WEBVTT

00:00:00.000 --> 00:00:08.120
Je co-pilot is niet slim. Het is veredelde autocorrectie en een overgekavineerde stagiair met een Microsoft badge die zelfverzekerd klinkt terwijl hij de weg volledig kwijt is.

00:00:08.300 --> 00:00:11.360
De gemiddelde beheerder installeert het, stelt één ambitieuze vraag zoals

00:00:11.360 --> 00:00:18.860
Vat de verkoopcijfers van het vorige kwartaal per regio samen en is dan verbaasd wanneer het antwoord slechts datgene bevat wat toevallig in het beperkte context venster past.

00:00:19.100 --> 00:00:22.620
Dat is geen inzicht, dat is statistisch giswerk gebracht met een vriendelijke toon.

00:00:22.760 --> 00:00:27.820
Kijk, de meeste zogenaamde AI-co-piloten draaien op iets dat Retrieval Augmented Generation heet, oftewel racht.

00:00:27.820 --> 00:00:35.140
In theorie is het briljant. Je stelt een vraag, het doorzoekt een kennisbank, pakt relevante fragmenten en plakt die aan je prompt zodat het taalmodel geïnformeerd lijkt.

00:00:35.280 --> 00:00:38.980
In de praktijk is het alsof je aan één bibliothecaris om alle menselijke kennis vraagt.

00:00:39.160 --> 00:00:42.940
Ze rent door één gangpad, grist drie willekeurige boeken mee en roept het antwoord terwijl ze terugrent.

00:00:43.100 --> 00:00:45.580
Eén query, één zoekactie, één kans om het fout te hebben.

00:00:45.800 --> 00:00:48.800
Vergelijk dat eens met hoe beslissingen in een echte onderneming tot stand komen.

00:00:49.000 --> 00:00:50.900
Heb je ooit genoeg aan slechts één stukje data?

00:00:50.900 --> 00:00:59.740
Nee, je hebt het spreadsheet van Finance nodig, het onderzoeksrapport van SharePoint, het metrics warehouse in Microsoft Fabric en meestal wat externe marktgegevens die niet is in jouw omgeving staan.

00:00:59.940 --> 00:01:03.440
Klassieke racht stort in zodra de waarheid op meer dan één plek te vinden is.

00:01:03.600 --> 00:01:11.600
Het kan geen meerdere zoekopdrachten plannen, tegenstrijdigheden niet valideren en begrijpt zeker niet dat kwartaalprestaties iets anders betekenen voor marketing dan voor productie.

00:01:11.780 --> 00:01:14.400
Toch blijven mensen deze systemen intelligent noemen.

00:01:14.640 --> 00:01:16.560
Fout. Het zijn context-toeristen.

00:01:16.560 --> 00:01:20.840
Ze bezoeken je datavoorraad, maken een paar selfies met pdf's en doen alsof ze de stad kennen.

00:01:20.980 --> 00:01:25.840
Ondertussen gelooft de gemiddelde beheerder oprecht dat de co-pilot al wetende toegang heeft tot elke SharePoint-map.

00:01:26.000 --> 00:01:26.740
Dat heeft hij niet.

00:01:26.920 --> 00:01:30.660
Tenzij je expliciete connectors en redeneermodellen bouwt, opereert hij geblinddoekt.

00:01:30.860 --> 00:01:32.940
Dit is niet alleen inefficiënt, het is gevaarlijk.

00:01:33.140 --> 00:01:36.080
Zonder agentic retrieval verdrinken ondernemingen in versnipperde context.

00:01:36.320 --> 00:01:38.640
Beslissingen worden genomen op basis van onvolledige gegevens.

00:01:38.840 --> 00:01:40.660
Compliance-risico's blijven onopgemerkt.

00:01:40.820 --> 00:01:45.160
Teams jagen op gehallucineerde inzichten, geproduceerd door een model dat nooit de moeite neemt om zichzelf te controleren.

00:01:45.160 --> 00:01:47.240
De ironie, de oplossing bestaat al.

00:01:47.420 --> 00:01:48.860
Maak kennis met agent de kracht.

00:01:48.980 --> 00:01:51.480
Het haalt niet alleen informatie op, het denkt erover na.

00:01:51.640 --> 00:01:54.760
Het plant, controleert en redeneert als een digitaal onderzoeksteam.

00:01:54.920 --> 00:02:00.880
Aan het einde van deze aflevering weet je precies hoe je ervoor zorgt dat je co-pilot stopt met het nadoen van een papegaai en zich gaat gedragen als een wetenschapper.

00:02:01.060 --> 00:02:02.520
En ja, er zijn vier stappen.

00:02:02.700 --> 00:02:05.400
We repareren je domme co-pilot in vier nauwkeurige stappen.

00:02:05.560 --> 00:02:07.980
De rachmythe, waarom lineaire intelligentie faalt.

00:02:08.160 --> 00:02:09.640
Goed, laten we de mythe ontleden.

00:02:09.880 --> 00:02:14.260
Retrieval augmented generation klinkt geavanceerd, maar onder de motorkap is het meedogenloos lineair.

00:02:14.260 --> 00:02:17.740
Stap 1, haal een paar tekstfragmenten op basis van vectorgelijkenis.

00:02:17.900 --> 00:02:20.100
Stap 2, prop die fragmenten in de prompt.

00:02:20.360 --> 00:02:23.020
Stap 3, genereer een antwoord en roep de overwinning uit.

00:02:23.220 --> 00:02:23.740
Dat is het.

00:02:23.900 --> 00:02:29.020
Geen geheugen voor eerdere zoekopdrachten, geen redenering over tegenstrijdigheden, geen herkenning van de gebruikerscontext.

00:02:29.200 --> 00:02:33.340
Het is een rechte lijn van vraag naar antwoord, een veredelde SQL-join geschreven in het Engels.

00:02:33.540 --> 00:02:35.980
Het probleem begint zodra de werkelijkheid ingewikkeld wordt.

00:02:36.240 --> 00:02:39.560
Stel dat je vraagt, vergelijk onze apparaatbetrouwbaarheid met die van concurrenten.

