WEBVTT 00:00:00.000 --> 00:00:04.020 לחצת כי הפודקאסט אמר ש-Azure AI Foundry הוא מלכודת, נכון? 00:00:04.140 --> 00:00:05.960 טוב, הגעת למקום הנכון. 00:00:06.120 --> 00:00:07.400 הנה ההבטחה מראש. 00:00:07.580 --> 00:00:09.260 קופילות קורסים ללא ביסוס, 00:00:09.480 --> 00:00:11.620 גראונדינג, אבל כלים כמו REG, 00:00:11.800 --> 00:00:14.380 עם Azure AI Search, היברידי וסמנטי, 00:00:14.640 --> 00:00:17.860 בתוספת מעריכים לביסוס, רלוונטיות ועקביות, 00:00:18.160 --> 00:00:22.180 הם הפתרונות האמיתיים שמונעים ממך להפיץ הזיות במסווה של תשובות. 00:00:22.360 --> 00:00:27.020 נדלג על מצגות השיווק ונראה לך את מדריך ההישרדות עם דוגמאות אמיתיות מהשטח. 00:00:27.020 --> 00:00:32.180 הרשם לניוזלטר של M365 Show ועקוב אחרי השידורים החיים עם ה-VPS. 00:00:32.360 --> 00:00:34.320 שם נמצאים הצלקות והפתרונות. 00:00:34.480 --> 00:00:38.620 ומכיוון שהסדקים הראשונים מופיעים בדרך כלל באפליקציות מולטי מודליות, בוא נתחיל שם. 00:00:38.740 --> 00:00:41.540 מדוע אפליקציות מולטי מודליות נכשלות בעולם האמיתית? 00:00:41.640 --> 00:00:44.700 כשרואים הדגמה מולטי מודלית על הבמה, היא נראית מושלמת. 00:00:44.740 --> 00:00:48.640 המציג מזין הנחיית טקסט, תמונה נקייה, אולי אפילו כלת קולי מהיר, 00:00:48.820 --> 00:00:51.360 והמודל מספק תרשים מושלם או סיכום חוזה חד. 00:00:57.020 --> 00:01:00.980 תרצות על קלטים פתוליים, מקומות עבודה רצים על, זה הפיצול האמיתי. 00:01:01.160 --> 00:01:07.420 בייצור, אף אחד לא נותן למודל שלך צילומי מסך ערוכים בכפידה או כבצי CSV מעוצבים לפי ועדת תקנים. 00:01:07.640 --> 00:01:09.980 משאבי אנוש מזינים תעודות זהות מטושטשות. 00:01:10.200 --> 00:01:13.720 הרכש גורר כבצי PDF שעברו חמישה דורות של פקס. 00:01:13.720 --> 00:01:17.300 מי שהוא בכספים מצלם חשבונית עם מצלמת אנדרואיד סדוקה. 00:01:17.400 --> 00:01:21.020 מודלים מולטי מודליים יכולים להתמודד עם טקסט, תמונות, קול ווידאו, 00:01:21.020 --> 00:01:24.760 אבל הם צריכים נתונים מאושרתבים היטב ושליפה כדי לתפקד בתנאים מבולגנים. 00:01:24.940 --> 00:01:27.620 אחרת, אתה רק מבקש מהמודל לאלתר על בסיס. 00:01:27.780 --> 00:01:30.600 ושום כמות של הוצאות על GPU לא תתקן, נכנס. 00:01:31.200 --> 00:01:35.160 יוצא, כאן Retrieval Augmented Generation או REG אמור להציל אותך. 00:01:35.160 --> 00:01:39.280 במילים פשוטות, המודל לא מכיר את העסק שלך, אז אתה מחבר אותו למקור ידע. 00:01:39.360 --> 00:01:41.960 הוא שולף פיסת נתונים ומעצב את התשובה סביבה. 00:01:42.080 --> 00:01:45.000 כשההתאמה חדה, אתה מקבל תשובות מבוססות ושימושיות. 00:01:45.000 --> 00:01:48.360 כשזה מרושל, המודל מאלתר ויורק שטויות בביטחון. 00:01:48.540 --> 00:01:54.260 וכך אתה מסיים עם צ'דבות שנשבע שיש לחברה שלך מדיניות הנחות חדשה לרבעון שלישי שלא קיימת. 00:01:54.460 --> 00:01:57.620 הוא לא הפך לישות תבונית, הוא פשוט שלף את הנתונים הלא נכונים. 00:01:57.620 --> 00:02:05.380 Azure Eye Studio וAzure Eye Foundry נשענים שניהם על התבנית הזו והם תומכים בכל סוגי המודליות, שפה, ראייה, דיבור ואפילו שליפת וידאו. 00:02:05.460 --> 00:02:08.060 אבל הקאץ הוא שרג טוב רק כתיב הנתונים שלו. 00:02:08.180 --> 00:02:10.100 הנה העוקץ שרוב הצוותים מפספסים. 00:02:10.260 --> 00:02:13.080 אי אפשר סתם לחבר שיטת שליפה אחת ולהגיד שזה בסדר. 00:02:13.240 --> 00:02:19.660 אם אתם רוצים שהתוצאות יהיו עקביות, אתם צריכים חיפוש היברידי של מילות מפתח וקטורים בתוספת מדרג סמנטי המובנה בתוך Azure Eye Search. 00:02:19.660 --> 00:02:26.080 זה מאפשר למערכת לאזן בין התאמות מילוליות של מילות מפתח לבין משמעות סמנטית, ואז לסדר מחדש את התוצאות כך שההקשר הנכון יופיע בראש. 00:02:26.080 --> 00:02:33.820 שלבו זאת בהגדרה המולתי מודלית שלכם, ופתאום המודל יוכל להתמודד עם שריקות עקומות ותמונות מטושטשות, במקום להמציא מדיניות ציוט מהאוויר. 00:02:33.940 --> 00:02:37.380 עכשיו, בואו נדבר על הסיבה לכך שכל כך הרבה השקות נכשלות. 00:02:37.380 --> 00:02:42.220 ארגונים מצפים לתוצאות מושלמות מהיום הראשון, אבל הם לא מתקצבים מעגלי הערכה. 