WEBVTT 00:00:00.180 --> 00:00:07.540 Klaar voor 10 dagen Microsoft 365, Copilot, AI, Azure en de mensen die de toekomst van werk vormgeven? 00:00:07.960 --> 00:00:12.380 Deze januari is M365, kom terug en we pakken groter uit. 00:00:12.840 --> 00:00:18.400 Doe mee voor live sessies, praktijkdemo's en praktische kennis van MVP's en experts wereldwijd. 00:00:18.680 --> 00:00:23.600 Geen algemene dia's, geen eindeloos jargon, we pakken de echte uitdagingen aan. 00:00:23.780 --> 00:00:29.060 Copilot Studio, AI Agents, Fabric, Beveiliging, Governance en Automatisering. 00:00:29.060 --> 00:00:35.060 Of je nu een IT-professional, ontwikkelaar of zakelijk leider bent, er zijn sessies voor jou ontworpen. 00:00:35.460 --> 00:00:40.340 Met 10 volle dagen kun je meerdere technologieën verkennen en verbinden met een wereldwijde community. 00:00:40.920 --> 00:00:44.580 Kijk live mee en neem praktische inzichten mee terug naar je organisatie. 00:00:44.940 --> 00:00:51.080 Januari 2027, 10 dagen, 1 Microsoft Community. De inschrijving is nu geopend. 00:00:52.900 --> 00:00:58.970 Claim vandaag nog je plek. Dat is M365.com.net. 00:01:00.530 --> 00:01:04.810 Meld je aan op M365.com.net en we zien je live in januari. 00:01:05.090 --> 00:01:11.690 Wat als ik je vertelde dat de belangrijkste reden waarom Copilot tegenvalt in je workflow niets met het AI-model te maken heeft, maar alles met je data. 00:01:11.970 --> 00:01:13.030 Denk er maar eens over na. 00:01:13.230 --> 00:01:15.010 Copilot weet alleen wat je hem voert. 00:01:15.310 --> 00:01:21.150 En als wat je voert slordig, verouderd of verborgen achter kapotte machtigingen is, krijg je geen waarde, maar ruis. 00:01:21.150 --> 00:01:27.230 Vandaag doorbreken we die ruis met 10 best practices die Copilot veranderen van een raadspel in een precisietool. 00:01:27.430 --> 00:01:32.850 De preview, je huidige configuratie is misschien wel één aanpassing verwijderd van het ontketenen van de echte kracht van Copilot. 00:01:33.030 --> 00:01:35.510 De stille saboteurs die zich in SharePoint verbergen. 00:01:35.710 --> 00:01:41.670 Vraag je je wel eens af waarom de antwoorden van Copilot soms vaag aanvoelen, zelfs als je zeker weet dat de data ergens in je tenant staat. 00:01:41.670 --> 00:01:46.350 De boosdoener verbergt zich vaak in het volle zicht, stilzittend in verwaarloosde SharePoint bibliotheken. 00:01:46.570 --> 00:01:51.770 Deze bibliotheken, ooit met de beste bedoelingen opgezet, veranderen na verloop van tijd in overvolle dunplaatsen. 00:01:51.930 --> 00:01:55.910 Elk project, elke overdracht, elke slecht benoemde map draagt bij aan de stapel. 00:01:56.110 --> 00:02:04.310 Voor je het weet heb je wat sommige beheerders datakerkhoven noemen, verzamelingen bestanden die geen doel meer dienen, maar wel in dezelfde omgeving staan die Copilot moet doorzoeken. 00:02:04.690 --> 00:02:09.030 Die ophoping wordt een onzichtbare belemmering voor hoe effectief Copilot dagelijks werkt. 00:02:09.030 --> 00:02:12.250 Denk eens na over hoe de meeste organisaties SharePoint gebruiken. 00:02:12.430 --> 00:02:19.950 Het aanvankelijke enthousiasme voedt de structuur, teams maken mappen aan, passen misschien zelfs metadata toe, maar in de loop van maanden en jaren verwatert het onderhoud. 00:02:20.170 --> 00:02:23.390 Bestanden worden gedupliceerd omdat dat sneller is dan de juiste versie vinden. 00:02:23.610 --> 00:02:29.490 Afdeling A noemt iets definitieve versieconcept, terwijl afdeling B hun versie definitieve versieconcept en kopie noemt. 00:02:29.650 --> 00:02:36.130 Gebruikers slaan verouderde versies op in gedeelde bibliotheken in plaats van in persoonlijke opslag, in de veronderstelling dat het later makkelijker terug te vinden is. 00:02:36.130 --> 00:02:43.090 Vermenigvuldig dat met honderden bibliotheken en plotseling krijgt Copilot te maken met tienduizenden mogelijke antwoorden die vaak met elkaar in strijd zijn. 00:02:43.310 --> 00:02:50.150 Nu wordt Copilot, in plaats van een zelfverzekerd en contextueel antwoord te geven, gevangen tussen tegenstrijdige bestanden die elk beweren de bron van waarheid te zijn. 00:02:50.310 --> 00:02:53.550 Het lijkt erg op het openen van je garage nadat je die vijf jaar lang hebt genegeerd. 00:02:53.550 --> 00:03:00.930 Natuurlijk liggen de tools die je nodig hebt daar technisch gezien ergens, maar ze liggen begraven onder kapot speelgoed, dozen met kerstversiering en een loopband waarvan je zwoordat je hem weer zou gaan gebruiken. 00:03:01.110 --> 00:03:07.070 Als je iemand anders vraagt om in die rommel te vinden wat je nodig hebt, zouden ze waarschijnlijk terugkomen met de verkeerde sleutel of, erger nog, het volledig opgeven. 00:03:07.250 --> 00:03:11.850 Dat is precies waar Copilot mee te maken krijgt wanneer het door een rommelige SharePoint-omgeving probeert te navigeren. 00:03:11.850 --> 00:03:19.630 Het zoekt, het vindt, maar zonder duidelijke indicatoren van welke versie de juiste is, krijg je algemene, oppervlakkige resultaten die niet veel vertrouwen inboezemen. 