WEBVTT

00:00:00.000 --> 00:00:01.700
Ваш другий пілот нерозумний.

00:00:01.840 --> 00:00:05.520
Це добре одягнений автозаповнювач, перенасичений кофейном стажер у байджі Microsoft,

00:00:05.720 --> 00:00:08.200
який звучить впевнено, але водночас абсолютно розгублений.

00:00:08.400 --> 00:00:11.720
Середній адміністратор встановлює його, ставить одне амбітне запитання,

00:00:11.860 --> 00:00:14.640
наприклад, підсумувати продажі за минулий квартал у регіонах,

00:00:14.700 --> 00:00:18.940
а потім дивується, коли він відповідає тим, що вміщується в його обмежене контекстне вікно.

00:00:19.100 --> 00:00:22.400
Це не аналітика, це статистичні здогадки, висловлені дружнім тоном.

00:00:22.400 --> 00:00:25.460
Бачите, більшість так званих інших пілотів на базі штучного інтелекту працюють на чомусь,

00:00:25.520 --> 00:00:27.700
що називається генерацією з доповненим пошуком, скорочено RAD.

00:00:28.060 --> 00:00:29.180
Теоретично це геніально.

00:00:29.360 --> 00:00:32.380
Ви ставите запитання, він шукає в базі знань, вихоплює відповідні фрагменти

00:00:32.380 --> 00:00:35.440
та приклеює їх до вашого запиту, щоб мовна модель виглядала обґрунтованою.

00:00:35.580 --> 00:00:38.820
На практиці це як попросити в одного бібліотекаря всі людські знання.

00:00:39.040 --> 00:00:42.940
Вона біжить по одному проходу, хапає три випадкові книги та вигукує відповідь, бігаючи назад.

00:00:42.940 --> 00:00:45.480
Один запит, один пошук, один шанс помилитися.

00:00:45.600 --> 00:00:48.780
Тепер порівняйте це з тим, як приймаються реальні рішення на підприємстві.

00:00:48.900 --> 00:00:51.260
Вам коли-небудь потрібен лише один фрагмент даних.

00:00:51.380 --> 00:00:54.480
Ні. Вам потрібна електронна таблиця з фінансів, дослідницький звіт з SharePoint,

00:00:54.620 --> 00:00:57.620
сховище метрик у Microsoft Fabric і, зазвичай, деякі зовнішні ринкові дані,

00:00:57.700 --> 00:00:59.700
яких навіть немає у вашому орендованому просторі.

00:00:59.820 --> 00:01:03.520
Класичний RIG руйнується в той момент, коли ваша істина опиняється в кількох місцях.

00:01:03.520 --> 00:01:06.680
Він не може планувати кілька пошуків, не може перевіряти суперечності

00:01:06.680 --> 00:01:11.560
і, звичайно ж, не може зрозуміти, що квартальна ефективність означає різні речі для маркетингу та виробництва.

00:01:11.680 --> 00:01:14.360
Проте люди продовжують називати ці системи розумними.

00:01:14.680 --> 00:01:16.640
Неправильно. Вони туристи контексту.

00:01:16.780 --> 00:01:20.880
Вони відвідують ваші сховища даних, роблять кілька селфі з PDF-файлами та вдають, що знають місто.

00:01:21.020 --> 00:01:25.860
Тим часом пересічний адміністратор щиро вважає, що другий пілот має всезнаючий доступ до кожної папки SharePoint.

00:01:25.860 --> 00:01:30.780
Це не так. Якщо ви не створите явні з'єднувачі та аргументи, він працює з зав'язаними очима.

00:01:30.880 --> 00:01:32.900
Це не просто неефективно, це небезпечно.

00:01:33.120 --> 00:01:36.280
Без агентного пошуку підприємства тонуть у фрагментації контексту.

00:01:36.420 --> 00:01:38.540
Рішення приймаються на основі часткових даних.

00:01:38.680 --> 00:01:40.740
Ризики відповідності залишаються непоміченими.

00:01:40.880 --> 00:01:45.020
Команди женуться загалюцинаційними висновками, створеними моделью, яка ніколи не перевірила себе.

00:01:45.220 --> 00:01:47.140
Іронія. Виправлення вже існує.

00:01:47.360 --> 00:01:48.760
З'являється агентний RAD.

00:01:48.760 --> 00:01:51.540
Він не просто отримує інформацію, він її продумує.

00:01:51.720 --> 00:01:54.900
Він планує, перевіряє та міркує, як команда цифрових дослідників.

00:01:55.020 --> 00:02:00.900
До кінця цього епізоду ви точно знатім'єте, як змусити свого другого пілота перестати поводитися як папуга та почати поводитися як вчений.

00:02:01.040 --> 00:02:02.360
І так, є чотири кроки.

00:02:02.560 --> 00:02:05.380
Ми виправимо вашого дурного другого пілота за чотири точні кроки.

00:02:05.560 --> 00:02:08.140
Міф про ганчірку, чому лінійний інтелект зазнає невдачі.

00:02:08.280 --> 00:02:09.920
Добре, давайте розберемо міф.

00:02:09.920 --> 00:02:14.040
Доповнена генерація пошуку звучить складно, але під капотом вона жорстоко лінійна.

00:02:14.180 --> 00:02:17.700
Крок перший – отримати кілька фрагментів тексту на основі векторної подібності.

00:02:17.840 --> 00:02:20.060
Крок другий – запхати ці фрагменти в запит.

00:02:20.220 --> 00:02:23.060
Крок третій – згенерувати відповідь та оголосити перемогу.

00:02:23.180 --> 00:02:23.800
Ось і все.

00:02:24.020 --> 00:02:29.040
Ніякої пам'яті про попередні пошуки, жодних міркувань про суперечності, жодного розпізнавання контексту користувача.

00:02:29.160 --> 00:02:33.300
Це пряма лінія від запиту до відповіді, прославлене SQL-з'єднання, написане англійською мовою.

00:02:33.300 --> 00:02:36.120
Проблема починається в той момент, коли реальність стає заплутаною.

00:02:36.260 --> 00:02:39.720
Скажімо, ви запитуєте «Порівняйте надійність нашого пристрою з конкурентами».

