WEBVTT

00:00:00.000 --> 00:00:01.660
Anda masih melakukan audit Fabric secara manual?

00:00:02.100 --> 00:00:02.660
Menarik sekali.

00:00:03.060 --> 00:00:05.420
Itu berarti Anda secara sukarela menghabiskan akhir pekan

00:00:05.420 --> 00:00:07.160
untuk memeriksa silang data set Power BI,

00:00:07.380 --> 00:00:09.680
ruang kerja Fabric, dan klasifikasi Purview dengan spreadsheet.

00:00:10.280 --> 00:00:12.780
Mengagumkan, jika tujuan Anda adalah memenangkan penghargaan

00:00:12.780 --> 00:00:14.760
untuk penggunaan kecerdasan manusia yang paling tidak efisien.

00:00:15.400 --> 00:00:17.860
Tata keluar dari Microsoft Fabric tidak sulit karena fiturnya tidak ada.

00:00:18.680 --> 00:00:21.480
Ini sulit karena sistemnya menolak untuk berbicara dalam bahasa yang sama.

00:00:22.200 --> 00:00:24.580
Masih-masih beroperasi seperti manajer yang merasa penting

00:00:24.580 --> 00:00:26.220
dan bersikeras bahwa departemen mereka berbed.

00:00:26.860 --> 00:00:28.140
Purview melacak klasifikasi,

00:00:28.140 --> 00:00:30.500
Power BI menegakkan keamanan, Fabric menangani alur kerja,

00:00:30.620 --> 00:00:32.640
dan Anda harus menjadi wasit atas argumen mereka di Excel.

00:00:33.440 --> 00:00:36.100
Perkenalkan GPT-5 di dalam Microsoft 365 Copilot.

00:00:36.520 --> 00:00:38.860
Ini bukan asisten penggunaan yang sama yang Anda minta untuk meningkat catatan.

00:00:39.140 --> 00:00:40.200
Ini adalah auditor yang mengumpulkan.

00:00:40.640 --> 00:00:41.040
Apa bedanya?

00:00:41.460 --> 00:00:42.960
GPT-5 tidak hanya menemukan informasi,

00:00:43.120 --> 00:00:44.080
ia memahami hubungan antar dat.

00:00:44.640 --> 00:00:46.460
Dalam video ini, Anda akan mempelajari bagaimana

00:00:46.460 --> 00:00:48.740
ia mengotomatiskan tata kelola Fabric di seluruh layanan

00:00:48.740 --> 00:00:50.180
tanpa satupun verifikasi manual.

00:00:50.860 --> 00:00:53.200
Penalaran berantai yang akan datang mengubah pekerjaan kepatuhan

00:00:53.200 --> 00:00:54.680
yang membosankan menjadi logika murni.

00:00:55.500 --> 00:00:57.180
Mengapa tata kelola rusak di Microsoft Fabric?

00:00:57.180 --> 00:00:58.760
Inilah kebenaran yang tidak nyaman.

00:00:59.420 --> 00:01:01.940
Fabric menyatukan analitik tetapi lupa menyatukan tata kelola.

00:01:02.460 --> 00:01:03.560
Di balik dashboard yang mengilap,

00:01:03.640 --> 00:01:06.200
terdapat jaringan sistem yang berantakan dan saling berebut perhatian.

00:01:07.140 --> 00:01:09.200
Fabric menyimpan data, Power BI memvisualisasikannya,

00:01:09.280 --> 00:01:10.200
dan preview mengategorikannya,

00:01:10.340 --> 00:01:12.160
tetapi tidak satupun mereka berkomunikasi dengan lancar.

00:01:12.540 --> 00:01:14.260
Anda mungkin mengira mikros pembangunan untuk saling mikros.

00:01:14.680 --> 00:01:17.280
Dalam prakteknya, ini lebih seperti 3 jenius di meja konferensi,

00:01:17.440 --> 00:01:19.140
masing-masing berbicara dengan dialek jason mereka sendiri.

00:01:19.580 --> 00:01:21.660
Itulah mengapa tata kelola runtuh dibawa ambisinya sendiri.

00:01:21.880 --> 00:01:24.880
Anda memiliki leg house yang penuh dengan data sensitif,

00:01:24.880 --> 00:01:27.800
dashboard Power BI yang mereferensikannya dari 15 sudut,

00:01:27.920 --> 00:01:29.880
dan preview yang menetapkan label dalam isolasi total.

00:01:30.680 --> 00:01:34.240
Ketika auditor meminta bukti bahwa setiap dataset terklasifikasi telah diamankan,

00:01:34.560 --> 00:01:36.280
Anda menemukan bahwa Fabric mengetahui silsilah,

00:01:36.440 --> 00:01:37.280
preview mengetahui label,

00:01:37.580 --> 00:01:38.680
dan Power BI mengetahui peran,

00:01:38.760 --> 00:01:40.260
tetapi tidak ada yang tahu cerita lengkapnya.

00:01:40.960 --> 00:01:42.120
Hasilnya adalah spageti digital,

00:01:42.340 --> 00:01:45.300
mengkota berujung yang berisi bidang izin dan aliran yang saling terhubung.

00:01:46.200 --> 00:01:47.300
Setiap undan menyentuh yang lain,

00:01:47.740 --> 00:01:49.060
namun tidak satupun dari mereka mengoneksinya.

00:01:49.060 --> 00:01:52.320
Kantor tetap kelola akhirnya menarik ekspor API secara manual,

00:01:52.540 --> 00:01:54.580
memeriksa silang nama yang hampir tapi tidak sepenuhnya,

00:01:54.700 --> 00:01:57.380
cocok, dan berdebat dengan file CSV yang menolak untuk selarat.

00:01:57.960 --> 00:02:00.480
Audit rata-rata menjadi eksperimen sosiologi tentang kesabaran manusia.

00:02:00.980 --> 00:02:02.140
Ambil contoh Helena dari bagian keputusan.

00:02:02.540 --> 00:02:04.920
Dia pernah menghabiskan dua minggu untuk mencocokkan kumpulan data

00:02:04.920 --> 00:02:07.100
yang sangat rahasia di preview dengan batasan di Power BI.

00:02:07.820 --> 00:02:10.880
Dua minggu untuk mengetahui bahwa separuh aset salah diklasifikasikan

00:02:10.880 --> 00:02:14.100
dan separuh lainnya salah diberi label karena seseorang mengubah nama ruang kerja di tengah proyek.

00:02:14.640 --> 00:02:16.500
Fondisnya, jika Fabric memiliki hati norani,

00:02:16.720 --> 00:02:17.320
ia akan meminta maaf.

00:02:17.320 --> 00:02:20.280
Tetapi Fabric tidak memiliki, ia hanya mencatat kejadian dan tersenyum.

00:02:20.780 --> 00:02:22.480
Masalah sebenarnya bukan teknis, melainkan logis.

00:02:22.820 --> 00:02:26.320
Platform-platform ini sangat cemerlang dalam menyimpan fakta tetapi tidak tahu cara menalar fakta tersenyum.

00:02:26.480 --> 00:02:29.460
Mereka bisa memberitahu Anda apa yang ada, tetapi bukan bagaimana hal tersebut berhubungan dengan kau.

00:02:29.820 --> 00:02:31.880
Itulah sebabnya skrip dan query Anda hanya sampai di situ saja.

00:02:32.260 --> 00:02:33.980
Untuk memvalidasi kepatuhan di seluruh sistem,

00:02:34.160 --> 00:02:37.480
Anda memerlukan entitas yang mampu melakukan inferensi sesuatu yang tidak hanya melihat data,

00:02:37.620 --> 00:02:38.980
tetapi menyimpulkan hubungan di antaranya.

00:02:39.540 --> 00:02:43.840
Hadir GPT-5, pemagang pertama dalam sejarah Microsoft yang tidak memerlukan pengawasan konstan.

00:02:43.840 --> 00:02:47.220
Tidak seperti model co-pilot sebelumnya, ia tidak berhenti pada pencocokan kata kunci.

00:02:48.060 --> 00:02:51.240
Ia melakukan penalaran terstruktur, menghubungkan grafik silsilah Fabric,

00:02:51.540 --> 00:02:54.800
klasifikasi overview, dan model keamanan Power BI menjadi narasi yang terpadu.

00:02:55.960 --> 00:02:58.120
Ia membangun apa yang tidak bisa dilakukan oleh alat itu sendiri, yaitu.

00:02:58.620 --> 00:03:01.720
Tata kelola akhirnya beralih dari inspeksi tanpa akhir keotomatisasi cerdas,

00:03:01.820 --> 00:03:05.900
dan untuk pertama kalinya Anda dapat mengaudit sistem alih-alih mendiagnosis ke salah paham.

00:03:06.840 --> 00:03:08.420
Hadir GPT-5, penalaran.

00:03:08.420 --> 00:03:10.020
Sebagai mata rantai yang hilang.

00:03:10.600 --> 00:03:14.420
Mari kita perjelas, GPT-5 tidak sekadar bangun suatu pagi dan belajar mengetik lebih cepat.

00:03:15.300 --> 00:03:17.940
Berita utama mungkin berbicara tentang kecepatan, tetapi itu hanyalah efek samping.

00:03:18.280 --> 00:03:19.860
Berita utama yang sebenarnya adalah penalaran.

00:03:20.280 --> 00:03:23.600
Microsoft membangun logika rantai pemikiran langsung ke dalam otak operasional co-pilot.

