Modello 2: Responsabilizzazione di esperti aziendali

Acquisire, applicare e ridimensionare le conoscenze degli esperti nell'organizzazione, senza automatizzare le decisioni o rimuovere il giudizio umano. La conoscenza dell'esperto diventa disponibile su larga scala, ma l'esperto rimane responsabile della qualità di tale conoscenza.

In questo modello, l'agente funge da proxy scalabile per il giudizio dell'esperto. L'esperto è responsabile della credibilità dell'agente.

Che cos'è questo modello

L'emancipazione degli esperti aziendali trasforma il giudizio di un esperto in una risorsa che l'intera organizzazione può raggiungere. L'agente risponde alle domande sul modo in cui l'esperto avrebbe, basato sui documenti e sugli standard che l'esperto mantiene. L'esperto passa dalla risposta ripetutamente alle stesse domande all'insegnamento dell'agente e al controllo del suo lavoro.

Come l’abilitazione dei dipendenti all’IA, questo schema si colloca sul versante dell’assistenza nel passaggio dall’assistenza all’esecuzione. L'agente consiglia. Non esegue un processo né sottrae alle persone il potere decisionale. Ciò che rende questo modello distinto è l'origine del valore: la credibilità dell'agente è il prodotto. Se dà consigli esperti sbagliati, danneggia la reputazione dell'esperto e può danneggiare l'azienda.

Cosa fanno gli agenti

Gli agenti in questo schema mettono a disposizione conoscenze specialistiche su richiesta:

  • Rispondere a domande su criteri e conformità.
  • Fornire raccomandazioni basate su standard di dominio e procedure consigliate.
  • Interpretazione delle linee guida e dei requisiti normativi.
  • Segnalare le eccezioni che richiedono l'intervento umano.
  • Guida degli utenti attraverso i criteri di qualità e i processi di ispezione.

L'agente non sostituisce l'esperto. Estende la portata dell'esperto, quindi l'organizzazione non dipende da un numero ridotto di esperti in materia (PMI).

Cosa fanno gli esseri umani

L'esperto di dominio definisce le regole, cura le conoscenze e convalida l'accuratezza dell'agente. Il loro ruolo passa dalla risposta a ogni domanda all'insegnamento dell'agente e al controllo dell'output.

Questa modifica è significativa. Gli esperti che in precedenza hanno passato la maggior parte del loro tempo a rispondere a domande ripetitive ora devono concentrarsi su:

  • La definizione dei limiti decisionali in cui opera l'agente.
  • Mantenere le fonti di conoscenza in modo che rimangano autorevoli e attuali.
  • Revisione delle risposte dell'agente per ottenere precisione e completezza.
  • Gestione delle escalation che esulano dall'ambito di competenza definito dell'agente.
  • Miglioramento continuo dell'agente in base al feedback.

L'esperto è responsabile della credibilità dell'agente. Non possono delegare questa responsabilità all'IT o al Centro di eccellenza (CoE).

Funzionamento del modello operativo

La distribuzione corretta di questo modello richiede modifiche in quattro dimensioni:

Dimension Prima Dopo
People Rispondere a ogni domanda Assumersi la responsabilità del giudizio e addestrare l'agente
Agenti Domande e risposte di base Raccomandazione + escalation a un esperto
Governance Approvazione dell'origine Limiti delle decisioni e controlli di qualità delle conoscenze
Metrics Ore impiegate dagli SME Velocità di deflezione + accuratezza della risposta + tempo esperto liberato

Profilo di maturità di destinazione

Questo modello richiede i livelli minimi di maturità seguenti per i cinque driver di funzionalità:

Fattore abilitante della capacità Livello di destinazione Perché
Strategia e esperienza di intelligenza artificiale 200 (ripetibile) Un motivo chiaro per scalare la conoscenza di un dominio e offrire un'esperienza coerente.
Strategia aziendale 200 (ripetibile) Allineamento dell'output della luce. Iniziare con un dominio, provare valore, quindi espandere.
Governance e sicurezza 300 (Definito) Criteri decisionali documentati, regole di escalation e accesso basato sulle autorizzazioni.
Tecnologia e dati 300 (definito) Quello che infrange i limiti della scalabilità. Fonti autorevoli, attuali e complete con controlli di qualità.
Organizzazione e cultura 300 (Definito) Gli esperti adottano un nuovo ruolo: insegnare e controllare l'agente, non rispondere a ogni domanda.

