Memahami Arsitektur Enterprise Microsoft Copilot

By Mirko Peters · 2026-02-12 · Updated 2026-07-28

Pelajari bagaimana arsitektur enterprise Microsoft Copilot menghubungkan Microsoft 365, Graph, identitas, tata kelola data, keamanan, extensibility, dan adopsi.

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

Jawaban Singkat: Arsitektur enterprise Microsoft Copilot menyatukan identitas, data Microsoft 365, batas izin, pengalaman aplikasi, kontrol kepatuhan, dan kepemilikan operasional. Rancang dari skenario pengguna dan bisnis ke belakang: verifikasi informasi yang boleh digunakan Copilot, lindungi konten sensitif, tentukan dukungan dan pemantauan, lalu perkenalkan kemampuan ini melalui pilot yang terkelola sebelum diskalakan.

Arsitektur Enterprise Microsoft Copilot adalah cetak biru yang membentuk cara kapabilitas AI Copilot diintegrasikan ke dalam organisasi yang menggunakan Microsoft 365, Azure, dan aplikasi enterprise lainnya. Pada intinya, arsitektur Copilot berfungsi sebagai tulang punggung teknis untuk AI yang dapat diskalakan di seluruh bisnis Anda, dengan menghadirkan struktur, keamanan, dan keselarasan dengan cara kerja perusahaan modern yang sebenarnya.

Mengapa ini penting? Copilot bukan sekadar alat tambahan. Copilot mengubah cara tim berinteraksi dengan informasi, mengotomatisasi proses bisnis, dan meningkatkan produktivitas dengan menghadirkan AI terkini tepat di tempat orang bekerja. Dengan tertanam di antarmuka Microsoft yang sudah familiar dan memanfaatkan komponen cloud yang andal, arsitektur Copilot mendukung segala hal, mulai dari kolaborasi dokumen sehari-hari hingga perlindungan data sensitif.

Pendekatan ini menempatkan Copilot tepat di pusat tren produktivitas berbasis AI saat ini, sehingga organisasi dapat berinovasi dan beradaptasi tanpa mengorbankan tata kelola atau kendali. Saat kita membahas lebih dalam, Anda akan melihat bagaimana kerangka arsitektur Copilot memungkinkan AI yang aman dan efisien dalam skala enterprise, dan mengapa hal ini merupakan lompatan besar dalam cara pekerjaan diselesaikan.

Ikhtisar Arsitektur Microsoft 365 Copilot

Microsoft 365 Copilot berjalan di atas arsitektur berlapis yang dirancang untuk terintegrasi secara mulus ke dalam lingkungan cloud enterprise. Secara garis besar, Copilot berperan sebagai jembatan antara pengguna akhir dan ekosistem digital bisnis Anda yang kompleks, dan hadir di dalam alat-alat yang sudah familiar seperti Word, Excel, Outlook, dan Teams.

Fondasinya dimulai dari mesin AI Copilot, termasuk large language model yang menafsirkan kueri dan menghasilkan respons. Model-model ini berinteraksi dengan layanan inti Microsoft, seperti Microsoft Graph, untuk mengambil, memproses, dan memberi konteks pada data bisnis. Microsoft Graph berperan sebagai jaringan penghubung, memastikan Copilot memahami konteks organisasi dan menerapkan izin yang tepat untuk setiap permintaan pengguna.

Di atas mesin-mesin ini, terdapat lapisan orkestrasi yang mengatur cara Copilot mendelegasikan dan mengoordinasikan tugas. Lapisan ini bertanggung jawab merutekan tindakan, mengelola kolaborasi multi-agen, serta mengintegrasikan plugin atau konektor yang dapat membawa data atau kapabilitas dari luar Microsoft 365. Bayangkan lapisan ini sebagai pengatur lalu lintas udara, yang memastikan informasi mengalir secara efisien dan aman, dari mana pun asalnya dan ke mana pun tujuannya.

Antarmuka pengguna menyatukan seluruh pekerjaan arsitektur ini. Baik saat Anda berbincang dengan Copilot di Teams maupun saat mendapatkan saran slide di PowerPoint, antarmuka selalu mencerminkan kontrol akses data, kapabilitas plugin, dan hasil AI terbaik di kelasnya. Desain ini tidak hanya menghadirkan peningkatan produktivitas yang kuat, tetapi juga menjaga keamanan, kepatuhan, dan privasi tetap menjadi fokus utama dalam setiap operasi. Pada bagian selanjutnya, Anda akan melihat setiap lapisan dan komponen arsitektur ini dibahas secara rinci.