00:02:42.360 --> 00:02:48.420 בלי בדיקות של מבוססות, רלוונטיות ועקביות שרצות ברקע, לא תבחינו בסטייה עד שהמשתמשים כבר יפגעו. 00:02:48.520 --> 00:02:51.500 פריסות מוקדמות רבות נכשלות מהר בדיוק מהסיבה הזו. 00:02:51.620 --> 00:02:54.700 הפלט נשמע נכון, אבל אף אחד לא אימת אותו מול האמת שבמקור. 00:02:54.860 --> 00:02:58.020 חישבו על זה, לעולם לא הייתם פורסים מסעד נתונים חדש ללא ניתור. 00:02:58.020 --> 00:03:03.300 ובכל זאת, עם בינה מלאכותית מולטי מודלית, מנהלים משליחים אותה ליצור כאילו מדובר בקופסת קסם של חבר והפעל. 00:03:03.440 --> 00:03:04.900 זה לא חייב להסתיים בחישלון. 00:03:05.060 --> 00:03:08.640 קורוונה היא אחת מסיפורי הלקוחות של פאונדרי שמוכיחים את הנקודה הזו. 00:03:08.740 --> 00:03:15.200 הם הפכו את הבינה המלאכותית לשירות עצמי למועילה באמת על ידי כיוונון ההחזור, ביסוס נכון של הסוכנים שלהם והשקעה בנירות. 00:03:15.340 --> 00:03:19.980 זה הפך את מה שהיה יכול להיות עוד בוט צעצוע למה שהוא שלקוחות יכלו לסמוך עליו. 00:03:19.980 --> 00:03:25.740 עכשיו, השבו זאת לחברות שפשוט הצמידו תשדבות גנרי לדף התמיכה שלהן ללא ביסוס או הערכה. 00:03:25.900 --> 00:03:26.940 ראיתם את התוצאה. 00:03:27.060 --> 00:03:31.320 טביעות אחריות שסופגו בטעות כליידים למחירות, תורי תמיכה עמוסים והאמינות ירדה לתמיון. 00:03:31.460 --> 00:03:33.540 אותו מחסנית של Azure, תוצאה הפוכה. 00:03:33.600 --> 00:03:35.520 אז, הנה השורה התחתונה והישירה. 00:03:35.680 --> 00:03:38.800 בינה מולטי מודלית לא קורסת כי הבינה המלאכותית לא חכמה מספיק. 00:03:38.960 --> 00:03:42.040 היא קורסת כי הנתונים לא מוכנים, לא מאורגנים ולא מנותרים. 00:03:42.040 --> 00:03:42.600 הזינו. 00:03:42.600 --> 00:03:46.140 למערכת ההחזור, דלגו על הערכות וצפו באמון נשרף. 00:03:46.240 --> 00:03:49.840 אבל עם חיפוש היברידי, דירוג סמנטי מחדש והרצת הערכות קבועה, 00:03:50.040 --> 00:03:56.260 אתם יכולים לאבד חשבוניות, חוזים, תמונות ואפילו הערות שם עגולמיות עם תשובות שעדיין מעוגנות במציאות במקום בדמיון. 00:03:56.400 --> 00:03:59.540 וברגע שהביסוס מסודר, סיכון נוסף עולה על הפרק. 00:03:59.700 --> 00:04:04.180 כי גם עם צינורות הנתונים נקיים, המערכת שמפעילה אותם עדיין יכולה לצאת משליטה. 00:04:04.180 --> 00:04:05.960 זה המקום שבו השאלה משתנה. 00:04:05.960 --> 00:04:12.200 האם הסוכן שמתאם את כל זה באמת עוזר לעסק שלכם, או שהורק הופך בשקט את תקציב העיט שלכם לדלק למדורה? 00:04:12.400 --> 00:04:14.420 סוכן מועיל או משקולת נייר יקרה. 00:04:14.620 --> 00:04:17.640 סוכן מתאם מודלים, נתונים, טריגרים ופעולות. 00:04:17.800 --> 00:04:20.860 חישבו עליו כשוטר תנועה עבור זרימות העבודה האוטומטיות שלכם. 00:04:21.020 --> 00:04:26.620 לפעמים הוא מכוון הכל בצורה חלקה, לפעמים הוא מעלה שלוש מסעיות ומכונית לצנים, ואז הולך לערוכת צהוריים. 00:04:26.620 --> 00:04:30.960 הפער הזה בין ההגדרה הנקיע לבין המציאות המבולגנת הוא המקום שבו רוב הצוותים מחליקים. 00:04:31.080 --> 00:04:32.800 על הנייר, סוכן נראה מזהיר. 00:04:33.000 --> 00:04:39.240 ספקו לו הוראות, כוונו אותו אל הנתונים והאפליקציות שלכם, והוא אמור להריץ תהליכים, להביא תשובות ואפילו להפעיל זרימות עבודה. 00:04:39.420 --> 00:04:41.060 אבל זה לא עמית לעבודה מושלם. 00:04:41.220 --> 00:04:47.960 באותה מידה, הוא עלול לפתור תקלה חוזרת בשתיים לפנות בוקר או להציף את התור שלכם במאה כרטיסים דמיוניים כי הוא פירש לא נכון יומן שגיאות. 00:04:47.960 --> 00:04:49.600 דמיינו את זה בתוך ServiceNow. 00:04:49.780 --> 00:04:55.160 כשהקף הפעילות מצומצם, ה-AI מייצר כרטיסים אמיתיים רק לבעיות אמיתיות וחוסך לבני אדם שעות עבודה. 00:04:55.360 --> 00:05:00.360 כשמשאירים אותו חופשי, הוא עלול לקבור את דאס כתמיכה בגל של התראות שוו על קשלים קריטיים במדפסות תקינות לחלוטין. 00:05:00.520 --> 00:05:03.240 נסו להסביר את שיפור הפרודוקטיביות הזה ל-CIO שלכם. 00:05:03.360 --> 00:05:04.880 הנה ההבחנה שרבים מפספסים. 00:05:05.040 --> 00:05:07.060 קופילוטס וסוכנים, אייג'נטס, הם לא אותו דבר. 00:05:07.060 --> 00:05:09.200 קופילוט הוא בעיקרון בין לוויה להנחיות. 00:05:09.340 --> 00:05:11.740 אתם שואלים, הוא עונה, ואתם נשארים בשליטה. 