00:03:24.360 --> 00:03:27.080
Artinya, model ini tidak sekadar memuntahkan dokumentasi

00:03:27.080 --> 00:03:30.680
yang mensimulasikan cara berpikir pakar manusia tanpa kecanduan COVID dan cuti tahunan.

00:03:31.080 --> 00:03:32.060
Bandingkan itu dengan GPT-4.

00:03:32.640 --> 00:03:34.100
Model sebelumnya seperti asisten rajin,

00:03:34.260 --> 00:03:36.020
yang menjawab pertanyaan persis seperti yang diucapkan.

00:03:36.020 --> 00:03:40.000
Tanyakan kepadanya tentang kebijakan perview dan ia akan dengan patuh tetap berada di dalam kotak pasir.

00:03:40.320 --> 00:03:40.720
Cerdas ya?

00:03:41.400 --> 00:03:41.960
Otonom tidak.

00:03:42.600 --> 00:03:45.460
Ia tidak bisa menyimpulkan bahwa pertanyaan Anda tentang akses set data

00:03:45.460 --> 00:03:49.320
mungkin juga memerlukan pemeriksaan silang peran power BI dan alur kerja Fabric.

00:03:49.980 --> 00:03:51.020
Anda harus menyuapi konteksnya.

00:03:51.680 --> 00:03:54.400
Sebaliknya, GPT-5 mempelajari konteksnya sendiri saat ia berjalan.

00:03:54.920 --> 00:03:58.280
Ia memperhatikan koneksi yang lupa Anda sebutkan dan menalar melaluinya sebelum merespons.

00:03:59.020 --> 00:04:01.340
Beginilah tampilannya di dalam Microsoft 365 Co-pilot.

00:04:01.340 --> 00:04:03.880
Saat Anda mengirimkan kuerita taklola,

00:04:04.240 --> 00:04:06.460
katakan tunjukkan semua aset Fabric yang berisi alamat pelanggan

00:04:06.460 --> 00:04:08.560
yang tidak diklasifikasikan di Purview, GPT-5,

00:04:08.700 --> 00:04:09.960
pemicu rantai penalaran internal.

00:04:11.100 --> 00:04:12.480
Langkah pertama, interpretasikan nyata.

00:04:13.020 --> 00:04:15.360
Ia mengenali permintaan itu bukan tentang satu sistem saja,

00:04:15.500 --> 00:04:17.520
melainkan tentang ketiga permukaan estate data Anda.

00:04:18.680 --> 00:04:19.260
Langkah kedua,

00:04:19.500 --> 00:04:21.580
ia meluncurkan utas mental terpisah satu per domain.

00:04:22.080 --> 00:04:23.440
Fabric menyediakan silsila data,

00:04:23.440 --> 00:04:25.540
Purview menyumbangkan metadata klasifikasi,

00:04:25.740 --> 00:04:28.140
dan Power BI mengekspos konfigurasi keamanan.

00:04:28.140 --> 00:04:28.960
Langkah ketiga,

00:04:29.360 --> 00:04:32.800
ia menyatukan utas-utas tersebut dengan menyelaraskan pengenal dan meriksa silang semantik

00:04:32.800 --> 00:04:34.260
sehingga jawaban akhir diverifikasi,

00:04:34.440 --> 00:04:36.240
bukan diverifikasi, bukan diperkirakan.

00:04:36.840 --> 00:04:38.080
Co-pilot lama menjahit informasi,

00:04:38.300 --> 00:04:39.740
Co-pilot baru memvalidasi logika.

00:04:40.200 --> 00:04:42.520
Itu adalah sebabnya perbandingan kecepatan yang sederhana melewakan kone otomat.

00:04:42.780 --> 00:04:45.260
Bagian yang inovatif bukanlah seberapa cepat ia membalas,

00:04:45.380 --> 00:04:48.300
melainkan bahwa setiap balasan memiliki penalaran internal yang sudah tertanam.

00:04:48.460 --> 00:04:51.720
Seolah-olah Power Automate bersekolah lulus dengan predikat sumacum laude

00:04:51.720 --> 00:04:54.060
dan kembali dengan dekat untuk menegakkan klausul kepatuhan.

00:04:54.060 --> 00:04:56.680
Kebanyakan pengguna menganggap penalaran sebagai sikap bertelik.

00:04:57.100 --> 00:04:59.360
Mereka berasumsi penjelasan yang panjang berarti modal sedang pamer.

00:04:59.960 --> 00:05:03.560
Tidak, penjelasan itu adalah bukti pertimbangan mendokumentasikan jejak audit kognitifnya.

00:05:03.980 --> 00:05:06.440
Sama seperti auditor menulis catatan pendukung setiap kesimpulan,

00:05:06.700 --> 00:05:08.720
GPT-5 menguraikan langkah logis yang diikutinya.

00:05:09.400 --> 00:05:11.400
Jejak audit itu bukan basa-basi, melainkan perlindungan.

00:05:12.240 --> 00:05:14.280
Saat regulator bertanya bagaimana kesimpulan dicapai,

00:05:14.280 --> 00:05:16.800
Anda punya jawaban di luar sekadar co-pilot yang bilang begitu.

00:05:17.540 --> 00:05:18.720
Mari kita berada modal fungsional ini.

00:05:18.720 --> 00:05:20.600
Bayangkan sebagai alur tiga tahap,

00:05:20.880 --> 00:05:24.620
interpretasi permintaan, penalaran multidomain, dan sintesis terverifikasi.

00:05:25.760 --> 00:05:28.440
Pada tahap pertama, co-pilot memproses bahasa sesuai konteks,

00:05:29.040 --> 00:05:32.400
memahami bahwa data sensitif tanpa label berarti ada celah klasifikasi per view.

00:05:34.320 --> 00:05:35.180
Pada tahap kedua,

00:05:35.180 --> 00:05:39.880
ia menalar lintas bidang data secara simultan mengorelasikan kolom yang tidak identik

00:05:39.880 --> 00:05:44.320
tapi terkait secara fungsi seperti mencocokkan customer ID di Fabric dengan cash ID di Power BI.

00:05:44.320 --> 00:05:47.240
Pada tahap sintesis akhir,

00:05:47.380 --> 00:05:51.300
ia meverifikasi silang setiap tautan yang disimpulkan sebelum menyajikan ringkasan yang bisa Anda percaya.

00:05:51.780 --> 00:05:53.920
Dan yang mengejutkan, Anda tidak pernah memintanya melakukan resmu.

00:05:54.560 --> 00:05:57.680
Proses penalaran berjalan secara tak terlihat seperti komite internal mini

00:05:57.680 --> 00:05:59.980
yang mendebat bukti sebelum juru bicara berbicara.

00:06:00.760 --> 00:06:02.760
Dan itulah maksud Microsoft dengan Embedded Chain of Thought.

00:06:03.580 --> 00:06:07.120
IPT-5 memilih kapan penalaran lebih dalam diperlukan dan menerapkannya secara otomatis.

00:06:07.860 --> 00:06:10.680
Jadi, saat Anda mengajukan pertanyaan kepatuhan yang tampak sederhana,

00:06:10.680 --> 00:06:14.480
tabel leg host man yang berisi PII tapi tidak memiliki artefak power BI terkait.

00:06:15.140 --> 00:06:17.880
Sebagai aturan, IPT-5 tidak menggunakan pencarian kata kunci.

00:06:18.320 --> 00:06:21.240
Ia menyusun ulang grafik silsila, mereferensikan silang tech purview,

00:06:21.900 --> 00:06:26.260
menafsirkan ikatan keamanan, dan memunculkan ketidakcocokan yang dapat diverifikasi di semua set data.

00:06:27.140 --> 00:06:29.180
Hasilnya bukan tebakan menainkan kesimpulan yang diturunkan.

00:06:29.840 --> 00:06:33.560
Dan ini akhirnya memecahkan masalah tata kelola yang tidak pernah bisa diartikulasikan oleh Fabric sendiri.

00:06:34.360 --> 00:06:37.140
Untuk pertama kalinya, kebenaran kontekstual menggantikan korelasi manual.

00:06:37.140 --> 00:06:40.760
Anda menghabiskan lebih sedikit waktu mengumpulkan fragment dan lebih banyak waktu menafsirkan seret.

00:06:40.960 --> 00:06:42.960
Model melakukan pemikiran telasional atas nama Anda,

00:06:43.100 --> 00:06:46.080
seperti mendelegasikan analisis kepada seseorang yang tidak hanya membaca kebijakan,

00:06:46.180 --> 00:06:48.540
tetapi juga membaca kebijakan, tetapi juga memahami politik dibaliknya.

00:06:48.660 --> 00:06:50.020
Jadi, seberapa berbeda ke hari Anda nanti?

00:06:50.560 --> 00:06:52.960
Bayangkan seorang intern yang memprediksi objek kebijakan,

00:06:53.220 --> 00:06:55.000
makna yang tumpang tindi sebelum Anda membuat query,

00:06:55.160 --> 00:06:56.900
menjelaskan penalarannya baris demi baris,

00:06:57.160 --> 00:06:59.660
dan tidak mengganggu kecuali ada konflik data yang nyata, tulik.

00:07:00.600 --> 00:07:02.200
Itulah GP terima di langkau pilot intern,

00:07:02.200 --> 00:07:05.340
yang dipromosikan menjadi petugas kepatuan yang bekerja senyap selalu menalar.

00:07:06.100 --> 00:07:08.040
Sekarang mari kita terapkan dalam audit yang sebenarnya.