00:02:39.560 --> 00:02:45.260
Een standaard RAC-systeem door zoek 1-index pakt elk document waar betrouwbaarheid in staat en spugt een samenvatting uit.

00:02:45.440 --> 00:02:47.380
Heeft het de productieloogs in Fabric gecontroleerd?

00:02:47.560 --> 00:02:50.100
Heeft het dat nieuwe testrapport gelezen dat begraven ligt in SharePoint?

00:02:50.300 --> 00:02:52.280
Heeft het externe gegevens van het web gevalideerd?

00:02:52.560 --> 00:02:53.220
Natuurlijk niet.

00:02:53.380 --> 00:02:54.880
Het weet niet eens dat die bronnen bestaan.

00:02:55.060 --> 00:02:57.580
Het maskeert onzekerheid simpelweg met welbespraaktheid.

00:02:57.780 --> 00:03:00.340
Denk erover als een bibliotheek analogie die tragisch afloopt.

00:03:00.480 --> 00:03:03.480
Je komt binnen en vraagt één bibliothekaris naar de wereldeconomie.

00:03:03.480 --> 00:03:10.040
Ze rent naar een plank met economie, geeft je een willekeurig boek over wisselkoersen uit 2012 en verklaart de vraag voor opgelost.

00:03:10.220 --> 00:03:12.560
Goede klantenservice, verschrikkelijke wetenschap.

00:03:12.600 --> 00:03:18.740
Echte intelligentie zou meerdere bibliothekarissen inschakelen, één voor financiën, één voor geschiedenis, één voor beleid en hun bevindingen vervolgens synthetiseren.

00:03:18.920 --> 00:03:20.860
Dat is het verschil tussen ophalen en redeneren.

00:03:21.040 --> 00:03:23.060
In bedrijven vermenigvuldigt dit falen zich.

00:03:23.240 --> 00:03:25.920
Eén vraag van een directielid raakt vaak tientallen systemen.

00:03:26.100 --> 00:03:30.760
SharePoint documenten, Power BI datasets, Azure SQL tabellen, email threads.

00:03:30.760 --> 00:03:33.960
Klassieke rag vlakt al die complexiteit af tot één enkele stap.

00:03:34.160 --> 00:03:40.320
Het resultaat, inconsistente uitvoer, oppervlakkige samenvattingen en gefantaseerde gegevens verwoord in zelfverzekerde taal.

00:03:40.780 --> 00:03:41.860
Regelgeving en compliance.

00:03:42.140 --> 00:03:42.800
Vergeet het maar.

00:03:43.060 --> 00:03:46.800
Wanneer het model informatie trekt uit alles wat toevallig een factor match heeft, verlies je de herkomst.

00:03:46.980 --> 00:03:49.040
Probeer dat maar eens uit te leggen aan je auditcommissie.

00:03:49.200 --> 00:03:52.040
Toch laat de marketing rondom Copilot het klinken alsof het almachtig is.

00:03:52.040 --> 00:03:55.260
De brochure fluistert, vraag wat je wilt, Copilot kent je bedrijf.

00:03:55.380 --> 00:03:56.300
Nee, dat doet het niet.

00:03:56.460 --> 00:03:58.520
Het voort tekstextractie uit met geheugenverlies.

00:03:58.520 --> 00:04:00.800
Het kan niet plannen, reflecteren of verifiëren.

00:04:00.960 --> 00:04:05.540
Het weet niet welke SharePoint site het juiste document bevat of of de Fabric Warehouse überhaupt gesynchroniseerd is.

00:04:05.700 --> 00:04:10.280
Maar omdat de formulering vloeiend is, gaan leidinggevenden uit van begrip waar er alleen sprake is van correlatie.

00:04:10.540 --> 00:04:13.260
Deze illusie van intelligentie is waar bedrijven in trappen.

00:04:13.460 --> 00:04:16.480
Een duur troostdeken geweven uit waarschijnlijkheidsverdelingen.

00:04:16.640 --> 00:04:22.180
Ze vieren feest als Copilot een e-mail correct opstelt, nekkerend dat het de brongegevens volledig verkeerd begreep.

00:04:22.180 --> 00:04:28.480
Ze pochen met AI gestuurde inzichten zonder te beseffen dat die inzichten zijn samengesteld uit niet passende contexten en gedeeltelijke snapshots.

00:04:28.700 --> 00:04:30.240
Dit zijn de economische gevolgen.

00:04:30.440 --> 00:04:34.620
Elk verkeerd samengevat rapport, elke gefantaseerde KPI, leidt tot slechte beslissingen.

00:04:34.820 --> 00:04:36.860
Projecten wijzigen koers op basis van fictie.

00:04:37.040 --> 00:04:38.780
Compliance teams jagen op spoken.

00:04:39.060 --> 00:04:43.340
En wanneer de werkelijkheid ons inhaalt, wanneer het verzonnen inzicht faalt in de praktijk,

00:04:43.520 --> 00:04:47.220
krijgt de AI de schuld en niet de luie architectuur die het falen garandeerde.

00:04:47.380 --> 00:04:51.100
De waarheid is dat lineaire intelligentie faalt, omdat ondernemingen niet lineair zijn.

00:04:51.100 --> 00:04:54.160
Data is verspreid, contextueel en vaak tegenstrijdig.

00:04:54.280 --> 00:04:59.080
Een vaste pipeline voor één query kan zich net zo min aan die omgeving aanpassen als een enkel neuron kan denken.

00:04:59.300 --> 00:05:02.360
Wat je nodig hebt is geen betere prompt, maar een systeem dat kan plannen.

00:05:02.540 --> 00:05:07.320
Een systeem dat kan beslissen welke services in welke volgorde worden gebruikt en hoe het resultaat wordt geverifieerd.

00:05:07.500 --> 00:05:11.400
Dus, hoe leren we een co-pilot om als een onderzoeksdien te werken in plaats van als een papegaai?

00:05:11.400 --> 00:05:16.780
Daar komt agentenkracht kijken, de evolutionaire sprong van reactief ophalen naar proactief redeneren.

