WEBVTT

00:00:00.000 --> 00:00:09.200
1日の半分を承認待ちで費やしていませんか誰かが休暇中だったりメールを見落としていたり ようやく決断が下る頃にはその申請の根拠となる文脈さえ失われています

00:00:09.200 --> 00:00:17.040
忙しいと繰り返す人々に阻まれ企業の進歩は停止し停滞の煉獄と化しています では決して待つことのないシステムを想像してみてください条件が満たされた瞬間に即座に

00:00:17.040 --> 00:00:23.260
前進するワークフローですここで登場するのが自動化の仮面をかぶった官僚組織の破壊者 マイクロソフトコパイロットスタジオのエージェントフローですここでは

00:00:23.260 --> 00:00:31.240
ai があなたの最初の承認者となります ai はデータを読み取りポリシーに基づいて評価し 人間が瞬きをするよりも早く根拠のある承認または却下を行います

00:00:31.240 --> 00:00:36.460
境界的なケースだけが管理者の受信箱に届くため 監視体制を犠牲にすることなくスピードが実現します

00:00:36.460 --> 00:00:45.100
複雑な条件で崩壊してしまう従来の承認フローとは異なり ai 主導のフローは自動的に分岐検証監査を行いながら拡張していきます

00:00:45.100 --> 00:00:52.800
このチュートリアルでは同僚が全員返信ボタンを探している間に決定を下す 多段階の条件付き承認システムの構築方法をご紹介します

00:00:52.800 --> 00:01:00.640
独自の承認ロジックを備えた ai ステージの設定対象を絞った人間によるレビューの追加 インテリジェントに経路変更を行う動的な条件設計

00:01:00.640 --> 00:01:08.100
そしてコンプライアンスのためのリアルタイムなドキュメント検証の統合を学びます 最後には機械のように考えるべき時と人間の判断に委ねるべき時を心得た

00:01:08.100 --> 00:01:12.980
自動化されたプロセスが完成します 行列に従うのはやめましょうロジックを導き手にするのです

00:01:12.980 --> 00:01:19.060
従来の承認プロセスが抱える問題 従来の承認チェーンは非効率性の悲劇的なリミックスにすぎません

00:01:19.060 --> 00:01:25.820
誰かがフォームを送信するとメールが飛び交い スプレッドシートの動機外れ転送を繰り返すうちに誰もどれが最終版かわからなくなります

00:01:25.820 --> 00:01:32.040
関与する人数が増えるほど価値ではなく遅延が積み重なります そのプロセスは仕事を管理するのではなく停滞を生み出しているのです

00:01:32.040 --> 00:01:37.300
一般的なパワーオートメートの承認フローでも解決は試みられますが少しでも ニュアンスが加わると停止してしまいます

00:01:37.300 --> 00:01:46.560
一度のイエスかノーが必要なだけなら単一の承認経路で十分機能します しかし管理階層や支出の指揮位置特殊なルールを追加した途端に設計は断片化し始めます

00:01:46.560 --> 00:01:51.500
マトリオシカのように条件を入れ子にする羽目になり洗練されておらず壊れやすく半年後にはデバッグ不可能になります

00:01:51.500 --> 00:01:59.080
コネクタが一つでも壊れればシステム全体が沈黙のうちに機能不全に陥ります 人間がボトルネックもっと言えば遅延の濃度結節点となってしまうのです

00:01:59.080 --> 00:02:06.260
受け取るすべてのメッセージが非同期の往復作業を一つずつ増やしていきます メールを承認メカニズムとして使うのは光ファイバーの時代に電所バトを使うようなものです

00:02:06.260 --> 00:02:10.860
技術的には機能しますが本来あるべき姿ではありません そこで登場するのがマイクロソフトコパイロットスタジオです

00:02:10.860 --> 00:02:13.920
これは単なるパワーオートメートの段階的なアップデートではありません

00:02:13.920 --> 00:02:21.680
ai を搭載した承認システムであるエージェントフローを導入し 組織のデータソース役割ロジック構造と完全に統合されます

