Mine erfaringer med Copilot

Jeg har som så mange andre været lidt skeptisk i forhold til den umiddelbare værdi af generativ AI, i den indpakning som Microsoft har lanceret som Copilot. Løfterne om gevinst i form af øget produktivitet er store og hver gang nogen siger noget er et “paradigmeskift” tænder det automatisk min bullshit radar. Microsoft har nærmest med lynets hast fået Copilot ind i samtlige deres produkter og hver uge er der et nyt Copilot add-in som bliver lanceret og dukker op endnu et sted i Microsoft universet. Så det kan være en udfordring at følge med, så derfor vil jeg med denne og kommende artikler prøve at skabe et overblik, uden at det bliver alt for detaljeret ned i de tekniske detaljer.

Jeg har selv en baggrund som konsulent i Microsoft (2006-2011) og har været tæt på Microsoft 365 siden suiten blev lanceret som BPOS i 2009 og to år senere som Office 365. Derfor har jeg sat mig for at komme lidt bagom hypen omkring Copilot, det sidste nye hjertebarn, og dykke ned i anvendeligheden og værdien af den lille intelligente assistent. Siden december 2024 har det været muligt at bruge Copilot uden de relativt kostbare personlige licenser, men som “pay-as-you-go” betalt efter forbrug. Det betyder alverden til forskel for mange virksomheder, da det betyder at Copilot pludselig kan bruges til mere specifikke behov og til understøttelse af relevante processer uden det koster ca. 130 – 200 kroner pr. bruger pr. måned. Jeg ved der også findes en “gratis” version af Copilot (uden ekstra licensbetaling), som en del af Windows og udvalgte Office programmer, men denne opfatter jeg som mest til “husbehov” og generel hjælp i form af chat, hvilket også er det den er lanceret til.

Copilot specialiseret til konkrete behov

Der hvor jeg synes Copilot bliver ekstra interessant for organisationer, er at Copilot giver mulighed for ikke blot at bruge gængse sprogmodeller (LLM), som GBT og Claude til at søge gennem Internettet og føre en samtale om diverse emner, men kan hjælpe i konkrete situationer baseret på organisationens egne data (og en lang række andre features, som vi vender tilbage til nedenfor). For at lave specialiserede udgaver af Copilot og gøre agenter (som de kaldes) mere relevante i en forretningskontekst kræver det du laver din egen tilpassede Copilot agent. Dette kan i bedste Microsoft stil gøres på flere måder, hvilket er lidt forvirrende. Mange steder dukker en “opret agent” knap op, som via et simpelt interface kan skabe en agent, med nogle få instruktioner og valg af datakilder. Hvis man vil havde en agent med lidt længere levetid og flere muligheder for konfiguration bør man dog vælge at lave den i Copilot Studio. Copilot studio er et web baseret værktøj, som er fleksibelt og giver mange muligheder for at tilpasse dine agenter. Jeg havde lidt svært ved at finde værktøjet selv, da det ikke findes blandt dine M365 apps eller andre åbenlyse steder. Så her har du adressen: https://copilotstudio.microsoft.com/.

Når du laver en ny agent i Copilot Studio giver det mulighed for følgende:

1. Definere stamdata inkl. eget navn og logo, samt vælge hvilken LLM som du vil bruge GBT eller Claude, hvis sidstnævnte er tilladt i din tenant.
2. Udvælge datakilder som skal bruges, fx SharePoint sites, eksterne websites, SQL Data, Dataverse eller eksterne kilder som Salesforce, Service Now etc. For hver kilde kan du vælge om den skal opfattes som autoritativ eller ikke.
3. Definere emner hvor agenten genkender et emne baseret på definerede parametre og så kan reagere på en særlig måde indenfor emnet. Fx arbejde med andre datakilder, udføre opgaver, stille særlige spørgsmål, tilføje andre agenter og langt flere ting.
4. Bruge specifikke værktøjer til at få agenten til at udføre opgaver, der findes et hav af standard “connectors” til Excel, Outlook, OneDrive, Teams, SharePoint og andre MS services. Generelt er det “connectors” fra Power Platform der anvendes, dvs. der findes en lang række 3. parts også til at forbinde til andre end Microsofts egne produkter. Desuden kan man også kalde REST API’er, så der er ikke rigtig nogle grænser for hvor kreativ man kan blive ift. hvilke værktøjer man gerne vil udstyre sin Copilot agent med.
5. Sidste mulighed man har er at forbinde sin agent til andre agenter, så man kan opbygge en samling af agenter som hver har deres speciale og dermed kan arbejde som et team for at løse opgaver. Dette modvirker redundans i specialer og gøre vedligeholdes af agenter over tid langt mere overskueligt.

Copilot i flere kanaler

Udover ovenstående muligheder for at udvikle virtuelle Copilot specialister med udgangspunkt i jeres egne data og forretningsprocesser, så understøtter Copilot studio også at man kan deploye sin agent til Teams, SharePoint og Microsoft 365 Copilot app’en når man bruger Windows authentication. Hvis man ændrer til en anden form for authentication, så kan du også bruge din agent i 3. parts applikationer. Man kan også vælge anonym adgang, men så skal man være sikker på de datakilder agenten har til rådighed kan tåle adgang for alle.

Som opsummering på den korte introduktion til Copilot vil jeg sige at Copilot Studio er vejen frem i stedet for den noget mere simple Copilot builder. Jeg er desuden personligt positivt overrasket over mulighederne og hvor langt man kan komme på relativ kort tid, dog skal man være opmærksom på at en Copilot agent nok skal have løbende kærlighed og opfølgning, så man sikrer den opfylder sin mission og speciale i brugernes øjne. Det findes der heldigvis også værktøjer til i form af statistik og evaluering af feedback fra brugerne. På trods af skepticisme omkring hypen, så vil jeg sige at specialiserede agenter helt klart er et område som alle organisationer bør kigge på, og især nu med muligheden for at starte op i det små og betale efter forbrug, uden at skulle købe licenser til alle.

I næste artikel vil jeg se nærmere på et konkret eksempel som jeg har arbejdet på for at eksemplificere styrkerne ved Copilot Studio (og nogle af de ting som kan drille).