00:03:19.870 --> 00:03:24.550 Dit is niet zomaar een mening, het is verbonden met hoe AI-modellen in het algemeen omgaan met ongestructureerde data. 00:03:24.830 --> 00:03:32.590 Wanneer data geen consistente labels, organisatie of context hebben, verspillen machine learning engines verwerkingskracht aan gissen in plaats van nauwkeurigheid te leveren. 00:03:32.710 --> 00:03:37.430 In de praktijk betekent dit vagere samenvattingen, minder accurate verwijzingen en zwakkere inzichten. 00:03:37.430 --> 00:03:42.230 In plaats van de kracht van context te benutten om antwoorden te verfijnen, verdrinkt het systeem in de ruis. 00:03:42.410 --> 00:03:50.230 Dus, wanneer bedrijfsleiders klagen dat Copilot bazaal aanvoelt, is een groot deel van de teleurstelling terug te voeren op de structuur of het gebrek daaraan van het onderliggende datalandschap. 00:03:50.390 --> 00:03:54.370 En metadata, of het ontbreken ervan, speelt een grotere rol dan de meeste teams beseffen. 00:03:54.590 --> 00:03:58.650 Goede metadata werkt als een wegwijzer. Het wijst Copilot direct naar wat relevant is. 00:03:58.870 --> 00:04:02.930 Zonder metadata heeft het systeem geen enkel middel om onderscheid te maken tussen twee bestanden met bijna identieke namen. 00:04:02.930 --> 00:04:09.530 Basis tags zoals afdeling, regio of projectfase kunnen het verschil maken tussen een antwoord dat precies goed is en een antwoord dat frustrerend ver naast de plank slaat. 00:04:09.650 --> 00:04:15.910 Maar in de meeste organisaties wordt taggen overgeslagen, ofwel omdat gebruikers het als zinloos werk zien, of omdat governance het simpelweg niet heeft geprioriteerd. 00:04:16.130 --> 00:04:19.270 Zo groeien ongestructureerde stapels uit tot onbeheersbare silo's. 00:04:19.410 --> 00:04:22.850 En silo's zijn dodelijk voor een AI die bovenal afhankelijk is van context. 00:04:23.110 --> 00:04:26.350 De ironie is dat het oplossen van dit probleem technisch gezien niet moeilijk is. 00:04:26.550 --> 00:04:30.430 Het opschonen van een bibliotheek vereist geen complexe automatisering of geavanceerde vaardigheden. 00:04:30.430 --> 00:04:33.430 Het vereist toewijding aan regelmatig onderhoud en governance. 00:04:33.610 --> 00:04:42.170 Het archiveren of verwijderen van niet langer relevante bestanden, het samenvoegen van dubbelen en het toepassen van verplichte metadatavelden zijn eenvoudige stappen die veranderen hoe Copilot je werkruimte interpreteert. 00:04:42.350 --> 00:04:45.430 Voor de gebruiker voelt het als het aandoen van een lamp in een donkere kamer. 00:04:45.610 --> 00:04:48.810 Plotseling neemt Copilot geen toevlucht meer tot vage samenvattingen. 00:04:48.950 --> 00:04:56.750 Het begint met het ophalen van het juiste rapport, het verwijzen naar de correcte versie en zelfs het leveren van contextuele notices die nauw aansluiten bij wat er daadwerkelijk is besloten. 00:04:56.750 --> 00:05:06.990 Stel je voor dat je Copilot om een marketingstrategie bestand vraagt en het daadwerkelijk goedgekeurde plan krijgt met de juiste revisiegeschiedenis en ondersteunende notices, in plaats van drie uiteenlopende concepten en een archiefschabloon. 00:05:07.170 --> 00:05:10.610 Alleen al die verandering verandert het niveau van vertrouwen dat mensen in de tool stellen. 00:05:10.830 --> 00:05:14.750 Na verloop van tijd is vertrouwen wat Copilot opschalt van een noviteit naar een alledaags besluitvormingssysteem. 00:05:15.490 --> 00:05:19.310 En de toegangspoort tot het opbouwen van dat vertrouwen is het verminderen van rommel in de eerste plaats. 00:05:19.490 --> 00:05:26.070 Dus, hoewel het opschonen van die stoffige bibliotheken als repetitief huishoudelijk werk kan voelen, is het de verborgen versneller voor echt AI-effectiviteit. 00:05:26.070 --> 00:05:29.030 Het technische model achter Copilot is niet veranderd. 00:05:29.130 --> 00:05:31.250 Je hebt simpelweg de extra wrijving weggenomen. 00:05:31.450 --> 00:05:36.770 En nu die wrijving weg is, kan Copilot eindelijk antwoorden presenteren die scherp, opmaatgemaakt en zakelijk inzetbaar voelen. 00:05:36.950 --> 00:05:41.930 Als SharePoint rommel de werkruimte verandert in een slordige garage, dan zijn kapotte machtigingen niets heel anders. 00:05:42.170 --> 00:05:48.110 Ze zijn als afgesloten deuren waar de sleutels van ontbreken, waardoor Copilot niet eens de kamer kan betreden waar de juiste antwoorden liggen. 00:05:48.290 --> 00:05:50.530 Blinde vlekken veroorzaakt door kapotte machtigingen. 00:05:50.770 --> 00:05:55.250 Stel je voor dat je Copilot vraagt om een volledig overzicht van de prestatierapporten van het afgelopen kwartaal. 00:05:55.250 --> 00:06:00.150 Je weet dat de bestanden bestaan, meerdere teams hebben eraan gewerkt en ze staan ergens in SharePoint of Teams. 00:06:00.350 --> 00:06:02.890 Maar het antwoord dat je terugkrijgt is vreemd genoeg onvolledig. 00:06:03.050 --> 00:06:07.390 Copilot noemt een handvol documenten, slaat hele regio's over en negeert belangrijke updates. 