00:02:39.720 --> 00:02:45.280
Звичайна система ганчірок знаходить один індекс, захоплює будь-який документ, де згадується надійність і видає короткий виклад.

00:02:45.440 --> 00:02:47.400
Чи перевіряв він виробничі журнали у Fabric?

00:02:47.520 --> 00:02:50.100
Чи читав він той новий звіт про випробування, захований у SharePoint?

00:02:50.280 --> 00:02:52.200
Чи перевіряв він зовнішні дані з інтернету?

00:02:52.460 --> 00:02:55.120
Звичайно, ні. Він навіть не знає про існування цих джерел.

00:02:55.120 --> 00:02:57.440
Він просто зафарбовує невизначеність красномовством.

00:02:57.600 --> 00:03:00.340
Уявіть собі це як аналогію з бібліотекою, що перетворилася на трагічну.

00:03:00.480 --> 00:03:03.480
Ви заходите і запитуєте одну бібліотекарку про світову економіку.

00:03:03.680 --> 00:03:08.440
Вона підбігає до полиці з написом «Економіка дає вам випадкову книгу про обмін валюти 2012 року»

00:03:08.440 --> 00:03:09.980
та оголошує, що питання вирішене.

00:03:10.120 --> 00:03:12.700
Гарне обслуговування клієнтів, жахлива наукова робота.

00:03:12.700 --> 00:03:15.540
Справжній інтелект найняв би кількох бібліотекарів одного з фінансів,

00:03:15.640 --> 00:03:18.600
одного з історії, одного з політики, а потім синтезував би їхні висновки.

00:03:18.740 --> 00:03:20.920
Ось у чому різниця між пошуком та міркуванням.

00:03:21.020 --> 00:03:22.920
У підприємствах ця невдача множиться.

00:03:23.140 --> 00:03:26.040
Одне запитання керівника часто стосується десятків систем.

00:03:26.260 --> 00:03:30.960
Документи SharePoint, набори даних Power BI, таблиці Azure SQL, потоки електронної пошти.

00:03:31.100 --> 00:03:34.160
Класичний аналіз зводить всю цю складність до одного стрибка.

00:03:34.380 --> 00:03:38.280
Результат, непослідовні результати, поверхневі резюме та галюциновані дані

00:03:38.280 --> 00:03:40.100
сформульовані впевненою дикцією.

00:03:40.320 --> 00:03:41.960
Відповідність нормативним вимогам.

00:03:42.160 --> 00:03:42.920
Забудьте про це.

00:03:43.120 --> 00:03:46.600
Коли модель витягує з будь-якого тексту векторний збіг, ви втрачаєте походження.

00:03:46.780 --> 00:03:49.080
Спробуйте пояснити це своєму аудиторському комітету.

00:03:49.260 --> 00:03:52.080
Однак маркетинг навколо Co-Pilot створює враження всемогутності.

00:03:52.220 --> 00:03:55.280
Брошура шепоче, запитуйте, що завгодно, Co-Pilot знає ваш бізнес.

00:03:55.280 --> 00:03:58.380
Ні, це не так. Він виконує пошук тексту за амнезією.

00:03:58.540 --> 00:04:00.860
Він не може планувати, розмірковувати чи перевіряти.

00:04:00.860 --> 00:04:03.560
Він не знає, який сайт SharePoint містить потрібний документ

00:04:03.560 --> 00:04:05.640
або чи взагалі синхронізовано сховище фебрик.

00:04:05.720 --> 00:04:09.120
Але оскільки формулювання гладке, керівники припускають розуміння там,

00:04:09.240 --> 00:04:10.260
де є лише кореляція.

00:04:10.460 --> 00:04:13.180
Саме на цю ілюзію інтелекту купуються компанії.

00:04:13.380 --> 00:04:16.460
Дорогий ковдру комфорту зіткану з розподілів ймовірностей.

00:04:16.460 --> 00:04:19.360
Вони святкують, коли Co-Pilot правильно складає електронний лист,

00:04:19.460 --> 00:04:22.180
ігноруючи те, що він повністю неправильно зрозумів вихідні дані.

00:04:22.320 --> 00:04:24.920
Вони хваляться висновками, заснованими на штучному інтелекті,

00:04:24.920 --> 00:04:27.800
не усвідомлюючи, що ці висновки зібрані з невідповідних контекстів

00:04:27.800 --> 00:04:28.720
та часткових знімків.

00:04:28.880 --> 00:04:30.220
Ось економічні наслідки.

00:04:30.400 --> 00:04:33.220
Кожен неправильно підсумований звіт, кожен галюцинований KPI

00:04:33.220 --> 00:04:34.560
призводить до поганих рішень.

00:04:34.720 --> 00:04:36.600
Проекти змінюються на основі вигадки.

00:04:36.760 --> 00:04:38.980
Команди з дотримання вимог женуться за привидами.

00:04:38.980 --> 00:04:41.800
І коли реальність нас доганяє, коли сфабрикований висновок

00:04:41.800 --> 00:04:44.860
зазнає невдачі у виробництві, провина падає на обмеження щі,

00:04:44.960 --> 00:04:47.340
а не на ліниву архітектуру, яка забезпечила провал.

00:04:47.340 --> 00:04:49.720
Правда в тому, що лінійний інтелект зазнає невдачі,

00:04:49.820 --> 00:04:51.220
бо підприємства не є лінійними.

00:04:51.400 --> 00:04:54.000
Дані розподілені, контекстні та часто суперечливі.

00:04:54.160 --> 00:04:56.480
Фіксований конвейер з одним запитом не може адаптуватися

00:04:56.480 --> 00:04:59.100
до цього середовища так само, як і один нейрон не може думати.

00:04:59.280 --> 00:05:01.640
Вам потрібна не краща підказка, вам потрібна система,

00:05:01.640 --> 00:05:02.600
яка може планувати.

00:05:02.760 --> 00:05:05.340
Така, яка може вирішувати, які сервіси використовувати,

00:05:05.440 --> 00:05:07.300
в якому порядку та як перевіряти результат.