Komponen Inti dan Layanan dalam Arsitektur Copilot

Untuk memahami apa yang membuat Microsoft Copilot bekerja, ada baiknya kita terlebih dahulu melihat bagian-bagian utama di balik layar. Arsitektur Copilot dirancang khusus untuk fleksibilitas, skala, dan kendali, yang merupakan kebutuhan utama bagi setiap enterprise modern yang menerapkan solusi berbasis AI ke ribuan pengguna dan beban kerja.

Secara garis besar, komponen inti Copilot mencakup agen khusus, sistem orkestrasi, model bahasa yang andal, ekosistem plugin, dan konektor yang terintegrasi secara mendalam dengan data organisasi. Elemen-elemen ini bekerja bersama di balik layar, memastikan setiap permintaan Copilot, baik yang sederhana maupun kompleks, mengikuti proses yang jelas untuk konteks, akurasi, dan kepatuhan.

Yang membedakan Copilot bukanlah satu alat atau fitur tertentu, melainkan cara arsitekturnya memungkinkan perluasan dan tata kelola yang presisi. Hal ini memungkinkan organisasi menyesuaikan AI Copilot dengan kebutuhan bisnis spesifik mereka, sekaligus tetap menjaga batasan yang ketat terhadap data, izin, dan penggunaan. Baik Anda ingin memperkenalkan plugin kustom, menerapkan kebijakan keamanan, maupun membatasi kemampuan berdasarkan skenario, Copilot memberi Anda kontrol yang sangat terperinci melalui struktur berlapisnya.

Beberapa bagian berikutnya akan membahas setiap blok bangunan yang menopang Copilot: bagaimana tugas ditangani oleh agen dan lapisan orkestrasi, peran unik model bahasa berbasis AI serta perluasan melalui plugin, dan arsitektur krusial untuk akses data, izin, serta operasi yang aman melalui Microsoft Graph. Fondasi ini memungkinkan Copilot memberikan nilai penuhnya hanya dalam cara-cara yang dapat didukung dan diatur dengan yakin oleh organisasi Anda.

Agen Copilot dan Lapisan Orkestrasi

Inti dari efisiensi Copilot terletak pada arsitektur berbasis agennya, di mana agen-agen cerdas menangani permintaan pengguna, memecahnya, dan mendelegasikan tanggung jawab sesuai kebutuhan. Lapisan orkestrasi berperan sebagai manajer yang mengoordinasikan agen-agen tersebut agar tugas dieksekusi secara andal dan dengan urutan yang tepat di seluruh sistem.

Misalnya, ketika suatu permintaan membutuhkan pertimbangan, perpindahan konteks, atau melibatkan beberapa aplikasi, agen-agen Copilot berkolaborasi dan meneruskan informasi melalui alur kerja yang terkendali. Pendekatan ini memungkinkan eksekusi yang skalabel dan berkelas enterprise, sekaligus memastikan setiap tugas dapat diaudit dan ditelusuri. Untuk mempelajari lebih lanjut, simak pembahasan mendalam tentang orkestrasi multi-agen Copilot dan mengapa kontrol deterministik sangat penting untuk kepatuhan dan tata kelola dalam skenario AI enterprise.

Arsitektur ini juga membedakan antara agen yang menangani penalaran yang bernuansa dan alur kerja deterministik yang dioptimalkan untuk kepatuhan, sebagaimana dibahas dalam perbedaan antara agen dan alur kerja pada platform Copilot. Hasilnya? Copilot dapat menskalakan penalaran dinamis dan perutean kompleks untuk kebutuhan enterprise, tanpa mengabaikan keandalan maupun konteks.

Model Bahasa AI dan Plugin

Keunggulan Microsoft Copilot berasal dari penggunaan model bahasa besar (LLM) canggih, yang telah disesuaikan dan diatur khusus untuk konteks enterprise. Model-model ini memungkinkan Copilot memahami permintaan pengguna yang bernuansa, menghasilkan teks, dan menginterpretasikan kebutuhan bisnis, sekaligus tetap menghormati batasan data organisasi Anda.