00:05:16.940 --> 00:05:20.900
Het vroegt lagen van planning, gespecialiseerde retrievers en verificatielussen toe.

00:05:21.080 --> 00:05:24.820
Met andere woorden, het stopt met doen alsof het slim is en leert eindelijk denken.

00:05:25.080 --> 00:05:27.580
Maak kennis met agentenkracht van zoeken naar redeneren.

00:05:27.780 --> 00:05:30.240
Hier stappen we over van een gimmick naar echte intelligentie.

00:05:30.580 --> 00:05:35.420
Agentenkracht is geen modewoord, het is het ontbrekende vermogen dat je co-pilot miste, executieve functies.

00:05:35.660 --> 00:05:38.440
Zie het als racht dat een prefrontale cortex heeft ontwikkeld.

00:05:38.440 --> 00:05:43.300
In plaats van één query uit te voeren en te hopen op het beste, splitst het een probleem in delen,

00:05:43.520 --> 00:05:48.580
wijst taken toe aan gespecialiseerde agents, controleert hun werk en synthetiseert het resultaat.

00:05:48.740 --> 00:05:51.980
Kortom, het transformeert taalmodellen van papegaaien in planners.

00:05:52.260 --> 00:05:57.700
Technisch gezien werkt agentenkracht via multi-agentorchestratie op basis van de Azure AI-agentservice.

00:05:58.040 --> 00:05:59.780
Stel je drie rollen in beweging voor.

00:05:59.980 --> 00:06:02.700
Ten eerste de planner, een soort digitale projectmanager.

00:06:02.900 --> 00:06:06.680
De planner leest je query en beslist welke tools of gegevensbronnen relevant zijn.

00:06:06.680 --> 00:06:12.100
Daarna komen de retriever agents, domain experts die getraind zijn om gestructureerde of ongestructureerde data te benaderen.

00:06:12.260 --> 00:06:15.660
Tot slot de verivier of reas-owner agent, die fungeert als hoofdredacteur.

00:06:15.820 --> 00:06:19.860
Hij controleert consistentie, valideert bronvermeldingen en stelt het definitieve antwoord samen.

00:06:20.080 --> 00:06:22.740
Samen vormen ze wat we een adaptieve reden-eerlus noemen.

00:06:22.960 --> 00:06:26.120
Query, ophalen, valideren, verfijnen en handelen.

00:06:26.340 --> 00:06:28.000
Het cruciale woord is adaptief.

00:06:28.180 --> 00:06:31.320
In tegenstelling tot standaardracht stopt deze lus niet bij de eerste output.

00:06:31.520 --> 00:06:33.920
Het past de route aan wanneer er tegenstrijdigheden optreden.

00:06:33.920 --> 00:06:36.360
Vergelijk deze georchestreerde dans met een redactiekamer.

00:06:36.540 --> 00:06:38.920
De planner is de eindredacteur die de onderwerpen verdeelt.

00:06:39.080 --> 00:06:41.180
Je doorzoekt SharePoint naar interne rapporten.

00:06:41.340 --> 00:06:43.160
Je haalt de sensormetriken uit Fabric.

00:06:43.300 --> 00:06:45.280
Je scant het web voor concurrentiegegevens.

00:06:45.480 --> 00:06:47.640
Elke retriever agent haalt zijn eigen deel op.

00:06:47.720 --> 00:06:49.900
De verivier checkt de feiten van het gecombineerde concept,

00:06:50.140 --> 00:06:53.580
voert queries opnieuw uit bij tegenstrijdige bronnen en publiceert pas daarna de samenvatting.

00:06:53.740 --> 00:06:56.480
Het resultaat is geen brok tekst dat alleen maar aannemelijk klinkt.

00:06:56.540 --> 00:06:58.600
Het is een samenhangend, onderbouwd inzicht.

00:06:58.800 --> 00:07:02.060
De sprong zit hem hier niet in grotere modellen, maar in gestructureerd redeneren.

00:07:02.060 --> 00:07:04.160
Laten we dieper in het brein van de planner duiken.

00:07:04.340 --> 00:07:06.940
Het vertaalt je vraag in gewone taal naar een takenoverzicht.

00:07:07.140 --> 00:07:11.480
Welke retrievers te gebruiken, in welke volgorde ze uit te voeren en hoe hun bevindingen samengevoegd moeten worden.

00:07:11.700 --> 00:07:14.980
Dit is waar de Azure AI agent service zijn bestaansrecht bewijst.

00:07:15.100 --> 00:07:18.820
Het biedt de orkestratielaag die deze agents met elkaar laat communiceren.

00:07:19.380 --> 00:07:25.400
Microservices die communiceren via APIs die worden beheerd door Microsoft Entra Authenticatie, niet door GISwerk.

00:07:25.640 --> 00:07:29.920
Nu, over beveiliging, want de gemiddelde compliance officer grijpt dan naar de paniekknop.

00:07:29.920 --> 00:07:31.700
Agent de kracht snijdt geen bochten af.

00:07:31.840 --> 00:07:36.580
Het is gebouwd rond on behalf of authenticatie, wat betekent dat jouw identiteit met het verzoek meer reist.

00:07:36.760 --> 00:07:38.320
Het systeem doet zich niet voor als jou.

00:07:38.520 --> 00:07:41.800
Het gebruikt jouw geverifieerde token om alleen op te halen wat jij mag inzien.

00:07:42.000 --> 00:07:46.560
Raw Level Security RLS en Column Level Security CLS zijn standaard ingebouwd.

00:07:46.740 --> 00:07:49.820
De AI kan per ongeluk niet de prognose van de CFO aan een stagiair onthullen.

00:07:50.040 --> 00:07:52.960
Elke ophaalaanroep wordt gelogd, is controleerbaar en kan worden teruggedraaid.

00:07:52.960 --> 00:07:56.360
Dit is belangrijk omdat statische rach geen enkel besef heeft van gebruikerscontext.

00:07:56.360 --> 00:08:01.100
Het haalt op wat de zoeklaag toestaat en omzelt daarbij vaak volledig de rechtenstructuur van de onderneming.

00:08:01.280 --> 00:08:02.880
Agent de kracht herstelt die discipline.