Informazioni dettagliate chiave: la credibilità dell'agente è il prodotto. Se l'agente fornisce consigli esperti sbagliati, si danneggia la reputazione dell'esperto e potenzialmente l'azienda. La profondità della maturità si concentra sulla governance e sulla qualità delle conoscenze, non sulla tecnologia.

Scale-breaker: tecnologia e dati. Il vincolo di associazione è la qualità delle conoscenze. Se non è possibile garantire che i documenti di origine siano autorevoli, correnti e completi, l'output dell'agente non è affidabile, indipendentemente dal livello di configurazione della tecnologia. Correggere le informazioni prima di ridimensionare l'agente.

Gli esperti creano e possiedono i propri agenti all'interno del proprio dominio. Il Centro di eccellenza (CoE) fornisce modelli, protezioni delle conoscenze, standard di valutazione e disciplina del ciclo di vita. Il CoE mantiene la coerenza della qualità in tutti i domini senza sottrarre la proprietà agli esperti che conoscono il contenuto.

Tip

In questo schema, il ruolo decisivo è quello dell'esperto di dominio. Se l'esperto si tira indietro, l'agente perde credibilità. La reputazione dell'esperto è legata all'accuratezza dell'agente. Assicurarsi che l'esperto comprenda questa titolarità prima che l'agente venga distribuito.

Scopri di più su struttura, ruoli e governance basata sui livelli di rischio in Creare un Centro di eccellenza per agenti.

Ciò di cui hai bisogno e non hai bisogno

È necessario:

  • Fonti autorevoli di conoscenza: la qualità dell'agente dipende dalla qualità dei suoi dati. Identificare e curare la fonte canonica di verità per ogni dominio.
  • Responsabilità di un esperto specifico: una persona specifica (non "il team") è responsabile dell'accuratezza. La proprietà condivisa significa non avere alcun proprietario.
  • Regole di escalation: quando l'agente non sa o si trova di fronte a qualcosa che esula dal suo ambito, deve dichiararlo chiaramente e inoltrare la richiesta all'esperto. Gli errori invisibile all'utente sono peggiori delle lacune riconosciute.
  • Cicli di feedback: l'esperto esamina continuamente le risposte e migliora l'accuratezza dell'agente nel tempo.
  • Limiti decisionali espliciti: definire ciò che l'agente può consigliare rispetto a ciò che richiede un giudizio umano. Documenta la riga.
  • Monitoraggio della qualità delle conoscenze: tenere traccia di accuratezza, decadimento e attendibilità degli utenti nel tempo. Le conoscenze diventano obsolete, mentre i documenti sorgente vengono aggiornati, le normative cambiano e gli standard evolvono.

Non è necessario:

  • Automazione dei processi end-to-end: l'agente consiglia, non esegue.
  • Orchestrazione dei processi: questo modello riguarda il ridimensionamento delle conoscenze, non l'automazione del flusso di lavoro.
  • Trasferimento di proprietà del risultato: l'esperto rimane responsabile della qualità delle risposte dell'agente.
  • Integrazione tra sistemi: l'agente funziona all'interno del dominio dell'esperto.
  • Implementazione a livello aziendale: iniziare con un dominio, dimostrare valore e quindi espandere.

Metriche di valore e successo

Il valore deriva dal fornire indicazioni di esperti su richiesta e liberare esperti da domande ripetitive. Misurare sia se gli utenti usano l'agente che se le relative risposte possono essere attendibili. Per questo modello, l'attendibilità è la metrica più importante.

Che aspetto ha il valore

  • Indicazioni di esperti disponibili su larga scala, su richiesta.
  • Riduzione della dipendenza da un numero ridotto di PMI.
  • Decisioni più veloci e coerenti nell'intera organizzazione.
  • Conservazione delle conoscenze istituzionali che altrimenti sarebbero un collo di bottiglia o un rischio.
  • Gli esperti dedicano più tempo a giudizio ed eccezioni, non a domande ripetitive.

Metriche di successo da monitorare

Categoria Misure di esempio Cosa ti dice
Qualità della conoscenza (l'elemento decisivo della scala) Fondatezza e accuratezza fattuale, copertura delle citazioni, aggiornamento della base di conoscenze, "impossibile trovare" o tasso di fallback Indica se le risposte sono attendibili e correnti. La prima cosa da osservare.
Deflessione Domande deviate dall'esperto, ore di lavoro degli esperti recuperate, tasso di escalation a un operatore umano Se l'agente stia effettivamente scalando l'esperto.
Velocità e adozione Tempo per rispondere, utenti attivi e tasso di adozione, tempo di competenza per il nuovo personale Sia che le persone si rivolgano all'agente invece che all'esperto o a documenti non aggiornati.
Attendibilità e coerenza Attendibilità e soddisfazione degli utenti, coerenza delle risposte tra team e aree geografiche, velocità di valutazione nel tempo Se la maggiore rapidità significhi anche affidabilità e uniformità.

