לענות על שאילתות ולספק תשובות מודעות להקשר. כל זאת בתמיכה של עוזר דיגיטלי מבוסס AI.

כיצד מודלים מסוג LLM, מודלים בסיסיים ו-Azure OpenAI קשורים ל-Microsoft Copilot?

מודלים מסוג LLM ומודלים בסיסיים הם מודלי למידת מכונה שביסודם מייצרים טקסט ותשובות דמויות אנוש. מערך ה-AI של Microsoft משתמש ב-Azure OpenAI ובשירותי Azure AI אחרים כדי להפעיל ולכוונן מודלים אלה. כך Copilot, שהוא עוזר מבוסס AI, יכול להשתמש ב-AI generative, להפעיל עיבוד שפה טבעית ולהפיק תשובות שיחתיות לאינטראקציות עם המשתמשים, תוך שמירה על עדכוני אבטחה והנחיות AI אחראי.

כיצד עיבוד שפה טבעית וניתוח סמנטי משפרים את חוויית Copilot?

קלט בשפה טבעית ועיבוד סמנטי מאפשרים ל-Copilots לפרש שפה אנושית, לזהות כוונה ולהמיר קלט משתמש לשאילתות לאחזור או לפעולות. באמצעות חיפוש סמנטי, RAG וטכניקות NLP, ה-Copilots יכולים לאחזר מידע רלוונטי, לסכם כמויות טקסט גדולות וליצור תשובות דמויות אנוש התואמות לשאילתת המשתמש ולמאגר הידע או לנתונים הנגישים דרך המחברים.

מהם מקרי השימוש הנפוצים של Microsoft Copilot בעסקים ובפרודוקטיביות?

מקרי שימוש כוללים אוטומציה של כתיבת טיוטות דוא"ל ב-Office 365, יצירת דוחות באמצעות נתונים מ-Microsoft Fabric, יצירת סיכומים ממסמכים ארוכים, הפעלת צ'אטבוטים לתמיכה טכנית, בניית אפליקציות Power Apps בפיתוח low-code עם ממשקי שיחה מבוססי Copilot, אחזור תובנות לקוחות באמצעות מחברי Microsoft Graph, והפעלת תהליכי אנליטיקה שמנצלים מודלי למידת מכונה ו-retrieval-augmented generation כדי לספק תשובות והמלצות.

כיצד Microsoft מבטיחה עדכוני אבטחה ובינה מלאכותית אחראית ב-Copilot?

Microsoft משלבת שיטות אבטחה של הפלטפורמה, הרשאות מחברים, בקרות API ועדכוני אבטחה שוטפים עם מסגרות בינה מלאכותית אחראית הכוללות ממשל מודלים, בדיקה אנושית (human-in-the-loop) וניטור שימוש. ארגונים יכולים להחיל בקרות גישה, מניעת דליפת מידע (DLP) וביקורת, ולפעול לפי ההנחיות של Microsoft Learn ושיטות עבודה מומלצות לציות, כדי לצמצם סיכונים הנובעים מתוכן שנוצר בידי בינה מלאכותית ומגישה לנתונים חיצוניים.

האם מפתחים יכולים להרחיב Copilot באמצעות API, תוספים ו-Power Apps?

כן. מפתחים יכולים להשתמש ב-API, במחברי Copilot, בתוספים ובכלים low-code כמו Power Apps כדי להרחיב את Copilot. הם יכולים לקרוא לשירותים חיצוניים דרך API, לשלב מודלים בסגנון GPT באמצעות Azure OpenAI, לממש אחזור מותאם אישית ממאגר ידע לגרף ידע או ממסדי נתונים, ולהשתמש ב-Copilot Studio כדי לתזמר תהליכים ולהתאים את חוויית ה-Copilot לאינטראקציות ספציפיות של משתמשים ולתהליכים עסקיים.

מהו retrieval-augmented generation (RAG) וכיצד הוא עוזר לאחזר מידע רלוונטי?

Retrieval-augmented generation (RAG) משלב אחזור של מסמכים רלוונטיים עם מודלים של בינה מלאכותית generative, כך שהמודל יכול לבסס את התשובות על מקורות אמיתיים. Copilot משתמשים ב-RAG כדי לשאול מחברים, לאחזר מסמכים תומכים וליצור תשובות שמתייחסות לתוכן עובדתי. כך משתפרת הדיוק כאשר הבינה המלאכותית מייצרת טקסט או מספקת תובנות מכמויות גדולות של טקסט או ממקורות נתונים חיצוניים מפוזרים.

כיצד ארגונים מודדים ומשפרים את חוויית ה-Copilot ואת מודלי הלמידה?

ארגונים עוקבים אחר אינטראקציות משתמשים, שיעורי הצלחה בשאילתות, לולאות משוב ומדדי שיחה, כדי לשפר הנחיות (prompts), לאמן מחדש או לכוונן מודלי למידת מכונה, לעדכן מחברים ולהתאים הגדרות אחזור סמנטי. משאבים ב-Microsoft Learn ומשאבים נוספים מספקים שיטות עבודה מומלצות לשיפור מתמיד של חוויית ה-Copilot, להגדלת הרלוונטיות ולהבטחה שעוזר הבינה המלאכותית יספק תשובות מועילות ובעלות אופי אנושי.

איזה תפקיד ממלאים גרפי ידע ומחברי Microsoft Graph במענה לשאילתות משתמשים?

גרפי ידע ומחברי Microsoft Graph מובנים ומאנדקסים את נתוני הארגון, כך ש-Copilot יוכלו לאחזר במהירות עובדות וקשרים מודעי הקשר. על ידי חיבור אלה ל-Copilot Studio ולמתזמר (orchestrator), Copilot יכולים לגבש תשובות עשירות יותר, להציג מידע רלוונטי מ-Office 365 או ממקורות חיצוניים, ולהגיב טוב יותר לשאילתות מורכבות בשפה טבעית.

היכן ניתן למצוא תמיכה טכנית ומשאבים נוספים לבניית Copilot?

מפתחים ומנהלים יכולים לגשת ל-Microsoft Learn, לתיעוד של Azure AI ו-Azure OpenAI, לדוגמאות ב-GitHub, לפורומים קהילתיים ולתמיכה הרשמית של Microsoft לקבלת סיוע טכני. משאבים נוספים כוללים תיעוד API למחברי Copilot, מדריכים לבינה מלאכותית אחראית, שיטות עבודה מומלצות לעדכוני אבטחה, ומדריכים לשימוש ב-Copilot Studio, Power Apps ו-Microsoft Fabric כדי להשתמש ב-Copilot למקרי שימוש ספציפיים.