00:08:03.200 --> 00:08:08.680
Wanneer de Fabric Retriever een Lakehouse-tabel bevraagt, twinkt het dezelfde RLS-regels af als je B-dashboards.

00:08:08.880 --> 00:08:15.180
Wanneer de SharePoint agent documentbibliotheken doorzoekt, respecteert deze machtigingen op site-niveau en Microsoft Purview-labels.

00:08:15.400 --> 00:08:19.600
Dus dezelfde beleidsregels die je menselijke gebruikers beschermen, beschermen nu ook je AI-gebruikers.

00:08:19.600 --> 00:08:22.100
Laten we dit terugbrengen naar de workflow-realiteit.

00:08:22.360 --> 00:08:28.160
Stel dat de vraag is in welk glucosebereik presteert product A slechter dan product B en wat is de klinische impact.

00:08:28.420 --> 00:08:32.360
Standaard RACH dumpt alle fragmenten waarin product A en glucose worden genoemd.

00:08:32.480 --> 00:08:37.920
Agent de kracht, aangedreven door Azure AI-agentservice, laat de planner eerst drie bronnen identificeren.

00:08:38.160 --> 00:08:42.860
Fabric voor sensordata, SharePoint voor klinische notices en Bing voor externe publicaties.

00:08:43.060 --> 00:08:45.840
Elke retriever-agent brengt relevant bewijsmateriaal aan.

00:08:45.840 --> 00:08:52.940
De verivier vergelijkt datasets, markeert discrepanties en verfijnt mogelijk zelfs de oorspronkelijke Fabric Query als er een uitschieter verschijnt.

00:08:53.100 --> 00:08:57.160
Pas na validatie wordt het definitieve inzicht samengevat met behoud van bronvermeldingen.

00:08:57.320 --> 00:08:59.200
Dat is iteratief redeneren in actie.

00:08:59.440 --> 00:09:01.200
Reactieve RACH stopt na stap 1.

00:09:01.420 --> 00:09:04.140
Agent de kracht leert en past zich midden in het gesprek aan.

00:09:04.320 --> 00:09:06.720
Het kan vervolgvragen automatisch ontleden.

00:09:06.940 --> 00:09:09.740
Vraag, kunnen we de nauwkeurigheid verbeteren met recente studies?

00:09:10.000 --> 00:09:14.160
En dezelfde agents schakelen over om nieuwe materialen op te halen zonder de context te verliezen.

00:09:14.160 --> 00:09:17.180
Het is continu begrip, geen episodisch geheugenverlies.

00:09:17.340 --> 00:09:18.940
Het compliance-voordeel is enorm.

00:09:19.180 --> 00:09:24.300
Elke actie van een agent is traceerbaar in audit logs, elk token is geverifieerd, elk documentgebruik is gelogd.

00:09:24.320 --> 00:09:27.160
Je krijgt de illusie van alwetendheid met het papierwerk van voorzichtigheid.

00:09:27.840 --> 00:09:29.220
Iets waar auditors dol op zijn.

00:09:29.440 --> 00:09:31.500
De filosofische verschuiving is dus deze.

00:09:31.740 --> 00:09:33.480
Retrieval alleen levert informatie.

00:09:33.680 --> 00:09:35.860
Agency zet die informatie om in een proces.

00:09:36.120 --> 00:09:39.000
Door planning, specialisatie en verificatie te introduceren,

00:09:39.200 --> 00:09:43.220
transformeert Azure Agent Service willekeurige databronnen in verantwoorde reden-heerketens.

00:09:43.220 --> 00:09:47.980
In de bedrijfswereld is dat het verschil tussen een assistent die je vertrouwt en en die je stilletjes uitschakelt.

00:09:48.120 --> 00:09:52.120
Nu onze co-pilot over een werkend brein beschikt, is het tijd om het een passend geheugen te geven.

00:09:52.340 --> 00:09:55.100
Met andere woorden, laten we het een substantiële plek geven om te zoeken,

00:09:55.320 --> 00:09:57.380
beginnend bij de ongestructureerde chaos van SharePoint.

00:09:57.680 --> 00:10:00.140
SharePoint integreren, chaos veranderen in kennis.

00:10:00.420 --> 00:10:02.900
SharePoint is de plek waar bedrijfskennis zich komt verschuilen.

00:10:03.100 --> 00:10:06.380
Elke onderneming heeft er een archeologische opgravingsplek vol powerpoints,

00:10:06.540 --> 00:10:09.080
notulen, verouderde specificaties en documenten genaamd.

00:10:09.240 --> 00:10:10.220
Definitief V12, echt definitief.

00:10:10.220 --> 00:10:12.260
En voor mensen is dat chaos.

00:10:12.480 --> 00:10:14.940
Voor een naïef rachtsysteem is het onleesbare chaos.

00:10:15.180 --> 00:10:17.540
Zoekwoorden leveren braaf duizenden resultaten op,

00:10:17.680 --> 00:10:21.580
waarvan de meeste irrelevant zijn en de gemiddelde gebruiker scrolt tot hij erbij neervalt.

00:10:21.800 --> 00:10:26.020
Vervolgens vragen ze co-pilot om hulp en co-pilot vatkomt het verkeerde decennium samen.

00:10:26.220 --> 00:10:29.020
Het agentiek rachtsysteem behandelt SharePoint anders,

00:10:29.300 --> 00:10:31.540
niet als een bibliotheek, maar als een kennislaag.

00:10:31.660 --> 00:10:34.660
Het weet dat in die mappen kwalitatieve inzichten begraven liggen

00:10:34.660 --> 00:10:39.780
die gestructureerde fabric tabellen nooit zullen vangen, context, beslissingen, onderbouwing.

00:10:40.120 --> 00:10:42.380
Dus in plaats van een simpele zoekopdracht op trefwoorden,

00:10:42.660 --> 00:10:46.300
gebruikt de SharePoint Retriever agent semantische embeddings en vector zoekopdrachten

00:10:46.300 --> 00:10:48.580
om betekenis in kaart te brengen, niet alleen tekst.