Come misurare

  • Le analisi di Copilot Studio mostrano il tasso di risoluzione, il tasso di escalation, il tasso di abbandono e la soddisfazione del cliente per gli agenti che hai creato in Copilot Studio.
  • Gli strumenti di valutazione dell'agente consentono all'esperto di eseguire serie di test ripetibili, così che l'accuratezza venga misurata e non presunta. Considera le nuove funzionalità di valutazione come in evoluzione. Controllare Microsoft Informazioni per confermare lo stato di anteprima o la disponibilità generale prima di usare queste funzionalità.
  • Un ciclo di feedback trasforma ogni "non trovato" o pollice verso in un'attività di curatela delle conoscenze, così la copertura migliora nel tempo.

Tip

L'adozione senza precisione è una responsabilità. Una risposta sbagliata, data con sicurezza e ben documentata, arreca più danni di una mancata risposta perché le persone agiscono di conseguenza. Scalare solo quando l’aderenza alle fonti e la copertura delle citazioni soddisfano una soglia definita. Mantenere regolarmente una verifica o una revisione periodica delle risposte da parte di un esperto. Assicurati che l'agente dica "Non lo so" quando appropriato e che indirizzi a un operatore umano quando non ne è sicuro.

Anti-pattern comuni

Questi errori derivano da lacune delle conoscenze e dalla proprietà poco chiara, non dalla tecnologia debole.

Anti-criterio Che aspetto ha Cosa fare invece
Crea e dimentica Configura l'agente una sola volta e lascialo in esecuzione senza necessità di interventi continui. Le conoscenze diventano obsolete, l'accuratezza diminuisce e gli utenti perdono fiducia. Considera l'agente come un impegno continuo da parte dell'esperto, non una realizzazione una tantum. Curare le conoscenze e rivedere le risposte in base a una pianificazione.
Fonti poco chiare o incoerenti Esistono più versioni di materiale sussidiario tra documenti e non è chiaro quale sia autorevole. L'agente può essere preciso solo quanto le sue fonti. Definisci chiaramente chi è responsabile delle conoscenze e un'unica fonte autorevole prima di creare l'agente.
Nessun proprietario denominato «Il team» è responsabile dell'accuratezza, quindi non lo è nessuno. La qualità erose tranquillamente. Assegnare un esperto specifico che possiede la credibilità dell'agente e ne esamina le risposte.
Nessuna procedura di escalation L'agente si trova di fronte a una domanda a cui non può rispondere e o fornisce una risposta errata con sicurezza oppure va in errore in modo poco controllato. Definire il percorso di escalation prima della distribuzione. Quando l'agente non lo sa, dice così e indirizza l'utente all'esperto giusto.
Troppi domini contemporaneamente L'organizzazione avvia agenti esperti in molti domini contemporaneamente e non può mantenere la qualità in nessuno di essi. Concentrarsi profondamente su uno o due domini per primi. Compilare i cicli di valutazione e feedback che dimostrano il funzionamento del modello, quindi espandere.
Lasciare che l'agente decida La raccomandazione dell'agente viene considerata come la decisione, rimuovendo il giudizio umano. Mantenere l'avviso dell'agente. L'esperto e l'utente rimangono responsabili delle decisioni.
Ignorare le autorizzazioni L'agente visualizza il contenuto che alcuni utenti non dovrebbero visualizzare. Affidati fin dall'inizio al grounding che tiene conto delle autorizzazioni e alle etichette di riservatezza di Purview.
Accuratezza presunta, non misurata L'agente viene distribuito senza alcuna valutazione e la qualità è data per scontata. Eseguite set di valutazione prima del rilascio e monitorate la fondatezza e la copertura delle citazioni successivamente.

Storie dei clienti

Queste storie pubblicate di clienti Microsoft mostrano conoscenze specialistiche ampliate su larga scala con agenti basati su fonti e corredati di citazioni, mentre le persone mantengono la responsabilità.