00:06:07.610 --> 00:06:09.670 Het probleem is niet dat de bestanden verdwenen zijn. 00:06:09.910 --> 00:06:10.730 Ze zijn er gewoon. 00:06:10.910 --> 00:06:13.830 Het probleem is dat kapotte machtigingen de helft van de dataset onzichtbaar hebben gemaakt. 00:06:13.970 --> 00:06:15.970 En als Copilot het niet kan zien, kan het het niet gebruiken. 00:06:16.190 --> 00:06:19.170 Machtigingen in Microsoft 365 zijn bijna nooit statisch. 00:06:19.370 --> 00:06:23.830 Ze worden beïnvloed telkens wanneer iemand van rol verandert, wanneer een project eindigt of wanneer een contractant vertrekt. 00:06:23.830 --> 00:06:30.730 Als die machtigingen niet actief worden onderhouden in Azure AD, stapelen ze zich op tot een lappendeken van groepslidmaatschappen en verouderde toegangslijsten. 00:06:30.930 --> 00:06:33.210 Voeg daar inconsistente deelbeleidsregels aan toe. 00:06:33.410 --> 00:06:40.410 Misschien gebruikt het ene team delen via links, terwijl een ander alles achter aangepaste groepen vergrendelt en plotseling navigeert Copilot door een dolhof vol doodlopende wegen. 00:06:40.590 --> 00:06:43.990 Vanuit het perspectief van de gebruiker lijkt het alsof de AI voor de hand liggende antwoorden mist. 00:06:44.170 --> 00:06:47.310 In werkelijkheid wordt het systeem gebonden door de muren die we per ongeluk hebben gebouwd. 00:06:47.310 --> 00:06:50.430 Dat creëert een vreemde paradox die de meeste beheerders maar al te goed kennen. 00:06:50.610 --> 00:06:55.170 Aan de ene kant wil je veilige gegevens, gevoelige rapporten, klantendossiers, werknemersinformatie. 00:06:55.390 --> 00:06:58.230 Niemand wil dat die wijd openstaan voor iedereen met een inloggegevens. 00:06:58.430 --> 00:07:04.630 Aan de andere kant, als je de toegang te strak afschermt, wordt de AI blind voor de gegevens waar je bedrijfsleiders op vertrouwen voor hun beslissingen. 00:07:04.790 --> 00:07:10.250 Het resultaat is een lastige evenwichtsoefening waarbij data ofwel zo veilig is vergrendeld dat het net zo goed niet kan bestaan, 00:07:10.390 --> 00:07:12.930 of zo openlijk wordt gedeeld dat het compliance problemen oplevert. 00:07:12.930 --> 00:07:17.330 Niemand voelt zich prettig bij beide situaties en Copilot is degene die er middenin terecht komt. 00:07:17.570 --> 00:07:19.590 Stel je een herkenbaar dagelijks voorbeeld voor. 00:07:19.770 --> 00:07:23.850 Een manager vraagt Copilot om projectinzichten van de afgelopen zes maanden samen te vatten. 00:07:24.110 --> 00:07:27.590 Diegene verwacht updates te zien van elk team binnen elke betrokken afdeling. 00:07:27.870 --> 00:07:29.870 Wat zij terugkrijgen is slechts het halve verhaal. 00:07:30.050 --> 00:07:32.870 De rapporten van twee teams zijn aanwezig, maar drie anderen ontbreken. 00:07:33.070 --> 00:07:37.510 Vanuit hun perspectief lijkt het alsof Copilot niet goed genoeg getraind is of geen informatie tussen teams kan verwerken. 00:07:37.690 --> 00:07:39.510 Het vertrouwen in de tool loopt een deuk op. 00:07:39.510 --> 00:07:42.450 Achter de schermen zijn het echter de machtigingen die de kloof hebben gecreëerd. 00:07:42.450 --> 00:07:46.290 Eén afdeling sloeg bestanden op in een beperkte site met verouderde gastenregels. 00:07:46.490 --> 00:07:50.990 Een andere hield alles in een beveiligingsgroep die niemand bijwerkte nadat projectleden waren gewisseld. 00:07:51.110 --> 00:07:53.870 De data bestaat, maar voor Copilot is het alsof die er niet is. 00:07:54.110 --> 00:07:55.970 Verouderde accounts verergeren het probleem. 00:07:56.110 --> 00:07:59.230 Oude gebruikersprofielen blijven bestaan lang nadat medewerkers zijn vertrokken. 00:07:59.450 --> 00:08:04.410 Soms hebben die profielen nog machtigingen gekoppeld aan groepen of sites, terwijl huidige teamleden uitgesloten blijven. 00:08:04.410 --> 00:08:10.550 Het resultaat is asymmetrische toegang, waarbij Copilot verouderde lidmaatschappen ziet maar de mensen die het werk daadwerkelijk doen mist. 00:08:10.550 --> 00:08:17.510 Na verloop van tijd nemen deze inconsistenties toe, waardoor er zoveel blinde vlekken ontstaan dat de antwoorden van Copilot algemeen lijken, zelfs als je data rijk is. 00:08:17.710 --> 00:08:20.670 Die erosie van vertrouwen is niet alleen technisch, maar ook cultureel. 00:08:20.870 --> 00:08:24.210 Zodra personeel aanneemt dat de AI niet betrouwbaar is, stagneert de adoptie. 00:08:24.370 --> 00:08:26.270 In de kern bewijst dit één simpel punt. 00:08:26.490 --> 00:08:28.950 Copilot is slecht zo slim als de toegang die het krijgt. 00:08:29.110 --> 00:08:34.970 Je kunt de schoonste, best gelabelde dataset ter wereld hebben, maar als de AI de helft ervan niet kan bereiken, zul je nooit het volledige potentieel zien. 00:08:34.970 --> 00:08:38.770 Het is alsof je films op Netflix aanbeveelt terwijl het grootste deel van de bibliotheek geblokkeerd is. 00:08:39.010 --> 00:08:44.470 Natuurlijk zijn de suggesties die je krijgt technisch relevant, maar ze komen uit zo'n klein deel van het totale aanbod dat je hele genres mist. 00:08:44.670 --> 00:08:48.330 De output voelt oppervlakkig aan omdat de input wordt bepaald door onzichtbare beperkingen. 