WEBVTT

00:00:00.000 --> 00:00:03.140
Voer je nog steeds handmatige Fabric-audits uit? Fascinerend.

00:00:03.340 --> 00:00:10.120
Dat betekent dat je vrijwillig je weekenden opoffert om Power BI-datasets, Fabric-werkruimten en Purview-klassificaties met spreadsheets te controleren.

00:00:10.700 --> 00:00:15.020
Bewonderenswaardig als het je doel is om een prijs te winnen voor de minst efficiënte inzet van menselijke intelligentie.

00:00:15.200 --> 00:00:18.620
Governance in Microsoft Fabric is niet moeilijk omdat de functies ontbreken.

00:00:18.820 --> 00:00:21.940
Het is moeilijk omdat de systemen weigeren dezelfde taal te spreken.

00:00:22.140 --> 00:00:26.420
Elk systeem gedraagt zich als een zelfingenomen manager die volhoudt dat zijn afdeling anders is.

00:00:26.420 --> 00:00:32.820
Purview volgt klassificaties, Power BI handhaaft beveiliging, Fabric beheert pipelines en jij mag in Excel scheidsrechter spelen bij hun discussies.

00:00:33.040 --> 00:00:36.100
Maak kennis met GPT-5 in Microsoft 365 Copilot.

00:00:36.300 --> 00:00:38.860
Dit is niet dezelfde gehoorzame assistent die je vroeg om notices samen te vatten.

00:00:39.020 --> 00:00:40.720
Het is een auditor met logisch redeneervermogen.

00:00:40.920 --> 00:00:44.860
Het verschil? GPT-5 vindt niet alleen informatie, het begrijpt de onderlinge verbanden.

00:00:45.000 --> 00:00:50.780
In deze video leer je hoe het Fabric Governance automatiseert over alle services heen zonder enige handmatige verificatie.

00:00:50.980 --> 00:00:54.940
Chain of VAT redenering verandert zij nalevingswerk in pure logica.

00:00:54.940 --> 00:00:57.480
Waarom Governance in Microsoft Fabric faalt

00:00:57.480 --> 00:00:59.200
Dit is de ongemakkelijke waarheid.

00:00:59.440 --> 00:01:02.600
Fabric heeft Analytics verenigd, maar vergeten om Governance te verenigen.

00:01:02.820 --> 00:01:06.580
Onder de glanzende dashboards ligt een rommelig netwerk van systemen die vechten om aandacht.

00:01:06.840 --> 00:01:12.140
Fabric slaat de data op, Power BI visualiseert het en Purview categoriseert het, maar ze spreken geen van al en elkaars taal.

00:01:12.260 --> 00:01:14.760
Je zou denken dat Microsoft ze zo heeft gebouwd dat ze samenwerken.

00:01:14.920 --> 00:01:19.480
In de praktijk lijken ze meer op drie genien aan een vergadertafel die elk hun eigen dialect van Jason spreken.

00:01:19.720 --> 00:01:22.280
Dat is waarom Governance bezwijkt onder zijn eigen ambitie.

00:01:22.280 --> 00:01:30.420
Je hebt een lakehouse vol gevoelige data, Power BI dashboards die er vanuit 15 invalshoeken naar verwijzen en Purview dat labels toekent in volstrekte isolatie.

00:01:30.760 --> 00:01:40.560
Wanneer auditors vragen om bewijs dat elke geclassificeerde dataset beveiligd is, ontdek je dat Fabric de herkomst kent, Purview de tags en Power BI de rollen, maar niemand het hele verhaal.

00:01:40.700 --> 00:01:46.000
Het resultaat is digitale spaghetti en eindeloze kom met onderling verbonden velden, permissies en stromen.

00:01:46.000 --> 00:01:49.200
Elke streng raakt een andere, maar geen van hen herkent het verband.

00:01:49.400 --> 00:01:57.460
Governance teams eindigen met het handmatig ophalen van API-exports, het kruislinks vergelijken van namen die bijna, maar net niet, overeen komen en ruzie maken met CSV's die weigeren uit te lijnen.

00:01:57.620 --> 00:02:00.880
De gemiddelde audit wordt zo een sociologisch experiment naar menselijk geduld.

00:02:01.120 --> 00:02:02.000
Neem Helena van Compliance.

00:02:02.800 --> 00:02:07.840
Zij besteden ooit twee weken aan het afstemmen van Purview-streng vertrouwelijke datasets met Power BI-beperkingen.

00:02:07.980 --> 00:02:12.000
Twee weken om erachter te komen dat de helft van de assets verkeerd geclassificeerd was en de andere helft verkeerd gelabeld,

00:02:12.000 --> 00:02:14.260
omdat iemand halverwege het project een werkruimte had hernoemd.

00:02:14.340 --> 00:02:17.480
Haar oordeel als Fabric een geweten had, zou het zijn excuses aanbieden.

00:02:17.500 --> 00:02:18.580
Maar Fabric doet dat niet.

00:02:18.740 --> 00:02:20.600
Het locht alleen gebeurtenissen en glimlacht.

00:02:20.800 --> 00:02:22.900
Het werkelijke probleem is niet technisch, maar logisch.

00:02:23.080 --> 00:02:26.380
De platforms zijn briljant in het opslaan van feiten, maar onbenullig in het beredeneren ervan.

00:02:26.560 --> 00:02:29.480
Ze kunnen je vertellen wat er bestaat, maar niet hoe die dingen zich in hun context verhouden.

00:02:29.700 --> 00:02:32.500
Daarom reiken je scripts en zoekopdrachten slechts tot een bepaalde hoogte.

00:02:32.640 --> 00:02:39.300
Om compliance over systemen heen te valideren, heb je een entiteit nodig die kan redeneren, die data niet alleen ziet, maar ook onderlinge relaties afleidt.