00:07:09.180 --> 00:07:10.580
Cara lama versus cara GPT 5.

00:07:11.440 --> 00:07:12.400
Mari kita jelani sebenarnya nyata.

00:07:13.620 --> 00:07:14.120
Tugas Anda,

00:07:14.460 --> 00:07:18.100
konfirmasikan setiap set data di Fabric Lakehouse yang berisi informasi identitas pribadi

00:07:18.100 --> 00:07:21.700
telah diklasifikasikan di Purview dan dilindungi oleh keamanan tingkat baris di Power BI.

00:07:22.880 --> 00:07:24.200
Tujuan yang lugas, eksekusi yang katastrofik,

00:07:24.200 --> 00:07:28.180
alur kerja lama menyerupai perburuan harta karun yang dirancang oleh penyiksa diri.

00:07:28.620 --> 00:07:30.920
Anda membuka Power BI untuk mengekspor peran akses,

00:07:31.220 --> 00:07:32.940
masuk ke Purview untuk mendaftar aset per label,

00:07:33.140 --> 00:07:36.340
lalu mengekspor metadata alur Fabric dengan harapan nama kolomnya cocok.

00:07:36.880 --> 00:07:37.500
Jarang sekali cocok.

00:07:37.800 --> 00:07:40.820
Tiga dashboard, empat ekspor, dua migrasi, dan tetap tidak ada kepastian.

00:07:41.360 --> 00:07:43.640
Anda mendamaikan data yang hidup di semesta paralel.

00:07:44.060 --> 00:07:45.200
Pembelet versi lama tidak banyak ember.

00:07:45.600 --> 00:07:46.960
Ia bisa meringkas di dalam tiap layanan,

00:07:46.960 --> 00:07:49.100
tetapi tidak punya perkat intelektual untuk menghubungkannya.

00:07:49.860 --> 00:07:50.260
Pemintanya,

00:07:50.460 --> 00:07:53.220
mencantumkan kumpulan data terklasifikasi Purview yang digunakan di Power BI,

00:07:53.220 --> 00:07:55.300
hanya menghasilkan daftar terpisah secara sopan.

00:07:55.860 --> 00:07:58.740
Rasanya seperti mempekerjakan tiga penerjemah yang masing-masing hanya tahu satu bahasa.

00:07:59.340 --> 00:08:01.440
Ya, mereka berbicara dengan lancar, tapi tidak pernah satu sama lain.

00:08:01.840 --> 00:08:04.400
Audit berakhir dengan Anda berdoa agar nama-namanya selara secara kebetulan.

00:08:04.800 --> 00:08:05.500
Bocorannya tidak pernah.

00:08:06.120 --> 00:08:07.100
Sekarang masuk lagi PT 5.

00:08:07.940 --> 00:08:09.680
Query yang sama mekanisme otak yang benar-benar beda.

00:08:10.280 --> 00:08:12.440
Anda berkata audit semua aset Fabric dengan PEI

00:08:12.440 --> 00:08:14.940
untuk mengonfirmasi klasifikasi dan batasan keamanan.

00:08:15.940 --> 00:08:19.280
Copyright yang ditenagai GPT 5 menafsirkan pernyataan tersebut secara holistik.

00:08:19.900 --> 00:08:20.400
Langkah satu,

00:08:20.400 --> 00:08:25.000
ia menanyakan grafik silsilah internal Fabric melacak setiap artefak yang merujuk data pelanggan.

00:08:26.000 --> 00:08:27.320
Ia tidak berhenti di kontainer penyimpanan.

00:08:27.960 --> 00:08:30.220
Ia mengikuti transformasi melalui buku catatan dan lalu.

00:08:30.820 --> 00:08:31.360
Langkah dua,

00:08:31.620 --> 00:08:33.360
ia mengambil tabel klasifikasi Purview

00:08:33.360 --> 00:08:36.420
untuk memverifikasi apakah artefak tersebut membawa label data sensitif.

00:08:37.080 --> 00:08:37.720
Langkah tiga,

00:08:38.220 --> 00:08:39.300
ia masuk ke Power BI

00:08:39.300 --> 00:08:41.600
untuk memeriksa pemetaan keamanan tingkat baris

00:08:41.600 --> 00:08:44.100
terhadap pengenal silsilah yang sama yang diekspos Fabric.

00:08:44.900 --> 00:08:45.420
Langkah empat,

00:08:45.560 --> 00:08:47.920
ia menggabungkan pengetahuan itu menjadi ringkasan kepatuhan tunggal,

00:08:47.920 --> 00:08:50.920
lengkap dengan ketidak konsisten yang belum terselesaikan dan ditandai sebagai risiko.

00:08:51.320 --> 00:08:52.960
Anda sama sekali tidak menyebutkan secara eksplisit

00:08:52.960 --> 00:08:55.060
untuk mengurasikan ID atau menggabungkan berdasarkan nama kumun.

00:08:56.040 --> 00:08:57.460
Lapisan penalar menyimpulkannya sendiri.

00:08:57.700 --> 00:08:59.540
Karena GPT 5 menyusun logika secara internal,

00:08:59.820 --> 00:09:03.440
ia mengidentifikasi hubungan yang biasanya dikonfirmasi auditor manusia secara manual.

00:09:04.420 --> 00:09:05.380
Ini bukan pencocokan pola,

00:09:05.480 --> 00:09:07.080
ini adalah inferensi dalam skala perusahaan.

00:09:07.080 --> 00:09:08.580
Untuk mendapatkan wawasan,

00:09:08.680 --> 00:09:09.660
mari kita berdoa urutan penalar.

00:09:10.580 --> 00:09:11.560
Identifikasi cocokkan,

00:09:11.720 --> 00:09:12.220
periksa silang,

00:09:12.420 --> 00:09:12.780
sintesis.

00:09:13.340 --> 00:09:13.660
Pertama,

00:09:13.740 --> 00:09:15.580
identifikasi sisilahnya apa yang berasal dari mana.

00:09:16.100 --> 00:09:16.340
Kedua,

00:09:16.440 --> 00:09:17.640
cocokkan kumpulan data dengan label preview.

00:09:18.240 --> 00:09:18.540
Ketiga,

00:09:18.660 --> 00:09:21.040
periksa silang batasan Power BI untuk kumpulan data yang sama tersebut.

00:09:21.740 --> 00:09:22.060
Terakhir,

00:09:22.180 --> 00:09:24.520
sintesis semuanya menjadi laporan tata kelola yang terverifikasi.

00:09:25.080 --> 00:09:26.340
Seluruh siklus dieksekusi dengan

00:09:26.340 --> 00:09:27.480
satu query menggantikan

00:09:27.480 --> 00:09:28.680
jam kerja triase manual.

00:09:29.800 --> 00:09:31.020
Yang membuat ini kuat bukanlah sihir,

00:09:31.120 --> 00:09:31.940
melainkan konsistensi.

00:09:32.700 --> 00:09:33.740
Auditor manusia bisa berbuat salah.

00:09:33.740 --> 00:09:35.040
Mereka melupakan nama alur data,

00:09:35.140 --> 00:09:36.560
melewarkan tabel yang diklasifikasi ulang,

00:09:36.660 --> 00:09:37.380
dan kehilang kesabaran.

00:09:37.820 --> 00:09:38.600
GPT-5 tidak begitu.

00:09:39.020 --> 00:09:40.240
Ia memperlakukan setiap catatan

00:09:40.240 --> 00:09:41.520
sebagai bagian dari rantai logis,

00:09:41.620 --> 00:09:43.500
melacak hubungan hingga ambang batas kepercayaan terpenuhi.

00:09:44.140 --> 00:09:44.880
Dalam praktiknya,

00:09:45.080 --> 00:09:46.500
itu berarti tata kelola fabrik berhenti

00:09:46.500 --> 00:09:47.460
menjadi permainan tebak-tebakan

00:09:47.460 --> 00:09:48.220
dan mulai menjadi auditor.

00:09:48.540 --> 00:09:49.660
Model ini mereduksi kepatuhan

00:09:49.660 --> 00:09:51.100
menjadi persamaan yang bisa dipecahkan.

00:09:51.480 --> 00:09:52.920
Mari tambahkan sedikit rasa tidak percaya di manusia.

00:09:53.380 --> 00:09:54.360
Selama tinjauan tertutup,

00:09:54.460 --> 00:09:55.680
seorang pimpinan TI melakukan audit

00:09:55.680 --> 00:09:57.240
lintas layanan dengan harapan GPT-5

00:09:57.240 --> 00:09:58.120
akan kesulitan menangani

00:09:58.120 --> 00:09:59.360
pengidentifikasi yang tidak konsisten.

00:09:59.920 --> 00:10:00.400
Sebaliknya,

00:10:00.560 --> 00:10:01.500
model tersebut menyimpulkan

00:10:01.500 --> 00:10:02.340
pemetaan dengan benar,

00:10:02.520 --> 00:10:04.040
mengenali bahwa ID pelanggan di Power BI

00:10:04.040 --> 00:10:05.320
merujuk pada bidang yang sama

00:10:05.320 --> 00:10:06.540
dengan kunci pelanggan di fabrik.

00:10:07.200 --> 00:10:08.240
Pimpinan tersebut menatap hasilnya

00:10:08.240 --> 00:10:09.620
seolah sistem itu bisa membaca pikiran.

00:10:10.200 --> 00:10:10.560
Sebenarnya,

00:10:10.660 --> 00:10:11.540
sistem itu membaca metadata

00:10:11.540 --> 00:10:12.640
dengan jauh lebih baik dari itu.