00:02:21.680 --> 00:02:28.880
これは決定論的なポリシー強制と適用型の意思決定を橋渡しするものです その素晴らしさはステージを切り離して管理できる点にあります

00:02:28.880 --> 00:02:35.240
スピードが必要な場所は自動化し検証が必要な場所には人間を配置します 階層構造の再設計だと考えてください

00:02:35.240 --> 00:02:41.420
ai ステージは固定ルール金額制限カテゴリの種類日付範囲を非常に効率的に評価します

00:02:41.420 --> 00:02:47.260
判断に迷うようなグレーなケースのみ人間にエスカレーションされ 些細な案件が滞留することはありません

00:02:47.260 --> 00:02:55.640
これだけで大幅な遅延が解消されます 10人が順番にレビューするのではなく ai が80%を即座に処理し例外のみを振り分けます

00:02:55.640 --> 00:03:03.340
もちろんコパイロットスタジオはデータバースのバックボーンを通じて全てを追跡し メールボックスを探し回らなくても検証可能なログを作成します

00:03:03.340 --> 00:03:11.300
従来のワークフローは人間向けに構築されていました エージェントフローは人間を中心に設計されており繰り返し作業ではなく判断が必要な時にのみ人が関与します

00:03:11.300 --> 00:03:16.720
このアーキテクチャの機能を知れば従来の承認作業はまるでキャンドルの明かりで 帳簿をつけるような古めかしいものに思えるでしょう

00:03:16.720 --> 00:03:25.960
重要なのはコンプライアンス一貫性そして拡張性です 現代の業務は自動検証なしでは立ち行かず ai による論理処理が信頼性の基準となっています

00:03:25.960 --> 00:03:33.760
性的なフローから条件付きで監査可能なエージェントフローに移行すれば 承認をバータリ的に管理するのではなく生きたシステムとして扱えるようになります

00:03:33.760 --> 00:03:42.240
違いは単なるスピードではなく構造的な健全性にあります ai ステージの構築最初の承認者の教育ここからが面白いところです

00:03:42.240 --> 00:03:47.760
最初のデジタル官僚を訓練しましょう ai ステージは承認プロセスの論理的な門番です

00:03:47.760 --> 00:03:55.100
その役割は人間のように考えることではなく人間離れした一貫性で構造化された推論を行うことです 指示を読み入力内容と照らし合わせ承認

00:03:55.100 --> 00:04:02.400
または却下のいずれかの判断を出力します政治的な駆け引きもコーヒーブレイクもありません まずは新しいエージェントフローを定義することから始めます

00:04:02.400 --> 00:04:11.300
作成時 ai ステージは回答キーを待つ白紙の試験用紙のように中心に配置されます トリガーは通常データバースから発生し申請や経費テーブルにレコードが追加または変更された

00:04:11.300 --> 00:04:16.280
時です 申請が作成されるとこのステージが有効化されデータを評価して判断を下します

00:04:16.280 --> 00:04:26.140
ステージ内で最も重要な項目は運用の脳となる指示プロンプトです ここで承認ロジックを平易かつ厳格な言葉で記述します決してアドリブを許さない弁護士に

00:04:26.140 --> 00:04:34.060
指示を出すつもりで書いてください 例えば金額が500未満内容が心身の健康に関するものかつ購入日が申請から30日以内で

00:04:34.060 --> 00:04:38.500
あれば承認するといった具合です いずれかのルールに違反すれば却下しますそれだけ

00:04:38.500 --> 00:04:45.300
未言論的な明確さです次に動的な入力を定義します これらはロジックに実際のデータを供給する変数だと考えてください

00:04:45.300 --> 00:04:52.420
金額説明購入日などが含まれることになるでしょう それぞれがコンテンツテキストまたは数値の入力として追加され

00:04:52.420 --> 00:04:59.700
aiが判断を下す際に参照されます コパイロットスタジオはこれらの入力をテキスト数値または画像ドキュメントといった型に分類します

00:04:59.700 --> 00:05:08.500
型を混同すると例えば数値をテキストとして保存した場合など人間も機械も混乱するため正しく選択してください 各入力の下にテスト用のサンプルデータを入力します