00:02:39.300 --> 00:02:44.080
Maak kennis met GPT-5, de eerste stagiair in de geschiedenis van Microsoft die geen constant toezicht nodig heeft.

00:02:44.240 --> 00:02:47.720
In tegenstelling tot eerdere co-pilot modellen stopt het niet bij het matchen van trefwoorden.

00:02:47.920 --> 00:02:55.800
Het voert gestructureerde redeneringen uit, waarbij Fabric herkomstgrafieken, Purview-classificaties en Power BI beveiligingsmodellen worden gecorreleerd tot een uniform verhaal.

00:02:55.940 --> 00:02:58.220
Het bouwt wat de tools zelf niet kunnen, context.

00:02:58.520 --> 00:03:02.540
Governance verschuift eindelijk van eindeloze inspectie naar intelligente automatisering...

00:03:02.540 --> 00:03:06.520
...en voor de verandering kun je het systeem audit en in plaats van de misverstanden ervan te diagnostiseren.

00:03:06.520 --> 00:03:10.340
Maak kennis met GPT-5, redeneren als de ontbrekende schakel.

00:03:10.460 --> 00:03:14.700
Laten we duidelijk zijn, GPT-5 werd niet op een ochtend wakker en leerde sneller typen.

00:03:14.840 --> 00:03:18.200
De krantenkoppen spreken misschien over snelheid, maar dat is slechts een bijwerking.

00:03:18.380 --> 00:03:20.060
De echte koptekst is redeneren.

00:03:20.260 --> 00:03:24.180
Microsoft heeft Chain of Fat logica direct ingebouwd in het brein van co-pilot.

00:03:24.380 --> 00:03:30.620
Vertaald, het model herkoudt niet alleen documentatie, maar simuleert hoe een menselijk expert zou denken, minus de koffieverslaving en vakantiedagen.

00:03:30.620 --> 00:03:32.480
Vergelijk dat eens met GPT-4.

00:03:32.680 --> 00:03:36.800
Het eerdere model was als een ijverige assistent die vragen exact beantwoordde zoals ze geformuleerd waren.

00:03:37.040 --> 00:03:40.000
Vroeg je het naar Purview-beleid, dan bleef het braaf binnen die zandbak.

00:03:40.400 --> 00:03:42.480
Intelligent? Ja. Autonoom? Nee.

00:03:42.680 --> 00:03:49.200
Het kon niet afleiden dat je vragen over toegang tot datasets ook het controleren van power b-rollen en fabric pijplijnen vereiste.

00:03:49.440 --> 00:03:51.580
Je moest de context met de paplepel ingeven.

00:03:51.820 --> 00:03:54.600
GPT-5 daarentegen leert gaandeweg zelf de context.

00:03:54.600 --> 00:03:58.760
Het merkt de verbanden op die jij vergat te noemen en redeneert erover na voordat het antwoordt.

00:03:58.840 --> 00:04:02.000
Dit is hoe dat eruit ziet in Microsoft 365 Co-pilot.

00:04:02.260 --> 00:04:10.680
Zodra je een governance query indient, bijvoorbeeld laat me alle Fabric-assets zien met klantadressen die niet in Purview zijn geclassificeerd, start GPT-5 een interne redeneerketen.

00:04:10.900 --> 00:04:12.940
Stap 1. Interpreteer je intentie.

00:04:13.080 --> 00:04:17.600
Het herkent dat het verzoek niet over één enkel systeem gaat, maar over alle drie de onderdelen van je datalandschap.

00:04:18.400 --> 00:04:21.900
Stap 2. Het start afzonderlijke mentale processen, één per domein.

00:04:21.900 --> 00:04:28.440
Fabric levert data herkomst, Purview draagt klassificatie metadata bij en Power B legt de beveiligingsconfiguratie bloot.

00:04:28.600 --> 00:04:36.180
Stap 3. Het laat die processen samenkomen, verzoomt identifiers en controleert semantiek, zodat het eindantwoord geverifieerd is in plaats van geschat.

00:04:36.340 --> 00:04:40.060
De oude Co-pilot koppelt de informatie, de nieuwe Co-pilot valideert de logica.

00:04:40.320 --> 00:04:43.020
Daarom slaan eenvoudige snelheidsvergelijkingen de plank mis.

00:04:43.200 --> 00:04:48.120
Het baanbrekende is niet hoe snel het antwoord, maar dat elk antwoord ingebakken interne redenering bevat.

00:04:48.120 --> 00:04:54.200
Het is als of Power Automate naar school is gegaan, laude is afgestudeerd en vastbesloten is teruggekeerd om nalevingsclausules af te dwingen.

00:04:54.360 --> 00:04:56.920
De meeste gebruikers verwarren redeneren met breedspraakigheid.

00:04:57.100 --> 00:04:59.820
Ze gaan ervan uit dat een langere uitleg betekent dat het model pronkt.

00:05:00.020 --> 00:05:03.800
Nee, die breedspraakigheid is het bewijs van beraadslaging, het documenteert zijn cognitieve audit trail.

00:05:04.040 --> 00:05:09.300
Net zoals een auditor aantekeningen maakt ter ondersteuning van elke conclusie, schetst GPT-5 de logische stappen die het heeft gevolgd.

00:05:09.420 --> 00:05:11.800
Die audit trail is geen opvulling, het is bescherming.

00:05:11.800 --> 00:05:17.260
Wanneer toezichthouders vragen hoe een conclusie tot stand is gekomen, heb je eindelijk een antwoord dat verder gaat dan, Copilot zei het.

00:05:17.420 --> 00:05:19.320
Laten we het functionele model ontleden.

00:05:19.520 --> 00:05:25.320
Zie het als een pijplijn met drie fases, verzoekinterpretatie, domeinoverschrijdend redeneren en geverifieerde synthese.

00:05:25.540 --> 00:05:33.500
In de eerste fase analyseert Copilot taal in context, waarbij het begrijpt dat niet gelabelde gevoelige data duidt op een purview-klassificatiekloof.