Namun, Copilot bukanlah solusi yang cocok untuk semua kebutuhan. Melalui plugin dan titik perluasan, tim TI dan pengembang dapat memperluas kemampuan Copilot secara aman untuk alur kerja kustom, sumber data unik, dan logika bisnis khusus. Membangun plugin, seperti yang menyatukan Planner, SharePoint, dan Teams, memerlukan perancangan yang cermat terhadap manifes dan pemetaan API yang benar-benar selaras dengan kebijakan perusahaan dan persyaratan autentikasi.

Selain itu, organisasi dapat menghubungkan data bisnis eksternal secara aman menggunakan Microsoft Graph Connectors, yang menghasilkan jawaban lebih cepat dan lebih akurat, sebagaimana disorot dalam panduan ini tentang ekstensibilitas Copilot untuk pengembang Microsoft 365. Secara keseluruhan, kerangka ekstensibilitas ini memberdayakan organisasi untuk memanfaatkan kekuatan Copilot sambil tetap menjaga privasi data, kepatuhan, dan kontrol.

Copilot dan Microsoft Graph: Arsitektur Data, Izin, dan Keamanan

Microsoft Graph adalah tulang punggung akses data Copilot, yang menerapkan kebijakan keamanan dan izin di setiap langkah. Ketika Copilot mengambil informasi, mulai dari email dan dokumen hingga acara kalender dan file SharePoint, ia melakukannya melalui Graph, yang berfungsi sebagai penjaga gerbang selektif. Arsitektur ini memastikan Copilot hanya mengakses apa yang diizinkan untuk dilihat oleh setiap pengguna, menjaga keamanan data bisnis yang sensitif, dan menghormati batasan organisasi.

Copilot mendukung protokol keamanan lanjutan, termasuk segmentasi berdasarkan peran Entra ID serta penerapan kebijakan pencegahan kehilangan data (DLP) dan label sensitivitas pada data maupun keluaran yang dihasilkan AI. Untuk strategi yang lebih rinci dalam mengamankan Copilot, lihat panduan menjaga Copilot tetap aman dan patuh dengan izin Graph hak akses minimum (least-privilege).

Lapisan penting lainnya adalah pemantauan kepatuhan, yaitu menggunakan alat pemantauan Microsoft Purview dan Sentinel untuk mengaudit apa saja yang diakses Copilot dan apa yang dihasilkannya, selaras dengan upaya pengurangan risiko organisasi serta kerangka hukum seperti EU AI Act. Menurut perspektif ini tentang Copilot dan kepatuhan, tanggung jawab tidak berhenti pada Microsoft; organisasi harus secara aktif mengelola dan memantau bagaimana Copilot dikonfigurasi dan digunakan, terutama di industri yang diatur ketat, di mana persyaratan hukum menuntut batasan yang dapat ditegakkan dan perilaku yang dapat diaudit.

Pendekatan ini menghadirkan manfaat produktivitas bertenaga AI tanpa mengorbankan prinsip perlindungan data maupun kepatuhan regulasi, sehingga arsitektur keamanan dan izin Copilot menjadi fondasi utama bagi adopsi di tingkat perusahaan.

Arsitektur Informasi dan Kesiapan Data untuk Copilot

1. Perkuat arsitektur informasi dasar. Kinerja Copilot bergantung pada struktur informasi Microsoft 365 yang sudah ada. Navigasi situs yang lemah, hierarki folder yang berantakan, atau metadata yang buruk secara konsisten membuat AI menghasilkan jawaban yang samar atau tidak membantu. Untuk meningkatkan akurasi, prioritaskan pustaka dokumen yang rapi, taksonomi yang jelas, dan metadata yang diterapkan secara konsisten. Temukan informasi selengkapnya tentang bagaimana struktur memengaruhi hasil Copilot di episode podcast ini.
2. Bersihkan data kotor dan pastikan kejelasan sumber. File yang sudah usang atau pustaka SharePoint yang penuh dengan konten tidak relevan dapat memberi Copilot konteks yang menyesatkan atau tidak relevan. Audit data secara berkala, disertai kebijakan untuk mengarsipkan atau menghapus konten yang tidak digunakan secara otomatis, membantu mengurangi risiko Copilot menghasilkan keluaran yang meleset. Sepuluh kebiasaan data kotor memaparkan langkah-langkah praktis untuk meningkatkan kebersihan data, seperti metadata wajib dan penetapan sumber data yang otoritatif.
3. Terapkan kontrol akses dan izin yang andal. Karena Copilot memanfaatkan model izin yang sama dengan Microsoft 365, pengguna hanya dapat menampilkan informasi yang memang sudah diizinkan untuk mereka akses. Namun, pengelolaan izin yang ceroboh tetap dapat menyebabkan paparan data yang tidak disengaja, terutama di OneDrive, Teams, atau SharePoint. Gunakan kontrol akses berbasis peran untuk memastikan hanya orang yang tepat yang dapat melihat data sensitif, dan otomatiskan peninjauan izin agar tidak terjadi penyimpangan. Untuk praktik keamanan terbaik, lihat artikel ini tentang tata kelola data.
4. Siapkan lingkungan data yang ramah otomatisasi dan terkelola dengan baik. Nilai Copilot semakin berlipat ganda dengan otomatisasi, misalnya dengan menggunakan Power Automate untuk tugas-tugas berulang. Namun, otomatisasi hanya berjalan baik jika data konsisten, terstruktur, dan mudah diidentifikasi, sehingga kurasi konten dan tata kelola menjadi hal yang esensial untuk hasil yang optimal.