00:05:07.460 --> 00:05:10.480
Отже, як навчити Coopilot діяти як дослідницька група,

00:05:10.620 --> 00:05:11.300
а не як папуга?

00:05:11.300 --> 00:05:13.600
Ось тут і з'являється Агентік АРАІДЖІ –

00:05:13.600 --> 00:05:16.820
еволюційний стрибок від реактивного пошуку до проактивного мислення.

00:05:17.000 --> 00:05:18.240
Він додає шари планування,

00:05:18.380 --> 00:05:20.900
спеціалізовані пошукові системи та цикли перевірки.

00:05:21.080 --> 00:05:23.520
Іншими словами, він перестає вдавати з себе розумного

00:05:23.520 --> 00:05:24.780
та нарешті вчиться мислити.

00:05:25.080 --> 00:05:27.800
З'являється Агентік АРАІДЖІ від пошуку до міркування.

00:05:27.960 --> 00:05:30.060
Ось тут ми переходимо від трюку до інтелекту.

00:05:30.200 --> 00:05:31.980
Агентік АРАІДЖІ – це не чергове модне слово,

00:05:31.980 --> 00:05:35.480
це відсутня здатність, без якої народився ваш коопайлот – виконавча функція.

00:05:35.600 --> 00:05:38.520
Уявіть собі це як АРАІДЖІ, у якого виросла префронтальна кора.

00:05:38.680 --> 00:05:42.000
Замість того, щоб запускати один запит і схрестити свої цифрові пальці,

00:05:42.120 --> 00:05:46.080
він розбиває проблему на частини, призначає завдання різним спеціалізованим агентам,

00:05:46.200 --> 00:05:48.520
перевіряє їхню роботу, а потім синтезує результат.

00:05:48.740 --> 00:05:52.200
Коротше кажучи, він перетворює мовні моделі з папуг на планувальників.

00:05:52.360 --> 00:05:55.880
Механічно Агентік АРАІДЖІ працює через багатоагентну оркестрацію,

00:05:55.880 --> 00:05:57.940
побудовану на Azure AI Agent Service.

00:05:58.080 --> 00:05:59.620
Уявіть собі три ролі в русі.

00:05:59.760 --> 00:06:02.660
По-перше, планувальник – свого роду менеджер цифрових проєктів.

00:06:02.780 --> 00:06:06.880
Планувальник читає ваш запит і вирішує, які інструменти або джерела даних є релевантними.

00:06:07.020 --> 00:06:09.440
Потім йдуть агенти-отримувачі, експерти в предметній області,

00:06:09.540 --> 00:06:12.200
навчені отримувати доступ до структурованих або не структурованих даних.

00:06:12.320 --> 00:06:16.220
Нарешті, агент-верифікатора або агент-міркування, який функціонує як головний редактор,

00:06:16.220 --> 00:06:19.580
перевіряє узгодженість, перевіряє цитати та компілює остаточну відповідь.

00:06:19.660 --> 00:06:23.180
Разом вони запускають те, що ми називаємо адаптивним циклом міркування.

00:06:23.380 --> 00:06:26.220
Запит, пошук, перевірка, уточнення та дія.

00:06:26.380 --> 00:06:27.920
Ключове слово – адаптивний.

00:06:28.060 --> 00:06:31.520
На відміну від стандартного RIG, цей цикл не закінчується на першому вигоді.

00:06:31.680 --> 00:06:33.860
Він перенаправляє, коли виникають суперечності.

00:06:33.980 --> 00:06:36.180
Порівняйте цей оркестрований танець з редакцією.

00:06:36.300 --> 00:06:38.700
Планувальник – це головний редактор, який призначає ритми.

00:06:38.700 --> 00:06:41.200
Ви перевіряєте SharePoint на наявність внутрішніх звітів.

00:06:41.320 --> 00:06:43.240
Ви отримуєте показники датчиків з Fabric.

00:06:43.340 --> 00:06:45.540
Ви скануєте веб-сторінку на наявність даних конкурентів.

00:06:45.660 --> 00:06:47.720
Кожен агент-посилач отримує свою частину.

00:06:47.860 --> 00:06:49.820
Верифікатор перевіряє факти в об'єднаному черниці,

00:06:49.920 --> 00:06:52.100
повторно виконує запити, якщо цитати конфліктують,

00:06:52.160 --> 00:06:53.620
і лише потім публікує короткий виклад.

00:06:53.760 --> 00:06:56.540
Результатом є неблок тексту, який просто звучить правдоподібно.

00:06:56.680 --> 00:06:58.860
Це зв'язне, пов'язане з доказами розуміння.

00:06:58.860 --> 00:07:01.800
Річ тут не в більших моделях, а в структурованому міркуванні.

00:07:01.980 --> 00:07:03.940
Давайте заглибимося в мозок планувальника.

00:07:04.120 --> 00:07:07.080
Він інтерпретує ваше запитання простою англійською мовою в карту завдань.

00:07:07.200 --> 00:07:09.840
Які агенти-посилачі використовувати, в якому порядку їх запускати,

00:07:09.900 --> 00:07:11.580
та як їхні результати повинні об'єднуватися.

00:07:11.760 --> 00:07:14.720
Саме тут і заробляє на життя служба агентів Azure AI.

00:07:14.920 --> 00:07:19.000
Вона забезпечує рівень оркестрації, який дозволяє цим агентам спілкуватися.

00:07:19.460 --> 00:07:21.440
Мікросервіси, які спілкуються через ARRI,

00:07:21.440 --> 00:07:25.140
що керуються автентифікацією Microsoft Entra, а не з догадками.

00:07:25.300 --> 00:07:29.880
Тепер про безпеку, тому що пересічний співробітник з дотримання вимог вже тягнеться до кнопки тривоги.

00:07:30.000 --> 00:07:31.940
Агнетік ARRIG не йде на компроміси.

00:07:32.120 --> 00:07:36.520
Він побудований на основі автентифікації, тобто ваша особистість передається разом із запитом.

00:07:36.680 --> 00:07:38.260
Система не видає себе за вас.

00:07:38.420 --> 00:07:42.300
Він використовує ваш перевірений токен для отримання лише того, що у вас є дозвіл на перегляд.