00:05:33.500 --> 00:05:45.400
In de tweede fase redeneert het gelijktijdig over data-platforms heen en correleert het velden die niet identiek zijn maar functioneel gerelateerd, zoals het koppelen van Customer-ID in Fabric aan Cust-ID in Power-B.

00:05:45.640 --> 00:05:51.460
In de laatste synthese fase verifieert het elke afgeleide koppeling voordat de samenvatting wordt gepresenteerd waar je op kunt vertrouwen.

00:05:51.620 --> 00:05:54.360
En hier is de verrassing, je hebt er nooit om gevraagd om dat te doen.

00:05:54.560 --> 00:06:00.360
De redeneerlus draait onzichtbaar als een miniatuur-interne commissie die over het bewijs debatteert voordat de woordvoerder mag spreken.

00:06:00.360 --> 00:06:03.320
En dat is wat Microsoft bedoelt met Embedded Chain of Thought.

00:06:03.500 --> 00:06:07.740
GPT-5 kiest zelf wanneer dieper redeneren vereist is en past dit automatisch toe.

00:06:07.920 --> 00:06:14.720
Dus, als je een schijnbaar onschuldige compliance-vraag stelt welke lakehouse-tabellen bevat de PI maar missen een bijbehorend Power-B-artefact,

00:06:14.900 --> 00:06:18.280
uit principe grijpt GPT-5 niet terug op trefwoordopzoekacties.

00:06:18.460 --> 00:06:26.580
Het reconstrueert de lineage-graaf, kruist purview-tags, interpreteert beveiligingsbindingen en toont alleen die discrepanties die over alle datasets heen verifieerbaar zijn.

00:06:26.760 --> 00:06:29.680
Het resultaat is geen gok, het is een afgeleide conclusie.

00:06:29.680 --> 00:06:33.940
En ja, dit lost eindelijk het governance-probleem op dat Fabric zelf nooit kon verwoorden.

00:06:34.140 --> 00:06:37.300
Voor het eerst vervangt contextuele juistheid handmatige correlatie.

00:06:37.480 --> 00:06:41.300
Je besteedt minder tijd aan het verzamelen van fragmenten en meer tijd aan het interpreteren van strategie.

00:06:41.440 --> 00:06:48.460
Het model voert relationeel denkwerk voor je uit, alsof je de analyse delegeert aan iemand die niet alleen het beleid leest, maar ook de politiek erachter begrijpt.

00:06:48.460 --> 00:06:50.240
Dus, hoe ziet je dag er anders uit?

00:06:50.500 --> 00:06:55.160
Stel je een stagiair voor die voorspelt welke beleidsobjecten elkaar overlappen nog voordat je de query opstelt,

00:06:55.380 --> 00:06:59.820
de redenering regel voor regel uitlegt en je niet lastig valt tenzij de dataset echt conflicteert.

00:07:00.040 --> 00:07:06.280
Dat is GPT-5 in Copilot, de stagiair die is gepromoveerd tot Compliance Officer, die stilletjes op de achtergrond blijft draaien en altijd redeneert.

00:07:06.500 --> 00:07:08.440
Laten we het nu inzetten bij een echte audit.

00:07:08.640 --> 00:07:11.040
De oude manier versus de GPT-5 manier.

00:07:11.300 --> 00:07:13.380
Laten we een scenario uit de praktijk doorlopen.

00:07:13.380 --> 00:07:22.340
Jouw taak? Bevestig dat elke dataset in een Fabric Lakehouse met persoonlijk identificeerbare informatie is geclassificeerd in Purview en beveiligd is door Raw Level Security in Power BI.

00:07:22.580 --> 00:07:25.160
Eenvoudige doelstelling, katastrofale uitvoering.

00:07:25.380 --> 00:07:28.380
De oude workflow leek op een speurtocht, ontworpen door masogisten.

00:07:28.580 --> 00:07:36.480
Je opende Power BI om toegangsrollen te exporteren, dook in Purview voor een lijst met gelabelde assets en exporteerde vervolgens Fabric Pijplijnmetagegevens in de hoop dat kolomnamen overeenkwamen.

00:07:36.660 --> 00:07:37.560
Dat deden ze zelden.

00:07:37.780 --> 00:07:41.160
Drie dashboards, vier exports, twee migraties en nog steeds geen zekerheid.

00:07:41.160 --> 00:07:43.960
Je was gegevens aan het verzoenen die in parallelle universums leefden.

00:07:44.120 --> 00:07:45.740
De oude copilot hielp niet echt.

00:07:45.940 --> 00:07:49.660
Hij kon per dienst samenvatten, maar miste de intellectuele lijm om ze te verbinden.

00:07:49.900 --> 00:07:55.600
Vroeg je om Purview geclassificeerde datasets in Power BI op te sommen, dan haalde hij de lijsten beleefd apart op.

00:07:55.680 --> 00:07:58.920
Het was als het inhuren van drie vertalers die elk maar één taal spreken.

00:07:59.140 --> 00:08:01.400
Ja, ze spreken vloeiend, maar nooit met elkaar.

00:08:01.640 --> 00:08:04.560
De audit eindigde ermee dat je bad dat de namen bij toeval overeenkwamen.

00:08:04.780 --> 00:08:06.040
Spoiler, dat deden ze niet.

00:08:06.220 --> 00:08:07.780
Nu komt GPT-5 in beeld.

00:08:08.020 --> 00:08:10.280
Dezelfde vraag, totaal andere hersenmechanica.

00:08:10.280 --> 00:08:15.580
Je zegt, audit alle Fabric assets met PI om klassificatie en beveiligingsrestricties te bevestigen.

00:08:15.740 --> 00:08:19.800
Copilot, aangedreven door GPT-5, interpreteert de uitspraak holistisch.