Pada akhirnya, data yang bersih, teratur, dan terlindungi dengan baik adalah fondasi bagi wawasan Copilot yang bermakna dan produktivitas bertenaga AI yang dapat dipercaya.

Memperluas Fungsi Copilot dengan Konektor dan Plugin Kustom

1. Gunakan Konektor Microsoft 365 Copilot untuk menjembatani data eksternal. Jangkauan Copilot tidak hanya terbatas pada data internal Microsoft. Dengan memanfaatkan konektor bawaan maupun kustom, Anda dapat menghubungkan Copilot secara mulus ke platform seperti Salesforce, ServiceNow, atau sistem lama milik sendiri. Integrasi dilakukan menggunakan Microsoft Graph bersama autentikasi aman dari Entra. Untuk tips selengkapnya, lihat panduan ini tentang Konektor Copilot.
2. Rancang plugin kustom yang aman dan sesuai kebijakan. Pengembang dapat membuat file manifes yang memetakan maksud pengguna ke panggilan API tertentu—ini memungkinkan Copilot menjawab pertanyaan yang spesifik untuk bisnis atau memicu alur kerja yang telah disetujui. Penerapan yang aman berarti mengikuti pola OAuth, menggunakan autentikasi dengan hak akses minimum, dan membatasi akses data secara ketat. Untuk mendalami detail teknis arsitektur plugin, lihat panduan ini untuk pembuat plugin Copilot.
3. Seimbangkan fleksibilitas dengan kepatuhan dan skalabilitas. Tidak setiap ekstensi perlu diaktifkan untuk semua pengguna. Gunakan kebijakan tata kelola untuk mengontrol konektor dan plugin mana yang tersedia, siapa yang boleh menerapkannya, dan bagaimana data dipantau saat transit maupun saat disimpan. Jika dilakukan dengan benar, pendekatan ini mencegah shadow IT dan menjaga kemampuan audit.
4. Skenario nyata: Bayangkan tim keuangan Anda mengambil status proyek dari beberapa aplikasi. Dengan plugin Copilot, prompt mereka dapat menampilkan hasil dari Planner, SharePoint, dan Teams sekaligus, yang difilter hanya menampilkan data yang sesuai dengan peran mereka. Arsitektur yang tepat memberdayakan alur kerja berbasis AI yang fleksibel, cerdas, dan terkendali.