00:10:13.260 --> 00:10:13.860
Gak mempencerahannya.

00:10:14.560 --> 00:10:15.700
Kompleksitas perintah yang sama,

00:10:15.900 --> 00:10:17.060
penalaran yang jauh lebih cerdas,

00:10:17.620 --> 00:10:19.180
Anda tidak menjadi auditor yang lebih baik dalam sebuah.

00:10:19.420 --> 00:10:20.200
Sistem yang menjadi lebih baik.

00:10:20.460 --> 00:10:21.620
Dan tiba-tiba tugas yang dulunya

00:10:21.620 --> 00:10:22.760
memerlukan skrip, ekspor,

00:10:22.760 --> 00:10:23.800
dan kerja lembur akhir pekan

00:10:23.800 --> 00:10:25.140
berkurang menjadi sekadar perintah pecahkan.

00:10:25.300 --> 00:10:26.260
Banya tunggu tingjau.

00:10:26.640 --> 00:10:27.820
Penalaran menangani korelasinya.

00:10:28.480 --> 00:10:29.260
Perhatikan suatu yang halus.

00:10:29.960 --> 00:10:31.200
Kopilot kini memberikan penjelasan,

00:10:31.300 --> 00:10:32.120
bukan sekadar jawaban.

00:10:33.180 --> 00:10:34.220
Laporannya mencakup alasan

00:10:34.220 --> 00:10:35.060
untuk setiap kesimpulan.

00:10:35.760 --> 00:10:36.740
Jalur pelacakan silsilah,

00:10:36.900 --> 00:10:37.620
sumber klasifikasi,

00:10:37.720 --> 00:10:38.880
dan kebijakan AS yang diterapkan.

00:10:39.400 --> 00:10:40.920
Transparansi tersebut mengubah audit

00:10:40.920 --> 00:10:42.040
dari dokumentasi reaktif

00:10:42.040 --> 00:10:43.020
menjadi bukti yang hidup.

00:10:43.640 --> 00:10:45.140
Anda dapat menunjukkan kepada manajemen

00:10:45.140 --> 00:10:46.420
mengapa suatu set data gagal

00:10:46.420 --> 00:10:46.920
dalam kepatuhan

00:10:46.920 --> 00:10:48.120
tanpa harus membaca orang tiga ekspor.

00:10:48.420 --> 00:10:49.640
AI telah membuktikan logikanya.

00:10:49.640 --> 00:10:50.940
Secara ekonomi ini

00:10:50.940 --> 00:10:51.800
bersifat transformatik.

00:10:52.340 --> 00:10:53.080
Biaya audit manual

00:10:53.080 --> 00:10:54.440
bukan hanya soal tenaga kerja,

00:10:54.600 --> 00:10:55.160
melainkan peluang.

00:10:55.620 --> 00:10:56.520
Setiap jam yang dihabiskan

00:10:56.520 --> 00:10:57.500
untuk merekonsilasi CSV

00:10:57.500 --> 00:10:58.460
adalah jam yang tidak digunakan

00:10:58.460 --> 00:10:59.340
untuk meningkatkan arsitek.

00:10:59.920 --> 00:11:01.160
GPT-5 membahasih banget tersebut.

00:11:01.540 --> 00:11:02.720
Anda mendapatkan kembali waktu,

00:11:03.080 --> 00:11:03.920
mengurangi kesalahan,

00:11:04.180 --> 00:11:05.340
dan menetapkan pola kepatuhan

00:11:05.340 --> 00:11:06.040
yang dapat diulang

00:11:06.040 --> 00:11:06.860
di seluruh penyewa.

00:11:07.660 --> 00:11:08.320
Perubahan ini terlupa.

00:11:08.940 --> 00:11:09.780
Tata kelola bergeser

00:11:09.780 --> 00:11:10.760
dari kepanikan episodik

00:11:10.760 --> 00:11:11.980
menjadi jaminan berkelanjutan.

00:11:12.680 --> 00:11:13.420
Dan secara filosofi

00:11:13.420 --> 00:11:14.360
sesuatu yang lebih dan terjadi.

00:11:15.000 --> 00:11:16.120
Tabrik dulunya terasa buram.

00:11:16.120 --> 00:11:17.280
Mesin besar dengan terlalu banyak

00:11:17.280 --> 00:11:18.140
kompartemen rahasia.

00:11:18.820 --> 00:11:19.560
Dengan GPT-5

00:11:19.560 --> 00:11:21.100
yang menyaksikan kompartemen tersebut.

00:11:21.220 --> 00:11:22.160
Menyalah batas antara

00:11:22.160 --> 00:11:23.160
Purview, Power BI,

00:11:23.360 --> 00:11:24.140
dan Fabrik memudar

00:11:24.140 --> 00:11:25.300
menjadi satu skema terhubung

00:11:25.300 --> 00:11:26.300
yang diawasi oleh kecerdasan

00:11:26.300 --> 00:11:27.020
yang terus menalar.

00:11:28.020 --> 00:11:28.920
Anda tidak lagi merangkak

00:11:28.920 --> 00:11:29.980
melalui log Anda mengelola

00:11:29.980 --> 00:11:30.940
akuntabilitas sistemik.

00:11:31.720 --> 00:11:32.040
Jadi ya,

00:11:32.140 --> 00:11:33.020
generasi auditor spreadsheet

00:11:33.020 --> 00:11:33.860
yang menggunakan papan klip

00:11:33.860 --> 00:11:34.640
akhirnya bisa beristirahat.

00:11:35.300 --> 00:11:36.240
PT-5 dalam Copa-Lot

00:11:36.240 --> 00:11:37.040
telah menginternalisasi

00:11:37.040 --> 00:11:37.620
metode mereka,

00:11:37.800 --> 00:11:38.880
menyempurnakan kekacauan mereka,

00:11:39.040 --> 00:11:40.080
dan mengotomatiskan niat mereka.

00:11:40.320 --> 00:11:41.340
Visibilitas bukan lagi masalah.

00:11:41.800 --> 00:11:42.820
Verifikasi terjadi serinstan.

00:11:43.480 --> 00:11:44.740
Dan sekarang setelah logika tertangani,

00:11:44.820 --> 00:11:46.080
kita bisa membahas dampak selanjutnya

00:11:46.080 --> 00:11:47.460
apa yang dilakukan otomatisasi ini

00:11:47.460 --> 00:11:48.100
terhadap anggaran,

00:11:48.220 --> 00:11:48.740
posisi kepatuhan,

00:11:48.820 --> 00:11:49.460
dan kewarasan Anda.

00:11:50.920 --> 00:11:52.860
Dampak bisnis dari kepatuhan reaktif

00:11:52.860 --> 00:11:53.840
menjadi prediktif.

00:11:54.480 --> 00:11:55.620
Mari kita kuantifikasi hal ini

00:11:55.620 --> 00:11:56.560
secara rasional sebelum ada

00:11:56.560 --> 00:11:57.080
yang mulai merayakan

00:11:57.080 --> 00:11:57.980
keajiban produktivitas.

00:11:58.320 --> 00:11:59.380
Audit manual tidak hanya lambat,

00:11:59.460 --> 00:12:00.300
tetapi juga bentuk tindakan

00:12:00.300 --> 00:12:01.040
merugikan diri sendiri

00:12:01.040 --> 00:12:01.880
yang mahal secara finansial.

00:12:02.120 --> 00:12:02.980
Setiap tinjauan teriwulanan

00:12:02.980 --> 00:12:04.200
memerlukan analis manusia

00:12:04.200 --> 00:12:05.760
untuk menarik metod hatta,

00:12:05.920 --> 00:12:06.800
menyelaraskan ekspor,

00:12:06.800 --> 00:12:08.080
memverifikasi klasifikasi,

00:12:08.180 --> 00:12:09.380
dan membenarkan ketidaksesuaian

00:12:09.380 --> 00:12:10.660
aktivitas yang tidak menghasilkan

00:12:10.660 --> 00:12:11.540
keungkulan kompetitif.

00:12:12.020 --> 00:12:12.940
Jadi Anda pada dasarnya

00:12:12.940 --> 00:12:14.140
membayar ahli untuk mengawasi lo.

00:12:14.660 --> 00:12:15.600
Dipat gendakan hal itu

00:12:15.600 --> 00:12:16.640
di seluruh unit bisnis

00:12:16.640 --> 00:12:17.560
dan tata kelola berhenti

00:12:17.560 --> 00:12:18.420
menjadi fungsi kontrol.

00:12:19.000 --> 00:12:19.940
Itu menjadi pajak tersembunyi.

00:12:20.280 --> 00:12:21.380
Sekarang amati apa yang terjadi

00:12:21.380 --> 00:12:22.700
saat otomatisasi penerbangan masuk.

00:12:23.300 --> 00:12:24.300
GPT-Limut tidak sekadar

00:12:24.300 --> 00:12:25.660
mempercepat pemeriksaan individual.

00:12:26.260 --> 00:12:26.980
Ia mendefinisikan

00:12:26.980 --> 00:12:28.260
ulang sifat temporal kepatuhan.

00:12:29.380 --> 00:12:30.840
Dulu, snapshot statistik

00:12:30.840 --> 00:12:32.500
jadwalkan setiap siklus fiskal

00:12:32.500 --> 00:12:33.880
yang akurasinya menurun

00:12:33.880 --> 00:12:35.080
saat alur kerja berubah.