00:07:42.400 --> 00:07:46.380
Безпека на рівні рядків RLS та безпека на рівні стовпців CLS вбудовані.

00:07:46.380 --> 00:07:49.920
Штучний інтелект ЩІ не може випадково розкрити прогноз фінансового директора-стажеру.

00:07:50.060 --> 00:07:53.020
Кожен виклик пошуку реєструється, підлягає аудиту та може бути оборотним.

00:07:53.140 --> 00:07:56.240
Це важливо, оскільки стетик РЕГ не має поняття контексту користувача.

00:07:56.400 --> 00:08:00.980
Він захоплює все, що дозволяє його рівень пошуку, часто повністю минаючи каркас дозволів підприємства.

00:08:01.160 --> 00:08:02.980
Агентайкрег відновлює цю дисципліну.

00:08:03.140 --> 00:08:06.400
Коли засіб пошуку фебрик запитує таблицю Lakehouse, він застосовує ті самі правила RLS,

00:08:06.400 --> 00:08:09.100
яким підпорядковуються ваші інформаційні панелі бізнес-аналітики, BI.

00:08:09.280 --> 00:08:15.000
Коли агент SharePoint переглядає бібліотеки документів, він враховує дозволи на рівні сайту та мітки Microsoft Perview.

00:08:15.180 --> 00:08:19.540
Отже, ті самі політики, які захищають ваших користувачів людей, тепер захищають і ваших користувачів, що працюють на щі.

00:08:19.680 --> 00:08:22.120
Давайте повернемо це до реальності робочого процесу.

00:08:22.240 --> 00:08:28.360
Припустимо, питання полягає в наступному, в якому діапазоні глюкози продукта працює гірше порівняно з продуктом B і який клінічний вплив.

00:08:28.360 --> 00:08:32.380
Стандартний рег видасть будь-які фрагменти, що згадують продукта та глюкозу.

00:08:32.500 --> 00:08:38.660
Агент iKreg, що працює на базі Azure AI Agent Service, спочатку попросить свого плановальника визначити три фронти пошуку –

00:08:38.660 --> 00:08:43.080
Fabric для даних датчиків, SharePoint для клінічних нотаток та BIN для зовнішніх публікацій.

00:08:43.200 --> 00:08:45.740
Кожен агент пошуку надає відповідні докази.

00:08:45.920 --> 00:08:53.060
Верифікатор порівнює різні набори даних, позначає розбіжності, можливо, навіть уточнює початковий запит Fabric, якщо з'являється випадок.

00:08:53.060 --> 00:08:58.720
Тільки після перевірки він синтезує остаточний висновок із збереженням цитат. Це ітеративне мислення в дії.

00:08:58.940 --> 00:09:04.120
Реактивний рег зупиняється після першого кроку. Агент iKreg навчається та коригує посеред розмови.

00:09:04.280 --> 00:09:06.740
Він може автоматично розкладати подальші запитання.

00:09:06.900 --> 00:09:10.240
Запитайте, чи можемо ми покращити точність, використовуючи нещодавні дослідження.

00:09:10.400 --> 00:09:14.200
І ті ж агенти перемикаються, щоб отримувати нові матеріали, не втрачаючи контексту.

00:09:14.320 --> 00:09:17.220
Це безперервне розуміння, а не епізодична втрата пам'яті.

00:09:17.220 --> 00:09:24.280
Бонус за відповідність величезний. Кожна дія агента відстежується в журналах аудиту, кожен токен автентифікований, кожен дотик до документа зареєстрований.

00:09:24.440 --> 00:09:29.280
Ви отримуєте ілюзію всезнання з паперовою обачністю. Те, що аудитори обожнюють.

00:09:29.400 --> 00:09:31.580
Отже, філософський сув полягає в наступному.

00:09:31.840 --> 00:09:36.100
Сам пошук надає інформацію. Агентство перетворює цю інформацію на процес.

00:09:36.280 --> 00:09:39.040
Завдяки впровадженню планування, спеціалізації та перевірки,

00:09:39.040 --> 00:09:43.060
Служба агентів Azure перетворює випадкові поли даних на відповідальні ланцюги міркувань.

00:09:43.200 --> 00:09:48.040
У корпоративному світі це різниця між помічником, якому ви довіряєте, і тим, кого ви тихо відключаєте.

00:09:48.200 --> 00:09:52.340
Тепер, коли наш другий пілот має функціонуючий мозок, настав час підживити його належною пам'яттю.

00:09:52.500 --> 00:09:57.340
Іншими словами, давайте дамо йому десь суттєве місце для пошуку, починаючи з неструктурованого хаосу SharePoint.

00:09:57.620 --> 00:10:00.180
Інтеграція SharePoint – перетворення хаосу на знання.

00:10:00.180 --> 00:10:02.900
SharePoint – це місце, де ховаються корпоративні знання.

00:10:03.060 --> 00:10:05.800
Кожне підприємство має таке місце археологічні розкопки презентацій,

00:10:05.860 --> 00:10:10.780
PowerPoint, нотаток до зустрічей, застарілих специфікацій та документів під назвою Final V12, насправді Final.

00:10:10.960 --> 00:10:12.140
А для людей – це хаос.

00:10:12.320 --> 00:10:14.960
Для наївної системи ганчірок – це нечитабельний хаос.

00:10:15.100 --> 00:10:17.740
Пошук за ключовими словами слухняно повертає тисячу результатів,

00:10:17.840 --> 00:10:21.760
більшість з яких нерелевантні і пересічний користувач прокручує, поки не покращиться моральний дух.

00:10:21.760 --> 00:10:26.160
Потім вони просять у друга допомоги, і другий пілот швидко підсумовує неправильне десятиліття.

00:10:26.300 --> 00:10:31.220
Агент Айкрег по-іншому ставиться до SharePoint не як до бібліотеки, а як до субстрату знань.

00:10:31.360 --> 00:10:34.660
Він знає, що всередині цих папок заховані якісні висновки,

00:10:34.800 --> 00:10:40.120
які структуровані таблиці Fabric ніколи не зможуть охопити контекст, рішення, обґрунтування.