00:08:48.470 --> 00:08:50.050 De oplossing is niet mysterieus. 00:08:50.250 --> 00:08:55.970 Oprollen gebaseerde toegangsmodellen bestaan al jaren, maar veel organisaties passen ze ongelijkmatig toe of laten ze na verloop van tijd los. 00:08:56.130 --> 00:09:03.750 Het opschonen van groepslidmaatschappen, het regelmatig beoordelen van wie toegang heeft en het afstemmen van beleid tussen afdelingen voorkomt dat die onzichtbare muren überhaupt ontstaan. 00:09:03.750 --> 00:09:09.010 Met duidelijke, consistente structuren opereert Copilot binnen dezelfde context als waar je teams daadwerkelijk in werken. 00:09:09.190 --> 00:09:12.070 Wat voorheen een halflege samenvatting was, wordt een volledig rapport. 00:09:12.290 --> 00:09:15.230 Wat aanvoelde als een vaag antwoord, verandert in een compleet inzicht. 00:09:15.410 --> 00:09:19.910 Dat is het moment waarop mensen de bruikbaarheid van Copilot niet meer in twijfel trekken en het gaan vertrouwen als een dagelijks hulpmiddel. 00:09:20.070 --> 00:09:24.030 En zodra machtigingen Copilot volledig inzicht geven, wordt schaalbaarheid de volgende vraag. 00:09:24.270 --> 00:09:27.630 Data inzien is één ding, maar de stap van inzichten naar actie is veel groter. 00:09:27.630 --> 00:09:33.310 Daar komt Power Automate in beeld, want als machtigingen bepalen wat Copilot kan zien, bepaalt automatisering hoe ver het kan gaan. 00:09:33.890 --> 00:09:35.990 Automatisering als de ontbrekende motor van Copilot. 00:09:36.290 --> 00:09:40.270 Copilot kan je vragen beantwoorden, maar wat als het ook hele workflows zou kunnen aansturen. 00:09:40.490 --> 00:09:43.590 Op dit moment zien de meeste mensen Copilot als een tool voor informatievoorziening. 00:09:43.810 --> 00:09:47.130 Jij vraagt, het antwoord. Dat is op zichzelf krachtig, maar het houdt daarop. 00:09:47.330 --> 00:09:51.510 Stel je voor dat het, in plaats van alleen feiten te verzamelen, de eigenlijke processen rondom die feiten zou kunnen automatiseren. 00:09:51.730 --> 00:09:53.670 Dat is waar Power Automate om de hoek komt kijken. 00:09:53.670 --> 00:09:58.830 Het is de ontbrekende motor die Copilot verandert van een behulpzame assistent in een aanjager van echte bedrijfsresultaten. 00:09:58.830 --> 00:10:03.490 Zie het als de brug tussen inzicht en actie die verbindt wat Copilot weet met wat jouw bedrijf moet doen. 00:10:03.690 --> 00:10:07.930 Op zichzelf kan Copilot een vergadering samenvatten, een bericht opstellen of een rapport naar boven halen. 00:10:08.090 --> 00:10:10.190 Nuttig, ja zeker, maar fundamenteel statisch. 00:10:10.410 --> 00:10:12.370 Wat gebeurt er nadat je die samenvatting hebt gekregen? 00:10:12.510 --> 00:10:17.790 Je moet nog steeds de follow-ups naar teams kopiëren, antmatig Dynamics bijwerken met klantnotices of taken naar planner sturen. 00:10:18.050 --> 00:10:18.990 Daar ligt de kloof. 00:10:18.990 --> 00:10:24.810 Zonder een manier om workflows te activeren, blijven Copilot resultaten gevangen in een lus van, hier is de informatie. 00:10:25.010 --> 00:10:30.310 Met Power Automate vloeien diezelfde antwoorden direct in je bedrijfsprocessen, waardoor ze dynamisch en actiegericht worden. 00:10:30.470 --> 00:10:34.170 Copilot is niet langer reactief, maar begint processen daadwerkelijk vooruit te helpen. 00:10:34.370 --> 00:10:37.190 Neem een veelvoorkomend voorbeeld dat we in veel organisaties zien. 00:10:37.410 --> 00:10:42.270 Na een projectvergadering vertrekt iedereen met notities, besluiten en actiepunten verspreid over e-mail en chats. 00:10:42.490 --> 00:10:47.070 Copilot kan die informatie verzamelen, maar wat het verschil maakt, is wanneer er een workflow wordt geactiveerd. 00:10:47.070 --> 00:10:52.850 Stel je voor dat Copilot de vergadersamenvatting genereert en vervolgens automatisch taken in planner aanmaakt, 00:10:52.930 --> 00:10:58.170 voor elk actiepunt herinneringen naar de juiste teams kanalen stuurt en Dynamics bijwerkt met besproken kansen. 00:10:58.330 --> 00:11:01.350 Dit alles zonder dat iemand door drie verschillende apps hoeft te klikken. 00:11:01.550 --> 00:11:05.910 Die ene workflow verandert een versnipperd follow-up proces in iets naadloos dat in realtime gebeurt. 00:11:06.090 --> 00:11:09.550 Het voordeel zit minder in het besparen van een paar klikken en meer in consistentie. 00:11:09.770 --> 00:11:14.470 Wanneer Copilot de afhandeling via automatisering regelt, ben je niet afhankelijk van individuele gewoontes. 00:11:14.470 --> 00:11:18.770 Mensen vergeten records bij te werken, slaan herinneringen over of verliezen taken in de e-mailchaos. 00:11:18.950 --> 00:11:21.010 Power Automate neemt die variabiliteit weg. 00:11:21.150 --> 00:11:24.370 De samenvatting waar je om vroeg is niet zomaar tekst die in Outlook blijft staan. 