Strategi Penerapan dan Praktik Terbaik Arsitektur

1. Nilai kesiapan perusahaan secara menyeluruh. Sebelum peluncuran, evaluasi infrastruktur, kualitas data, dan kesiapan bisnis Anda. Pemeriksaan kesiapan membantu menemukan masalah sejak dini—seperti arsitektur informasi yang buruk, izin yang tidak tepat, atau otomatisasi yang belum ada—yang dapat menghalangi Copilot memberikan nilai bisnis. Pelajari mengapa sebagian besar peluncuran Copilot gagal jika langkah-langkah ini dilewati.
2. Terapkan mandat arsitektur untuk kendali Copilot yang andal. Perlakukan Copilot sebagai mesin keputusan terdistribusi, bukan sekadar asisten penulisan. Pisahkan penalaran (saran yang dihasilkan AI) dari eksekusi (otomatisasi atau persetujuan yang sebenarnya) untuk menekan risiko yang tidak disengaja dan kebocoran data. Kebijakan wajib—seperti batasan berbasis peran, observabilitas yang kuat, dan sumber otoritas yang jelas—diuraikan dalam panduan ini tentang mandat pengendalian Copilot.
3. Pilih pengaturan yang tepat untuk skenario Anda. Baik penerapan greenfield (baru) maupun brownfield (lingkungan yang sudah ada) memerlukan strategi yang disesuaikan. Untuk brownfield, fokuskan pada manajemen perubahan dan peluncuran bertahap; untuk greenfield, terapkan praktik terbaik Copilot sejak hari pertama.
4. Investasikan pada pelatihan pengguna yang memperhatikan tata kelola. Pelatihan sekali jalan dapat menimbulkan kebingungan dan tambahan tiket help desk. Sebagai gantinya, kembangkan pusat pembelajaran Copilot terpusat untuk orientasi yang terkelola, konsisten, dan selalu mutakhir. Pendekatan ini mendukung adopsi, mengurangi kesalahan, dan membuktikan ROI kepada para pemangku kepentingan.

Tata Kelola dan Kepatuhan dalam Penerapan Copilot Perusahaan

1. Selaraskan kontrak dan lisensi dengan persyaratan kebijakan AI. Pastikan perjanjian lisensi dan kendali kontrak mendukung strategi tata kelola dan kepatuhan Copilot di organisasi Anda. Memiliki lisensi yang tepat hanyalah permulaan—kebijakan organisasi harus sejalan dengan implementasi teknis agar cakupannya menyeluruh. Temukan tips praktis selengkapnya di strategi tata kelola Copilot.
2. Klasifikasikan konektor dan terapkan kendali di seluruh penyewa. Gunakan kebijakan Purview DSPM dan DLP Power Platform untuk mengelompokkan konektor ke dalam kategori bisnis, non-bisnis, dan diblokir. Kunci endpoint berisiko di tingkat penyewa—blokir konektor kustom atau HTTP untuk mencegah kebocoran yang tidak disengaja. Selengkapnya tentang topik ini dapat dibaca dalam panduan lanjutan tentang tata kelola agen Copilot dengan Microsoft Purview.
3. Otomatiskan pemantauan dan terapkan RBAC. Andalkan alat seperti Microsoft Defender dan Purview untuk visibilitas real-time terhadap akses data, pemanfaatan, dan output Copilot. Peringatan otomatis memungkinkan Anda bertindak cepat jika kebijakan dilanggar atau informasi sensitif muncul di tempat yang seharusnya tidak.
4. Belajar dari rollout yang gagal—rancang tata kelola sejak hari pertama. Banyak proyek Copilot tersandung karena kontrol kepatuhan baru ditambahkan belakangan. Masukkan kepatuhan, kemampuan audit, dan mitigasi risiko ke dalam arsitektur awal Anda untuk menghindari langkah keliru yang mahal.

Mengintegrasikan Copilot dengan Microsoft Fabric, Power Platform, dan Azure

1. Hubungkan Copilot dengan Microsoft Fabric untuk analitik lanjutan. Dengan integrasi ke Microsoft Fabric, Copilot mengotomatiskan pemodelan data, validasi skema, dan transformasi, sementara visualisasi Power BI menjadi lebih naratif dan dapat ditindaklanjuti. Perpaduan ini, seperti dibahas di sini, mempercepat analitik dan mengurangi beban kerja manual.
2. Manfaatkan Copilot Studio untuk analitik swalayan dan penerjemahan kueri. Copilot Studio mengubah pertanyaan bisnis dalam bahasa sehari-hari menjadi kueri data Fabric yang terkelola secara langsung. Hal ini menghilangkan kendala bahasa tradisional dalam analitik dan tetap menjaga izin, sebagaimana dibahas dalam ulasan ini.
3. Tingkatkan alur kerja Power Platform dan Azure dengan ekstensibilitas Copilot. Saat Copilot dihubungkan ke Power Apps, Power Automate, atau Power BI, Copilot menggerakkan logika bisnis dan otomatisasi dalam skala besar—sementara kepatuhan, lisensi, dan batasan integrasi tetap harus diperhatikan. Pelajari bagaimana lisensi dan integrasi Power Pages memengaruhi arsitektur Copilot dalam artikel tentang ekstensi Power Platform ini.
4. Seimbangkan integrasi API dengan pertimbangan keamanan dan skalabilitas. Menghubungkan Copilot ke sumber daya Azure kustom atau API eksternal sebaiknya mengikuti praktik terbaik untuk pembatasan laju (throttling), pengelolaan izin, dan pemantauan guna memastikan keamanan yang tangguh dan performa yang andal dalam alur kerja lintas cloud.