00:10:40.280 --> 00:10:42.980
Тож замість того, щоб виконувати пошук за одним ключовим словом,

00:10:43.100 --> 00:10:48.520
агент пошуку SharePoint використовує семантичне вбудовування та векторний пошук для відображення значення, а не лише тексту.

00:10:48.520 --> 00:10:53.500
Запитайте про надійність продукту у вологому середовищі, і він не фіксується на цих конкретних словах.

00:10:53.620 --> 00:10:59.120
Він помічає документи, що обговорюють режими відмови, стійкість до конденсації та адгезійні властивості.

00:10:59.320 --> 00:11:00.620
Він розпізнає наміри.

00:11:01.040 --> 00:11:04.200
Ось тут усвідомлення дозволів стає вирішальним фактором.

00:11:04.340 --> 00:11:09.940
Кожен сайт SharePoint має власну заплутану мережу дозволів, команд, підсайтів, конфіденційних папок.

00:11:10.040 --> 00:11:15.060
Тупий пошуковий сканер ігнорує це та випадково виводить скарги на відділ кадрів у маркетинговий звіт.

00:11:15.060 --> 00:11:20.060
Однак модель Агент Айк автентифікується від вашого імені, успадковуючи ваш точний контекст безпеки.

00:11:20.200 --> 00:11:22.560
Вона може читати лише те, що вам дозволено бачити.

00:11:22.760 --> 00:11:24.800
Вивід автоматично обрізається політикою.

00:11:24.960 --> 00:11:27.800
Обрізання безпеки завдяки міткам Microsoft Entra та Perview.

00:11:27.960 --> 00:11:31.200
Тож інтелект штучного інтелекту ніколи не перевищує його авторизацію.

00:11:31.360 --> 00:11:33.220
Давайте розглянемо практичний сценарій.

00:11:33.400 --> 00:11:38.060
Менеджер з досліджень та розробок підсумовує відмінності в продуктивності продукту, а в прибережному кліматі.

00:11:38.060 --> 00:11:40.300
Планувальник поділяє це на підзавдання.

00:11:40.620 --> 00:11:45.920
Агент SharePoint готується до аналізу числових даних датчиків, поки агент SharePoint заглиблюється у внутрішні дослідницькі роботи,

00:11:46.020 --> 00:11:50.140
журнали технічного обслуговування та інженерні нотатки, позначені термінами, пов'язаними з вологістю.

00:11:50.300 --> 00:11:58.000
Він знаходить звіт про польові випробування за 2023 рік, обговорення корозії матеріалів та документ зі зведеними результатами від команди надійності.

00:11:58.140 --> 00:12:03.840
Кожен документ проходить векторну оцінку на семантичну релевантність, витягується та передається агенту верифікації.

00:12:08.060 --> 00:12:15.100
Якщо виникають суперечності, наприклад, застарілий документ стверджує про мінімальну корозію, він позначає невідповідність та запитує новіші дані.

00:12:15.260 --> 00:12:22.080
Остаточна синтезована відповідь точно повідомляє менеджеру з досліджень та розробок, які саме вузли руйнуються при високій вологості та цитує перевірені джерела.

00:12:22.260 --> 00:12:27.360
Те, що раніше було кількома годинами ручного пошуку, тепер перетворюється на один безперервний цикл міркувань.

00:12:27.360 --> 00:12:34.920
SharePoint перетворюється з пасивного сховища на активного учасника корпоративного інтелекту, по суті, нейронну пам'ять корпоративних рішень.

00:12:35.080 --> 00:12:44.060
Шар Аргентік Ганчірок не просто читає документи, він вивчає зв'язки, походження проєктів, тенденції авторства, контекстні кластери та може об'єднувати їх у зв'язні аргументи.

00:12:44.240 --> 00:12:48.180
Тепер співробітники з дотримання вимог можуть все ще сіпатися, коли чують про автономне вилучення.

00:12:48.180 --> 00:12:59.380
Розслабтеся. Кожен запит і дотик до документа реєструється, журнали аудиту залишаються недоторканими, регуляторні рамки, такі як ISO 27001 та GDPR, залежать від підзвітності, і ця система надає її автоматично.

00:12:59.560 --> 00:13:04.920
Агент може навіть додавати метадані, посилаючись на шлях до документа та позначку часу доступу до кожної згенерованої фрази.

00:13:04.920 --> 00:13:10.680
Це означає, що кожне твердження, зроблене щі, можна простежити до певної версії файлу, що є невідмовним для роботів.

00:13:10.680 --> 00:13:16.200
Коротше кажучи, інтеграція SharePoint під Аргенті Крек перетворює хаос-контенту на хореографію знань.

00:13:16.380 --> 00:13:22.160
Ваше неструктуроване минуле стає доступним для пошуку за значенням, захищеним політикою та підтвердженим перехресними посиланнями.

00:13:22.340 --> 00:13:26.180
SharePoint перестає бути цифровим горищем і стає когнітивною інфраструктурою.

00:13:26.180 --> 00:13:33.680
Але якісний контекст – це лише половина мозку. Інша половина – істина числової структури, живе в Microsoft Fabric, і саме туди ми йдемо далі.

00:13:33.820 --> 00:13:36.040
Microsoft Fabric – структурований аналог.

00:13:36.040 --> 00:13:40.240
Ласкаво просимо до іншої півкулі вашого корпоративного мозку – структурованої сторони.

00:13:40.380 --> 00:13:45.260
Якщо SharePoint зберігає ваші племінні знання, Microsoft Fabric зберігає вашу емпіричну істину.

00:13:45.440 --> 00:13:50.880
Це єдина аналітична основа, де числа, моделі та потоки подій сходяться в щось наближене до узгодженості.

00:13:50.880 --> 00:13:53.960
Більшість організацій розглядають його як сховище даних.

00:13:54.040 --> 00:13:56.540
Під агенті Крек він стає субстратом міркувань.

00:13:56.680 --> 00:13:58.780
Ось яку роль відіграє Fabric – точність.

00:13:58.780 --> 00:14:02.980
Він не говорить анекдотами, він говорить телеметрією, транзакціями та часовими рядами.