00:08:20.020 --> 00:08:25.700
Stap 1, het bevraagt de interne lineage graaf van Fabric en traceert elk artefact dat naar klantgegevens verwijst.

00:08:25.860 --> 00:08:27.740
Het stopt niet bij opslagcontainers.

00:08:27.960 --> 00:08:30.700
Het volgt transformaties door notebooks en pijplijnen heen.

00:08:30.900 --> 00:08:36.980
Stap 2, het haalt Purview-classificatietabellen op en verifieert of die artefactenlabels voor gevoelige gegevens bevatten.

00:08:36.980 --> 00:08:44.600
Stap 3, het duikt in PowerBee en controleert de RAW-level security toewijzingen aan de hand van dezelfde lineage identifiers die Fabric blootlegde.

00:08:44.760 --> 00:08:51.180
Stap 4, het voegt die kennis samen tot één compliance-overzicht, inclusief onopgeloste inconsistenties gemarkeerd als risico's.

00:08:51.320 --> 00:08:55.420
Op geen enkel punt vroeg je expliciet om idee's te correleren of te joinen op datasetnaam.

00:08:55.600 --> 00:09:04.060
De reden neerlaag leidde dat zelf af, omdat GPT-5 logica intern structureert, het identificeert relaties die menselijke editors anders handmatig zouden moeten bevestigen.

00:09:04.060 --> 00:09:07.500
Dit is geen patroonherkenning, dit is inferentie op ondernemingsniveau.

00:09:07.680 --> 00:09:10.040
Voor inzicht laten we de reden neerreeks blootleggen.

00:09:10.500 --> 00:09:13.120
Identificeren, matchen, controleren, synthetiseren.

00:09:13.320 --> 00:09:15.740
Eerst, identificeer de lineage, wat komt waar vandaan?

00:09:15.880 --> 00:09:18.180
Ten tweede, match datasets met Purview-labels.

00:09:18.360 --> 00:09:21.400
Ten derde, controleer de PowerBee-restricties voor diezelfde datasets.

00:09:21.700 --> 00:09:24.960
Ten slotte, synthetiseer alles tot een geverifieerd governance-rapport.

00:09:25.120 --> 00:09:29.400
De hele cyclus wordt uitgevoerd met één vraag, wat uren aan handmatig uitzoekwerk vervangt.

00:09:29.520 --> 00:09:32.060
Wat dit krachtig maakt is geen magie, maar consistentie.

00:09:32.060 --> 00:09:37.740
Menselijke auditors zijn feilbaar, ze vergeten de naam van een gegevensstroom, zien een geherclassificeerde tabel over het hoofd of verliezen hun geduld.

00:09:37.920 --> 00:09:38.980
GPT-5 niet.

00:09:39.160 --> 00:09:44.080
Het behandelt elk record als onderdeel van een logische keten en traceert relaties totdat aan betrouwbaarheidstrempels is voldaan.

00:09:44.260 --> 00:09:48.040
In de praktijk betekent dit dat Fabric Governance geen raadspelletje meer is, maar algebra.

00:09:48.320 --> 00:09:51.120
Het model reduceert compliance tot een oplosbare vergelijking.

00:09:51.340 --> 00:09:53.460
Laten we er een snufje menselijke ongeloof aan toevoegen.

00:09:53.460 --> 00:09:59.780
Tijdens een besloten evaluatie voerde een IT-leider een cross-service-addit uit, verwachtend dat GPT-5 zou vastlopen op inconsistente identificatiegegevens.

00:09:59.940 --> 00:10:06.820
In plaats daarvan leidde het model de koppelingen correct af, waarbij het herkende dat Cust-ID in Power B naar hetzelfde veld verwees als Customer Key in Fabric.

00:10:06.980 --> 00:10:10.020
De leider staarde naar het resultaat alsof het zijn gedachten had gelezen.

00:10:10.220 --> 00:10:12.880
Strikt genomen las het de metadata beter dan hij ooit deed.

00:10:13.100 --> 00:10:14.120
Dat is het aha-moment.

00:10:14.120 --> 00:10:17.120
Identieke promptcomplexiteit, exponentieel slimmere redenering.

00:10:17.300 --> 00:10:19.480
Je bent niet van de ene op de andere dag een betere auditor geworden.

00:10:19.660 --> 00:10:20.440
Het systeem wel.

00:10:20.640 --> 00:10:24.920
En plotseling werden taken die voorheen scripts, exports en wekenduren vereisten, gereduceerd tot een gespreksprompt.

00:10:25.080 --> 00:10:26.560
Vragen, wachten, beoordelen.

00:10:26.740 --> 00:10:28.580
De redenering handelt de correlatie af.

00:10:28.800 --> 00:10:29.840
Merk iets subtiels op.

00:10:30.000 --> 00:10:32.560
Copilot levert nu uitleg, niet alleen antwoorden.

00:10:32.560 --> 00:10:35.380
Het rapport bevat de onderbouwing voor elke conclusie.

00:10:35.760 --> 00:10:39.340
Herkomstpaden, klassificatiebronnen, toegepaste RLS-beleidsregels.

00:10:39.560 --> 00:10:43.380
Die transparantie verandert audits van reactieve documentatie in levend bewijs.

00:10:43.380 --> 00:10:48.020
Je kunt het management laten zien waarom een dataset niet aan de compliance voldoet zonder drie exports opnieuw te lezen.

00:10:48.200 --> 00:10:50.020
De AI heeft zijn logica al bewezen.

00:10:50.380 --> 00:10:52.160
Economisch gezien is dit transformatief.

00:10:52.320 --> 00:10:55.440
De kosten van een handmatige audit zijn niet alleen arbeid, het is een gemiste kans.

00:10:55.660 --> 00:10:59.820
Elk uur dat wordt besteed aan het afstemmen van CSV's is een uur dat niet wordt besteed aan het verbeteren van de architectuur.