00:05:08.580 --> 00:05:14.180
これはロジックを調整する際の足場として機能します 例えばフィットネス用ヨガマット金額300

00:05:14.180 --> 00:05:22.860
購入日8月22日といった申請例を入力します テストを実行するとコパイロットスタジオは内部の gpt ベースの推論モデルを走らせ

00:05:22.860 --> 00:05:30.260
判断と説明を出力します結果が期待通りであれば問題ありません そうでなければ指示に確実性が欠けています

00:05:30.260 --> 00:05:38.060
そしてそこが初心者が最も間違いやすい点です 妥当な費用や最近の購入といった抗議で曖昧な表現は ai にとっての毒となります

00:05:38.060 --> 00:05:45.340
システムは社内の雰囲気を読み取ることができないため数学的な定義が必要です ですからテスト結果が一貫したものになるまで指示を容赦なく改良してください

00:05:45.340 --> 00:05:52.760
言葉を書き換えるたびに再現性を求めて判断エンジンを調整していることになります 目指すべきパターンは同じ入力に対して常に同じ出力を生成することです

00:05:52.760 --> 00:06:00.760
必要なのはオフィス内の噂話ではなく機械的なロジックです プロンプトが複数のテストケースで信頼できる判断を下せるようになれば ai 承認者のトレーニングは完了です

00:06:00.760 --> 00:06:09.500
次にデータバースから取得したトークン申請金額の詳細購入日や提出日などを使用して 実際の動的データを注入しますこれらは実稼働時にテスト値と置き換わります

00:06:09.500 --> 00:06:20.840
その時点から ai は各申請を文脈に応じて評価し新しいデータが表示された瞬間に承認の判定を返します 勝利を宣言する前に反復テストを行ってください金額を600に変更して拒否されるか確認します

00:06:20.840 --> 00:06:27.080
日付を3ヶ月前に変更して向こうとしてフラグが立てられるか確認します ipad の購入といった意味のない申請を追加し不一致を検知できるか確認します

00:06:27.080 --> 00:06:34.060
各テストにおいて一貫した因果関係が示されるはずです 回答が変動する場合問題は ai モデルではなくプロンプトの明確さにあります

00:06:34.060 --> 00:06:43.400
一貫したパターンが現れたらコンテンツ変数に命名規則を確立してください 文字列には str アンダーバークレームアンダーバーアマウント数値にはnam アンダーバーパーチェスアンダーバーデートといった説当時を使います

00:06:43.400 --> 00:06:53.340
この小さな規律が後にマルチ分岐ロジックへ拡張した際の混乱を防ぎます この段階で自動承認者は監督なしでポリシーに基づき独立した判断を下せるようになります

00:06:53.340 --> 00:07:02.660
しかし自動化とは独裁ではなく異人です機械が担うのは速度と精度であり 判断ではありません境界線上のシナリオでは ai が却下または不確実と見なしたものをレビューする

00:07:02.660 --> 00:07:09.960
人間の関与ヒューマンインザループが必要になります そこで次の段階が登場しシリコンとスタッフの間で権限が共有されるようになります

00:07:09.960 --> 00:07:19.480
人間の監督多段階ロジック条件付きロジックを追加します ai が自信を持って申請を判断できるようになったら官僚組織が皮肉にもヒューマンタッチと呼ぶものを追加できます

00:07:19.480 --> 00:07:27.220
コパイロットスタジオでは手動ステージつまり人間が判断を下すためのチェックポイントを設けることができます これは安全弁のようなものだと考えてください

00:07:27.220 --> 00:07:36.140
予測可能なものはすべて自動的に処理されます複雑なものは管理者のデスクへと送られます まず承認デザイナーで ai ステージの直後に手動ステージを追加します

00:07:36.140 --> 00:07:44.140
これによりエージェントフローに2つ目のゲートが作成されます この引き継ぎには条件があります ai が承認と判断した場合にのみ人間によるステージへ進みます

00:07:44.140 --> 00:07:50.700
ai が却下と判断すればその時点でプロセスは終了します ポリシーで不適格とされたものをなぜわざわざ管理者に確認させる必要があるのでしょうか