00:11:24.550 --> 00:11:27.690 Het vertaalt zich naar concrete acties die je systemen kunnen volgen en meten. 00:11:27.830 --> 00:11:31.570 Op den duur bouwt dat een cultuur op waarin informatie niet alleen in silo's blijft zitten. 00:11:31.730 --> 00:11:34.750 Het verplaatst zich direct naar de plek waar het werk daadwerkelijk plaatsvindt. 00:11:34.910 --> 00:11:38.050 Zonder Power Automate voelt Copilot als een GPS zonder auto. 00:11:38.290 --> 00:11:43.930 Het vertelt je waar je heen moet, markeert mogelijke routes en waarschuwt zelfs voor files, maar je staat nog steeds op de stoep. 00:11:44.470 --> 00:11:45.870 Automatisering levert het voertuig. 00:11:46.030 --> 00:11:48.970 Het neemt de kennis die Copilot naar boven brengt en zet deze om in actie. 00:11:49.190 --> 00:11:54.930 Daarom spreken organisaties die vloos koppelen aan hun copilotgebruik over het vermenigvuldigen van waarde, in plaats van er alleen iets aan toe te voegen. 00:11:55.070 --> 00:11:58.050 De technologie maakt bestaande processen niet alleen een beetje sneller. 00:11:58.270 --> 00:12:01.390 Het vormt vaak de manier waarop die processen überhaupt bestaan om. 00:12:01.650 --> 00:12:05.270 Financiële teams hebben deze koppelingen gebruikt om handmatige afstemmingstijden te verkorten... 00:12:05.270 --> 00:12:08.590 ...door het opstellen van onkostendeclaraties uit Copilot samenvattingen te automatiseren. 00:12:08.590 --> 00:12:11.290 Hour heeft flows gekoppeld aan het volgen van kandidaten. 00:12:11.470 --> 00:12:15.870 Copilot stelt gespreksnotices op die direct updates in volgsystemen activeren... 00:12:15.870 --> 00:12:18.730 ...waardoor de vertraging tussen gesprek en verslaglegging verdwijnt. 00:12:19.090 --> 00:12:24.210 In projectmanagement starten teams complete workflows wanneer Copilot een klantgesprek samenvat... 00:12:24.210 --> 00:12:28.410 ...taken worden aangemaakt, tijdlijnen bijgewerkt en communicatie automatisch verzonden. 00:12:28.610 --> 00:12:31.890 De rode draad is dat zodra automatiseringcontext aan een proces koppelt... 00:12:31.890 --> 00:12:35.090 ...de waarde van Copilot exponentieel groeit in plaats van stapsgewijs verbeterd. 00:12:35.210 --> 00:12:38.750 Wat dit zo effectief maakt is dat Copilot niet degene is die de automatisering uitvoert. 00:12:38.910 --> 00:12:41.990 Het interpreteert en plaatst menselijke verzoeken in de juiste context... 00:12:41.990 --> 00:12:44.590 ...en geeft ze daarna door aan Power Automate waar de uitvoering plaatsvindt. 00:12:44.690 --> 00:12:47.750 De AI begrijpt de intentie, maar automatisering levert de impact. 00:12:48.010 --> 00:12:52.410 Deze taakverdeling is belangrijk omdat het systeem hiermee niet langer slechts een chat-interface is... 00:12:52.410 --> 00:12:54.830 ...maar een controlepunt voor end-to-end workflows wordt. 00:12:54.990 --> 00:12:58.270 Je stelt Copilot een vraag, het interpreteert deze en zet een flow klaar. 00:12:58.390 --> 00:13:01.950 Het eindresultaat is niet alleen een antwoord, maar ook een actie die op de achtergrond is voltooid. 00:13:02.150 --> 00:13:05.770 Naarmate organisaties experimenteren, realiseren ze zich vaak hoe schaalbaar dit wordt. 00:13:05.930 --> 00:13:08.370 Het opzetten van een of twee flows voelt als een kleine overwinning... 00:13:08.370 --> 00:13:10.410 ...maar zodra het gebruik toeneemt, ontstaan er patronen. 00:13:10.530 --> 00:13:14.070 De flows zijn niet willekeurig, ze codificeren de repetitieve, gestructureerde taken... 00:13:14.070 --> 00:13:15.630 ...die voorheen veel tijd van medewerkers opslokten. 00:13:15.850 --> 00:13:20.210 Copilot wordt de natuurlijke manier om ze te activeren, wat de inspanning voor acceptatie verlaagt. 00:13:20.210 --> 00:13:23.710 In plaats van dat IT van bovenaf een automatiseringsstrategie ontwerpt... 00:13:23.710 --> 00:13:27.270 ...stimuleert de interface gebruikers tot automatisering één antwoord per keer. 00:13:27.470 --> 00:13:31.110 De rol van Copilot verschuift van tekstgenerator naar workflow-dirigent... 00:13:31.110 --> 00:13:33.930 ...die stilletjes bedrijfsprocessen op de achtergrond orkestreert. 00:13:34.110 --> 00:13:37.110 Na verloop van tijd levert deze aanpak meetbare efficiëntie op. 00:13:37.230 --> 00:13:39.910 Teams merken minder vertraging tussen vergaderingen en actie. 00:13:40.090 --> 00:13:43.170 Projecten boeken vooruitgang omdat frictie bij overdrachten afneemt. 00:13:43.290 --> 00:13:47.590 Compliance verbetert wanneer records automatisch worden bijgewerkt in plaats van via handmatige invoer. 00:13:47.590 --> 00:13:50.190 En misschien wel het belangrijkste, er ontstaat vertrouwen. 00:13:50.490 --> 00:13:53.590 Gebruikers herkennen dat Copilot niet alleen informatie spuit... 00:13:53.590 --> 00:13:57.150 ...maar verweven is met hun workflow, waardoor systemen samenhangender aanvoelen. 00:13:57.370 --> 00:13:59.950 Dat vertrouwen is moeilijk te winnen met statische antwoorden... 00:13:59.950 --> 00:14:03.570 ...maar komt vanzelf wanneer automatisering elk inzicht ondersteunt met echte uitvoering. 