00:14:03.120 --> 00:14:08.020
У Fabric є Lakehouse Warehouse та семантична модель, кожен з яких має свій діалект структури.

00:14:08.160 --> 00:14:11.400
Агент даних Fabric, побудований на базі служби агентів Azure AI,

00:14:11.400 --> 00:14:15.700
перетворює природну мову на структуровані запити, які безпечно проходять через ці шари.

00:14:15.880 --> 00:14:19.260
Запитайте, покажіть квартальну варіацію дохідності для продукту A за регіонами,

00:14:19.340 --> 00:14:23.880
і він непомітно створює оптимізований запит, подібний до SQL, спрямований на потрібні таблиці та розділи.

00:14:23.880 --> 00:14:26.720
Виконання відбувається у вашому автентифікованому контексті.

00:14:26.860 --> 00:14:30.260
Ніяких підказок, жодних інструментів PAWA BID, прямий керований інтелект.

00:14:30.400 --> 00:14:33.120
Тепер необроблений доступ до чисел не має сенсу без захисту,

00:14:33.180 --> 00:14:36.100
тому азіатська безпека Fabric не є варіантом – це архітектура.

00:14:36.100 --> 00:14:39.600
Кожна взаємодія шифрується та автентифікована через Microsoft EntraID,

00:14:39.800 --> 00:14:43.400
що гарантує, що агент працює від імені вашого перевіреного токену користувача.

00:14:43.500 --> 00:14:47.540
Пам'ятаєте хаос скорочень принципалів служби, які ігнорують безпеку на рівні рядків?

00:14:47.540 --> 00:14:48.800
Тут вони заборонені.

00:14:48.940 --> 00:14:51.980
Потік від імені передає вашу ідентифікацію від початку до кінця,

00:14:52.120 --> 00:14:55.100
автоматично забезпечуючи безпеку на рівні стовпців та РЛС.

00:14:55.260 --> 00:14:57.520
Якщо фінансовий відділ позначає стовпець як конфіденційний,

00:14:57.600 --> 00:14:59.120
штучний інтелект ніколи його не побачить,

00:14:59.120 --> 00:15:01.340
і кожне виконання залишає сліди в журналах аудиту Fabric,

00:15:01.460 --> 00:15:04.080
що задовольняє аудиторів, які розглядають журнали як казки на ніч.

00:15:04.220 --> 00:15:06.420
На додачу до цього знаходиться управління PairView.

00:15:06.600 --> 00:15:08.380
Мітки чутливості передаються разом з даними,

00:15:08.380 --> 00:15:11.600
конфіденційно лише для внутрішнього використання обмежено експортом.

00:15:11.740 --> 00:15:14.580
Коли агент даних Fabric складає запит, використовуючи такі поля,

00:15:14.700 --> 00:15:16.140
політики миттєво перехоплюють їх.

00:15:16.300 --> 00:15:18.480
Спроби порушення запускають застосування DLP ще до того,

00:15:18.600 --> 00:15:19.760
як втрачається хоча б один байт.

00:15:19.760 --> 00:15:22.700
Це, по суті, захист від дітей корпоративного рівня для штучного інтелекту.

00:15:22.820 --> 00:15:25.080
Модель може досліджувати, але не вражати себе струмом.

00:15:25.200 --> 00:15:28.000
Отже, що відбувається, коли ми поєднуємо цю структуровану дисципліну

00:15:28.000 --> 00:15:29.460
з безладною інтуїцією SharePoint?

00:15:29.460 --> 00:15:31.840
Служба агента Azure AI керує цим.

00:15:31.980 --> 00:15:33.360
Уявіть собі зал суду.

00:15:33.500 --> 00:15:36.580
Агент Fabric надає вагомі докази, діаграми, підрахунки,

00:15:36.740 --> 00:15:40.740
середні значення датчиків, тоді як агент SharePoint надає свідчення свідків.

00:15:40.740 --> 00:15:44.980
Агент верифікації перевіряє їх, переконуючись, що цифри та описи узгоджуються,

00:15:45.080 --> 00:15:48.120
перш ніж представити вердикт як єдину відповідь, багато на цитати.

00:15:48.300 --> 00:15:49.400
Розглянемо приклад.

00:15:49.540 --> 00:15:53.400
Керівник операції запитує, чи втрачаємо ми ефективність через дефекти упаковки.

00:15:53.540 --> 00:15:56.080
Планувальник відправляє агента Fabric для отримання показників

00:15:56.080 --> 00:15:58.120
прибутковості за виробничою лінією зі складу.

00:15:58.260 --> 00:16:00.620
Одночасно він надсилає агенту SharePoint перегляд журналів,

00:16:00.700 --> 00:16:02.940
технічного обслуговування та листування з постачальниками.

00:16:03.100 --> 00:16:05.800
Агент Fabric повертає набір даних, що показує незначні провали,

00:16:05.800 --> 00:16:07.420
що корелюють зі стрибками вологості.

00:16:07.540 --> 00:16:09.660
Агент SharePoint виявляє ланцюжок електронних листів,

00:16:09.760 --> 00:16:12.640
в якому згадуються деформовані пакувальні матеріали протягом того ж періоду.

00:16:12.800 --> 00:16:16.020
Верифікатор підтверджує обидва, позначає кореляцію як достовірно,

00:16:16.020 --> 00:16:19.960
і система складає стислий висновок із кількісними графіками та довідковими документами.

00:16:20.100 --> 00:16:23.280
Миттєва діагностика Six Sigma без безсонних аналітиків.

00:16:23.280 --> 00:16:28.000
Під капотом служба агента Azure AI обробляє паралельність групою чи пошук через те,

00:16:28.160 --> 00:16:30.140
що фактично є сіткою мікросервісів.

00:16:30.280 --> 00:16:33.820
Кожен агент публікує схему, що описує, до чого він може отримати доступ

00:16:33.820 --> 00:16:37.160
схеми Fabric, метадані SharePoint або відкритий WebContext Bean.

00:16:37.320 --> 00:16:40.160
Планувальник використовує цей реєстр як каталог ARRI.

00:16:40.380 --> 00:16:42.120
Результатом є модульний інтелект.