00:07:50.700 --> 00:07:55.700
法律化とは選択的な注力を自動化という形で実現することです 例となるシナリオを設定してみましょう

00:07:55.700 --> 00:08:02.000
従業員が事務の回避の経費生産を申請したとします すべての基準がポリシーに適合しているため ai は承認します

00:08:02.000 --> 00:08:11.880
その決定を受けて管理者承認という管理者レベルの手動ステージが起動します 内部的にはこのステージに申請者からの経費承認以来といったタイトルを設定します

00:08:14.140 --> 00:08:20.220
データを取得します 割り当て先フィールドでタスクを受け取る相手通常は申請者の上司を指定します

00:08:20.220 --> 00:08:28.480
このルーティングを自動化するためにコパイロットスタジオはオフィス365ユーザーズコネクタと統合できます まずデータバースのユーザーテーブルでidによる行の取得

00:08:28.480 --> 00:08:33.940
アクションを使用し申請を作成したユーザーのレコードを取得します これで申請者の情報を取得できます

00:08:33.940 --> 00:08:42.060
次にマネージャーの取得アクションでそのユーザーのプライマリメールアドレスを通じて上司を取得します その結果をstrマネージャーメールなどの変数として手動ステージに渡します

00:08:42.060 --> 00:08:47.880
結果としてハードコーディングや古い階層構造に悩まされることはありません 管理者が変われば階層も自動的に更新されます

00:08:47.880 --> 00:08:52.200
ここで条件分岐の出番です これこそが多段階承認が存在する真の理由です

00:08:52.200 --> 00:08:59.400
エージェントフロー内に直接ロジックを組み込むことができます 申請金額が150以上の場合管理者承認のための追加ステージを設けます

00:08:59.400 --> 00:09:06.560
それ以外の場合はプロセスを終了します これにより単純な2ステップのルーチンが状況に合わせて適用する高い層の決定ツリーに変わります

00:09:06.560 --> 00:09:12.000
小額の申請は一人の人間が担当します 高額やリスクの高い申請は追加の確認のためにエスカレーションされます

00:09:12.000 --> 00:09:18.600
デザイナーでフローを終了させる前に条件アクションを挿入します 数値の申請金額といった数値変数を参照します

00:09:18.600 --> 00:09:27.500
演算子に以上を選択し式位置として150を設定します はいの分岐に管理者承認という名の手動ステージを追加します

00:09:27.500 --> 00:09:33.240
コンプライアンス管理者など固定の承認者を割り当てます いいえの分岐ではそのまま承認として終了します

00:09:33.240 --> 00:09:40.000
その結果ワークフローは全体を滞らせるボトルネックではなく合理的な組織のように機能します 少し現実的な話をしましょう

00:09:40.000 --> 00:09:46.380
そう権限以上には根拠のない機体ではなく信頼が必要なのです 何でも承認できてしまうような広範なセキュリティロールは割り当てないでください

00:09:46.380 --> 00:09:52.820
データバースのロールベースアクセス制御を使用して関連するユーザーまたはグループへの権限を制限します そうしなければ無秩序な自動化になってしまいます

00:09:52.820 --> 00:10:01.040
構造をテストすることで各パーツがいかにスムーズに組み合わさるかがわかります 150ドル未満の申請がai レビューを通過するとマネージャーの承認をもってフローは終了します

00:10:01.040 --> 00:10:11.680
150ドルを超える場合システムは最終処理の前に管理者によるレビューへ自動的に回します 各経路にはai の推論ログタイムスタンプ付きの承認記録された結果といった監査証跡が残りデータバースに保存されます

00:10:11.680 --> 00:10:16.160
後になってそんなものは見ていないとは誰にも言わせません データベースが真実を証明するからです

00:10:16.160 --> 00:10:23.160
洗練させる過程では命名規則を厳格に守りましょう マネージャー承認済み管理者承認済みのように人によるステップを明確に説当時で示せば