00:05:11.880 --> 00:05:14.800 סוכנים, לעומת זאת, מחליטים החלטות בלי לחכות לכם. 00:05:14.940 --> 00:05:18.940 הם מצייטים להוראות המאורפלות שלכם כי לשונן, גם כשהתוצאות לא הגיוניות. 00:05:19.120 --> 00:05:24.200 זה הרגע שבו האוטומציה או חוסכת זמן אמיתי או מדרדרת לחאוס שתשקיעו פי שניים זמן בלי לתקן אותו. 00:05:24.340 --> 00:05:28.760 האמת היא שצוותים רבים נותנים לסוכן שלהם תיאור תפקיד שנראה כמו הבטחת בחירות. 00:05:28.760 --> 00:05:31.760 ליעל תהליכים, לספק תובנות, לעזור לאנשים. 00:05:31.940 --> 00:05:34.260 ברכותיי, בעצם אמרתם לבות להשתולל. 00:05:34.440 --> 00:05:37.160 סוכנים ללא הגדרת היקף לא נשארים בנימוס בנתיב שלהם. 00:05:37.280 --> 00:05:37.940 הם משתוללים. 00:05:38.140 --> 00:05:39.740 הם ממציאים בעיות כדי לפתור אותן. 00:05:39.860 --> 00:05:40.920 הם משכפלים רשומות. 00:05:41.060 --> 00:05:42.320 הם נכנסים ללוק אין סופי. 00:05:42.460 --> 00:05:45.540 ואז ההנהלה תוהה למה הדגמה נוצצת הפכה לחאב ראש בייצור. 00:05:45.700 --> 00:05:47.440 עכשיו, בואו נעשה סדר בדברים. 00:05:47.700 --> 00:05:50.200 זה לא שרוב הארגונים נכשלים בחודשיים הראשונים. 00:05:50.200 --> 00:05:51.560 זה לא קיים במחקר. 00:05:51.560 --> 00:06:00.180 מה שקורה, ומהר, הוא שארגונים רבים נתקלים במחסומים מוקדם כי הם מעולם לא הגדירו לסוכנים שלהם היקף צר, לא הוסיפו שלבי עימות, ולא התמיעו טלמטריה. 00:06:00.340 --> 00:06:04.940 בלי מעקות הבטיחות האלה, הכלי החדש והנוצץ שלכם הוא רק מתמחה פזיז עם הרשאות מנהל. 00:06:05.060 --> 00:06:07.940 וכאן הסטק של מייקרוסופט באמת נותן לכם את החלקים. 00:06:08.100 --> 00:06:14.040 Copilot Studio הוא המקום בית לואו קוד שבו בונים מעצבים התנהגות סוכנים, חושבים על זרימות, הנחיות וטריגרים של אירועים. 00:06:14.040 --> 00:06:20.300 ואז, שירות הסוכנים, Agent Service, של iFoundary, הוא התשתית הארגונית שמכניסה את הסוכנים האלה לייצור עם יכולת ניטור. 00:06:20.440 --> 00:06:24.100 Agent Service הוא המקום שבו מוסיפים ניטור, יומנים ומדדים. 00:06:24.260 --> 00:06:31.760 הוא מוגדר במכוון לאוטומציה עם פיקוח אנושי מובנה, כי מייקרוסופט יודעת מה קורה אם סומכים על סוכן לא מנוסה בשטח הפתוח. 00:06:31.940 --> 00:06:34.360 אז איך יודעים אם הסוכן שלכם באמת מועיל? 00:06:34.500 --> 00:06:36.380 האווירו אותו בדיקת לתמוס פשוטה. 00:06:36.380 --> 00:06:40.800 1. האם הוא מצמצם שעות אדם או שהוא גורר את הצוות שלכם למטלות ניפוי שגיאות? 00:06:40.880 --> 00:06:47.280 2. האם אתם עוקבים אחר מדדים כמו ביסוס, שטף וכהרנטיות, או שאתם סתם בוהים בלוחות הבקרה השיווקיים היפים? 00:06:47.440 --> 00:06:52.360 3. האם התמדתם טלמטריה כדי שתוכלו לזהות סטיות לפני שהמשתמשים מתחילים להגיש תלונות? 00:06:52.480 --> 00:06:55.640 אם עניתם לא נכון על אחת מהשאלות האלה, אין לכם סוכן חכם. 00:06:55.640 --> 00:06:57.340 יש לכם שומר מסך יקר. 00:06:57.340 --> 00:07:02.120 הדרך החוצה היא שימוש בתכונות הניתור ובמעריכים המובנים של Azure Eye Foundry. 00:07:02.320 --> 00:07:03.860 אלו אינן תוספות אופציונליות. 00:07:04.080 --> 00:07:08.100 אלו הדרכים המתועדות למדידת ביסוס, רלוונטיות, קוהרנטיות ונאמנות למקור. 00:07:08.260 --> 00:07:12.940 בלעדיהם אתם רק מנחשים אם הסוכן שלכם חכם או שפשוט ממציא דברים בטון דיבור מנומס. 00:07:13.080 --> 00:07:16.800 איתם תוכלו להתערב בביטחון ולבצע כבנון עדים שהפלט חורג מהרצוי. 00:07:16.800 --> 00:07:19.260 אז כן, סוכנים יכולים לשנות את כללי המשחק. 00:07:19.260 --> 00:07:23.060 אם הם מוגדרים לא נכון, הם הופכים למגברי קאוס שגוזלים יותר זמן ממה שהם חוסכים. 00:07:23.220 --> 00:07:26.660 אם הם מוגדרים נכון, עם גבולות גזירה ברורים, טלמטריה אמיתית ותשובות מבוססות, 00:07:26.800 --> 00:07:29.800 הם יכולים לטפל במשימות בזמן שבני אדם מתמקדים בעבודה בעלת ערך גבוה. 00:07:29.940 --> 00:07:33.420 ובדיוק כשנדמה לכם שהישגתם את האיזון הזה, הסיפור משתנה שוב. 00:07:33.560 --> 00:07:37.920 מייקרוסופט כבר דוחפת סוכנים אוטונומיים, בוטים שלא מחכים לכם לפני שהם פועלים. 00:07:37.920 --> 00:07:42.440 מה שמעלה את רמת הסיכון, מעזרה או משקולת נייר לקטגוריה אחרת לגמרי. 