00:16:42.120 --> 00:16:45.360
Замінюйте або розширюйте агентів у міру появи нових доменів даних,

00:16:45.440 --> 00:16:46.840
не переписуючи весь Co-Pilot.

00:16:47.040 --> 00:16:50.060
З точки зору продуктивності інновація полягає не в більших моделях,

00:16:50.060 --> 00:16:51.520
а в розумнішому порядку пошуку.

00:16:51.660 --> 00:16:54.640
Планувальник може спочатку запитувати Fabric, щоб визначити числові межі,

00:16:54.720 --> 00:16:57.100
а потім використовувати їх для звуження дослідження SharePoint.

00:16:57.300 --> 00:16:59.480
Це зменшує шум і прискорює конвергенцію.

00:16:59.640 --> 00:17:02.120
Уявіть це як обрізання даних за допомогою розуму.

00:17:02.280 --> 00:17:04.340
Замість того, щоб тонути в 10 тисяч документів,

00:17:04.340 --> 00:17:07.720
система знає, які 10 мають значення, тому що цифри вже формулюють питання.

00:17:07.920 --> 00:17:09.760
Спеціалісти з комплеєнсу обожнюють цю систему,

00:17:09.840 --> 00:17:11.820
тому що управління масштабується завдяки інтелекту.

00:17:11.820 --> 00:17:14.920
Кожен виклик агента реєструється, кожну трансформацію можна відстежити.

00:17:15.080 --> 00:17:17.700
Коли фінансовий директор запитує, звідки взялося це число,

00:17:17.860 --> 00:17:19.880
ви можете безпосередньо вказати на таблицю Fabric,

00:17:20.020 --> 00:17:22.460
позначку часу та токен користувача, що виконує запит.

00:17:22.560 --> 00:17:24.380
Ця прозорість перетворює страх на довіру,

00:17:24.520 --> 00:17:26.520
критично важливу валюту в регульованих галузях,

00:17:34.340 --> 00:17:39.480
Підприємство переходить від пошуку та надії на отримання, перевірку, прийняття рішень.

00:17:39.620 --> 00:17:40.980
І так, швидкість вражає.

00:17:40.980 --> 00:17:44.680
Тепер поєднайте це багаторівневе відтворення з міркуваннями, і ви отримаєте швидкість.

00:17:44.800 --> 00:17:45.940
Жахлива швидкість.

00:17:46.060 --> 00:17:50.000
Цикл від дослідження до прийняття рішень, який колись вимагав цілої низки аналітиків,

00:17:50.080 --> 00:17:53.600
тепер скорочується до годин, що веде нас безпосередньо до останнього кроку.

00:17:53.780 --> 00:17:56.660
Вплив. Вплив на підприємство з місяців на хвилини.

00:17:56.840 --> 00:17:59.060
Давайте поговоримо про наслідки, про хороші.

00:17:59.060 --> 00:18:02.520
Коли ви переходите від пасивної ганчірки до агентської ганчірки в Fabric та SharePoint,

00:18:02.660 --> 00:18:04.500
середня часова шкала підприємства згинається.

00:18:04.640 --> 00:18:08.220
Те, що займало місяці звітності, перетворюється на хвилини перевіреного синтезу.

00:18:08.360 --> 00:18:12.320
Штучний інтелект більше не чекає, поки люди перетворять запитання на запити даних.

00:18:12.480 --> 00:18:15.060
Він автоматично виконує цей переклад, перевірку та узагальнення.

00:18:15.860 --> 00:18:17.560
Розглянемо дослідження та розробки.

00:18:17.700 --> 00:18:21.200
Команди, які раніше збирали міжфункціональні комітети для узгодження даних.

00:18:21.200 --> 00:18:26.140
Інженери експортують тестові метрики, аналітики очищують їх, перевіряють дозволи на відповідність

00:18:26.140 --> 00:18:28.320
і хтось неминуче переіменовує файли Final.

00:18:28.540 --> 00:18:30.500
Агент з каганчірка руйнує цей цикл.

00:18:30.640 --> 00:18:35.180
Планувальник координує агентів, які одночасно отримують таблиці продуктивності Fabric та нотатки

00:18:35.180 --> 00:18:40.260
про проєкт SharePoint, об'єднують їх та складають перевірений зведений звіт із посиланнями та мітками безпеки.

00:18:40.420 --> 00:18:42.360
Затримка прийняття рішень майже нульова.

00:18:42.560 --> 00:18:45.320
Відповідність та аудит переживають подібні ударні хвилі.

00:18:45.320 --> 00:18:48.840
Традиційні аудити означали надсилання пакетів доказів електронною поштою тижнями.

00:18:48.960 --> 00:18:52.860
Тепер той самий щі, який написав звіт, може відновити свій логічний шлях на вимогу.

00:18:52.980 --> 00:18:56.780
Кожен виклик пошуку рядок запиту, шлях до файлу та позначка часу записуються.

00:18:56.960 --> 00:19:02.760
Аудитори можуть відтворити точні кроки, що ведуть до висновку, перетворюючи джуділи джанс сполювання за скарбами на прапорець.

00:19:02.840 --> 00:19:06.000
Те, що раніше було джерелом ризику, стає коштовністю управління.

00:19:06.160 --> 00:19:08.360
Виробництво отримує перевагу в прогнозуванні.

00:19:08.360 --> 00:19:11.360
Кількісні потоки фебрик виявляють відхилення процесів.

00:19:11.520 --> 00:19:13.980
Якісні нотатки SharePoint пояснюють причини.

00:19:14.140 --> 00:19:20.260
Аргенті Клуб співвідносить їх до того, як сповіщення посиляться, ефективно здійснюючи постійне вдосконалення без консультанта Сікс Сідма.

00:19:20.420 --> 00:19:27.200
Уявіть собі заміну кімнати перевантажених стажерів групою експертів-консультантів, які ніколи не сплять, ніколи не забувають контекст і ніколи не перевищують бюджет.

00:19:27.360 --> 00:19:29.740
Це операційний еквівалент складного інтелекту.

00:19:29.740 --> 00:19:33.140
Звичайно, автоматизація має значення лише за умови її підзвітності.