00:10:23.160 --> 00:10:30.380
視覚的に分岐を追跡できますフローチャートは謎のアートではなく論理として 読めるものであるべきです満足できたら公開し実際のシナリオでテストします

00:10:30.380 --> 00:10:36.540
連鎖が展開される様子を見守りましょう ai が即座に評価しますマネージャーには対象を絞った承認タスクが届きます

00:10:36.540 --> 00:10:44.980
管理者は条件が満たされた場合にのみ介入します その結果単なる自動化ではなく自律的に機能する透明性の高い階層構造が実現します

00:10:44.980 --> 00:10:52.580
この多層的な連携はドキュメント検証という新たな領域も切り開きます フォームの入力欄は嘘をつくことがあっても領収書は嘘をつかないからです

00:10:52.580 --> 00:10:57.100
次のステップは申請が受信箱に届く前に ai に物理的な証拠を検証させることです

00:10:57.100 --> 00:11:05.260
そこで領収書検証が登場し完了的な手続きを検証可能な科学へと変えます 動的な入力とドキュメントの検証領収書の話をしましょう

00:11:05.260 --> 00:11:10.280
払い戻しを申請する段になって突然重要な証拠へと変わる あの小さくしわくちゃな紙切れのことです

00:11:14.980 --> 00:11:21.080
に見えますねヨットではありません 自動化されたプロセスでは ai に同じチェックを行わせ判断の疲れを排除します

00:11:21.080 --> 00:11:29.280
コパイロットスタジオのエージェントフローにおいてドキュメント検証は動的なコンテンツ入力 具体的には画像やファイルを承認ロジックに渡す機能によって実現します

00:11:29.280 --> 00:11:37.100
これにより ai 承認者に資格という3つ目の感覚が加わります テキストフィールドだけに頼るのではなくモデルがドキュメントを読み取り書かれている内容とアップロードされた

00:11:37.100 --> 00:11:43.660
内容を称号します構造は以下の通りです ai ステージ内に画像またはドキュメントという新しい入力タイプを追加します

00:11:43.660 --> 00:11:50.540
領収書ファイルのように明確なラベルをつけます テスト用にサンプル領収書をアップロードしますこれは本番環境ではなくロジックのレイアウトを

00:11:50.540 --> 00:11:54.960
トレーニングするためのものです 次にドキュメントの相互検証を含めるように指示プロンプトを調整します

00:11:55.080 --> 00:11:59.580
以前のロジックを拡張します 以下の条件をすべて満たす場合に申請を承認します金額が500ドル以下であること

00:11:59.580 --> 00:12:05.880
申請内容が心身の健康を支援するものであること 購入日から30日以内であることそして領収書の内容が申告された品目金額日付と一致していること

00:12:05.880 --> 00:12:11.380
この4番目の条件により ai 承認者は単なるポリシーの執行者から法医学的な会計担当へと進化するのです

00:12:11.380 --> 00:12:17.920
テストが実行されるとモデルはドキュメントから読み取り可能なテキストを抽出し 構造化された入力データとの整合性を検証します

00:12:17.920 --> 00:12:24.680
レシートにフィットネスマット300ドル 8月22日と記載されているのに申請内容が異なれば判定は却下に変わります

00:12:24.680 --> 00:12:28.700
さて実装にあたっては承認プロセスが走る前にそのドキュメントを取得する必要があります

00:12:28.700 --> 00:12:35.460
データバースのファイルまたは画像のダウンロードアクションを使用します 申請レコードが存在するのと同じテーブルおそらくクレームをターゲットにします

00:12:35.460 --> 00:12:39.780
ファイル列にはレシートのような名前が付けられていることが多い添付ファイルフィールドを選択します

00:12:39.780 --> 00:12:49.020
次にトリガーから動的に行きIDを指定し固有の申請識別紙を設定します このアクションはファイルのメタデータとコンテンツを返しますがここに微妙な落とし穴があります

00:12:49.020 --> 00:12:56.680
コンテンツの出力には ai が正しく解釈するための少しの手術が必要です ファイルコンテンツをドキュメントレシートのファイル入力にマッピングする際