00:07:42.740 --> 00:07:45.920 כי עכשיו אנחנו מדברים על מערכות שפועלות גם כשאיש לא צופה. 00:07:46.300 --> 00:07:47.900 מלכודת הסוכן האוטונומי. 00:07:48.060 --> 00:07:51.240 סוכנים אוטונומיים הם המקום שבו ההי פופך למסוכן. 00:07:51.380 --> 00:07:52.760 על הנייר הם החלום. 00:07:52.940 --> 00:07:55.200 תנו לאי-אי לפעול עבורכם, לאוטומט את העבודה השחורה, 00:07:55.380 --> 00:07:59.100 ולהפסיק לגרור את עצמכם מהמיטה בית 2 לפנות בוקר כדי לטפל בתורים של כרטיסי שירות. 00:07:59.220 --> 00:08:00.740 נשמע נהדר בחדר הישיבות. 00:08:00.740 --> 00:08:01.800 המלכודת פשוטה. 00:08:01.920 --> 00:08:02.980 הם לא מחכים לאישור. 00:08:03.140 --> 00:08:04.600 קופילוטס עוצרים בשבילכם. 00:08:04.760 --> 00:08:05.840 סוכנים אוטונומיים לא. 00:08:05.980 --> 00:08:09.440 וכשהם מקבלים החלטה שגויה, הנזק נגרע מיד ומתרחב לכל הדיירים שלכם. 00:08:09.580 --> 00:08:10.780 הקונספט פשוט למדי. 00:08:10.920 --> 00:08:12.180 קופילוטס הם תגובתיים. 00:08:12.400 --> 00:08:13.560 סוכנים הם פרואקטיביים. 00:08:13.740 --> 00:08:15.860 במקום לשבת בשקט עד שמישהו יקליד הנחיה, 00:08:16.100 --> 00:08:17.960 אתם מגדירים סוכנים שאינטרו את בריאות השירות, 00:08:17.960 --> 00:08:20.780 יטפלו באותו תבטחה או יריצו תהליכי עבודה באופן אוטומטי. 00:08:20.840 --> 00:08:22.460 מייקרוסופט מציגה זאת כאילות, 00:08:22.600 --> 00:08:23.620 פחות בזבוז אנושי, 00:08:23.820 --> 00:08:25.740 זיהויים מהירים יותר ותפעול חלק יותר. 00:08:25.940 --> 00:08:28.480 ההבטחה האמיתית, אבל הנה ההקשר החשוב. 00:08:28.720 --> 00:08:32.340 סוכנים אוטונומיים בקופילוט סטודיו נמצאים כיום עדיין בתצוגה מקדימה. 00:08:32.420 --> 00:08:34.160 תצוגה מקדימה לא אומרת שהמערכת שבורה, 00:08:34.160 --> 00:08:36.540 אבל זה כן אומר שהיא לא נבדקה בעולם האמיתי והמבולגן. 00:08:36.540 --> 00:08:40.880 ואפילו מייקרוסופט אומרת שאתם צריכים מחסומי הגנה למחזור חיים ומערכת קונסולת קופהילוט 00:08:40.880 --> 00:08:42.620 לפני שאתם שוקלים פריסה רחבה שלהם. 00:08:42.760 --> 00:08:43.980 שקלו סיכון מציאותי. 00:08:44.120 --> 00:08:48.660 נניח שאתם בונים סוכן דלפק עזרה אוטונומי ונותנים לו סמכות להגיב לאנומליות בהתחברות. 00:08:48.720 --> 00:08:51.320 בהדגמה עם חמישה משתמשים, זה עובד בצורה מושלמת. 00:08:51.320 --> 00:08:55.780 התראות מועלות, חשבונות מנוהלים, ואז מגיעים קלטים רועשים בסביבת הייצור. 00:08:55.780 --> 00:09:00.500 במקום לחכות, הוא מתחיל לאפס המונית מאות חשבונות על סמך תוצאות חיוביות שגויו. 00:09:00.640 --> 00:09:02.540 התוצאה אינה השבטה היפותטית. 00:09:02.740 --> 00:09:05.420 זה עלול באופן מציאותי להשביט פעולות סוף חודש. 00:09:05.620 --> 00:09:06.520 זה לא מדע בדיוני. 00:09:06.700 --> 00:09:09.520 זה מצב הקשל שאתה נרשם אליו אם אתה מדלג על הגדרת היקף. 00:09:09.620 --> 00:09:11.220 הפתרון הוא לא לזרוק את הטכנולוגיה. 00:09:11.220 --> 00:09:13.220 הפתרון הוא לבנות קודם את רשת הביטחון. 00:09:13.300 --> 00:09:14.920 אז, מהי רשימת הטיוג להישרדות? 00:09:15.060 --> 00:09:17.520 שלושה דברים חייבים להיעשות לפני כל אוטומציה נוצצת. 00:09:17.520 --> 00:09:19.760 1. הגדרת היקף של זהות וגישה. 00:09:19.860 --> 00:09:22.820 תן לסוכן של איך הרשאות מינימליות ללא תפקידי ניהול גורפים. 00:09:22.960 --> 00:09:24.500 2. רישום ושחזור. 00:09:24.640 --> 00:09:27.120 כל פעולה חייבת להשאיר עקבות שניתן לבקר. 00:09:27.240 --> 00:09:30.480 וכל פעולה רצינית זקוקה למסלול חזרה כשהסוכן מפספס. 00:09:30.640 --> 00:09:32.640 3. מסנני תוכן והתנהגות. 00:09:32.640 --> 00:09:36.840 מייקרוסופט מציינת זאת עם בטיחות תוכן של Azure AI והגדרת ידע. 00:09:36.920 --> 00:09:41.000 המסננים שמונעים מבוט נלהב ליצור תשובות לא הולמות או לחרוג מהתסריט. 00:09:41.000 --> 00:09:45.160 עשה זאת תחילה, אחרת הפיקחות של הסוכן תקבור את העבודה שלך במקום לעזור לה. 00:09:45.320 --> 00:09:47.520 שכבת העתיקה הופכת את זה לחד עוד יותר. 00:09:47.680 --> 00:09:51.200 תאר לעצמך סוכן משאבי אנוש שמסמן אוטומטית עובדים כבעלי סיכון, 00:09:51.440 --> 00:09:54.740 או סוכן כספים שעוצר תשלומים לספקים בגלל סיווג שבוי כהונאה. 