00:14:03.770 --> 00:14:06.870 Het koppelen van Copilot aan Power Automate draait niet om vernieuwing... 00:14:06.870 --> 00:14:09.090 ...maar om het sluiten van de cirkel tussen inzicht en uitvoering. 00:14:09.590 --> 00:14:12.530 Organisaties die het bij samenvattingen laten, laten potentieel liggen. 00:14:12.530 --> 00:14:17.570 Wie flows met elkaar verbindt, realiseert exponentiële winst in tijdsbesparing, nauwkeurigheid en consistentie. 00:14:17.710 --> 00:14:19.970 Copilot wordt minder een tool die je af en toe raadpleegt... 00:14:19.970 --> 00:14:22.290 ...en meer een teamgenoot die de dagelijkse operatie vormgeeft. 00:14:22.470 --> 00:14:25.990 Maar om deze orquestratie soepel te laten verlopen, is er een addertje onder het gras. 00:14:26.210 --> 00:14:29.710 De taal waar Copilot van afhankelijk is, zoals bestandsnamen, metadata... 00:14:29.710 --> 00:14:33.490 ...en de manier waarop gesprekken verlopen, kan het in de war brengen als deze inconsistent is. 00:14:33.650 --> 00:14:37.150 En wanneer dat gebeurt, versterkt automatisering alleen maar de chaos. 00:14:37.150 --> 00:14:42.710 Als metadata niet klopt en gesprekken versnipperd zijn, vraag je Copilot om het Q4-rapport... 00:14:42.710 --> 00:14:45.770 ...maar krijg je drie verschillende bestanden met bijna identieke namen. 00:14:46.030 --> 00:14:52.070 Eindrapport, baas V2, eindrapport, baas V2-1 en eindrapport, baas V2, baas, baas definitief. 00:14:52.270 --> 00:14:54.110 Geen van deze bevat bruikbare metadata. 00:14:54.530 --> 00:14:55.430 Welke is de juiste? 00:14:55.610 --> 00:14:56.830 Copilot weet het ook niet. 00:14:57.050 --> 00:14:59.830 Dat is precies het moment waarop het vertrouwen in AI begint te wankelen. 00:14:59.830 --> 00:15:04.970 Van buitenaf lijkt het alsof Copilot een fout maakte, maar de echte schuldige is de datahygiëne achter de schermen. 00:15:05.150 --> 00:15:09.210 Zonder consistente naamgeving of tekst moet het systeem gokken wat belangrijk is en wat niet. 00:15:09.370 --> 00:15:11.110 We hebben allemaal gezien hoe dit afloopt. 00:15:11.310 --> 00:15:13.890 Het ene team zweert dat hun documenten definitieve versie is. 00:15:14.050 --> 00:15:17.650 Een ander team brengt wijzigingen aan, slaat een nieuwe kopie op en noemt het definitief 2. 00:15:17.890 --> 00:15:22.350 Na verloop van tijd heb je vier of vijf verschillende eindrapporten, die elk net niet synchroon lopen. 00:15:22.590 --> 00:15:27.730 Voeg daar een SharePoint bibliotheek aan toe zonder nuttige metadata zoals auteur, regio of projectfase... 00:15:27.730 --> 00:15:30.390 en ineens haalt Copilot resultaten op die willekeurig lijken. 00:15:30.570 --> 00:15:32.430 De AI is niet in de war door je verzoek. 00:15:32.550 --> 00:15:36.090 Het krijgt te maken met een chaotische omgeving waar alle signalen op elkaar lijken... 00:15:36.090 --> 00:15:38.490 en geen enkel bestand eruit springt als de enige echte bron. 00:15:38.690 --> 00:15:40.670 Hetzelfde probleem doet zich voor in gesprekken. 00:15:40.810 --> 00:15:42.490 Teams chatthreads bewegen zich snel. 00:15:42.850 --> 00:15:46.990 Belangrijke details zitten drie of vier berichten terugbegraven, vaak midden in discussies. 00:15:47.150 --> 00:15:51.730 Iemand deelt een bijlage, besluit te veranderen en een samenvatting bereikt nooit het hoofdkanaal. 00:15:51.730 --> 00:15:55.330 Later, wanneer je Copilot vraagt de laatste beslispunten samen te brengen... 00:15:55.330 --> 00:15:57.930 schraapt het fragmenten uit verschillende delen van het gesprek bij elkaar. 00:15:58.110 --> 00:16:02.830 De context die voor de deelnemers aan het gesprek duidelijk was, raakt versnipperd over meerdere threads... 00:16:02.830 --> 00:16:05.230 waardoor de AI iets moet samenvoegen dat niet helemaal klopt. 00:16:05.430 --> 00:16:10.290 Stel je een managementteam voor dat Copilot vraagt om een overzicht van trends in klantfeedback over het laatste kwartaal. 00:16:10.450 --> 00:16:13.030 Zij verwachten een heldere samenvatting met gemeenschappelijke thema's. 00:16:13.190 --> 00:16:15.110 In plaats daarvan voelt het antwoord onvolledig aan. 00:16:15.270 --> 00:16:17.490 De ene set bestanden verwijst naar enquêtegegevens... 00:16:17.490 --> 00:16:20.710 maar een andere set met interviewnotices is verkeerd gelabeld en blijft buiten beschouwing. 00:16:20.710 --> 00:16:25.590 Ondertussen liggen de essentiële punten uit de vergaderingen begraven in een discussie die niet is getagd of samengevat. 00:16:25.750 --> 00:16:29.530 Copilot toont wat het kan zien, maar de puzzel die het legt vertoont duidelijke gaten. 00:16:29.790 --> 00:16:35.410 Het leiderschapsteam vraagt zich af of het systeem heeft gefaald, terwijl het in werkelijkheid geen duidelijke input kreeg. 00:16:35.590 --> 00:16:38.750 Dit gebeurt omdat oude metadata-praktijken vaak worden genegeerd. 00:16:38.950 --> 00:16:40.770 Teams beschouwen labels als optioneel. 00:16:40.770 --> 00:16:45.650 Een veld als regio of productlijn voelt niet urgent aan wanneer je aan het eind van de dag een bestand opslaat. 