00:12:56.680 --> 00:13:04.400
式エディタを開きボディ参照にコンテンツを追加します その最後の微調整によりメタデータのラッパーではなく実際のファイルバイトが渡されるようになります

00:13:04.400 --> 00:13:11.560
これを忘れると ai は空のレシートを喜んで承認してしまいます 次にドキュメントワークフローの泣きどころである同期の問題に対処しましょう

00:13:11.560 --> 00:13:20.420
ほとんどのデータバーステーブルはレコードが最初に保存されるまで添付ファイルを保存しません つまりレコード作成時にフローがトリガーされるとファイルが存在する前に起動する可能性があります

00:13:20.420 --> 00:13:25.640
症状としてはフローが失敗するかレシートの内容が空になります その解決策はエレガントです

00:13:25.640 --> 00:13:31.220
トリガー条件をアイテムの変更時に変更しレシート列が変更された時のみ起動するように制限します

00:13:31.220 --> 00:13:40.840
そうすれば誰かがファイルをアップロードまたは置き換えた瞬間に検証が開始されます これを構成するにはトリガー設定を開き変更された列を選択し

00:13:40.840 --> 00:13:50.160
データバースの列詳細にある詳細ツールから取得できるレシート列の論理名を貼り付けます 設定したら公開しますこれで自動化プロセスは適切に動作するようになります

00:13:50.160 --> 00:13:56.080
検証すべき対象が存在するまで待機するからです 申請に新しいレシートが更新されるとフローが再開されます

00:13:56.080 --> 00:14:07.760
ファイルをダウンロードし ai ステージに送りすべての入力をクロスチェックします 金額の不一致古い日付説明の矛盾などがあれば ai は理由を添えて却下します

00:14:07.760 --> 00:14:12.680
理由ログには申請額305ドルがドキュメント合計300ドルと異なりますといった内容が表示され ます

00:14:12.680 --> 00:14:18.480
これが不平を言わないコンプライアンスです 実質的な影響は何でしょうかすべての提出が自己監査されるようになります

00:14:18.480 --> 00:14:27.160
従業員は疑わしいレシートや曖昧な説明をごまかすことはできなくなります ai が判断を下しデータバースが証拠を提供しそのどちらも休憩を取ることはありません

00:14:27.160 --> 00:14:32.740
ですからドキュメントの検証は決してやりすぎではありません それはワークフローのための免疫記憶なのです

00:14:32.740 --> 00:14:39.960
異常値は分子レベルつまりレシートに印刷された文字単位で検出され 人間のレビュアーは手作業のチェック係から例外処理担当者へと昇格します

00:14:39.960 --> 00:14:47.400
おめでとうございますこれであなたは誠実さそのものを自動化したことになります 信頼性の構築テストバージョニングそして公開

00:14:47.400 --> 00:14:53.540
どのような自動化も動かすまでは完璧に見えるものです だからこそ信頼性は単なる段階ではなく一つの規律なのです

00:14:53.540 --> 00:14:59.500
コパイロットスタジオはエージェントのフローに直接組み込まれたバージョン管理 テスト公開の各機能によりその規律を驚くほど容易にします

00:15:02.740 --> 00:15:10.880
小さなエコシステムですたった一つの変数名の誤りが大混乱を招くこともあります そのためテストを科学的なプロセスとして扱うのです変更を分離し

00:15:10.880 --> 00:15:17.620
データを適用し出力を観察します プローエディターでは本番環境のトリガーを動かすことなくコパイロットスタジオでサンプルデータを

00:15:17.620 --> 00:15:23.980
シミュレーションできます 金額が大きすぎる日付が古い項目名が無関係など様々なシナリオを入力しそれぞれで正しい判定が

00:15:23.980 --> 00:15:31.960
下されるかを確認してください次に命名規則に移ります退屈ですか その通りです不可欠ですか空気と同じくらい重要ですすべての変数に体系的な

00:15:31.960 --> 00:15:37.480
プレフィックスをつけましょう文字面なら str 数値ならnam ファイルならドックといった具合です同様にアクションにも明確なラベルをつけます