00:19:33.240 --> 00:19:41.180
Аргентіка Рейджі зберігає кожен рівень корпоративної спадщини, дозволів міток конфіденційності та журналів аудиту, тому і те директори можуть масштабувати інтелект без ризику масштабування.

00:19:41.320 --> 00:19:45.920
Кожну аналітику можна відстежити до облікових даних користувача та керованого сховища, яке її створило.

00:19:46.100 --> 00:19:51.600
Система працює як фінансова книга для думок, прозора, оборотна та захищена від несанкціонованого втручання.

00:19:51.780 --> 00:19:52.780
А людські втрати.

00:19:52.780 --> 00:19:54.000
Зменшення нудьги.

00:19:54.120 --> 00:19:58.420
Фахівці припиняють копіювання з експорту та починають інтерпретувати синтезовані істини.

00:19:58.580 --> 00:20:02.240
Зустрічі скорочуються, оскільки ЩІ надходить із попередньо перевіреними доказами.

00:20:02.400 --> 00:20:05.360
Проекти прискорюються, оскільки дані та наратив миттєво сходяться.

00:20:05.580 --> 00:20:07.940
Це та частина, яку більшість керівників пропускають.

00:20:08.100 --> 00:20:10.840
Швидкий рух не є безрозсудним, коли міркування задокументовані.

00:20:10.840 --> 00:20:16.680
Справжня безрозсудність полягає в тому, щоб створювати дурних других пілотів, папуг, які працюють не з контекстом, але маскуються під стратегів.

00:20:16.820 --> 00:20:19.780
Вони мають бути в музеї ранніх курйозів ЩІ поруч із Кліппі.

00:20:19.920 --> 00:20:25.760
Тож, якщо ваше підприємство досі хвалиться другим пілотом, який лише отримує результати, вітаємо, ви фінансуєте модний автозаповнення.

00:20:25.920 --> 00:20:29.520
Серйозні гравці вже використовують агентів, які планують, перевіряють та діють.

00:20:29.680 --> 00:20:32.380
Регресія з місяців до хвилин – це лише поверхнева перевага.

00:20:32.380 --> 00:20:34.580
Глибша перевага – це епістемічна цілісність.

00:20:34.680 --> 00:20:39.040
Рішення, які фактично відображають реальність, тому що інтелект, який їх створює, несе відповідальність.

00:20:39.160 --> 00:20:43.200
Ось чому продовження створення дурних інших пілотів не просто неефективне, це безрозсудне.

00:20:43.340 --> 00:20:48.620
Майбутнє корпоративного ЩІ – це не більші підказки, це менші петлі зворотного зв'язку з кращою пам'яттю та управлінням.

00:20:48.720 --> 00:20:51.120
Аргентік R.A.G. забезпечує і те, і інше.

00:20:51.280 --> 00:20:54.140
Інтелект нарешті поводиться як система, а не як трюк.

00:20:54.220 --> 00:20:56.180
Перестаньте будувати, почніть думати.

00:21:02.380 --> 00:21:09.640
Чемству не потрібні чат-боти, йому потрібна когнітивна інфраструктура, системи, які можуть планувати, перевіряти та діяти від імені вашої особи, а не поруч із нею.

00:21:09.740 --> 00:21:20.040
Це Agnity Craig – екосистема навмисних міркувань, побудована на Azure AI Agent Service, яка безпечно спілкується з SharePoint та Microsoft Fabric як команда експертів, що ділять один автентифікований мозок.

00:21:20.060 --> 00:21:27.880
Якщо ваш другий пілот все ще не може планувати власні пошуки, перевіряти посилання або пояснювати свій шлях міркувань, перестаньте називати його інтелектуальним, це декоративно.

00:21:27.880 --> 00:21:35.260
Інтелект передбачає намір, перевірку та наслідок. Декоративний щі виконує монологи, а Agnity AI проводить експерименти.

00:21:35.460 --> 00:21:40.040
Різниця полягає в підзвітності. Один створює результат, інший створює розуміння.

00:21:40.200 --> 00:21:47.640
Цей архітектурний сув більше не є необов'язковим. Щойно ваше рішення охоплює структуровані та неструктуровані дані, статичний ганчірка руйнується.

00:21:47.640 --> 00:21:54.240
Співробітники з дотримання вимог вже знають це, аналітики вже відчувають це, і керівництво незабаром вимагатиме доказів міркувань, а не лише впевненості в тоні.

00:21:54.360 --> 00:21:56.920
Stack Microsoft нарешті забезпечує основу.

00:21:57.040 --> 00:22:05.420
Azure AI Agent Service для оркестрації, агенти даних Fabric для кількісної істини, пошук SharePoint для контексту та управління перв'ю, що герметизує всю нервову систему.

00:22:05.600 --> 00:22:08.940
Отже, ось ваш виклик. Припиніть розгортати показових поні.

00:22:09.060 --> 00:22:12.400
Створюйте агентів, які сперечаються самі собою, доки не дійдуть згоди щодо істини.

00:22:12.400 --> 00:22:16.360
Експериментуйте з багатоагентним плануванням. Тестуйте від імені автентифікації.

00:22:16.520 --> 00:22:20.120
Об'єднуйте VIA Fabric та SharePoint разом, доки вашій не зможе фактично захистити свої відповіді.

00:22:20.220 --> 00:22:22.480
Тому що інтелект без дії – це взагалі не інтелект.

00:22:22.620 --> 00:22:26.180
Якщо це пояснення прояснило ситуацію більше, ніж ваш постачальник, підпишіться.

00:22:26.360 --> 00:22:30.920
Наступне глибоке занурення, де конструює багатоагентний дизайн всередині щі Microsoft 365.

00:22:31.520 --> 00:22:35.820
Як зробити вашого другого пілота не просто уважним, а й розумним у рамках політики?

00:22:36.040 --> 00:22:38.160
Ефективність – це не магія, це архітектура.

00:22:38.160 --> 00:22:43.520
Зафіксуйте свій шлях оновлення, підпишіться, увімкніть сповіщення та дозвольте новим аналітичним даним розгортатися автоматично.

00:22:43.660 --> 00:22:44.280
Продовжити!
