Specialiserede assistenter til at hjælpe brugeren i den konkrete arbejdssituation
Mange tænker måske mere på James Bond end kunstig intelligens, når samtalen falder på agenter, men indenfor den teknologiske verden betegner begrebet 'agenter' assistenter bygget med kunstig intelligens, som løser en specifik opgave. F.eks. en assistent, der kan hjælpe med at svare på HR-relaterede spørgsmål ud fra virksomhedens personalehåndbog, code of conduct, politikker m.v..
Faktisk indeholder Microsoft 365 Copilot en lang række standardagenter, som Microsoft har bygget til platformen. Eksempelvis opsummering af mails i Outlook eller transkription af møder i Teams.
Du kan dog også selv bygge Copilot agenter, der er specialiserede til at understøtte netop dine kerneprocesser. Det er her, vi fokuserer i denne artikel.
Før vi dykker ned i de forskellige muligheder for at konstruere agenter i Microsoft 365, så er der lige et par begreber, vi skal have på plads.
Sprogmodeller (Large Language Models/LLM)
Dette er den virkelighedsforståelse som en agent er fortrænet på. F.eks. har OpenAI bygget en række LLM'er, som er fortrænede på et stort antal data fra internettet og andre kilder, hvilket danner den grundlæggende "intelligens" i Microsoft 365 Copilot, og demed også i agenter bygget i denne platform. Betragt dette som agentens erfaring eller langtidshukommelse.
Viden (Knowledge)
Når en agent opsættes, så skal man tage stilling til det informationsgrundlag, som agenter baserer sin forståelse på. Dette kaldes agentens viden (knowledge) og er afgørende for, at man får svar baseret på de rigtige informationskilder. Dette kan betragtes som agentens korttidshukommelse og sandhedsforståelse, og anvendes dermed til at give de bedste svar til brugeren af agenten med relevante kildehenvisninger.
Det er væsentligt at kende de forskellige muligheder for at bygge agenter i Microsoft 365. Nedenfor introduceres en række disse muligheder for at give en grundlæggende forståelse til at vælge det rette værktøj til opgaven.
Dette er agenter, der opsættes med udgangspunkt i udvalgte filer på et SharePoint websted. De er således specialiserede til at give svar ud fra indholdet i de udvalgte filer.
Agenten "lever" i SharePoint og aktiveres direkte med Copilot-knappen i SharePoint, hvorefter brugeren kan chatte med agenter og få relevante svar baseret på den viden agenten er opsat med.
SharePoint agenter opsættes fra SharePoint og udgives til brugerne af SharePoint webstedet.
Agent Builder er et værktøj, der er indbygget i Microsoft 365 Copilot, hvorigennem der kan opsættes mere specialiserede chat-agenter. Tænk denne type agenter, som personlige assistenter, der er målrette til at hjælpe dig selv i dine konkrete arbejdssituationer - lidt ligesom når der f.eks. bygges personlige flows i Power Automate.
Agenter bygget med Agent Builder ejes af brugeren, der opbygger agenten, men kan deles med andre brugere. Overvej dog potentielle udfordringer med kobling af en delt agent til en specifik brugerprofil som ejer. Så hvis agenten ender med at have en større brugergruppe, så bør den måske omlægges til en Copilot Studio agent.
Med agenter bygget i Copilot Studio bliver det muligt at opsætte mere avancerede agenter med konfiguration af relevante videnskilder samt forskellige behandlingsforløb i agenten.
Copilot Studio agenter opbygges som navnet antyder i værktøjet Copilot Studio. Agenterne gemmes i Power Platformen i en kontrolleret løsningsstruktur, som i forvejen anvendes i Power Platformen og tilbyder mere effektiv styring.
Denne form for agenter giver bedre muligheder for at håndtere fælles processer på tværs af organisationen, hvor der er behov for styring af udgivelser og udvikling af agenterne. Copilot Studio tilbyder desuden relativt avancerede muligheder for at tilpasse agentens adfærd samt starte handlinger på tværs af agenter.
Før du kaster dig ud i at bygge agenter, så er det en rigtig god idé at overveje om det datagrundlag, du vil bygge agenten på, er af tilstrækkelig god kvalitet. Hvordan skal en agent f.eks. vide, hvilken version af personalehåndbogen, der er den rigtige, hvis der ligger flere forskellige filer? Jo bedre grundlaget er, jo bedre vil din agent også fungere.
Har du brug for en vurdering af om dit datagrundlag er "AI Ready", så læs mere herunder eller kontakt os for en uforpligtende snak.
Hos Evobis står vi klar til at hjælpe dig godt i gang med agenter - både ift. rådgivning og træning, men også reel implementering. Som Microsoft AI Cloud Partner følger vi den seneste udvikling og deler gerne ud af vores erfaring.