00:10:48.760 --> 00:10:53.340
Vraag naar productbetrouwbaarheid in vochtige omgevingen en het fixeert zich niet op die exacte woorden.

00:10:53.340 --> 00:10:59.060
Het merkt documenten op die velingsmechanismen, condensatiebestendigheid en lijnprestaties bespreken.

00:10:59.240 --> 00:11:00.560
Het herkent de intentie.

00:11:00.560 --> 00:11:04.140
Hier wordt autorisatiebewustzijn de cruciale factor.

00:11:04.500 --> 00:11:09.620
Elke SharePoint-site heeft zijn eigen web van rechten, teams, subsites en vertrouwelijke mappen.

00:11:10.120 --> 00:11:15.000
Een domme crawler negeert dat en laat per ongeluk oude klachten opduiken in een marketingrapport.

00:11:15.200 --> 00:11:20.280
Het agentiek model authentiseert echter namens jou en neemt jouw exacte beveiligingscontext over.

00:11:20.280 --> 00:11:22.120
Het kan alleen lezen wat jij mag zien.

00:11:22.340 --> 00:11:24.600
De output wordt automatisch gefilterd volgens beleid.

00:11:25.200 --> 00:11:28.140
Beveiligingsfiltering, mogelijk gemaakt door Microsoft Entra & Purview Labels.

00:11:28.140 --> 00:11:31.100
Zo overstijgt de intelligentie van de AI nooit zijn bevoegdheden.

00:11:31.320 --> 00:11:33.160
Laten we een praktisch scenario bekijken.

00:11:33.340 --> 00:11:38.040
Een R&D-manager typt, vat de prestatieverschillen van product A in kustklimaten samen.

00:11:38.220 --> 00:11:39.880
De planner verdeelt dit in subtaken.

00:11:40.120 --> 00:11:46.020
Een fabric retriever bereidt de analyse van numerieke sensor data voor, terwijl de SharePoint-agent in interne onderzoeksrapporten,

00:11:46.180 --> 00:11:50.100
onderhoudslogboeken en engineering notices duikt die zijn getagd met vochtgerelateerde termen.

00:11:50.100 --> 00:11:58.000
Het vindt een veldtestrapport uit 2023, een discussie over materiaalcorrosie en een document met samengevatte bevindingen van het betrouwbaarheidsteam.

00:11:58.120 --> 00:12:03.780
Elk document krijgt een vectorscore voor semantische relevantie, wordt opgehaald en doorgegeven aan de verifiëeragent.

00:12:03.960 --> 00:12:07.860
Die verifiëeragent toetst deze kwalitatieve resultaten aan de fabriccijfers.

00:12:08.060 --> 00:12:15.060
Als er tegenstrijdigheden verschijnen, stel dat een verouderd document minimale corrosie claimt, dan signaleert het de inconsistentie en vraagt het om nieuwere gegevens.

00:12:15.060 --> 00:12:22.340
Het definitieve, gesynthetiseerde antwoord vertelt de R&D-manager precies welke onderdelen degraderen in een hoge luchtvochtigheid en citeert de gevalideerde bronnen.

00:12:22.480 --> 00:12:27.140
Wat vroeger urenhandmatig spitwerk was, wordt nu teruggebracht tot één continu reden-eer-cyclus.

00:12:27.380 --> 00:12:34.900
SharePoint verandert van een passieve opslagplaats in een actieve deelnemer aan bedrijfsintelligentie, in feite een neuraal geheugen van bedrijfsbeslissingen.

00:12:35.080 --> 00:12:44.120
De agentenkracht Laag leest niet simpelweg documenten, maar leert verbanden, projectlijnen, auteurstrends en contextuele clusters en kan deze tot coherente argumenten verweven.

00:12:44.120 --> 00:12:48.260
Nu kunnen compliance-functionarissen nog steeds zenuwachtig worden bij het horen van autonoom ophalen.

00:12:48.420 --> 00:12:59.340
Ontspan, elke zoekopdracht en documentwijziging wordt gelogd, audit trails blijven intact, regelgevende kaders zoals ISO 27001 en AVG zijn afhankelijk van verantwoording en dit systeem biedt die automatisch.

00:12:59.520 --> 00:13:04.840
De agent kan zelfs metagegevens toevoegen die het documentpad en de tijdstempel van toegang citeren bij elke gegenereerde zin.

00:13:05.040 --> 00:13:10.640
Dat betekent dat elke bewering die de AI doet, kan worden herleid tot een specifieke versie van een bestand, onweerlegbaarheid voor robots.

00:13:10.640 --> 00:13:16.300
Kortom, het integreren van SharePoint onder agentenkracht verandert in houdelijke chaos in kennischoreografie.

00:13:16.440 --> 00:13:22.140
Uw ongestructureerde verleden wordt doorzoekbaar op betekenis, beveiligd door beleid en gevalideerd door kruisverwijzingen.

00:13:22.280 --> 00:13:26.020
SharePoint houdt op een digitale zolder te zijn en wordt cognitieve infrastructuur.

00:13:26.180 --> 00:13:28.660
Maar kwalitatieve context is slechts de helft van het brein.

00:13:28.840 --> 00:13:33.640
De andere helft, de numerieke structuur waarheid, leeft binnen Microsoft Fabric en daar gaan we nu heen.

00:13:33.800 --> 00:13:36.280
Microsoft Fabric, de gestructureerde tegenhanger.

00:13:36.280 --> 00:13:40.200
Welkom bij de andere hersenhelft van uw bedrijfsbrein, de gestructureerde kant.

00:13:40.380 --> 00:13:45.080
Als SharePoint uw triballen kennis opslaat, bevat Microsoft Fabric uw empirische waarheid.

00:13:45.260 --> 00:13:51.040
Het is de uniforme analyse ruggengraat waar getallen, modellen en eventstreams samenkomen tot iets dat coherentie benadert.

00:13:51.240 --> 00:13:53.860
De meeste organisaties behandelen het als een data warehouse.

00:13:54.160 --> 00:13:56.520
Onder agentenkracht wordt het een redeneersubstraat.