00:09:54.740 --> 00:09:59.240 אלו לא שגיאות תמימות, אלו כשלים עם השפעה אנושית ושלכות משפטיות ורגולטוריות. 00:09:59.420 --> 00:10:04.500 הטיות בנתוני אימון או שליפה לא נעלמות רק בגלל שאתה מריץ עכשיו גרסת Enterprise Preview. 00:10:11.000 --> 00:10:14.100 המסרים של מייקרוסופט ב-iNIT היו בוטים בנושא זה. 00:10:14.280 --> 00:10:19.520 מעקות בטיחות, ניהול מחזור חיים, ניטור ומערכת הבקרה של Copilot אינה מותרות, הם חובה. 00:10:19.640 --> 00:10:24.500 הגרסה המקדימה היום עוסקת פחות בהדגמות נוצצות ויותר בבוחנים שמוכיחים היכן מופיעים הסדקים. 00:10:24.500 --> 00:10:28.520 אם אתה עולה להעביר ללא בדיקות שלב, תהליכי אישור וביקורת, אתה לא מריץ סוכן, 00:10:28.680 --> 00:10:31.180 אתה מבצע בדיקת מאמץ לטננט שלך בסביבת הייצור. 00:10:31.320 --> 00:10:33.840 לכן יכולת התצפית, Observability, אינה אופציונלית. 00:10:33.840 --> 00:10:40.240 אתה זקוק ללוחות מכוונים שמראים כל צעד שהסוכן לוקח ושבודקים אם התוצר שלו היה מבוסס, רלוונטי ועקבי עם המדיניות שלך. 00:10:40.380 --> 00:10:42.640 ואתה זקוק לאפשרויות של אדם בלולאה. 00:10:42.780 --> 00:10:44.060 מייקרוסופט לא מסתירה זאת. 00:10:44.260 --> 00:10:47.100 הם מצביעים על תבניות שבהן האדם נשאר ככלי בטיחות. 00:10:47.100 --> 00:10:49.440 חשוב על זה כמו על טייס אוטומטי במטוס. 00:10:49.620 --> 00:10:52.800 שימושי להפליא, אך תמיד מתוכנן עם אפשרות שליטה ידנית. 00:10:52.800 --> 00:10:57.540 אם הבוט מאמין שהנחיתה האופטימלית היא באגם, אתה תרצה לתפוס פיקוד לפני ההתרסקות. 00:10:57.640 --> 00:11:00.400 האנלוגיה הנכונה כאן היא לתת למתבגר ללמוד לנהוג. 00:11:00.560 --> 00:11:05.500 הפוטנציאל אמיתי, המהירות מרשימה, אבל אתה לא מוסר את המפתחות, יוצא מהחנייה ומקבל לטוב. 00:11:05.500 --> 00:11:09.860 אתה יושב במושב הנוסע, מציב להם גבולות ומתקין בלמים שאתה יכול ללחוץ עליהם בעצמך. 00:11:10.040 --> 00:11:11.800 זוהי ממשל מחזור חיים בפעולה. 00:11:11.800 --> 00:11:15.120 גלגלי עזר עד שאתם בטוחים שהמערכת לא תסתה מהמסלול. 00:11:15.260 --> 00:11:20.500 וזה מביא אותנו לרצף את הייצור הגדולה יותר, שבה סוכנים, קופילוץ וכל תהליך עבודה שבדקתם מתחברים יחד. 00:11:20.640 --> 00:11:25.660 מייקרוסופט מכנה זאת, Azure Eye Foundry, מרחב עבודה אחות לבניית בינה מלאכותית עם כל הכלים הדרושים. 00:11:25.660 --> 00:11:31.580 האם זה יהפוך למנוע הייצור או למקום שבו הפרויקט שלכם קורס, תלוי לחלוטין באופן שבו תתייחסו אליו. 00:11:31.700 --> 00:11:35.180 Azure Eye Foundry, המפעל שלכם, או שדה המוקשים שלכם. 00:11:35.180 --> 00:11:41.440 Azure Eye Foundry הוא המיזם הדגל החדש של מייקרוסופט, מה שמכונה מפעל לכל דבר שקשור לבינה מלאכותית. 00:11:41.540 --> 00:11:45.060 הבעיה, יותר מדי צוותים נכנסים ומתייחסים אליו כמו לאיקאה. 00:11:45.160 --> 00:11:51.980 הם משוטטים מסונברים מהקיטלוגים, תופסים כמה מודלי שפה גדולים ונוצצים, זורקים פנים המחברים, ואז מחברים משהו בלי הוראות. 00:11:52.180 --> 00:11:59.160 מה שהם מקבלים בסוף אינו מערכת בינה מלאכותית ארגונית, אלא צעצוע ברמת דמו שקורס ברגע שמשתמש אמיתי מכניס PDF מבולגן. 00:11:59.160 --> 00:12:02.780 הנה מה שפהונדרי מציעה באמת, הישר מתוך ספר המשחקים הרשמי. 00:12:02.880 --> 00:12:07.660 קיטלוג מודלים המסתרה על פני מייקרוסופט, אופן AI, מטה, מיסטרל, דיפסיק ואחרים. 00:12:07.840 --> 00:12:11.800 אפשרויות התאמה אישית כמו רג, כיוונון עדין וזיקוק מודלים. 00:12:12.400 --> 00:12:22.020 שירות סוכנים לתזמור, כלים כמו פרומפט פלו להערכה וניפוי שגיאות, תכונות הבטחת בסיס, בקרות זהות וגישה, מסנני בטיחות תוכן ולוחות מכוונים לתצפית. 00:12:22.020 --> 00:12:27.920 בקיצור, אלו כל החלקים שאתם צריכים כדי לבנות קופלות, סוכנים ותהליכים אוטונומיים ולשמור עליהם תואמים. 00:12:28.060 --> 00:12:28.800 זהו המלאי. 00:12:28.920 --> 00:12:35.800 הבעיה אינה שארגז הכלים ריק, אלא שיותר מדי מנהלים מתייחסים לזה כאילו מדובר בהפעלת מתק GPT-4 Turbo וקריאה לזה מוכן לייצור. 00:12:35.940 --> 00:12:39.820 האמת היא שפאונדרי היא רצפת מפעל, לא ארגז הצעצועים של האקטון שלכם. 00:12:40.020 --> 00:12:44.000 זה אומר להגדיר גבולות זהות, כך שרק האנשים הנכונים יגעו במודלים הנכונים. 