00:16:46.070 --> 00:16:51.430 Vermenigvuldigt dat met honderden documenten na verloop van tijd en zowel de zoekrelevantie als de AI-output storten in. 00:16:51.590 --> 00:16:58.050 In plaats van metadata als gids te gebruiken, grijpt Copilot terug op patroonherkenning in titels die misleidend of inconsistent zijn. 00:16:58.230 --> 00:17:01.390 Het netto resultaat is ruis die zich voordoet als bruikbare informatie. 00:17:01.570 --> 00:17:04.390 En wanneer je beslissingen probeert te nemen, is ruis kostbaar. 00:17:04.590 --> 00:17:06.290 De neveneffecten zijn niet moeilijk te zien. 00:17:06.290 --> 00:17:11.330 Elke extra cyclus die Copilot besteedt aan het verwerken van tegenstrijdige data, betekent weer vertraging voor de gebruiker. 00:17:11.570 --> 00:17:15.970 Beslissingen duren langer omdat je AI-samenvattingen op nauwkeurigheid moet controleren in plaats van erop te vertrouwen. 00:17:16.330 --> 00:17:19.250 Vergaderingen lopen uit terwijl mensen discussiëren over versies van de waarheid. 00:17:19.410 --> 00:17:25.990 De technologie die bedoeld is om workflows te versnellen, vertraagt ze uiteindelijk niet uit zwakte, maar omdat het de chaos die wij in het systeem hebben gebracht niet kan lezen. 00:17:26.150 --> 00:17:32.990 Het lijkt erg op het binnenlopen van een bibliotheek waar de helft van de indexkaarten verkeerd is gelabeld en de andere helft je naar boeken in verschillende, ongeveer markeerde kamers wijst. 00:17:32.990 --> 00:17:38.090 Technisch gezien is elk boek nog steeds aanwezig, maar het vinden van het juiste boek wordt een frustrerende speurtocht. 00:17:38.270 --> 00:17:40.330 De bibliothecaris is niet incompetent. 00:17:40.510 --> 00:17:44.730 Zij werken zonder de middelen die hen in staat stellen om nauwkeurige matches te maken tussen verzoek en bron. 00:17:44.930 --> 00:17:48.990 Dat is precies hoe Copilot functioneert zonder consistente metadata en duidelijke gespreksstructuren. 00:17:49.710 --> 00:17:51.990 Het goede nieuws is dat het probleem niet onoplosbaar is. 00:17:52.190 --> 00:17:56.810 Het afdwingen van gedisciplineerde NA-aangevingsconventies helpt bestanden op een logische manier vindbaar te maken. 00:17:57.010 --> 00:18:01.570 Het verplicht stellen van metadata-velden bij het opslaan zorgt voor wegwijzers voor zowel zoekopdrachten als AI. 00:18:01.570 --> 00:18:09.570 En in Teams zorgt het structureren van gesprekken via specifieke kanalen, het samenvatten van besluiten en het linken naar documenten ervoor dat losse fragmenten veranderen in verbonden context. 00:18:09.790 --> 00:18:12.830 Deze veranderingen maken de zaken niet alleen aan de oppervlakte schoner. 00:18:12.990 --> 00:18:17.850 Ze bieden de lijn waarop Copilot vertrouwt om informatie samen te voegen die accuraat en relevant aanvoelt. 00:18:18.090 --> 00:18:27.730 Dit is geen glamoureus werk en het wordt zelden gevierd, maar wanneer Copilot stopt met het geven van vage mixen van duplicaten en in plaats daarvan het exacte document met volledige context toont, is het resultaat duidelijk. 00:18:27.730 --> 00:18:33.250 De AI begint minder op een slimme truc te lijken en meer op een vertrouwd systeem dat is geïntegreerd in het dagelijks werk. 00:18:33.790 --> 00:18:37.370 Gewoontesveranderen is misschien lastiger dan systemen aanpassen, maar daar ligt de werkelijke impact. 00:18:37.550 --> 00:18:40.230 En de beloning is niet alleen betere antwoorden van Copilot. 00:18:40.470 --> 00:18:44.490 Het is een slimmer, veerkrachtiger digitaal ecosysteem dat eindelijk als een geheel werkt. 00:18:44.690 --> 00:18:47.150 Ontketen de kettingreactie van voorbereide systemen. 00:18:47.310 --> 00:18:50.010 Het grootste geheim van Copilot, het gedijt niet alleen. 00:18:50.190 --> 00:18:54.490 Het gedijt wanneer het hele Microsoft 365-ecosysteem is afgestemd om het te ondersteunen. 00:18:54.490 --> 00:19:00.350 Op papier lijkt Copilot de hoofdattractie, maar in werkelijkheid is het sterk afhankelijk van de structuren die je al hebt gebouwd. 00:19:00.570 --> 00:19:07.110 Sommige organisaties missen die connectie en behandelen Copilot alsof het een plug-in is die zich magisch aanpast aan elk datalandschap. 00:19:07.250 --> 00:19:08.870 Daar begint de meeste teleurstelling. 00:19:09.130 --> 00:19:11.670 De tool schiet niet te kort omdat de intelligentie zwak is. 00:19:11.850 --> 00:19:15.150 Hij schiet te kort omdat de omgeving die hem voedt niet stabiel of consistent is. 00:19:15.390 --> 00:19:17.290 Denk aan de problemen die we al hebben besproken. 00:19:17.510 --> 00:19:20.690 SharePoint verandert in een rommela wanneer bibliotheken onbeheerd blijven. 00:19:20.690 --> 00:19:26.550 Rechten vervallen na verloop van tijd wat blinde vlekken creëert die niemand opmerkt totdat ze een vraag stellen die Copilot niet goed kan beantwoorden. 00:19:26.950 --> 00:19:30.310 Automatisering blijft aan de zijlijn staan, waardoor informatie nooit in actie wordt omgezet. 