00:13:56.680 --> 00:13:58.780
Dit is de rol die Fabric speelt, precisie.

00:13:58.940 --> 00:14:02.760
Het spreekt geen anekdotes, het spreekt telemetrie, transacties en tijdreeksen.

00:14:02.760 --> 00:14:08.060
Binnen Fabric leven het lakehouse, het warehouse en het semantische model, elk een ander dialect van structuur.

00:14:08.220 --> 00:14:15.700
Een Fabric data agent, gebouwd op de Azure AI agent service, vertaalt natuurlijke taal naar gestructureerde queries die veilig door die lagen navigeren.

00:14:15.900 --> 00:14:24.040
Vraag om de kwartaal rendements variantie voor product A per regio te tonen en het maakt stilletjes een geoptimaliseerde SQL-achtige query die zich richt op de juiste tabellen en partities.

00:14:24.040 --> 00:14:26.620
Uitgevoerd tegen uw geauthenticeerde context.

00:14:26.860 --> 00:14:30.040
Geen prompts, geen power b-tools, directe beheerde intelligentie.

00:14:30.240 --> 00:14:36.060
Nu is onbewerkte toegang tot cijfers zinloos zonder bescherming, dus bij Fabric is beveiliging geen optie, het is architectuur.

00:14:36.260 --> 00:14:43.340
Elke interactie is versleuteld en geauthenticeerd via Microsoft Entra ID, wat garandeert dat de agent opereert onder uw geverifieerde gebruikers token.

00:14:43.560 --> 00:14:47.580
Herinnert u zich de chaos van Service Principle Shortcuts die rijniveau beveiliging negeren?

00:14:47.580 --> 00:14:55.120
Die zijn hier verboden. De on behalf of flow draagt uw identiteit van begin tot eind over en dwingt automatisch RLS en kolomniveau beveiliging af.

00:14:55.280 --> 00:15:04.220
Als de afdeling finance een kolom als vertrouwelijk markeert, ziet de AI deze nooit en elke uitvoering laat sporen na in de audit laks van Fabric, wat auditors tevreden stelt die laks als bedtijdverhalen beschouwen.

00:15:04.520 --> 00:15:11.540
Daarbovenop bevindt zich Purview Governance. Vertrouwelijkheidslabels reizen mee met de data, vertrouwelijk, alleen intern, export beperkt.

00:15:11.740 --> 00:15:16.160
Wanneer de Fabric data agent een query opstelt met dergelijke velden, grijpen het beleid direct in.

00:15:16.160 --> 00:15:19.720
Inbreukpogingen activeren DLP-handhaving voordat er ook maar één byte ontsnapt.

00:15:19.880 --> 00:15:22.380
Het is in wezen kinderveiligheid van bedrijfsniveau voor AI.

00:15:22.580 --> 00:15:25.140
Het model kan op verkenning, maar zichzelf niet electrocuteren.

00:15:25.340 --> 00:15:29.240
Dus, wat gebeurt er als we deze gestructureerde discipline combineren met de intuïtie van SharePoint?

00:15:29.420 --> 00:15:31.840
De Azure AI agent Service orchestreert het.

00:15:32.060 --> 00:15:33.380
Stel je een rechtszaal voor.

00:15:33.620 --> 00:15:40.640
De Fabric agent levert het harde bewijs, grafieken, tellingen en sensor gemiddelde, terwijl de SharePoint agent de getuigenverklaringen levert.

00:15:40.640 --> 00:15:47.640
De verificatie agent voert een kruisverhoor uit en zorgt dat de cijfers en verhalen overeenstemmen voordat het FON is als een verenigd, onderbouwd antwoord wordt gepresenteerd.

00:15:48.380 --> 00:15:49.520
Laten we een voorbeeld nemen.

00:15:49.700 --> 00:15:52.640
Een operationeel leider vraagt, verliezen we efficiëntie door verpakkingsfouten?

00:15:53.380 --> 00:15:58.120
De planner stuurt de Fabric agent op pad om opbrengstpercentages per productielijn uit het magazijn op te halen.

00:15:58.360 --> 00:16:02.920
Tegelijkertijd stuurt het de SharePoint agent om onderhoudslogboeken en correspondentie met leveranciers te doorzoeken.

00:16:03.120 --> 00:16:06.640
De Fabric agent retourneert een dataset die kleine dips laat zien die correleren met vochtigheidsspieken.

00:16:06.640 --> 00:16:12.580
De SharePoint agent haalt een e-maildraad naar boven waarin kromgetrokken verpakkingsmateriaal uit diezelfde periode wordt genoemd.

00:16:12.700 --> 00:16:20.000
De verificateur bevestigt beide, bestempelt het verband als geloofwaardig en het systeem stelt een beknopte bevinding op, compleet met kwantitatieve grafieken en referentiedocumenten.

00:16:20.160 --> 00:16:23.240
Directe Six Sigma diagnostiek zonder slapeloze analisten.

00:16:23.500 --> 00:16:30.180
Onder de motorkap beheert de Azure AI agent service de gelijktijdigheid en voert het ophalen uit via wat in feite een microservice mesh is.

00:16:30.180 --> 00:16:37.140
Elke agent publiceert een schema dat beschrijft waar hij toegang toe heeft, Fabric schema's, SharePoint metadata of de open web context van Bing.

00:16:37.320 --> 00:16:39.840
De planner gebruikt dat register als een API directory.

00:16:40.120 --> 00:16:42.240
Het resultaat is modulaire intelligentie.

00:16:42.460 --> 00:16:46.980
Wissel of breed agents uit naarmate er nieuwe datadomeinen ontstaan, zonder de hele co-pilot te herschrijven.

00:16:47.160 --> 00:16:51.520
Qua prestaties zit de innovatie niet in grotere modellen, maar in een slimmere volgorde van ophalen.

00:16:51.700 --> 00:16:57.280
De planner kan eerst Fabric bevragen om numerieke grenzen te definiëren en deze vervolgens gebruiken om de SharePoint-verkenning te beperken.

00:16:57.280 --> 00:16:59.820
Dat vermindert ruis en versnelt de convergentie.