00:12:44.000 --> 00:12:47.320 זה אומר לעטוף כל תהליך עבודה בבקרות בטיחות תוכן. 00:12:47.460 --> 00:12:53.760 זה אומר להשתמש בתצפית, כדי שתדעו מתי תשובה מבוססת ומתי המודל ממציא מדיניות חברה מהאוויר. 00:12:53.920 --> 00:12:58.900 וזה אומר להתאים את המשימה למודל הנכון במקום פשוט לבחור את הכי גדול כי הוא נשמע חכם. 00:12:59.060 --> 00:13:02.000 דלגו על השלבים האלה והקאוס ייכנס בדלת האחורית. 00:13:02.180 --> 00:13:07.820 ראיתי צוות שחיבר קופיילוט בפאונדרי בשרפוינט שחשף בטעות נתוני משאבי אנוש רגישים למד מינוס 20 מתמחים. 00:13:07.820 --> 00:13:12.160 זה לא היה חכם, זה היה אסון טעימות שהיה יכול להימנע בעזרת כללי גישה מובנים. 00:13:12.340 --> 00:13:14.060 בואו נדבר על מצביק קשל אמיתיים. 00:13:14.240 --> 00:13:17.860 ארגון אחד הריץ פעם את GPT-4 Turbo לטיוג תמונות מוצרים. 00:13:18.080 --> 00:13:19.800 במעבדה הוא ריסק את הדמו. 00:13:19.960 --> 00:13:23.380 תמונות סטודיו נקיות, תיוג מושלם, כולם מחאו כפיים. 00:13:23.620 --> 00:13:28.080 בייצור, הכלטים לא היו תמונות מבריקות, אלא תמונות מטושטשות מהטלפון במחסן. 00:13:28.080 --> 00:13:34.480 פתאום, הבינה המלאכותית תהיגה בטעות עגלות תינוק כחיסאות משרדיים ושיבשה תוויות UPC למספרים סידוריים מזויפים. 00:13:34.640 --> 00:13:37.240 מעבר לפגיעה באמון, העלויות התחילו לטפס. 00:13:37.420 --> 00:13:39.580 וזה לא סיפור אגדה של סנט אחד להודעה. 00:13:39.720 --> 00:13:43.540 התמחור בפאונדרי מבוסס צריכה וקשור לשירותים הספציפיים שבהם אתם משתמשים. 00:13:43.680 --> 00:13:47.700 כל מחבר, כל קריאת החזור, כל מדידת הודעות מחויבים מול הדייר שלכם. 00:13:47.860 --> 00:13:49.720 לכל רכיב יש מודל חיוב משלו. 00:13:49.720 --> 00:13:57.760 הגמישות הזו נחמדה, אבל אם לא תבצעו הערכה עם החשבון התמחור של Azure ותעקבו אחרי השימוש, צוות הכספים שלכם יופתע מאוד מהחשבונית שתקבלו. 00:13:57.900 --> 00:13:58.920 זו מלכודת החיוב. 00:13:59.080 --> 00:14:02.580 תמחור לפי צריכה עובד עם מתכננים, מנטרים ומבצעים אופטימיזציה. 00:14:02.740 --> 00:14:07.240 אם לא, זה נראה כמו להשתמש במכונית ספורט כשליח פיצה, יקר, רועש וחסר תועלת. 00:14:07.320 --> 00:14:11.240 כולנו היינו שם עם דברים כמו Power Buy, הדגמה נהדרת, חשבון שיוצא משליטה. 00:14:11.240 --> 00:14:13.480 אל תתנו לפאונדרי להוביל אתכם לאותו מקום. 00:14:13.600 --> 00:14:18.500 מפתחים אוהבים ליצור אבות טיפוס בפאונדרי כי סביבת הסנדבוקס מרגישה חלקה, ובתוך סנדבוקס היא אכן חלקה. 00:14:18.640 --> 00:14:21.080 נתוני הדגמה נקיים, אפס בלגן, אפקט ואו מיידי. 00:14:21.160 --> 00:14:22.420 אבל הנה הבעיה הקריטית. 00:14:22.600 --> 00:14:25.560 צוותים דוחפים את אב הטיפוס ליצור ללא תהליכי הערכה. 00:14:25.680 --> 00:14:30.480 אם תדלגו על הערכות למבוססות, רהיטות, רלוונטיות ועקביות, אתם תפעלו בעברון. 00:14:30.480 --> 00:14:31.360 ומה קורה אז? 00:14:31.360 --> 00:14:35.080 משתמשים רואים סטיות בפלט, האמון צונח, וההנהלה מקצצת בתקציב. 00:14:35.260 --> 00:14:37.860 זה לא כישלון של פאונדרי, זה צוותים שנכשלים במשילות. 00:14:38.040 --> 00:14:41.460 עבות טיפוס רבים של פאונדרי נתקעים לפני הייצור בדיוק מהסיבה הזו. 00:14:41.620 --> 00:14:44.120 אין יכולת תצפית, אין בדיקות איכות, אין טלמטריה. 00:14:44.280 --> 00:14:46.000 התשובה נמצאת ממש כאן בפלטפורמה. 00:14:46.160 --> 00:14:48.680 השתמשו בכלות התצפית של Azure Eye Foundry מהיום הראשון. 00:14:48.680 --> 00:14:52.400 חברו זרימות הנחיה, Prompt Flaws, הריצו מעריכים מובנים על כל בדיקה. 00:14:52.400 --> 00:14:57.680 בססו את המערכת שלכם עם Azure Eye Search תוך שימוש בחיפוש היברידי ודירוג סמנטי מחדש לפני שאתם בכלל חושבים על עלייה לאוויר. 00:14:57.800 --> 00:15:01.340 מייקרוסופט לא קברה את הכלים האלה בנספח, הם מתועדים לטובת בטיחות הייצור. 00:15:01.500 --> 00:15:04.780 אבל לעתים קרובות מדי, מפתחים מדלגים עליהם כאילו היו הערות שוליים. 00:15:04.960 --> 00:15:08.200 מנטליות של נקודות ביקורת היא הדרך שלכם להימנע מסדה מוקשים. 