Tren Masa Depan dalam Arsitektur Enterprise Copilot

Ke depan, arsitektur Copilot akan berkembang pesat seiring kemajuan model AI dan meluasnya jalur integrasi. Menurut IDC, lebih dari 80% perusahaan berencana menanamkan AI ke dalam alur kerja pada 2026, yang mendorong adopsi kerangka kerja multi-agen yang terorkestrasi secara lebih luas. Microsoft berinvestasi pada orkestrasi yang lebih deterministik, kontrol kepatuhan yang lebih kuat, dan ekosistem plugin yang lebih kaya untuk Copilot, sehingga perusahaan dapat meningkatkan produktivitas berbasis AI secara aman.

Para ahli memperkirakan masa depan Copilot bertumpu pada model AI yang komposabel dan modular serta perpaduan antara otomatisasi tugas dengan tata kelola yang canggih. Studi kasus awal sudah menunjukkan percepatan inovasi—organisasi melaporkan siklus keputusan 30–50% lebih cepat saat mengintegrasikan Copilot ke dalam analitik dan otomatisasi alur kerja di lingkungan yang kompleks. Dengan terus memperhatikan tren ini, Anda akan lebih siap merancang implementasi Copilot yang memenuhi standar masa depan untuk skalabilitas, kepercayaan, dan kelincahan.

Episode Lain yang Perlu Anda Dengarkan

Jika Anda sedang mendalami Microsoft Copilot, arsitektur AI, dan tata kelola, episode berikut ini menambahkan konteks praktis:

• Microsoft AI Agent Harness – Simply Explained — Pelajari bagaimana agent harness menyediakan orkestrasi, alat, evaluasi, observabilitas, dan pagar pengaman (guardrails) untuk agen AI yang andal.
• Azure AI Foundry – Simply Explained — Pahami platform Azure untuk membangun, mengevaluasi, menerapkan, dan mengelola solusi AI tingkat perusahaan.
• RAG on Azure – Simply Explained — Lihat bagaimana retrieval, grounding, izin, dan sitasi meningkatkan jawaban AI tingkat perusahaan.
• Microsoft Defender XDR – Simply Explained — Jelajahi sinyal keamanan, investigasi, dan kemampuan respons yang mendukung tata kelola AI.

Pertanyaan arsitektur yang perlu dijawab sebelum menskalakan Copilot

Gunakan dokumentasi Microsoft 365 Copilot di Microsoft Learn untuk arsitektur teknis dan panduan administrasi terkini.

Pertanyaan Umum

Apakah Copilot membuat salinan terpisah dari data perusahaan?

Keputusan arsitektur sebaiknya didasarkan pada pengalaman Copilot yang spesifik dan alur data yang terdokumentasi. Pertanyaan tata kelola intinya tetap sama: pengguna hanya boleh melihat konten yang memang sudah berhak mereka akses.

Apa risiko arsitektur pertama yang perlu ditangani?

Di banyak penyewa, oversharing dan kepemilikan yang tidak jelas adalah risiko pertama yang perlu ditinjau, karena Copilot membuat akses yang sudah ada menjadi lebih mudah dimanfaatkan.

🎧 Anda Juga Sebaiknya Dengarkan

Episode-episode ini memperluas fondasi identitas, tata kelola, dan desain AI di balik arsitektur enterprise Microsoft Copilot.

• AI Agents – Simply Explained memberikan kosakata arsitektur yang lebih luas untuk merancang alur kerja berbasis AI yang andal.
• Identity Governance in Microsoft Entra membahas siklus hidup identitas dan praktik tinjauan akses yang menjadi dasar akses Copilot yang aman.
• Microsoft Purview – Simply Explained menghubungkan arsitektur enterprise dengan perlindungan informasi, kepatuhan, dan kontrol audit.

Terakhir ditinjau: Juli 2026. Kemampuan arsitektur dan administrasi Microsoft Copilot berkembang dengan sering.