00:17:00.020 --> 00:17:01.680
Zie het als data snoeit door logica.

00:17:01.880 --> 00:17:07.640
In plaats van te verdrinken in 10.000 documenten, weet het systeem welke 10 ertoe doen omdat de cijfers de vraag al inkaderen.

00:17:07.880 --> 00:17:11.280
Compliance officers zijn dol op deze opzet, omdat governance meegroeit met de intelligentie.

00:17:11.980 --> 00:17:15.040
Elke agentaanroep wordt gelogd, elke transformatie is traceerbaar.

00:17:15.260 --> 00:17:17.760
Wanneer de CFO vraagt, waar komt dit getal vandaan?

00:17:17.880 --> 00:17:22.280
Kun je direct wijzen naar de Fabric-tabel, de tijdstempel en het token van de uitvoerende gebruiker.

00:17:22.280 --> 00:17:28.400
Die transparantie zet angst om in vertrouwen, een cruciale valuta in gereguleerde sectoren zoals financiën of de gezondheidszorg.

00:17:28.540 --> 00:17:35.340
Combineer deze eigenschappen en je hebt een analytische symfonie gebouwd, gestructureerde precisie van Fabric geharmoniseerd met contextueel begrip van SharePoint.

00:17:35.560 --> 00:17:39.300
De onderneming stapt over van zoeken en hopen naar ophalen, verifiëren en beslissen.

00:17:39.460 --> 00:17:41.280
En ja, de snelheid is verbazingwekkend.

00:17:41.440 --> 00:17:44.520
Combineer nu deze meerlaagse opvraging met redeneren en je krijgt snelheid.

00:17:44.520 --> 00:17:53.520
Angstaanjagende snelheid, de cyclus van onderzoek naar besluitvorming, waar voorheen een parade aan analisten voor nodig was, krimpt nu tot uren, wat ons direct naar de laatste fase brengt.

00:17:53.680 --> 00:17:56.700
Impact, de impact voor de onderneming, van maanden naar minuten.

00:17:56.940 --> 00:17:59.060
Laten we het over de gevolgen hebben, de goede soort.

00:17:59.340 --> 00:18:04.440
Wanneer je upgradet van passieve rach naar agentgebaseerde rach in Fabric en SharePoint, buigt de gemiddelde zakelijke tijdlijn mee.

00:18:04.660 --> 00:18:08.360
Wat voorheen maanden aan rapportage kostte, verandert in minuten aan geverifieerde synthese.

00:18:08.580 --> 00:18:12.120
De AI wacht niet langer op mensen om vragen te vertalen naar data queries.

00:18:12.120 --> 00:18:15.880
Hij voort die vertaling, validatie en samenvatting automatisch uit.

00:18:16.100 --> 00:18:17.140
Denk aan R&D.

00:18:17.360 --> 00:18:20.920
Teams kwamen vroeger samen in cross-functionele commissies om data af te stemmen.

00:18:21.060 --> 00:18:28.420
Engineers die testgegevens exporteren, analisten die ze opschonen, compliance die rechten controleert en iemand die onvermijdelijk bestanden hernoemt naar definitief definitief.

00:18:28.540 --> 00:18:30.500
Agentgebaseerde rach verplettert die cyclus.

00:18:30.700 --> 00:18:40.440
De planner orchestreert agents die tegelijkertijd Fabric prestatietabellen en SharePoint ontwerpnotices ophalen, ze samenvoegen en een gevalideerd overzicht opstellen, compleet met bronvermeldingen en beveiligingslabels.

00:18:40.440 --> 00:18:42.360
Beslissingslatentie, bijna nul.

00:18:42.540 --> 00:18:45.360
Compliance en audits ondergaan soortgelijke schokgolven.

00:18:45.640 --> 00:18:48.660
Traditionele audits betekenden wekenlang bewijsmateriaal mailen.

00:18:48.820 --> 00:18:52.780
Nu kan dezelfde AI die het rapport schreef zijn redeneerpad op verzoek regenereren.

00:18:53.000 --> 00:18:56.920
Elke ophaalactie, query string, best- en s-pad en tijdstempel wordt vastgelegd.

00:18:57.020 --> 00:19:02.780
Auditors kunnen de exacte stappen naar een conclusie opnieuw afspelen, waardoor due diligence verandert van een zoektocht in een vinkje.

00:19:03.000 --> 00:19:05.920
Wat voorheen een risico was, wordt een kroonjuweel voor governance.

00:19:05.920 --> 00:19:11.200
Productie krijgt een voorspellend voordeel. De kwantitatieve stromen van Fabric onthullen procesafwijkingen.

00:19:11.340 --> 00:19:14.160
De kwalitatieve notices in SharePoint verklaren de oorzaken.

00:19:14.360 --> 00:19:20.260
De agenticloop correleert ze voordat waarschuwingen escaleren, waardoor continu verbetering effectief wordt bereikt zonder Six Sigma Consultant.

00:19:20.480 --> 00:19:26.940
Stel je voor dat je een kamer vol overwerkte stagiairs vervangt door een panel van deskundige consultants die nooit slapen, nooit context vergeten en nooit het budget overschrijden.

00:19:27.140 --> 00:19:30.060
Dat is het operationele equivalent van samengestelde intelligentie.

00:19:30.060 --> 00:19:33.040
Natuurlijk is automatisering alleen zinvol als er verantwoording is.

00:19:33.180 --> 00:19:41.200
Agent gebaseerde RAG behoudt elke laag van bedrijfsrechten, machtigingen, vertrouwelijkheidslabels en audit logs, zodat CEO's intelligentie kunnen schalen zonder risico's te vergroten.

00:19:41.400 --> 00:19:45.920
Elk inzicht is traceerbaar naar de gebruikersreferentie en de beheerderrepository die het heeft geproduceerd.

00:19:46.100 --> 00:19:51.520
Het systeem werkt als een financieel grootboek voor gedachten, transparant, omkeerbaar en fraudebestendig.

00:19:51.640 --> 00:19:53.840
En de menselijke kosten? Minder verveling.