00:15:08.200 --> 00:15:15.920 התייחסו לפאונדרי כמפעל, למשילות כצעד ראשון, למדיניות תאימות כחלק מהמערכת, כמו גישה מותנית ולתהליכי תצפית שפועלים מההתחלה. 00:15:16.080 --> 00:15:20.940 וכן, הגדרת זהויות והבטחת תוכן לא צריכות להיות מוספות מאוחר יותר, הן חלק מהמפרט הטכני. 00:15:21.080 --> 00:15:23.920 דלגו על משילות ותסתכנו ביותר מאשר סתם תשובות גרועות. 00:15:23.920 --> 00:15:30.400 בלעדיה, הבוט המולתי מודלי שלכם עלול לחשוף בטעות מזכורות משאבי אנוש למשתמשים חיצוניים או לטייג חשבוניות עם מספרי מדיניות פיקטיביים. 00:15:30.580 --> 00:15:34.820 זו לא רק בינה מלאכותית שבורה, זה חומר לחותרות שאנשי התאימות שלכם לא ירצו להסביר. 00:15:34.980 --> 00:15:38.600 וכן הזרקור עובר למקום אחר, כי המכשול הבא הוא בכלל לא טכני. 00:15:38.780 --> 00:15:41.280 זה עניין של האם הבינה המלאכותית שלכם אחראית. 00:15:41.280 --> 00:15:48.580 כולם אוהבים לזרוק את המילים האלה לשקופית בהרצאה, אבל בפועל מדובר בביקורות, מסננים, ציוט והר של החלטות שאתם מקבלים לפני ההשקה. 00:15:48.680 --> 00:15:50.380 וכאן באמת מתחילים כאבי הראש. 00:15:50.540 --> 00:15:55.840 הרשמו ועקבו אחרינו בניוזלטר M365, שואו לפתרונות ישירים, ועקבו אחרינו ב-M365. 00:15:55.980 --> 00:16:01.200 דף הלינקדין של התוכנית לשידורים חיים עם מומחי MVP שניסו את פאונדרי בסביבת ייצור וראו מה עלול להשתבש. 00:16:01.200 --> 00:16:03.780 בינה מלאכותית אחראית או כאבי ראש אחראיים. 00:16:03.940 --> 00:16:06.800 כולם אוהבים להכניס בינה מלאכותית אחראית לכל מצגת. 00:16:06.960 --> 00:16:09.800 זה נראה מרשים לצד מילים חמות כמו הגינות ושקיפות. 00:16:09.960 --> 00:16:12.400 אבל בשטח זו לא פילוסופיה מעוררת השראה. 00:16:12.520 --> 00:16:17.620 אלו הגדרות, ביקורות, מסננים וצעדי ממשל שמרגישים יותר כמו תחזוקת שרתים מאשר חדשנות. 00:16:17.720 --> 00:16:20.700 בינה מלאכותית אחראית היא חגורת הבטיחות, לא מכונית המרוץ. 00:16:20.840 --> 00:16:23.160 תדלגו עליה פעם אחת וההתרסקות תגיע מהר. 00:16:23.160 --> 00:16:25.440 מייקרוסופט מדברת על עתיקה והבטחה מראש. 00:16:25.640 --> 00:16:29.320 אבל עבור מנהלי מערכות שמטמיעים זאת, זה מתרגם למחסומי הגנה מעשיים. 00:16:29.500 --> 00:16:32.060 אתם צריכים מדיניות גישה שלא תקרוז תחת לחץ. 00:16:32.280 --> 00:16:37.940 מסננים שבאמת חוסמים הנחיות פוגניות ויומנים מפורטים מספיק כדי לספק רגולטור עם קפאין וצו זימון. 00:16:38.120 --> 00:16:39.200 זו לא עבודה נוצצת. 00:16:39.200 --> 00:16:49.120 זה לבודד את הקופילות של משאבי אנוש מנתונים פיננסיים, להגדיר כללי היקף כדי שבוטים לא יזלגו לסודות שירפוינט ולתייג יומנים כדי שתוכלו להוכיח בדיוק איך נוצרה תשובה. 00:16:49.260 --> 00:16:52.780 עשו זאת נכון, והאחריות היא לא סיסמה ארגונית, היא הישרדות. 00:16:52.880 --> 00:16:58.720 הגרסה המכוערת של דילוג על זה, חיבור בוט ישירות למאגר משאבי האנוש שלכם ללא הגדרת היקף הדיירים. 00:16:59.320 --> 00:17:01.200 משתמש שואל על הטוות ביטוח. 00:17:01.200 --> 00:17:05.080 הבוט מפרסם בעזרה רבה את טווחי השכר של העובדים בצ'אט. 00:17:05.260 --> 00:17:10.040 עכשיו יש לכם פרצת פרטיות, סיוט מורלי ואולי רגולטורים שנושפים באורפכם. 00:17:10.180 --> 00:17:14.160 הדרך המהירה ביותר להרוג אימוץ היא לא חוויית משתמש גרועה, אלא דליפת מידע רגיש אחת. 00:17:14.300 --> 00:17:15.640 אז מה מונע את הבלגן הזה? 00:17:15.820 --> 00:17:17.720 התחילו עם Azure AI Content Safety. 00:17:17.940 --> 00:17:22.700 זה בנוי לסנן הנחיות ותגובות אלימות, מגונות ופוגניות לפני שהן דולפות למשתמשים. 00:17:22.700 --> 00:17:24.880 אבל זו רמת היגיינה בסיסית בלבד. 00:17:24.880 --> 00:17:29.360 פאונדרי וקופילוט סטודיו מוסיפים שכבות הערכה שמטפלות בשלב הבא. 00:17:29.520 --> 00:17:34.100 בדיקות אמינות, דירוג רלוונטיות, לוחות מכוונים לשקיפות ויכולת הסבר. 00:17:34.300 --> 00:17:40.080 בשפה פשוטה אתם יכולים להתאים ספים, לסנן קלטים ופלטים ולגרום לבוטים להראות את עבודתם. 00:17:40.240 --> 00:17:43.340 בלעדיהם אתם פשוט מהמרים על מה שהבינה המלאכותית תפלות. 00:17:43.500 --> 00:17:45.140 והנה המציאות לגבי משאבים. 