00:11:00.460 --> 00:11:01.840
GPT5 verandert die balans.

00:11:02.060 --> 00:11:07.040
Je wint tijd terug, vermindert fouten en creëert herhaalbaar compliance patronen voor alle tenants.

00:11:07.300 --> 00:11:08.640
De verschuiving is meetbaar.

00:11:08.900 --> 00:11:12.280
Governance verschuift van episodische paniek naar continu zekerheid.

00:11:12.280 --> 00:11:14.620
En filosofisch gezien gebeurt er iets diepers.

00:11:14.880 --> 00:11:18.280
Fabric voelde vroeger ondoorzichtig aan, een grote machine met teveel geheime compartimenten.

00:11:18.940 --> 00:11:25.440
Terwijl GPT5 toekijkt hoe de compartimenten oplichten, vervagen de lijnen tussen Purview, Powerbee en Fabric tot één verbonden schema.

00:11:25.680 --> 00:11:27.280
Beheert door een constant radiërende intelligentie.

00:11:27.960 --> 00:11:31.180
Je kruipt niet langer door logboeken, je beheert systemische verantwoording.

00:11:31.440 --> 00:11:34.960
Dus ja, de klembordgeneratie van spreadsheet-adders kan eindelijk rusten.

00:11:35.420 --> 00:11:39.280
GPT5 in Copilot heeft hun methode geïnternaliseerd, hun rommel verfijnd en hun intentie geautomatiseerd.

00:11:40.280 --> 00:11:41.800
Zichtbaarheid is niet langer het probleem.

00:11:42.200 --> 00:11:43.360
Verificatie is onmiddellijk.

00:11:43.520 --> 00:11:50.580
En nu de logica zelf wordt afgehandeld, kunnen we praten over het volgende effect, wat deze automatisering doet met je budget, je compliance status en je mentale welzijn.

00:11:50.780 --> 00:11:54.000
De zakelijke impact van reactieve naar voorspellende compliance.

00:11:54.320 --> 00:11:57.980
Laten we dit rationeel kwantificeren voordat iemand productiewonderen begint te vieren.

00:11:57.980 --> 00:12:02.220
Want matige audits zijn niet alleen traag, ze zijn financieel buitensporige vormen van zelfbeschadiging.

00:12:02.360 --> 00:12:11.640
Elke kwartaal evaluatie vereist dat menselijke analisten metadata ophalen, exports afstemmen, klassificaties verifiëren en discrepanties rechtvaardigen, activiteiten die nul concurrentievoordeel opleveren.

00:12:11.780 --> 00:12:14.440
Je betaalt dus in essentie experts om op logboeken te passen.

00:12:14.800 --> 00:12:18.560
Vermenigvuldigt dat over alle business units en governance houdt op een controlefunctie te zijn.

00:12:18.740 --> 00:12:20.020
Het wordt een verborgen belasting.

00:12:20.260 --> 00:12:23.380
Observeer nu wat er gebeurt op het moment dat redeneringsautomatisering zijn intrede doet.

00:12:23.380 --> 00:12:28.980
GPT-5 versnelt niet alleen individuele controles, het herdefiniëert het temporele karakter van compliance.

00:12:29.240 --> 00:12:35.460
Vroeger, statische snapshots gepland per boekhoudcyclus die direct aan nauwkeurigheid inbedden zodra een pijplijn veranderde.

00:12:35.660 --> 00:12:39.040
Nu, continu borging ondersteunt door geautomatiseerde correlatie.

00:12:39.260 --> 00:12:42.020
Het oude patroon zocht naar fouten nadat ze waren opgetreden.

00:12:42.180 --> 00:12:44.880
Het nieuwe patroon anticipeert erop voordat ze uitzaaien.

00:12:45.120 --> 00:12:46.480
Denk aan voorspellende auditing.

00:12:46.720 --> 00:12:50.900
Omdat GPT-5 verbanden begrijpt, herkent het wanneer datadrift de kop opsteekt.

00:12:50.900 --> 00:12:54.460
Stel dat iemand een Fabric Notebook aanpast dat Clandata-tabellen voedt.

00:12:54.540 --> 00:12:58.340
Het model leidt direct af dat de klassificatieomvang van Purview mogelijk niet meer klopt,

00:12:58.540 --> 00:13:01.020
wat een waarschuwing geeft voordat het verzuim in het rapport verschijnt.

00:13:01.160 --> 00:13:05.220
Het is als een immuunsysteem ingebouwd in Copilot dat infectie detecteert nog voor de symptomen.

00:13:05.380 --> 00:13:07.260
In termen van governance is dat evolutie.

00:13:07.440 --> 00:13:09.820
De operationele wiskunde is even indrukwekkend.

00:13:10.000 --> 00:13:12.640
Aditcycli die dagen duurde, zijn nu in minuten opgelost.

00:13:12.820 --> 00:13:16.260
Het model voert correlationele redeneringen uit over platformen heen,

00:13:16.440 --> 00:13:19.120
sneller dan conventionele scripts verbindingen kunnen verifiëren.

00:13:19.120 --> 00:13:22.080
Dat is geen grootspraak, dat is computationele realiteit.

00:13:22.280 --> 00:13:25.440
Redeneren stelt Copilot in staat om gelijktijdige validaties uit te voeren,

00:13:25.640 --> 00:13:27.860
sequentiële workflows om te vormen tot parallelisatie.

00:13:28.040 --> 00:13:32.800
Het resultaat, tijd teruggewonnen, frustratie geëlimineerd, compliance nauwkeurigheid behouden op schaal.

00:13:32.980 --> 00:13:34.880
Vertrouwen groeit samen met snelheid.

00:13:35.040 --> 00:13:40.460
Oude adits hingen af van incomplete joins en handmatige inferentie, goede gokken verpakt in formele rapporten.

00:13:40.680 --> 00:13:43.120
GPT-5 vervangt schattingen door kruisverificatie.