00:12:35.840 --> 00:12:37.220
Sekarang, jaminan berkelanjutan

00:12:37.220 --> 00:12:38.680
didukung oleh korelasi otomatis.

00:12:39.600 --> 00:12:40.680
Pola lama mencari kesalahan

00:12:40.680 --> 00:12:41.780
setelah kesalahan itu terjadi.

00:12:42.180 --> 00:12:43.220
Pola baru mengantisipasinya

00:12:43.220 --> 00:12:44.640
sebelum kesalahan itu menyebar luas.

00:12:45.000 --> 00:12:46.020
Pertimbangkan audit prediktif.

00:12:46.620 --> 00:12:48.280
Karena GPT-Limut memahami hubungan,

00:12:48.380 --> 00:12:49.800
ia mengenali saat pergeseran data

00:12:49.800 --> 00:12:50.500
mulai terjadi.

00:12:51.140 --> 00:12:51.760
Katakanlah seseorang

00:12:51.760 --> 00:12:53.000
memodifikasi notebook fabric

00:12:53.000 --> 00:12:54.020
yang memasuk tabel data plan.

00:12:54.600 --> 00:12:55.940
Modal tersebut langsung menyimpulkan

00:12:55.940 --> 00:12:57.380
bahwa cakupan klasifikasi perfume

00:12:57.380 --> 00:12:58.340
mungkin tidak lagi cocok.

00:12:58.860 --> 00:12:59.780
Memberikan peringatan sebelum

00:12:59.780 --> 00:13:00.740
telah muncul dalam laporan.

00:13:00.740 --> 00:13:02.160
Ini seperti sistem imun

00:13:02.160 --> 00:13:03.160
yang tertanam dalam copilot

00:13:03.160 --> 00:13:04.020
mendeteksi infeksi

00:13:04.020 --> 00:13:04.800
sebelum muncul gejala.

00:13:05.600 --> 00:13:06.420
Dalam tata kelola itu

00:13:06.420 --> 00:13:07.160
adalah sebuah evolusi.

00:13:07.600 --> 00:13:08.500
Matematika operasionalnya pun

00:13:08.500 --> 00:13:09.120
sampai mengusankannya.

00:13:09.760 --> 00:13:10.640
Siklus audit yang tadinya

00:13:10.640 --> 00:13:11.580
memakan waktu berhari kini

00:13:11.580 --> 00:13:12.180
selesai dalam itu.

00:13:13.260 --> 00:13:14.080
Model ini melakukan

00:13:14.080 --> 00:13:15.060
penalaran korelasional

00:13:15.060 --> 00:13:15.740
lintas platform

00:13:15.740 --> 00:13:16.600
lebih cepat daripada

00:13:16.600 --> 00:13:17.380
skrip konvensional

00:13:17.380 --> 00:13:18.660
saat mengautentikasi koneksi.

00:13:19.580 --> 00:13:20.280
Itu bukan hiperbola,

00:13:20.400 --> 00:13:21.380
itu realitas komputasi.

00:13:22.380 --> 00:13:23.280
Penalaran memungkinkan

00:13:23.280 --> 00:13:24.180
copilot menjalankan

00:13:24.180 --> 00:13:25.080
validasi serentak,

00:13:25.300 --> 00:13:26.060
mengubah alur kerja

00:13:26.060 --> 00:13:27.380
sekuensial menjadi paralel.

00:13:28.080 --> 00:13:28.560
Hasilnya,

00:13:28.560 --> 00:13:29.340
waktu kembali,

00:13:30.740 --> 00:13:32.100
Tuhan terjaga dalam skala besar.

00:13:32.880 --> 00:13:33.580
Keyakinan tumbuh

00:13:33.580 --> 00:13:34.500
seiring dengan kecepatan.

00:13:35.140 --> 00:13:36.020
Audit lama bergantung

00:13:36.020 --> 00:13:36.720
pada penggabungan

00:13:36.720 --> 00:13:37.240
yang tidak lengkap

00:13:37.240 --> 00:13:38.080
dan inferensi manual,

00:13:38.380 --> 00:13:39.360
sekadar tebakan yang dibungkus

00:13:39.360 --> 00:13:40.020
laporan formal.

00:13:40.880 --> 00:13:41.740
JPT 5 menggantikan

00:13:41.740 --> 00:13:43.260
estimasi dengan verifikasi silam.

00:13:44.120 --> 00:13:44.920
Saat ia menyatakan

00:13:44.920 --> 00:13:45.820
kumpulan data patuh,

00:13:46.080 --> 00:13:47.180
itu karena silsilah

00:13:47.180 --> 00:13:48.420
klasifikasi dan kebijakan

00:13:48.420 --> 00:13:49.080
keamanan selaras

00:13:49.080 --> 00:13:50.400
dengan logika yang dapat diamati,

00:13:50.560 --> 00:13:51.140
bukan asumsi.

00:13:51.840 --> 00:13:52.440
Manager berhenti

00:13:52.440 --> 00:13:53.320
menandatangani laporan

00:13:53.320 --> 00:13:53.900
yang diam-diam mereka.

00:13:54.140 --> 00:13:55.320
Para eksekutif mendapatkan

00:13:55.320 --> 00:13:55.860
kembali kepercayaan

00:13:55.860 --> 00:13:56.340
berhasil berminat.

00:13:57.100 --> 00:13:58.160
Organisasi beralih dari

00:13:58.160 --> 00:13:59.140
kami rasa kami patuh

00:13:59.140 --> 00:14:00.340
menjadi kami dapat membuktikannya

00:14:00.340 --> 00:14:01.100
secara terprogram.

00:14:02.000 --> 00:14:02.760
Skalabilitas adalah

00:14:02.760 --> 00:14:03.480
kemenangan yang tenang.

00:14:03.900 --> 00:14:04.120
Dulu,

00:14:04.300 --> 00:14:05.180
tata kelola berskala

00:14:05.180 --> 00:14:06.480
linier dengan jumlah staff.

00:14:07.260 --> 00:14:07.880
Setiap ruang kerja

00:14:07.880 --> 00:14:08.960
baru menuntut tenaga kerja

00:14:08.960 --> 00:14:09.520
yang sebanding.

00:14:10.780 --> 00:14:11.780
Dengan penalaran kopilot,

00:14:11.900 --> 00:14:12.900
skala menjadi logaritmik.

00:14:14.140 --> 00:14:14.980
Satu model penalaran

00:14:14.980 --> 00:14:15.760
dapat mengawasi

00:14:15.760 --> 00:14:16.980
ribuan aset secara bersamaan,

00:14:17.160 --> 00:14:18.120
mempelajari pola sistemik

00:14:18.120 --> 00:14:18.880
daripada mengulangi

00:14:18.880 --> 00:14:19.500
langkah manual.

00:14:20.460 --> 00:14:21.440
Saat penyewa baru muncul,

00:14:21.680 --> 00:14:22.560
mereka mewarisi struktur

00:14:22.560 --> 00:14:23.280
tata kelola yang telah

00:14:23.280 --> 00:14:24.100
tervalidasi alih-alih

00:14:24.100 --> 00:14:24.940
kekacauan yang dibuat khusus.

00:14:25.520 --> 00:14:25.920
Dan ya,

00:14:25.920 --> 00:14:27.260
GPT-5 memiliki ingatan

00:14:27.260 --> 00:14:27.780
yang lebih tajam

00:14:27.780 --> 00:14:28.340
daripada spesit

00:14:28.340 --> 00:14:29.280
bersama tim kepatuan Anda.

00:14:29.760 --> 00:14:30.660
Ia tidak hanya melacak file

00:14:30.660 --> 00:14:31.580
yang belum diklasifikasikan,

00:14:31.700 --> 00:14:32.180
ia mengingat mengapa

00:14:32.180 --> 00:14:32.800
file tersebut lewat.

00:14:33.340 --> 00:14:34.040
Konteks tersebut

00:14:34.040 --> 00:14:34.820
mengubah perbaikan

00:14:34.820 --> 00:14:35.460
dari pembersihan

00:14:35.460 --> 00:14:36.220
menjadi pencegahan.

00:14:37.080 --> 00:14:38.020
Pada siklus berikutnya,

00:14:38.220 --> 00:14:38.740
model melakukan

00:14:38.740 --> 00:14:39.580
pemeriksaan mandiri

00:14:39.580 --> 00:14:40.800
pada titik-titik lemah tersebut

00:14:40.800 --> 00:14:41.440
terlebih dahulu

00:14:41.440 --> 00:14:42.420
yang berarti CSV Anda

00:14:42.420 --> 00:14:43.020
yang terlupakan,

00:14:43.300 --> 00:14:44.040
yang terselip di folder

00:14:44.040 --> 00:14:44.880
aliran data acak

00:14:44.880 --> 00:14:45.520
akhirnya terungkap

00:14:45.520 --> 00:14:46.480
sebelum mempermalukan Anda

00:14:46.480 --> 00:14:47.220
dalam rapat audit.

00:14:48.000 --> 00:14:48.800
Kemajuan terkadang

00:14:48.800 --> 00:14:49.780
terasa seperti pengawasan

00:14:49.780 --> 00:14:50.480
dan dalam kasus ini

00:14:50.480 --> 00:14:51.140
memang itulah tujuan.

00:14:51.760 --> 00:14:52.460
Secara ekonomi,

00:14:52.560 --> 00:14:53.640
implikasinya berdampak luas.