00:17:45.140 --> 00:17:46.940 מייקרוסופט משקיעה בזה רבות. 00:17:46.940 --> 00:17:53.480 34 אלף מהנדסים במשרה מלאה המוקדשים להבטחה, פלוס 15 אלף שותפים עם מומחיות עמוקה בהבטחה. 00:17:53.640 --> 00:17:54.320 זה מבצר. 00:17:54.460 --> 00:17:55.980 אבל אל תרגישו בנוח מדי. 00:17:56.160 --> 00:17:59.740 אף אחד מהמהנדסים האלה לא נמצא בתוך הדייר שלכם כדי לקבוע את כללי הגישה שלכם. 00:17:59.880 --> 00:18:06.560 מייקרוסופט נותנת לכם את מחסומי ההגנה, אבל זו עדיין העבודה שלכם לנעול זהויות, להגדיר בידוד נתונים, להכיל הצפנה ולהגדיר מדיניות. 00:18:06.560 --> 00:18:09.700 אם התחימה שלכם מרושלת, אתם עדיין תהיו אחראים לפרצה. 00:18:09.700 --> 00:18:11.840 הפתרון האמיתי הוא ניהול מחזור חיים. 00:18:11.980 --> 00:18:15.100 תחשבו על זה כעל המתכון שמייקרוסופט עצמה ממליצה עליו. 00:18:15.280 --> 00:18:18.360 בדיקה, אישור, הפצה, ביקורת, חזרה. 00:18:18.540 --> 00:18:23.100 אם נקודות ביקורת בכל מחזור, תמשיכו לזהות חריגות לפני שהן יהפכו לחותרות בעיתונים. 00:18:23.300 --> 00:18:26.400 צוותים שמשחררים גרסה פעם אחת ועוזבים תמיד מתפוצצים בסוף. 00:18:26.560 --> 00:18:29.700 מודלים מתפתחים, הנחיות משתנות ותוצרים סוטים מהמסלול. 00:18:29.700 --> 00:18:31.500 ניהול הוא לא בירוקרטיה מיותרת. 00:18:31.500 --> 00:18:35.340 כך מונעים מבוט פנימי להמציא מדיניות בטימס בזמן שכולם ישנים. 00:18:35.540 --> 00:18:38.400 יש מנהלים שמתלוננים שאחריות משמעה רק איטיות. 00:18:38.660 --> 00:18:39.860 זו זווית ראייה שגויה. 00:18:40.040 --> 00:18:43.360 אחריות לא הורגת את המהירות, היא מונעת מהמהירות להרוג אתכם. 00:18:43.500 --> 00:18:47.120 ניהול טוב אומר שניתן לעמוד בביקורות ועדיין להמשיך לקדם פרויקטים. 00:18:47.260 --> 00:18:48.940 דלגו על זה ואתם קופצים מצוק. 00:18:49.120 --> 00:18:51.580 מהירות ללא בקרה רק מביאה לכם סוג אחד של סי. 00:18:51.580 --> 00:18:53.680 הזמן הקצר ביותר עד לתחקיר כישלון. 00:18:53.680 --> 00:18:55.720 תחשבו על נהיגה בכבישים הראריים מפוטלים. 00:18:55.900 --> 00:18:59.200 אתם לא מקללים את מעקות הבטיחות, אתם עודים להם כשהכביש צונח 60 מטר למטה. 00:18:59.320 --> 00:19:01.180 בינה מלאכותית, אחראית זה בדיוק אותו דבר. 00:19:01.340 --> 00:19:05.700 תחומים, מדיניות, מסננים, לוגים הם לא עוצרים את המהירות, הם שומרים שלא תגיעו לחדשות. 00:19:05.840 --> 00:19:08.880 בשורה התחתונה, מייקרוסופט נתנה לכם עוצמה רצינית. 00:19:09.040 --> 00:19:12.960 בטיחות תוכן, צינורות הערכה, מסגרות הבטחה, מעקות SDK. 00:19:12.960 --> 00:19:18.840 אבל זה עדיין התפקיד שלכם לתחום דיירים, להגדיר גישה ולשלב את הלולאות האלו במחזור הייצור. 00:19:19.000 --> 00:19:23.320 תעשו זאת ותקבלו בינה מלאכותית ששורדת עמידה הביטקנים במקום לקרוס תחתם. 00:19:23.480 --> 00:19:26.960 תתעלמו מזה, וזה לא רק סיכון להשבטה, אלא קריירות על הכיף. 00:19:27.120 --> 00:19:28.880 בינה מלאכותית, אחראית היא לא איטית. 00:19:29.080 --> 00:19:31.540 בינה מלאכותית, אחראית היא עמידה, ועמידות היא המבחן האמיתי. 00:19:31.720 --> 00:19:33.300 כי מה שיבוא בהמשך לא קשור לפי אצ'רים, 00:19:33.300 --> 00:19:36.140 אלא לשאלה אם אתם מתייחסים לפלטפורמה הזו כאל חבר והפעל, 00:19:36.320 --> 00:19:38.540 או מכבדים אותה כתשתית שניהול הוא בראש סדר העדיפויות שלה. 00:19:38.660 --> 00:19:41.020 ההבחנה הזו קובעת מי נשאר ומי נשחה. 00:19:41.220 --> 00:19:42.320 הנה השורה התחתונה. 00:19:42.500 --> 00:19:44.700 המלכודת היא לא פאונדרי או קופיילוט סטודיו, 00:19:44.960 --> 00:19:46.760 אלא המחשבה שהם חבר והפעל. 00:19:46.920 --> 00:19:50.560 טיפ הזיכרון פשוט, ניהול תחילה, ניסויים אחר כך, ייצור בסוף. 00:19:50.700 --> 00:19:53.360 דלגו על ניהול זהויות ונראות על אחריותכם בלבד. 00:19:53.360 --> 00:19:56.820 הכלים שם, אבל רק ניהול הופך רבות טיפוס ליצור אמיתי. 00:19:56.980 --> 00:20:00.920 אז, אם אתם רוצים את הפתרונות הישירים שבאמת שומרים על הדייר שלכם פעיל, 00:20:01.180 --> 00:20:03.040 הרשמו לפודקאסט והשאירו לי ביקורת. 00:20:03.200 --> 00:20:06.380 אני משקיע בזה שעות מדי יום, והתמיכה שלכם באמת עוזרת. 00:20:06.560 --> 00:20:08.700 כלים ישתנו, תקטיקות הישרדות נשארות.