00:13:43.120 --> 00:13:46.960
Wanneer het een dataset als compliant verklaart, is dat omdat herkomst,

00:13:47.080 --> 00:13:51.240
klassificatie en beveiligingsbeleid op één lijn liggen door observeerbaar logica, niet door aannames.

00:13:51.480 --> 00:13:54.320
Managers stoppen met het tekenen van rapporten waar ze stiekem aan twijfelen.

00:13:54.760 --> 00:13:56.900
Executives krijgen weer vertrouwen in hun dashboards.

00:13:57.120 --> 00:14:01.900
De organisatie schakelt over van, we denken dat we compliant zijn, naar, we kunnen het programmatisch bewijzen.

00:14:01.900 --> 00:14:03.920
Schaalbaarheid is de stille triomf.

00:14:04.080 --> 00:14:06.720
Voorheen schaalde governance lineair met het personeel.

00:14:07.120 --> 00:14:09.940
Elke nieuwe werkruimte vroeg om evenredige arbeid.

00:14:10.660 --> 00:14:13.260
Met co-pilot redenering wordt schaal logaritmisch.

00:14:13.480 --> 00:14:20.180
Eén radiorent model kan duizenden assets tegelijkertijd overzien en systemische patronen leren in plaats van handmatige stappen te herhalen.

00:14:20.400 --> 00:14:25.160
Wanneer nieuwe tenants ontstaan, erven ze vooraf gevalideerde governance structuren in plaats van maatwerkchaos.

00:14:25.160 --> 00:14:29.500
En ja, GPT-5 heeft een scherper geheugen dan de gedeelde spreadsheet van je compliance team.

00:14:29.500 --> 00:14:33.480
Het volgt niet alleen ongeklassificeerde bestanden, het onthoudt ook waarom ze werden gemist.

00:14:33.660 --> 00:14:36.760
Die context transformeert herstel van opruimen naar preventie.

00:14:36.940 --> 00:14:44.120
De volgende cyclus controleert het model eerst die zwakke punten, wat betekent dat je vergeten CSV's, die ergens in willekeurige datastroommappen staan,

00:14:44.320 --> 00:14:47.440
eindelijk aan het licht komen voordat ze je in verlegenheid brengen tijdens een audit.

00:14:47.680 --> 00:14:51.300
Vooruitgang voelt soms als surveillance en in dit geval is dat precies de bedoeling.

00:14:51.620 --> 00:14:54.160
Economisch gezien rimpelen de implicaties naar buiten.

00:14:54.160 --> 00:15:00.240
Kortere auditeit vertaalt zich in teruggewonnen uren voor engineers, minder boetes van toezichthouders en een lager reputatierisico.

00:15:00.480 --> 00:15:03.940
Governance budget verschuift van crisisbeheersing naar capaciteitsontwikkeling.

00:15:04.120 --> 00:15:06.860
In plaats van externe krachten in te huren voor het bijwerken van spreadsheets,

00:15:07.080 --> 00:15:10.600
investeren teams in het verfijnen van prompts en connectoren die de redeneermotor zelf verbeteren.

00:15:10.720 --> 00:15:13.500
Je stopt met werken voor compliance en laat compliance voor jou werken.

00:15:13.660 --> 00:15:16.020
De culturele verschuiving is subtiel, maar ingrijpend.

00:15:16.200 --> 00:15:20.340
In de traditionele IT stond compliance gelijk aan zwoegen, een vervelend klusje naast innovatie.

00:15:20.340 --> 00:15:23.980
GPT-5 en Copilot herformuleren dit als een continu ontwerpprincipe.

00:15:24.200 --> 00:15:26.060
Governance wordt een natuurlijke achtergrond.

00:15:26.240 --> 00:15:29.940
Adits onderbreken projecten niet langer, ze begeleiden ze als achtergrondprocessen.

00:15:30.100 --> 00:15:35.340
Ontwerpers zien beveiliging niet als bureaucratie, maar als hygiëne, altijd aanwezig, zelden hinderlijk.

00:15:35.540 --> 00:15:37.220
Laten we enigszins sarcastisch zijn.

00:15:37.440 --> 00:15:41.460
Dezelfde managers die voorheen governance dashboards negeerden, citeren ze nu in presentaties.

00:15:41.720 --> 00:15:45.280
Waarom? Omdat voorspellende intelligentie resultaten indrukwekkend maakt.

00:15:45.280 --> 00:15:50.980
Wanneer Copilot risico's voorspelt voordat auditors rapporten opvragen, noemt de directie dit strategisch inzicht.

00:15:51.160 --> 00:15:54.420
Vertaald, ze zien eindelijk de waarde in van niet voor verrassingen komen te staan.

00:15:54.640 --> 00:16:02.520
Dus ja, GPT-5 automatiseert niet alleen documentatie, het verbetert het organisatiebewustzijn en maakt van compliance een preventief medicijn in plaats van een forensische oefening.

00:16:02.720 --> 00:16:05.400
Het systeem beschermt zichzelf tegen procedureel verval.

00:16:05.600 --> 00:16:09.640
En jij, de slaaptekort audit, wordt de diagnostiek eens die op de snelheid van gedachten werkt.

00:16:09.820 --> 00:16:12.760
De enige klacht die overblijft, bijna niemand mist de spreadsheets.

00:16:12.760 --> 00:16:15.920
Het implementeren van een GPT-5 workflow in Copilot Studio.

00:16:16.240 --> 00:16:19.960
Laten we nu tactisch worden, het moment waarop theorie en configuratie samenkomen.

00:16:20.120 --> 00:16:25.440
Het opzetten van de redeneer workflow van GPT-5 in Copilot Studio is geen hekserij, het is gewoon gestructureerd leidingwerk.

00:16:25.580 --> 00:16:28.780
Maar zoals bij elk leidingwerk, één verkeerde koppeling en de logica lekt aan alle kanten.