Cliente Risultato segnalato
Grupo Bimbo Gli agenti di audit basati su SharePoint riducono del 20% il tempo di pianificazione dell'audit e portano la creazione delle matrici da giorni a secondi, utilizzando sempre la procedura approvata più recente.
Dunaway Un agente di ricerca codice ha ridotto il tempo di ricerca manuale di 90%, recuperando una stima di 10.000 ore all'anno, con citazioni al codice sorgente.
Rumo Un agente basato su regole per i conducenti ha ridotto il tempo di risposta da 4 minuti a 3 secondi e ha recuperato 7.644 ore all'anno, rispondendo esclusivamente sulla base della knowledge base approvata.
Amey Un agente SharePoint fornisce risposte ai criteri di sicurezza del personale sul campo in pochi secondi, in qualsiasi lingua, con citazioni alla documentazione approvata.
Manchester City Council Un agente di conoscenze del contact center ha aiutato i nuovi principianti a rispondere ai residenti entro un giorno, dove in precedenza ci sono voluti da uno a due settimane.
Gruppo Carlsberg 99% recupero più rapido delle informazioni per 10.000 lavoratori con l'assistente "Global Brain" su Azure OpenAI e Copilot Studio.

Funzionalità agentiche di Microsoft per questo modello

Gli esempi seguenti evidenziano le funzionalità particolarmente rilevanti per l'emancipazione degli esperti aziendali. Usare questi esempi come punto di partenza per la corrispondenza delle funzionalità per gli scenari e i segmenti di utenti e quindi esplorare l'ecosistema agente di Microsoft per l'immagine completa.

Importante

Il grounding e le autorizzazioni sono il fulcro di questo modello. Gli agenti rispettano le autorizzazioni esistenti dell'utente che effettua la richiesta e le etichette di riservatezza di Microsoft Purview, quindi una persona vede solo risposte basate su contenuti che è autorizzata a leggere. Configura questo prima di passare alla scalabilità.

Creare un agente basato su una base di conoscenza

  • Generatore agenti in Microsoft 365 Copilot è il modo senza codice per creare un agente dichiarativo basato sul contenuto del tenant. Connetti l'agente ai siti e ai file di SharePoint, a OneDrive, ai messaggi di posta elettronica di Outlook, alle chat di Teams, agli URL di siti web pubblici, ai file caricati e ai connettori Copilot. Il controllo "usa solo le fonti specificate" obbliga l'agente a rispondere esclusivamente sulla base di contenuti selezionati e a fornire un chiaro messaggio di ripiego quando non riesce a trovare una risposta, anziché tentare di indovinare.
  • Copilot Studio offre un controllo più completo: origini di conoscenze configurabili, risposte generative e modalità deterministica che associa istruzioni strette con fonti limitate per una maggiore accuratezza.
  • Agenti di SharePoint trasformano un insieme selezionato di siti e file in un agente basato su dati attendibili in pochi clic, con risposte che rispettano le autorizzazioni di ogni utente e rimandano alla fonte.
  • Connettori di Microsoft 365 Copilot integrano nell'agente conoscenze autorevoli provenienti da fonti esterne, come ServiceNow Knowledge, Confluence e Jira, limitate alla Knowledge Base appropriata.

Mantenere le risposte attendibili

  • Le citazioni e la tracciabilità restituiscono un collegamento al documento di origine per ogni risposta, in modo che gli utenti possano verificare e gli esperti possono controllare.
  • Le etichette di riservatezza di Microsoft Purview e l'applicazione delle autorizzazioni di sicurezza garantiscono che gli agenti rispettino le autorizzazioni e la riservatezza esistenti.
  • La valutazione dell'agente e l'analisi Copilot Studio consentono all'esperto di testare l'accuratezza prima del rilascio e monitorare la qualità, l'escalation e l'attendibilità dopo il rilascio.

Come sapere che sei pronto

Avvia questo modello se la maggior parte di queste affermazioni sono vere:

  • Si dispone di contenuto di origine autorevole e corrente per il dominio.
  • Un esperto designato sarà responsabile dell'accuratezza e revisionerà le risposte.
  • È possibile definire ciò che l'agente può consigliare e cosa serve un essere umano.
  • L'agente può dire "Non lo so" e inoltrare la conversazione a un operatore umano.
  • È possibile misurare le basi, la copertura delle citazioni e l'attendibilità prima del ridimensionamento.

Passaggi successivi

Eseguire la valutazione dell'idoneità dell'agente

Oppure esplora il modello completo di maturità per l'adozione dell'intelligenza artificiale agentica.

Esplorare altri modelli in modo più dettagliato:

  • Last updated on