00:14:54.160 --> 00:14:55.240
Waktu audit yang berkurang,

00:14:55.460 --> 00:14:56.840
berarti jam kerja teknis kembali

00:14:56.840 --> 00:14:58.300
lebih sedikit penalti regulasi

00:14:58.300 --> 00:14:59.320
dan risiko reputasi

00:14:59.320 --> 00:14:59.960
yang lebih rendah.

00:15:00.500 --> 00:15:01.200
Pendanaan tata kelola

00:15:01.200 --> 00:15:02.220
beralih dari mitigasi

00:15:02.220 --> 00:15:03.620
krisis kepengembangan kapabilitas.

00:15:04.380 --> 00:15:05.380
Alih-alih merekrut kontraktor

00:15:05.380 --> 00:15:06.320
untuk menambah spreadsheet

00:15:06.320 --> 00:15:07.160
tim berinvestasi

00:15:07.160 --> 00:15:07.900
dalam menyempurnakan

00:15:07.900 --> 00:15:08.660
prom dan konektor

00:15:08.660 --> 00:15:09.200
yang meningkatkan

00:15:09.200 --> 00:15:10.300
mesin penalaran itu sendiri.

00:15:10.820 --> 00:15:11.540
Anda berhenti bekerja

00:15:11.540 --> 00:15:12.100
demi kepatuan

00:15:12.100 --> 00:15:12.580
dan mulai membawa

00:15:12.580 --> 00:15:13.360
kepatuan bekerjaan untuk.

00:15:13.800 --> 00:15:14.540
Pergesaran budaya ini

00:15:14.540 --> 00:15:14.980
terasa halus,

00:15:14.980 --> 00:15:15.500
namun mendalam.

00:15:15.880 --> 00:15:16.840
Dalam TI tradisional,

00:15:16.980 --> 00:15:17.620
kepatuan identik

00:15:17.620 --> 00:15:18.720
dengan pekerjaan membosankan.

00:15:19.000 --> 00:15:20.000
Beban tambahan pada inovasi.

00:15:20.780 --> 00:15:21.760
GPT-5 dan Copilot

00:15:21.760 --> 00:15:22.340
merangkai kembali

00:15:22.340 --> 00:15:23.160
sebagai prinsip desain

00:15:23.160 --> 00:15:23.720
yang berkelanjutan.

00:15:24.180 --> 00:15:24.780
Tata kelola menjadi

00:15:24.780 --> 00:15:25.700
hal yang menyatu dengan sistem.

00:15:26.020 --> 00:15:26.600
Audit tidak lagi

00:15:26.600 --> 00:15:27.220
mengganggu proyek

00:15:27.220 --> 00:15:28.100
melainkan mendampingnya

00:15:28.100 --> 00:15:29.540
seperti kompilasi latar belakang.

00:15:29.980 --> 00:15:31.000
Desain dan melihat keamanan

00:15:31.000 --> 00:15:32.200
bukan sebagai birokrasi

00:15:32.200 --> 00:15:33.160
melainkan kebersihan

00:15:33.160 --> 00:15:33.700
selalu ada.

00:15:34.140 --> 00:15:34.800
Jarang menghambat.

00:15:35.860 --> 00:15:36.980
Mari kita bersikap sedikit sinis.

00:15:37.540 --> 00:15:38.320
Manager yang dulunya

00:15:38.320 --> 00:15:39.120
mengabaikan dashboard

00:15:39.120 --> 00:15:39.720
tata kelola

00:15:39.720 --> 00:15:40.420
kini mengutipnya

00:15:40.420 --> 00:15:41.160
dalam presentasi.

00:15:41.160 --> 00:15:41.900
Mengapa?

00:15:42.140 --> 00:15:43.160
Karena kecerdasan prediktif

00:15:43.160 --> 00:15:43.940
membuat hasil terlihat

00:15:43.940 --> 00:15:44.540
mengesankan.

00:15:45.360 --> 00:15:46.000
Saat Copilot

00:15:46.000 --> 00:15:47.040
meramalkan risiko

00:15:47.040 --> 00:15:47.740
sebelum auditor

00:15:47.740 --> 00:15:48.580
meminta laporan,

00:15:49.080 --> 00:15:49.820
pimpinan menyebutnya

00:15:49.820 --> 00:15:50.900
visi strategis.

00:15:51.580 --> 00:15:51.900
Artinya,

00:15:52.160 --> 00:15:52.800
mereka akhirnya melihat

00:15:52.800 --> 00:15:53.880
nada tidak terkejut oleh masalah.

00:15:54.500 --> 00:15:54.940
Jadi, ya,

00:15:55.100 --> 00:15:55.980
GPT-5 tidak hanya

00:15:55.980 --> 00:15:57.240
mengotomatiskan dokumentasi,

00:15:57.500 --> 00:15:58.100
tapi meningkatkan

00:15:58.100 --> 00:15:59.100
kesadaran organisasi,

00:15:59.400 --> 00:16:00.000
mengubah kepatuhan

00:16:00.000 --> 00:16:00.820
dari latihan forensik

00:16:00.820 --> 00:16:01.980
menjadi tindakan preventif.

00:16:02.920 --> 00:16:03.300
Sistem ini

00:16:03.300 --> 00:16:04.280
mengimunisasi dirinya sendiri

00:16:04.280 --> 00:16:05.340
terhadap pendonan prosedura.

00:16:05.660 --> 00:16:06.100
Dan Anda,

00:16:06.300 --> 00:16:07.340
auditor yang kurang tidur itu,

00:16:07.480 --> 00:16:08.420
menjadi ahli diagnostik

00:16:08.420 --> 00:16:09.440
yang bekerja secepat kilat.

00:16:11.160 --> 00:16:12.140
Hampir tidak ada yang merindukan

00:16:12.140 --> 00:16:12.760
nombor kerja tersebut.

00:16:13.260 --> 00:16:14.680
Menerapkan alur kerja GPT-5

00:16:14.680 --> 00:16:15.560
di Copilot Studio.

00:16:16.060 --> 00:16:16.820
Sekarang, mari kita masuk

00:16:16.820 --> 00:16:17.200
ke rana, tak?

00:16:17.740 --> 00:16:18.420
Bagian di mana teori

00:16:18.420 --> 00:16:19.340
bertemu dengan konfigurasi.

00:16:20.260 --> 00:16:21.140
Menyiapkan alur kerja

00:16:21.140 --> 00:16:22.140
penalaran GPT-5

00:16:22.140 --> 00:16:22.800
di Copilot Studio

00:16:22.800 --> 00:16:23.420
bukanlah sihir.

00:16:23.540 --> 00:16:24.740
Ini hanya perpipaan terstruktur.

00:16:25.820 --> 00:16:26.760
Namun, seperti pipa manapun,

00:16:26.820 --> 00:16:27.460
satu konektor yang salah

00:16:27.460 --> 00:16:28.460
akan membuat lagi kabucor kemana.

00:16:28.920 --> 00:16:29.780
Jadi, mari kita sambungkan

00:16:29.780 --> 00:16:30.360
pipanya dengan benar.

00:16:31.000 --> 00:16:31.580
Langkah pertama,

00:16:31.700 --> 00:16:32.900
aktifkan penalaran GPT-5

00:16:32.900 --> 00:16:33.860
di dalam Copilot Studio.

00:16:34.380 --> 00:16:35.140
Jangan berasumsi itu sudah.

00:16:35.600 --> 00:16:36.600
Microsoft memperlakukan ini

00:16:36.600 --> 00:16:37.480
sebagai fitur keamanan,

00:16:37.580 --> 00:16:38.360
bukan pengaturan standar.

00:16:38.520 --> 00:16:39.900
Di lingkungan Copilot Studio Anda,

00:16:40.180 --> 00:16:41.220
buka menu pemilihan model.

00:16:41.480 --> 00:16:42.920
Temukan model penalaran GPT-5

00:16:42.920 --> 00:16:44.040
dan atur secara eksplisit

00:16:44.040 --> 00:16:44.640
sebagai standar

00:16:44.640 --> 00:16:45.860
untuk Copilot custom Anda.

00:16:47.100 --> 00:16:48.220
Tanda ini mengontrol akses

00:16:48.220 --> 00:16:49.300
kooperasi alur berpikir,

00:16:49.680 --> 00:16:50.480
mekanisme yang memungkinkan

00:16:50.480 --> 00:16:51.840
Copilot bernalar di seluruh fabrik

00:16:51.840 --> 00:16:52.740
Power BI dan Proview

00:16:52.740 --> 00:16:53.360
secara bersamaan,

00:16:53.520 --> 00:16:54.100
bukan berurutan.

00:16:54.820 --> 00:16:56.080
Tanpanya, Anda hanya berbicara

00:16:56.080 --> 00:16:56.660
dengan model lama

00:16:56.660 --> 00:16:57.580
dan bertanya-tanya mengapa

00:16:57.580 --> 00:16:58.600
ia melupakan konteks lebih cepat

00:16:58.600 --> 00:16:59.400
daripada atmakang Anda

00:16:59.400 --> 00:16:59.960
setelah makan siang.

00:17:00.260 --> 00:17:00.760
Langkah kedua,

00:17:00.900 --> 00:17:01.680
konfigurasikan konektor.

00:17:01.680 --> 00:17:04.080
Logika membutuhkan visibilitas

00:17:04.080 --> 00:17:04.860
dan penalaran

00:17:04.860 --> 00:17:05.680
tidak dapat menyimpulkan

00:17:05.680 --> 00:17:06.480
apa yang tidak bisa dilihat.

