2026-04-30

Microsoft Copilot-க்கான உணர்திறன் லேபிள்கள் மற்றும் தரவு சிலோக்களை சரிசெய்தல்

உணர்திறன் லேபிள்கள் பரவலாக தவறாக புரிந்து கொள்ளப்படுகின்றன, மேலும் அவை நிறுவனங்களுக்கு தவறான பாதுகாப்பு உணர்வை அடிக்கடி அளிக்கின்றன என்று இந்த அத்தியாயம் வாதிடுகிறது. அவை நிர்வாகத்தை அமல்படுத்துவது போல தோன்றினாலும், உண்மையில் அவை நிலையானவை, முழுமையற்றவை மற்றும் சரியாக பராமரிக்கப்படாதவை — இதனால் இயக்கவியல் மற்றும் AI-இயக்கப்படும் சூழல்களில் அவை பயனற்றவையாகின்றன. முக்கிய சிக்கல் லேபிளிங் தொழில்நுட்பம் அல்ல, நிறுவனங்கள் தங்கள் தரவை கட்டமைத்து நிர்வகிக்கும் விதமே ஆகும். பெரும்பாலான சூழல்களில் தகவல்கள் Teams, SharePoint மற்றும் பிற அமைப்புகளில் சிதறிக் கிடக்கின்றன; இது ஒத்துழைப்பையும் பயனுள்ள AI பயன்பாட்டையும் தடுக்கும் சிலோக்களை உருவாக்குகிறது. இதன் விளைவாக, Copilot போன்ற AI கருவிகளால் சரியான தரவை அணுக முடிவதில்லை, முழுமையற்ற அல்லது காலாவதியான தகவல்களின் அடிப்படையில் வெளியீடுகளை உருவாக்க வேண்டியுள்ளது. இதை அத்தியாயம் "AI மறுவேலை சுழற்சி" என்று விவரிக்கிறது: AI நம்பிக்கையுடன் ஆனால் தவறான முடிவுகளை உருவாக்குகிறது, மேலும் ஊழியர்கள் அவற்றை சரிபார்த்து திருத்துவதில் கணிசமான நேரத்தை செலவிட வேண்டியுள்ளது. …

Apple Podcasts · Spotify · YouTube · YouTube Music

Fix Sensitivity Labels and Data Silos for Microsoft Copilot (English)