00:15:37.480 --> 00:15:43.960
領収書ファイルのダウンロードマネージャー承認の確認申請承認の更新のように なぜなら3ヶ月後誰かにアクション7が壊れた理由はと聞かれた時

00:15:43.960 --> 00:15:51.520
考古学的な調査よりも残した手がかりの方がずっと役立つからです 個別のテストが成功したらエッジケースの検証へ広げます少し不慣れなユーザーになった

00:15:51.520 --> 00:15:57.340
つもりで操作してみましょう領収書をアップロードしない日付を来年に設定する 500と打つべき箇所で500と入力するなど

00:15:57.340 --> 00:16:03.680
ai がクラッシュせずに説明し拒否することを確認します これらは過程のミスではなく現実の予行演習なのです

00:16:03.680 --> 00:16:09.760
あらかじめ失敗ケースを潰しておけば深夜2時にチームでフローがまた止まった というメッセージを受け取ることも減るはずです

00:16:09.760 --> 00:16:16.560
公開することでガバナンスが機能します 大きな変更を保存するたびにコパイロットスタジオは自動的に新しいバージョンを作成します

00:16:16.560 --> 00:16:23.220
いつでも元に戻せます 上書きの不安はありませんこれを利用して実験用の論理サンドボックスを本番環境から切り離しましょう

00:16:23.220 --> 00:16:29.640
申請承認の開発用と本番用のフローを分けて作るのです 開発用でテストし安定している場合のみ公開します

00:16:29.640 --> 00:16:37.180
信頼性とは正しさだけではなく変化の下での制御能力であることを忘れないでください 公開後はアクティビティログを活用しましょう

00:16:37.180 --> 00:16:41.400
これらは単なる装飾ではなく ai と人間のやり取りを記録した法的な小石です

00:16:41.400 --> 00:16:46.440
タイムスタンプ承認者の id 判断の要約などが含まれます これらのログを定期的に確認してください

00:16:46.440 --> 00:16:53.640
パターンが見えてくるはずです どのルールで拒否されることが多いかどのマネージャーが ai の判断を覆したかコンプライアンス工程がどれほど実行されたかなど

00:16:53.640 --> 00:17:02.140
その知見が方針と設計の両方を改善します もう一つの小さなベストプラクティスは各分岐の最後にステータスの更新をデータバースレコードへ自動反映することです

00:17:02.140 --> 00:17:09.540
公の更新アクションを使って申請状況が承認か却下かといった明確なフィールドを設定しましょう この目に見える終着点が信頼を強固なものにします

00:17:09.540 --> 00:17:15.040
ユーザーは自分自身のテーブルビューで決定を確認できます 個別の管理スプレッドシートも実態のない承認も不要です

00:17:15.040 --> 00:17:23.000
システムがすべてのテストに合格したら確かな自信を持って公開ボタンを押してください 以前のパワーオートメイトフローとは異なりエージェントフローにはコンテキストメタデータ

00:17:23.000 --> 00:17:32.140
ai 判断スキーマ動的コンテンツバインドバージョンタグが保持されます その結果は単なる実行プロセスではなく再現可能な成果物であり監査可能な自動化です

00:17:32.140 --> 00:17:39.760
最後の信頼性チェックは思考の整理です過剰なエンジニアリングは避けましょう フローの失敗は技術的なバグではなくルールの複雑さが原因であることもあります

00:17:39.760 --> 00:17:45.420
可能な限りロジックを簡素化してください 段階を減らし指示を明確にし曖昧さを排除するのです

00:17:45.420 --> 00:17:53.860
自動化はランダムではなく不要な複雑さを削ぎ落とすものです この段階を終えれば承認システムは運用上の成熟を迎えテスト済みでバージョン管理され

00:17:53.860 --> 00:18:00.900
ロールバック可能かつ検証可能なものとなります ai の判断から管理者の承認に至るまですべての結果は精査に頼るデジタルな足跡を残します

00:18:00.900 --> 00:18:08.740
これは定量化された信頼性であり感覚や運ではありません あなたが眠っている間も思考を続けるツールが忠実に記録した背景的な推論なのです