00:17:07.120 --> 00:17:08.440
Tastikan api fabrik Power BI

00:17:08.440 --> 00:17:09.500
dan Proview ditautkan

00:17:09.500 --> 00:17:10.460
melalui konektor resmi.

00:17:11.540 --> 00:17:12.500
Setiap konektor melakukan

00:17:12.500 --> 00:17:14.140
autentikasi dengan Microsoft EntraID

00:17:14.140 --> 00:17:15.700
dan mengekspos titik akhir metadata.

00:17:16.500 --> 00:17:17.620
Himpunan data kompensifikasi

00:17:17.620 --> 00:17:18.120
peran kamar.

00:17:18.800 --> 00:17:20.160
Keunggulan Copilot Studio adalah

00:17:20.160 --> 00:17:21.160
konektor ini berbicara

00:17:21.160 --> 00:17:22.440
dalam dialek platform untuk Anda.

00:17:23.680 --> 00:17:25.160
Fabrik mengeluarkan peta silsilah,

00:17:25.160 --> 00:17:26.620
Power BI mengekspos pengikatan data

00:17:26.620 --> 00:17:28.060
dan Proview mencantumkan label

00:17:28.060 --> 00:17:28.920
sensitivitas.

00:17:29.440 --> 00:17:30.500
Bersama-sama mereka membentuk

00:17:30.500 --> 00:17:31.240
ekosistem tridata

00:17:31.240 --> 00:17:32.160
yang dibutuhkan GPT-5

00:17:32.160 --> 00:17:33.120
untuk berpikir secara kohen.

00:17:33.520 --> 00:17:34.140
Langkah ketiga,

00:17:34.400 --> 00:17:35.340
siapkan template perintah

00:17:35.340 --> 00:17:36.160
untuk audit rutin.

00:17:37.000 --> 00:17:37.660
Anda akan membuat

00:17:37.660 --> 00:17:38.320
kerangka perintah

00:17:38.320 --> 00:17:39.240
yang dapat digunakan kembali

00:17:39.240 --> 00:17:39.920
seperti mengaudit

00:17:39.920 --> 00:17:40.660
semua aset fabrik

00:17:40.660 --> 00:17:41.640
yang berisi tipe data tentu

00:17:41.640 --> 00:17:42.520
guna memastikan kesarasan

00:17:42.520 --> 00:17:43.100
dengan label preview

00:17:43.100 --> 00:17:43.820
dan aturan RLS.

00:17:44.500 --> 00:17:45.780
Variabel menyuntikkan konteks

00:17:45.780 --> 00:17:47.180
sementara mesin penalaran model

00:17:47.180 --> 00:17:48.260
melakukan penyelidikan.

00:17:49.260 --> 00:17:50.420
Berbeda dengan alur kerja kaku

00:17:50.420 --> 00:17:51.120
di Power Automate,

00:17:51.260 --> 00:17:52.540
perintah ini berperilaku secara dinamis.

00:17:53.140 --> 00:17:54.080
GPT-5 menyesuaikan

00:17:54.080 --> 00:17:54.880
kedalaman penalaran

00:17:54.880 --> 00:17:55.720
dengan kompleksitas kue.

00:17:56.220 --> 00:17:57.000
Pemeriksaan sepele

00:17:57.000 --> 00:17:57.820
pada satu ruang kerja

00:17:57.820 --> 00:17:59.000
menjalankan penalaran ringan

00:17:59.000 --> 00:18:00.420
sementara audit seluruh perusahaan

00:18:00.420 --> 00:18:01.200
memicu inferensi

00:18:01.200 --> 00:18:02.100
multi lapis penuh.

00:18:02.880 --> 00:18:03.420
Langkah empat,

00:18:03.560 --> 00:18:04.520
uji kedalaman penalaran

00:18:04.520 --> 00:18:05.780
menggunakan anomali yang diatur.

00:18:06.380 --> 00:18:07.380
Salahan buatan bukan sekadar

00:18:07.380 --> 00:18:07.840
untuk QA

00:18:07.840 --> 00:18:08.680
melengkang latihan logika.

00:18:09.400 --> 00:18:10.200
Masukkan kumpulan data

00:18:10.200 --> 00:18:11.020
yang salah klasifikasi

00:18:11.020 --> 00:18:11.900
di Fabric Lake House,

00:18:12.000 --> 00:18:12.900
hapus label preview-nya

00:18:12.900 --> 00:18:13.780
dan berikan akses

00:18:13.780 --> 00:18:14.760
Power BI terbuka.

00:18:15.460 --> 00:18:16.680
Kemudian jalankan audit kopiloten.

00:18:17.080 --> 00:18:18.060
Outputnya harus menyoroti

00:18:18.060 --> 00:18:19.260
klasifikasi yang tidak cocok,

00:18:19.480 --> 00:18:20.220
RLS yang hilang,

00:18:20.340 --> 00:18:21.340
dan konflik silsilah data.

00:18:21.980 --> 00:18:22.440
Jika tidak,

00:18:22.760 --> 00:18:23.900
konfigurasi penalaran Anda,

00:18:23.900 --> 00:18:24.860
kurang visibilitas

00:18:24.860 --> 00:18:25.580
atau konektor,

00:18:25.820 --> 00:18:26.480
salah cakupan.

00:18:27.040 --> 00:18:27.740
Anggap ini sebagai

00:18:27.740 --> 00:18:29.240
mengkalibrasi kompas moral AI.

00:18:29.940 --> 00:18:30.820
Ia tidak dapat menegakkan

00:18:30.820 --> 00:18:31.500
tata kelola etis

00:18:31.500 --> 00:18:32.100
jika ia buta.

00:18:32.700 --> 00:18:33.260
Langkah lima,

00:18:33.340 --> 00:18:33.980
tinjau dan ulangi

00:18:33.980 --> 00:18:34.580
di dalam dasber

00:18:34.580 --> 00:18:35.360
tata kelola Fabric.

00:18:36.060 --> 00:18:37.460
GPT-5 menghasilkan hasil baik

00:18:37.460 --> 00:18:38.500
sebagai narasi maupun skema.

00:18:39.160 --> 00:18:40.460
Ringkasan JSON yang dapat diekspor

00:18:40.460 --> 00:18:41.320
mencakup penganal sumber,

00:18:41.500 --> 00:18:42.280
probabilitas risiko,

00:18:42.360 --> 00:18:43.580
dan perbaikan yang direkomendasikan.

00:18:44.080 --> 00:18:44.940
Masukkan data tersebut

00:18:44.940 --> 00:18:45.860
ke ruang kerja audit Fabric

00:18:45.860 --> 00:18:47.140
tempat Anda dapat mengurutkan temuan

00:18:47.140 --> 00:18:48.100
berdasarkan tingkat kebaran.

00:18:48.420 --> 00:18:48.940
Seiring waktu,

00:18:49.120 --> 00:18:49.900
sesi ini menciptakan

00:18:49.900 --> 00:18:51.080
pustaka templat penalaran

00:18:51.080 --> 00:18:51.740
yang disesuaikan

00:18:51.740 --> 00:18:53.300
dengan konfensi penaman set data,

00:18:53.640 --> 00:18:54.360
rejim kepatuhan,

00:18:54.660 --> 00:18:56.080
dan kekacauan korporat khas Anda.

00:18:56.760 --> 00:18:58.020
Inilah jalan pintas konsep tolnya.

00:18:58.540 --> 00:18:59.880
Power Query bertemu dengan EE.

00:19:00.440 --> 00:19:01.780
Dulu, Power Query memungkinkan

00:19:01.780 --> 00:19:02.500
Anda mengubah data

00:19:02.500 --> 00:19:03.340
secara deklaratif.

00:19:04.020 --> 00:19:04.840
Logika ditulis sekali,

00:19:04.980 --> 00:19:05.700
diterapkan tematik.

00:19:06.380 --> 00:19:07.760
Copilot dengan penalaran GPT-5

00:19:07.760 --> 00:19:08.620
melakukan introspeksi

00:19:08.620 --> 00:19:09.380
dengan cara yang sama.

00:19:10.140 --> 00:19:11.260
Jalur penalaran ditulis sekali,

00:19:11.460 --> 00:19:12.520
diterapkan secara berkelanjutan.

00:19:13.040 --> 00:19:14.120
Anda tidak sedang membangun alur,

00:19:14.200 --> 00:19:14.980
Anda sedang mendefinisikan

00:19:14.980 --> 00:19:15.680
bagaimana kecerdasan

00:19:15.680 --> 00:19:16.220
memvalidasi data.

00:19:16.220 --> 00:19:18.000
Catatan peringatan yang ironis.

00:19:18.400 --> 00:19:19.720
Otomatisasi tanpa skeptisisme

00:19:19.720 --> 00:19:20.420
mengubah Anda menjadi

00:19:20.420 --> 00:19:21.440
penonton sistem Anda sendiri.

00:19:22.420 --> 00:19:23.740
Meskipun deduksi GPT-5

00:19:23.740 --> 00:19:25.140
sangat akurat kepercayaan,

00:19:25.460 --> 00:19:26.540
buta mengundang kelalaian.

00:19:27.820 --> 00:19:28.720
Selalu validasi output

00:19:28.720 --> 00:19:29.500
menggunakan penampil

00:19:29.500 --> 00:19:30.440
silsilat bewaan fabrik

00:19:30.440 --> 00:19:31.320
atau wawasan purview.

