Copilot は高速で、Microsoft 365 のメール、要約、会議メモには最適です。しかしポリシーや SOP、M365 の外にあるデータについては、一般的で誤った回答をしがちです。このエピソードでは、Copilot で十分なとき、Retrieval Augmented Generation(RAG)が必要なとき、そして引用付きの信頼できるナレッジパイプラインの作り方を解説します。このエピソードで学べること:Copilot の得意分野と限界:アクセス許可、Microsoft Graph、独自インデックスなし、引用の強制や検索評価ができないことRAG の仕組み:ドキュメントをチャンクに分割し、メタデータを付け、埋め込みでベクトル化し、Azure AI Search のハイブリッド検索で取得する流れハルシネーション対策:ソースのみに基づく回答、引用の必須化、「わからない」ルール、ログ記録、ヒット率とレイテンシの測定よくある失敗:大きすぎる・小さすぎるチャンク、メタデータの欠如、不適切な埋め込み、評価ループの欠如――そしてファインチューニングより再インデックスが優れる理由グローバル製造業の事例:4,800 件のポリシーファイル、引用付きの Teams エージェント、サービスデスクへの問い合わせが 3 分の 1 減少IT リーダー、Microsoft 365・Azure アーキテクト、そして社内ナレッジに基づく信頼できる AI 回答を求めるすべての方に最適です。このエピソードは、Microsoft MVP Mirko Peters による M365 Show のアニメーション動画をAIで吹き替えた日本語版です。▶ 動画を見る: https://youtu.be/cs9L8iVzcPY🎧 他のエピソード: https://www.m365.fm🎤 M365Con – 無料のオンライン Microsoft カンファレンス: https://m365con.net💼 LinkedIn の Mirko Peters: https://www.linkedin.com/in/m365showpodcast/
This episode includes AI-generated content.
This episode includes AI-generated content.
感想
まだ感想はありません。最初の1件を書きましょう!
スクロール