00:18:08.740 --> 00:18:15.160
結果と現実世界での利益官僚的なプロセスを数学に委ねると何が起きるでしょうか 承認待ちの時間はなくなります

00:18:15.240 --> 00:18:21.660
ai 主導の多段階エージェントフローならカレンダーの空き状況に左右されないため所要時間は数日から数分へと短縮されます

00:18:21.660 --> 00:18:29.840
客観的な方針に合致する申請はすべて即座に承認されます 例外的なケースは状況が詳細に添えられた状態でマネージャーの急へ確実に届きます

00:18:29.840 --> 00:18:35.520
人間が担うのは事務的な確認ではなく価値判断です その効果はまず時間短縮として現れます

00:18:35.520 --> 00:18:45.640
かつて4通のメールと2度の最速を要した経費生産が今では昼食前に完了します 部門の処理サイクルは短縮され停滞は減り推論の過程が完璧に記録されます

00:18:45.640 --> 00:18:52.580
承認メカニズムはもはや中断要因ではありません それはインフラストラクチャとなります次にエラーの提言です

00:18:52.580 --> 00:19:01.060
ai を通じて決定論的なルールを強制することで主導承認の弊害である主観的なズレを排除します これも健康と福祉に含まれると思ったといった言い訳は通用しなくなります

00:19:01.060 --> 00:19:07.300
ai は常に同じ基準で判定を行うからです 管理上のロジックにおいて一貫性は慈悲よりも拡張性に優れています

00:19:07.300 --> 00:19:17.360
マネージャーは異常知恵の対処に専念できそれらにも監査証跡が付随します データ入力決定履歴モデルの根拠監査はパニックを招く作業から穏やかな検証作業へと変わります

00:19:17.360 --> 00:19:23.500
組織レベルで見ればこれは単なる高速化ではなく安全性も高まるのです コンプライアンスは記憶や気分に頼るものではありません

00:19:23.500 --> 00:19:32.960
それは組み込まれていますデータバースのログには誰がいつなぜ承認したかが示されます 透明性が確保されることで近道文化が抑制されすべての決定が検索可能な状態で永続的に残ります

00:19:37.300 --> 00:19:43.380
ai 主導へと転換しますこれは sf ではなく実践的なガバナンスです ai がルールの強制を担い人間が判断を担うのです

00:19:43.380 --> 00:19:49.440
このハイブリッドな体制がより公正でより早く最終的により信頼性の高いシステムを生み出します それを監査人に説明する姿を想像してみてください

00:19:49.440 --> 00:19:53.660
その後に見せる笑顔こそが自動化を行う最大の価値と言えるでしょう そうまさにその通りです

00:19:53.660 --> 00:20:00.000
マイクロソフトコパイロットスタジオは単なる自動化ツールではありません あなたの組織における決断の遅れをついに過去のものにする場所なのです

00:20:00.000 --> 00:20:06.860
条件を考慮し責任を持ってエスカレーションを行い 領収書を現実と照らし合わせて検証しすべての動作を記録できる承認エンジンを構築します

00:20:06.860 --> 00:20:11.100
それはフローではなくガバナンスモデルです これだけは覚えておいてください

00:20:11.100 --> 00:20:17.540
ai は意思決定を予測可能にし人間は卓越した判断をすべきです 習慣で何でも人に回すのはやめましょう

00:20:17.540 --> 00:20:26.620
日常的な処理はロジックに任せ例外的な対応はマネージャーが行うようにするのです この解説によって上司の承認待ちで1週間を費やすことがなくなったならぜひチャンネル登録してください

00:20:26.620 --> 00:20:34.180
次回のチュートリアルではコパイロットスタジオの高度な自動化を深掘りし エージェントのフローをパワープラットフォームの分析やアダプティブポリシーと連携させます

00:20:34.180 --> 00:20:42.840
アップグレードの道を確保し登録して通知をオンにし新しいエピソードが自動的に届くようにしましょう 手動チェックも公開の見逃しもなしただ有用な知識が継続的に配信されます

00:20:42.840 --> 00:20:44.080
それでは始めましょう