00:19:31.680 --> 00:19:32.820
Anggap ini sebagai menjalankan

00:19:32.820 --> 00:19:33.720
pembukuan entry ganda

00:19:33.720 --> 00:19:34.540
untuk logika mesin.

00:19:34.880 --> 00:19:35.740
Anda memastikan bahwa

00:19:35.740 --> 00:19:36.440
ajaran baru AI

00:19:36.440 --> 00:19:37.900
tetap selaras dengan kebenaran kanonik.

00:19:38.340 --> 00:19:39.340
Jika muncul perbedaan,

00:19:39.500 --> 00:19:40.500
sesuaikan injeksi konteks.

00:19:41.440 --> 00:19:42.280
Sesuaikan sumber metadata

00:19:42.280 --> 00:19:43.460
mana yang diprioritaskannya.

00:19:44.240 --> 00:19:45.580
Jada singkat praktek terbaik.

00:19:45.580 --> 00:19:46.440
Pertama,

00:19:46.720 --> 00:19:47.620
bot perintah tetap spesifik

00:19:47.620 --> 00:19:48.620
namun dapat digeneralisasi.

00:19:49.040 --> 00:19:49.640
Hindari arahan

00:19:49.640 --> 00:19:50.700
seperti periksa tabel data

00:19:50.700 --> 00:19:51.540
peranggan 123

00:19:51.540 --> 00:19:52.960
dan pilihlah pola

00:19:52.960 --> 00:19:54.060
seperti periksa semua tabel

00:19:54.060 --> 00:19:55.100
yang berhubungan dengan peranggan.

00:19:55.800 --> 00:19:56.560
GPT-5 berkembang

00:19:56.560 --> 00:19:57.520
dengan inferensi relasional.

00:19:58.340 --> 00:19:59.160
Ia membutuhkan ruang lingkung.

00:19:59.260 --> 00:19:59.800
Bukan spesifis itu.

00:20:00.800 --> 00:20:01.280
Kedua,

00:20:01.400 --> 00:20:02.400
bot pos pemeriksaan validasi.

00:20:03.080 --> 00:20:03.780
Jadwalkan kopilot

00:20:03.780 --> 00:20:05.200
untuk melakukan proses penalaran

00:20:05.200 --> 00:20:06.040
setelah perubahan skema

00:20:06.040 --> 00:20:07.460
atau penerapan pipa yang signifikan.

00:20:07.920 --> 00:20:08.420
Itu lebih mudah

00:20:08.420 --> 00:20:09.560
daripada terburu-buru menangani insiden.

00:20:09.800 --> 00:20:10.080
Ketiga,

00:20:10.200 --> 00:20:11.180
pantau versi model.

00:20:11.180 --> 00:20:12.600
Pembaruan di masa mendatang

00:20:12.600 --> 00:20:13.680
dapat mengubah iristi penalaran.

00:20:13.980 --> 00:20:15.340
Konsistensi menuntut dokumentasi.

00:20:15.960 --> 00:20:16.860
Satu cerita mikro terakhir

00:20:16.860 --> 00:20:17.480
untuk memperjelasin.

00:20:17.940 --> 00:20:18.880
Sebuah tim keuangan menengah

00:20:18.880 --> 00:20:20.100
menguji alur kerja persis ini.

00:20:20.620 --> 00:20:21.140
Tim kepatuhan

00:20:21.140 --> 00:20:22.160
beranggotakan dua orang

00:20:22.160 --> 00:20:23.520
yang mengelola delapan fabrik lakehouse.

00:20:23.980 --> 00:20:24.380
Sebelumnya,

00:20:24.500 --> 00:20:25.580
siklus audit memakan waktu.

00:20:25.880 --> 00:20:26.280
Tiga minggu.

00:20:27.060 --> 00:20:28.780
Setelah menerapkan penalaran GPT-5,

00:20:28.940 --> 00:20:29.660
satu sesi kopilot

00:20:29.660 --> 00:20:30.680
berkelanjutan menghasilkan

00:20:30.680 --> 00:20:31.640
validasi lendas platform

00:20:31.640 --> 00:20:32.240
dalam semalam.

00:20:32.840 --> 00:20:33.520
Keesokan paginya,

00:20:33.620 --> 00:20:34.440
mereka tidak lagi mencocokkan

00:20:34.440 --> 00:20:34.820
lembar kerja.

00:20:34.920 --> 00:20:35.520
Mereka menyetujui

00:20:35.520 --> 00:20:36.520
laporan otomatisasi.

00:20:37.200 --> 00:20:37.980
Dewan kepatuhan mereka

00:20:37.980 --> 00:20:38.760
menyebut perubahan itu

00:20:38.760 --> 00:20:40.220
sebagai produktivitas yang luar biasa.

00:20:40.920 --> 00:20:41.660
Saya menyebutnya logika

00:20:41.660 --> 00:20:42.500
yang akhirnya menjalankan terbaik.

00:20:42.840 --> 00:20:44.040
Dan begitulah cara GPT-5

00:20:44.040 --> 00:20:44.860
mengubah tata kelola

00:20:44.860 --> 00:20:46.080
dari pemadaman api episodik

00:20:46.080 --> 00:20:47.220
menjadi penyelarasan abadi.

00:20:47.960 --> 00:20:48.880
Anda menjaga keteraturan

00:20:48.880 --> 00:20:49.680
secepat penalaran

00:20:49.680 --> 00:20:50.620
yang membuat kita tepat

00:20:50.620 --> 00:20:51.280
ke babak akhir.

00:20:51.960 --> 00:20:53.000
Mengapa bersusah payah

00:20:53.000 --> 00:20:53.620
dengan tata kelola

00:20:53.620 --> 00:20:54.920
akan menjadi artefak sejarah,

00:20:55.100 --> 00:20:56.060
yaitu tata kelola

00:20:56.060 --> 00:20:56.820
tanpa beban.

00:20:57.420 --> 00:20:58.140
Jadi itulah alurnya.

00:20:58.520 --> 00:20:59.860
Audit manual digantikan oleh

00:20:59.860 --> 00:21:00.900
logika inferensial

00:21:00.900 --> 00:21:01.740
kepatuhan reaktif

00:21:01.740 --> 00:21:02.340
digantikan oleh

00:21:02.340 --> 00:21:03.200
jaminan prediktif.

00:21:04.240 --> 00:21:05.320
Penalaran GPT-5

00:21:05.320 --> 00:21:06.140
mengubah kopilot

00:21:06.140 --> 00:21:06.960
dari asisten pencatat

00:21:06.960 --> 00:21:07.580
menjadi pengawas

00:21:07.580 --> 00:21:09.060
akuntabilitas yang sesungguhnya.

00:21:09.880 --> 00:21:10.600
Ini bukan sekadar

00:21:10.600 --> 00:21:11.220
memberikan jawaban

00:21:11.220 --> 00:21:12.500
tetapi membangun pemahaman.

00:21:13.260 --> 00:21:14.360
Ingat riat tata kelola yang lama.

00:21:14.840 --> 00:21:15.800
Fabrik melacak silsila,

00:21:16.000 --> 00:21:17.220
purview mengklasifikasikan data,

00:21:17.420 --> 00:21:18.580
Power BI membatasi akses.

00:21:19.140 --> 00:21:20.220
GPT-5 menyatukannya

00:21:20.220 --> 00:21:21.380
di bawah satu otak audit

00:21:21.380 --> 00:21:22.700
yang evaluasi konteks

00:21:22.700 --> 00:21:23.560
semudah konten.

00:21:24.340 --> 00:21:25.320
Hal terceder tentang Fabrik

00:21:25.320 --> 00:21:26.240
bukanlah Fabrik itu sendiri,

00:21:26.520 --> 00:21:27.320
melainkan AI yang akhir

00:21:27.320 --> 00:21:28.020
menjaga kejujurannya.

00:21:28.460 --> 00:21:29.740
Jika Anda telah melalui malam

00:21:29.740 --> 00:21:30.320
tanpa tidur

00:21:30.320 --> 00:21:31.580
untuk memeriksa silang CSV,

00:21:31.720 --> 00:21:32.500
inilah kelegaan Anda.

00:21:32.960 --> 00:21:33.780
Aktifkan penalaran

00:21:33.780 --> 00:21:34.160
di konektor

00:21:34.160 --> 00:21:35.180
nirkabel kopilot studio

00:21:35.180 --> 00:21:36.140
dan biarkan GPT-5

00:21:36.140 --> 00:21:37.400
menargetkan ketidak konsistenan

00:21:37.400 --> 00:21:38.580
sebelum mereka menargetkan Anda.

00:21:39.380 --> 00:21:40.560
Evolusi tata kelola berikutnya

00:21:40.560 --> 00:21:41.220
bukanlah dokumen,

00:21:41.340 --> 00:21:42.380
melainkan penalaran terus-menerus.

00:21:42.960 --> 00:21:44.000
Kunci jalur peningkatan Anda,

00:21:44.320 --> 00:21:44.820
berlangganan,

00:21:44.920 --> 00:21:45.640
nyalakan notifikasi

00:21:45.640 --> 00:21:46.640
dan biarkan episode baru

00:21:46.640 --> 00:21:47.440
tanya secara otomatik.

00:21:47.640 --> 00:21:48.520
Tanpa pemeriksaan manual,

00:21:48.660 --> 00:21:49.500
tanpa pembaruan yang terawat.

00:21:49.620 --> 00:21:50.720
Hanya pengiriman kejelasan yang berlanjut.

00:21:50.920 --> 00:21:51.360
Lanjutkan.