00:19:30.490 --> 00:19:34.390 Metadata wordt als optioneel beschouwd, wat chaos veroorzaakt voor zowel zoekopdrachten als AI. 00:19:34.750 --> 00:19:37.190 Afzonderlijk genomen is elk van die problemen beheersbaar. 00:19:37.390 --> 00:19:40.190 Maar samen vormen ze de realiteit waarin Copilot opereert. 00:19:40.390 --> 00:19:43.010 Het zijn geen willekeurige fouten, het zijn gewoontes. 00:19:43.190 --> 00:19:49.770 En die gewoontes bepalen of Copilot voelt als een essentieel onderdeel van je workflow of slechts als een experiment dat de licentiekosten niet rechtvaardigt. 00:19:49.770 --> 00:19:55.310 Wanneer bedrijven de voorbereiding overslaan en Copilot op hun bestaande chaos aansluiten, is het resultaat voorspelbaar. 00:19:55.570 --> 00:20:00.710 Gebruikers testen een paar vragen, vinden de antwoorden vaag of onvolledig en zijn niet onder de indruk. 00:20:01.410 --> 00:20:07.750 Leidinggevende vragen zich af waarom ze extra betalen voor iets dat vergelijkbare resultaten geeft als een standaard zoekopdracht. 00:20:08.030 --> 00:20:15.790 Het scepticisme groeit snel en het verhaal verandert al gauw van dit gaat ons werk veranderen, naar dit is weer een functie die we over zes maanden uitzetten. 00:20:15.790 --> 00:20:21.290 Zonder systemische gereedheid wordt Copilot een bewijs voor AI-vermoeidheid in plaats van een drijfveer voor AI-waarde. 00:20:21.470 --> 00:20:24.130 Het inzicht dat verwachtingen vaak bijstelt, is simpel. 00:20:24.330 --> 00:20:26.170 Het gaat er niet om dat Copilot meer leert. 00:20:26.350 --> 00:20:28.610 Het gaat erom dat jouw systemen minder ruis voeden. 00:20:28.830 --> 00:20:30.830 De AI zit daar niet om antwoorden te verzinnen. 00:20:31.030 --> 00:20:33.150 Hij versterkt de kwaliteit van wat hij vindt. 00:20:33.230 --> 00:20:39.190 Verminder de rommel, normaliseer de toegang, verbind inzichten met workflows en plotseling voelt Copilot niet meer als een gokmachine. 00:20:39.410 --> 00:20:44.850 Het begint de juiste context op het juiste moment te belichten, in plaats van nadat je vijf misleidende documenten hebt doorgespit. 00:20:44.850 --> 00:20:50.450 Die verschuiving gebeurt omdat de onderliggende systemen het werk hebben gedaan om de onzin eruit te filteren voordat deze Copilot bereikte. 00:20:50.690 --> 00:20:54.810 Dit is waar het Microsoft 365-ecosysteem belangrijker is dan de meeste mensen beseffen. 00:20:55.050 --> 00:21:00.290 Wanneer SharePoint wordt beheerd, rechten op rollen zijn gebaseerd en consistent zijn en metadata gestructureerd is, creëer je orde. 00:21:00.490 --> 00:21:04.450 Wanneer Power Automate daarbovenop wordt toegevoegd, begin je die orde om te zetten in actie. 00:21:04.630 --> 00:21:08.710 Elk onderdeel ondersteunt de anderen, waardoor er een structuur van onderling verbonden workflows ontstaat. 00:21:08.850 --> 00:21:11.430 Het ziet er niet flitsend uit, maar voor Copilot is het alles. 00:21:11.430 --> 00:21:16.570 In die omgeving verspeelt het geen tijd aan het raden naar versies van de waarheid en wordt het niet afgesneden van kritieke context. 00:21:16.790 --> 00:21:20.170 In plaats daarvan kan het antwoorden bieden die echt weer spiegelen hoe uw bedrijf opereert. 00:21:20.310 --> 00:21:25.090 Een bedrijf waar we mee werkten, behandelde deze lagen als onderdeel van hetzelfde project in plaats van als losse oplossingen. 00:21:25.290 --> 00:21:29.910 Ze begonnen met een standaard SharePoint-opschoning, waarbij ze bewaarbeleid en verplichte metadata-tagsinstituut elden. 00:21:30.110 --> 00:21:34.830 Daarna brachten ze de machtigingen op één lijn met de huidige rollen, verwijderden ze verouderde accounts en herstructureerden ze groepen. 00:21:34.830 --> 00:21:41.410 Vervolgens introduceerde ze gerichte Power Automate flows om repetitieve updates af te handelen, zoals vergaderverslagen en CRM-invoer. 00:21:41.590 --> 00:21:47.330 Binnen enkele maanden veranderde Copilot van een noviteit in de standaardmanier waarop leidinggevenden updates opvroegen. 00:21:47.570 --> 00:21:51.010 Wat veranderde was niet de AI, maar het systeem waarmee het verbonden was. 00:21:51.230 --> 00:21:59.430 Door de frictie weg te nemen, liet de organisatie Copilot eindelijk doen waarvoor ze het bedoeld hadden, betrouwbare context bieden en menselijk routinewerk verminderen. 00:21:59.430 --> 00:22:06.210 Op dit punt wordt Copilot makkelijker te begrijpen als u minder denkt aan een solopiloot en meer aan een dirigent van een orkest. 00:22:06.430 --> 00:22:09.050 Een dirigent zonder gestemde instrumenten is nutteloos. 00:22:09.250 --> 00:22:12.570 Ze weten misschien hoe ze het ritme moeten aangeven, maar het geluid klopt niet en het publiek haakt af. 00:22:12.690 --> 00:22:14.430 Copilot werkt op precies dezelfde manier. 00:22:14.690 --> 00:22:17.690 Zonder goed afgestelde systemen erachter voelt elk antwoord generiek aan. 00:22:17.690 --> 00:22:23.430 Maar wanneer alles op één lijn staat, produceert het plotseling harmonie, gestructureerde, contextuele inzichten die natuurlijk aansluiten bij hoe.