00:16:29.000 --> 00:16:30.640
Dus, laten we de pijpen goed aansluiten.

00:16:30.880 --> 00:16:33.980
Stap 1, schakel GPT-5 redenering in binnen Copilot Studio.

00:16:34.320 --> 00:16:35.600
Ga er niet vanuit dat het actief is.

00:16:35.840 --> 00:16:38.740
Microsoft behandelt dit als een veiligheidsfunctie, niet als standaardinstelling.

00:16:38.740 --> 00:16:46.560
Open in je Copilot Studio omgeving het modelselectie menu, zoek het GPT-5 redenering model en stel dit expliciet in als standaard voor je aangepaste Copilot.

00:16:46.800 --> 00:16:54.700
Deze vlag regelt de toegang tot chain of thought, operaties, het mechanisme waarmee Copilot tegelijkertijd over fabric, power be en purview kan redeneren in plaats van sequentieel.

00:16:54.900 --> 00:17:00.120
Zonder dit praat je gewoon tegen het model van gisteren en vraag je je af waarom het sneller context vergeet dan je stagiair na de launch.

00:17:00.360 --> 00:17:02.240
Stap 2, configureer connectors.

00:17:02.240 --> 00:17:06.440
Logica vereist zichtbaarheid en redeneren kan niet afleiden wat het niet kan zien.

00:17:06.660 --> 00:17:10.960
Zorg ervoor dat fabric, power be en purview apies gekoppeld zijn via officiële connectors.

00:17:11.280 --> 00:17:16.100
Elke connector authentiseert met Microsoft entra ID en stelt metadata eindpunten beschikbaar.

00:17:16.340 --> 00:17:18.840
Datasets, klassificaties, beveiligingsrollen.

00:17:19.020 --> 00:17:23.240
Het mooie van Copilot Studio is dat deze connectors de platform dialecten voor je spreken.

00:17:23.240 --> 00:17:29.060
Fabric levert lineage maps, power be stelt dataset, bindingen bloot en purview vermeld gevoeligheidslabels.

00:17:29.060 --> 00:17:33.480
Samen vormen ze het tridata ecosysteem dat GPT-5 nodig heeft om coherent na te denken.

00:17:33.700 --> 00:17:36.620
Stap 3, stel prompt schablonen in voor terugkerende audits.

00:17:36.820 --> 00:17:41.280
Je maakt herbruikbare commandoschema's, zoals het auditent van alle fabric assets met een bepaald datatype,

00:17:41.480 --> 00:17:44.200
om de afstemming met purview labels en RLS regels te bevestigen.

00:17:44.460 --> 00:17:48.560
Variabele vroege context toe, terwijl de redeneermotor van het model het onderzoek uitvoert.

00:17:48.560 --> 00:17:52.780
In tegenstelling tot starre workflows in Power Automate gedragen deze prompts zich dynamisch.

00:17:52.960 --> 00:17:56.200
GPT-5 past de diepgang van het redeneren aan op de complexiteit van de query.

00:17:56.200 --> 00:17:59.380
Een eenvoudige controle van één werkruimte gebruikt lichtgewicht redenering,

00:17:59.580 --> 00:18:02.660
terwijl een audit op bedrijfsniveau volledige, meerlaagse inferentie activeert.

00:18:02.820 --> 00:18:06.040
Stap 4, test de redeneerdiepte met behulp van geënsceneerde afwijkingen.

00:18:06.240 --> 00:18:09.200
Kunstmatige fouten zijn niet alleen voor QA, het zijn logische oefeningen.

00:18:09.420 --> 00:18:12.520
Introduceer een verkeerd geclassificeerde dataset in een Fabric Lakehouse,

00:18:12.740 --> 00:18:15.200
verwijder het purview label en verleen open power be toegang.

00:18:15.420 --> 00:18:16.960
Voer daarna je copilot audit uit.

00:18:17.160 --> 00:18:21.860
De output moet niet overeenkomende klassificaties, ontbrekende RLS en lineage conflicten markeren.

00:18:21.860 --> 00:18:26.780
Als dat niet zo is, mist je redeneerconfiguratie zichtbaarheid of zijn de connectors verkeerd afgebakend.

00:18:26.960 --> 00:18:29.660
Zie dit als het kalibreren van het morele kompas van de AI.

00:18:29.860 --> 00:18:32.260
Het kan geen ethisch beheer afdwingen als het blind is.

00:18:32.480 --> 00:18:35.780
Stap 5, evalueer en itereer binnen het governance dashboard van Fabric.

00:18:36.240 --> 00:18:39.200
GPT-5 genereert resultaten in zowel narratieven als schemavorm.

00:18:39.580 --> 00:18:44.000
Exporteerbare JSON-samenvattingen bevatten bron-idees, risicokansen en aanbevolen herstelacties.

00:18:44.260 --> 00:18:48.020
Voer ze in de audit werkruimte van Fabric in, waar je bevindingen kunt sorteren op ernst.

00:18:48.020 --> 00:18:52.740
Na verloop van tijd creëren deze sessies een bibliotheek met redeneertemplates die zijn afgestemd op jouw NAM,

00:18:52.860 --> 00:18:56.440
evings, conventies, compliance regimes en jouw specifieke vorm van bedrijfschaos.

00:18:56.600 --> 00:18:58.480
Hier is de conceptuele kortere weg.

00:18:58.640 --> 00:19:00.100
Power Query ontmoet AI.

00:19:00.380 --> 00:19:03.460
Vroeger kon je met Power Query data declaratief transformeren.

00:19:03.700 --> 00:19:06.040
Logica één keer geschreven, eindeloos toegepast.

00:19:06.220 --> 00:19:10.000
Copilot met GPT-5 redenering voert introspectie op dezelfde manier uit.

00:19:10.400 --> 00:19:12.900
Redeneerpaden één keer geschreven, continu toegepast.