00:19:54.080 --> 00:19:58.480
Professionals stoppen met kopiëren en plakken uit exports en beginnen met het interpreteren van gesynthetiseerde waarheden.

00:19:58.480 --> 00:20:02.440
Vergaderingen worden korter omdat de AI arriveert met vooraf gevalideerd bewijsmateriaal.

00:20:02.620 --> 00:20:05.500
Projecten versnellen omdat data en narratief direct samenkomen.

00:20:05.740 --> 00:20:07.740
Dit is het deel dat de meeste leidinggevenden missen.

00:20:07.960 --> 00:20:10.880
Snel bewegen is niet roekeloos als de redenering gedocumenteerd is.

00:20:11.060 --> 00:20:16.360
De echte roekeloosheid is nog steeds het bouwen van domme copilots, contextloze papegaaien die zich voordoen als strategen.

00:20:16.520 --> 00:20:19.920
Die horen thuis in het museum van vroege AI-curiositeiten, naast Clippy.

00:20:19.920 --> 00:20:25.840
Dus als jouw onderneming nog steeds een copilot viert die alleen gegevens ophaalt, gefeliciteerd, dan financier je een luxe autocompliet.

00:20:25.840 --> 00:20:29.340
De serieuze spelers gebruiken al agents die plannen, verifiëren en handelen.

00:20:29.500 --> 00:20:32.360
De tijdsbesparing van maanden naar minuten is slechts het oppervlakkige voordeel.

00:20:32.520 --> 00:20:34.640
Het diepere voordeel is epistemische integriteit.

00:20:34.840 --> 00:20:39.020
Beslissingen die daadwerkelijk de realiteit weerspiegelen omdat de intelligentie die ze vormt verantwoording aflegt.

00:20:39.280 --> 00:20:43.180
Daarom is het blijven bouwen van domme copilots niet alleen inefficiënt, het is roekeloos.

00:20:43.180 --> 00:20:49.000
De toekomst van Enterprise AI draait niet om grotere prompts, maar om kleinere feedbackloops met beter geheugen en beheer.

00:20:49.320 --> 00:20:50.480
Agentenkracht levert beide.

00:20:50.980 --> 00:20:54.160
Intelligentie gedraagt zich eindelijk als een systeem, niet als een trucje.

00:20:54.380 --> 00:20:56.020
Stop met bouwen, begin met denken.

00:20:56.240 --> 00:20:57.940
RACH zonder agency is achterhaald.

00:20:58.120 --> 00:21:01.480
Het is de architectuur van gisteren die pretendeert de problemen van morgen op te lossen.

00:21:01.620 --> 00:21:09.480
De moderne onderneming heeft geen chatbots nodig, maar cognitieve infrastructuur, systemen die kunnen plannen, verifiëren en handelen onder jouw identiteit, niet ernaast.

00:21:09.480 --> 00:21:14.280
Dat is agentenkracht, een ecosysteem van doelgericht redeneren gebouwd op Azure AI Agent Service,

00:21:14.500 --> 00:21:19.880
dat veilig communiceert met SharePoint en Microsoft Fabric als een team van experts dat één geauthenticeerd brein deelt.

00:21:20.060 --> 00:21:26.620
Als jouw copilot nog steeds niet zelf zijn zoekopdrachten kan inplannen, bronnen kan valideren of zijn redenering kan uitleggen, noem het dan niet intelligent.

00:21:26.760 --> 00:21:27.520
Het is decoratief.

00:21:27.920 --> 00:21:31.200
Intelligentie impliceert intentie, verificatie en consequenties.

00:21:31.640 --> 00:21:35.420
Decoratieve AI voert monologen, agentenk AI voert experimenten uit.

00:21:35.620 --> 00:21:37.340
Het verschil is verantwoordelijkheid.

00:21:37.340 --> 00:21:39.940
De een creëert output, de ander creëert begrip.

00:21:40.140 --> 00:21:42.740
Deze architecturale verschuiving is niet langer optioneel.

00:21:42.980 --> 00:21:47.780
Zodra jouw besluitvorming zowel gestructureerde als ongestructureerde data omvat, stort statische rag in.

00:21:47.940 --> 00:21:54.160
Compliance officers weten het al, analisten voelen het al en het leiderschap zal spoedig bewijs van redenering eisen, niet alleen een zelfverzekerde toon.

00:21:54.320 --> 00:21:56.780
De Microsoft Stack biedt eindelijk de juiste basis.

00:21:57.040 --> 00:22:05.420
Azure AI Agent Service voor orkestratie, Fabric Data Agents voor kwantitatieve waarheid, SharePoint Ophaalacties voor context en Purview beheer dat het hele zenuwstelsel afdicht.

00:22:05.420 --> 00:22:09.020
Dus, dit is je uitdaging. Stop met het inzetten van showpaartjes.

00:22:09.240 --> 00:22:12.420
Bouw agents die met elkaar in discussie gaan totdat ze het eens zijn over de waarheid.

00:22:12.900 --> 00:22:14.380
Experimenteer met multi-agent planning.

00:22:14.640 --> 00:22:16.220
Test op basis van authenticatie.

00:22:16.420 --> 00:22:19.940
Koppel Fabric en SharePoint aan elkaar totdat je AI zijn antwoorden daadwerkelijk kan verdedigen.

00:22:20.100 --> 00:22:22.560
Want intelligentie zonder actie is helemaal geen intelligentie.

00:22:22.720 --> 00:22:26.140
Als deze uitleg meer verduidelijkte dan je leverancier ooit deed, abonneer je dan.

00:22:26.140 --> 00:22:31.240
De volgende diepe duik ontleed multi-agent ontwerp binnen Microsoft 365 AI.

00:22:31.460 --> 00:22:35.420
Hoe je jouw co-pilot niet alleen aandachtig maakt, maar ook bewust binnen het beleid.

00:22:35.980 --> 00:22:38.300
Efficiëntie is geen magie, het is architectuur.

00:22:38.540 --> 00:22:43.140
Zet je upgrade pad vast, abonneer je, schakel meldingen in en laat nieuwe inzichten automatisch implementeren.

00:22:43.880 --> 00:22:44.300
Ga door.