00:19:13.080 --> 00:19:16.640
Je bouwt geen flows, je definieert hoe intelligentie zichzelf valideert.

00:19:16.640 --> 00:19:18.120
Nu, een wrange waarschuwing.

00:19:18.640 --> 00:19:21.900
Automatisering zonder skepsis maakt je een toeschouwer van je eigen systeem.

00:19:22.020 --> 00:19:25.340
Hoewel de conclusies van GPT-5 verbazingwekkend nauwkeurig zijn,

00:19:25.560 --> 00:19:27.240
nodigt blind vertrouwen uit tot gemakzucht.

00:19:27.500 --> 00:19:31.520
Valideer de output altijd met de native lineage viewer van Fabric of Purview inzichten.

00:19:31.780 --> 00:19:34.480
Zie het als het voeren van een dubbele boekhouding voor machine logica.

00:19:34.660 --> 00:19:38.140
Je bevestigt dat het nieuwe evangelie van de AI nog steeds in lijn is met de kanonieke waarheid.

00:19:38.400 --> 00:19:41.220
Wanneer er discrepanties verschijnen, pas dan de contextinjectie aan.

00:19:41.420 --> 00:19:43.980
Verfijn welke metadata bronnen prioriteit krijgen.

00:19:43.980 --> 00:19:45.840
Een korte pauze voor best practices.

00:19:46.140 --> 00:19:48.860
Ten eerste, houd prompts specifiek, maar generaliseerbaar.

00:19:49.060 --> 00:19:55.440
Vermijd instructies zoals controleer tabelplantgegevens 123 en geef de voorkeur aan patronen zoals controleer alle klantgerelateerde tabellen.

00:19:55.640 --> 00:19:58.080
GPT-5 gedijt bij relationele inferentie.

00:19:58.260 --> 00:20:00.460
Het heeft scope nodig, geen specificiteit.

00:20:00.660 --> 00:20:02.880
Ten tweede, stel validatie checkpoints in.

00:20:03.040 --> 00:20:07.360
Plan Copilot in om redeneerans uit te voeren na ingrijpende schemawijzigingen of pipeline deployments.

00:20:07.560 --> 00:20:09.700
Dat is makkelijker dan achteraf in paniek moeten reageren.

00:20:09.820 --> 00:20:11.520
Ten derde, bewaak modelversiebeheer.

00:20:11.520 --> 00:20:13.900
Toekomstige updates kunnen de redeneerheuristiek aanpassen.

00:20:14.140 --> 00:20:15.740
Consistentie vereist documentatie.

00:20:15.900 --> 00:20:17.900
Een laatste microverhaal om dit te concretiseren.

00:20:18.060 --> 00:20:20.600
Een middelgroot financieel team testte precies deze workflow.

00:20:20.820 --> 00:20:24.260
Een compliance team van twee personen dat acht Fabric Lake Houses onderhoudt.

00:20:24.380 --> 00:20:26.320
Voorheen duurde een audit cyclie drie weken.

00:20:26.560 --> 00:20:32.540
Na de implementatie van GPT-5 redenering genereerde één continu copilot sessies nachts platformoverschrijdende validatie.

00:20:32.740 --> 00:20:37.040
De volgende ochtend waren ze geen spreadsheets aan het afstemmen, maar rapporten over automatisering aan het goedkeuren.

00:20:37.180 --> 00:20:40.580
Een compliance commissie omschreef de verschuiving als heroïsche productiviteit.

00:20:40.580 --> 00:20:42.840
Ik noem het logica die eindelijk zijn werk doet.

00:20:43.000 --> 00:20:47.800
En zo verandert GPT-5 governance van incidentele brandjes blussen in voortdurende afstemming.

00:20:47.980 --> 00:20:52.180
Je handhaaft orde op de snelheid van het redeneren, wat ons mooi bij het eindspel brengt.

00:20:52.340 --> 00:20:56.980
Waarom zweten over governance tot het verleden gaat behoren en wel governance zonder zweet.

00:20:57.200 --> 00:20:58.320
Dat is dus de verhaallijn.

00:20:58.560 --> 00:21:03.760
Handmatige audits vervangen door afgeleide logica, reactieve compliance vervangen door voorspellende zekerheid.

00:21:03.960 --> 00:21:09.500
GPT-5 redenering transformeert copilot van notitieassistent naar een echte toezichthouder op verantwoording.

00:21:09.500 --> 00:21:12.800
Het produceert niet alleen antwoorden, het construeert begrip.

00:21:12.960 --> 00:21:14.840
Ken je de oude governance drieeenheid nog?

00:21:15.040 --> 00:21:19.100
Fabric volgt herkomst, Purview klassificeert data, power be beperkt toegang.

00:21:19.280 --> 00:21:24.040
GPT-5 verenigt ze onder één audit brein dat context net zo makkelijk evalueert als inhoud.

00:21:24.220 --> 00:21:28.320
Het slimste aan Fabric is niet Fabric, het is de AI die de boel eindelijk eerlijk houdt.

00:21:28.400 --> 00:21:32.700
Als je slapeloze nachten hebt doorstaan met het controleren van CSV's, is dit je verlossing.

00:21:32.700 --> 00:21:39.040
Activeer redeneren in Copilot Studio draadloze connectors en laat GPT-5 inconsistenties aanpakken voordat zij jou aanpakken.

00:21:39.220 --> 00:21:42.760
De volgende evolutie van governance is geen papierwerk, maar voortdurend redeneren.

00:21:42.980 --> 00:21:47.340
Leg je upgradenpad vast, abonneer je, zet meldingen aan en laat nieuwe afleveringen automatisch implementeren.

00:21:47.540 --> 00:21:51.060
Geen handmatige controles, geen gemiste updates, enkel continu levering van helderheid.

00:21:51.260 --> 00:21:51.660
Ga door!
