Latest / M365.FM – podcast o Microsoft 365, Copilot i AI po polsku / Agent AI do GRC z Microsoft Purview, Power Automate i Copilot Studio: automatyczne raporty zgodności (Dubbing AI)

Transcript

Agent AI do GRC z Microsoft Purview, Power Automate i Copilot Studio: automatyczne raporty zgodności (Dubbing AI) · M365.FM – podcast o Microsoft 365, Copilot i AI po polsku

0:00
Porozmawiajmy o raportach z zakresu zarządzania ryzyka i zgodności, czyli GRC.
0:04
Trzy litery odpowiedzialne za większe spożycie kofeiny niż wszystkie audyty razem wzięte.
0:08
Gdzieś w tej chwili biedny analityk wciąż kopiuje logi audytowe do Excela komórka po komórce,
0:12
jakby był rok 2003, a makra były czarną magią.
0:15
Zaczynają z dobrymi intencjami, z chludnym, z koroszytem i kilkoma filtrami,
0:18
a kończą z 40 zakładkami tabel przestawnych, które przeczą sobie nawzajem.
0:22
Zgodność, która miała być zabezpieczeniem, staje się sztuką performatywną.
0:25
Godziny żonglowania danymi, by zapewnić audytorów, że wszystko jest pod kontrolą.
0:30
Spoiler, rzadko kiedy jest.
0:31
Ręczne raportowanie GRC to wynik sytuacji, w której organizacje mylą dokumentację z wglądem.
0:36
Pobierasz dane z Microsoft Perview, eksportujesz je, rozciągasz w arkuszach kalkulacyjnych i nazywasz to ładem korporacyjnym.
0:41
W następnym tygodniu pojawiają się nowe aktywności, dane się zmieniają
0:44
i nagle Twoje nieskazitelne wykresy stają się kłamstwami ubranymi w gradienty kolorów.
0:48
Ścieżki audytu, które powinny zapewniać rozliczalność, kończą się wypaleniem zawodowym.
0:51
Co gorsza, większość firm traktuje Perview jak sejf, który otwiera się tylko przed audytem.
0:56
Jego logi audytowe po cichu gromadzą terabajty danych o tym, kto zrobił co, gdzie i kiedy.
1:01
Przydatne? Oczywiście. Czytelne? Zaledwie.
1:04
Każdy wpis to obiekt JSO, en tak gęsty, że mógłby zaginać światło.
1:07
I tak możesz je przetwarzać ręcznie, jeśli weekendy są opcjonalne, a zdrowy rozsądek podlega negocjacji.
1:12
Teraz zestaw tę absurdalną sytuację z ideą agenta, a i nie magicznego, co pilota,
1:16
który tylko zgaduje odpowiedzi, ale zautomatyzowanego, opartego na regułach agenta zbudowanego z narzędzi Microsoftu.
1:23
Copilot Studio dla zrozumienia języka naturalnego, Power Automate do orkiestracji zadań
1:28
i Perview jako autorytatywne źródło prawdy audytowej.
1:31
Innymi słowy, oprogramowanie, które robi to, czego zespoły do spraw.
1:35
Zgodności zawsze chciały, pobiera, analizuje i wyjaśnia bez wzdychań i ryzyka rozlania kawy na główny arkusz.
1:40
Pomyśl o tym, jak o oddelegowaniu raportowania GRC starzyście, który nigdy nie narzeka, nigdy nie śpi i czyta JSONY jak zwykły tekst.
1:47
Pod koniec tego wyjaśnienia będziesz dokładnie wiedział, jak to zbudować od podłączenia logów Perview
1:51
po automatyzację harmonogramu raportów wszystko wewnątrz ekosystemu Microsoftu.
1:55
I tak omówimy krok logiczny, który zmienia to z prostej automatyzacji w pełni autonomicznego audytora.
2:00
Na razie skup się na tym.
2:01
Zgodność nie powinna zależeć od spożycia kofeiny.
2:04
Maszyny się nie męczą i z pewnością niebłędnie opisują kolumn.
2:06
Istnieje jedna warstwa logiki, jeden subtelny wybór projektowy, który czyni tego agenta wystarczająco niezawodnym, by wysyłał raporty bez nadzoru.
2:12
Do tego dojdziemy, ale najpierw zrozummy, czym właściwie jest ten agent.
2:15
Co sprawia, że to połączenie Copilot Studio i Power Automate to coś więcej niż zwykły przepływ o wymyślnej nazwie?
2:21
Czym naprawdę jest agent GRC?
2:23
Odrzućmy cały ten blichtr, a i zdefiniujmy, czym to coś naprawdę jest.
2:28
Ustrukturyzowana automatyzacja oparta na stosie Microsoftu, udająca inteligencję.
2:33
Agent GRC to trzygłowe stworzenie.
2:35
Każda głowa odpowiada za jedną część procesu poznawczego.
2:38
Perview dostarcza surową pamięć, dzienniki audytu, dane klasyfikacyjne i zdarzenia dotyczące zgodności.
2:44
Power Automate pełni rolę układu nerwowego.
2:46
Zbiera sygnały, odfiltrowuje szum i dba o to, by proces działał zgodnie z harmonogramem.
2:51
Copilot Studio jest ostatecznie ustami i tłumaczem.
2:54
Pobiera techniczny bełkot z logów i generuje czytelne dla człowieka podsumowania.
2:58
Użytkownik pięciokrotnie podniósł uprawnienia w ciągu 24 godzin, przekraczając limit zasad.
3:02
To jest język angielski, a nie JSON.
3:04
Oto prawda.
3:05
90% zadań związanych ze zgodnością to nie kwestia osądu, lecz rozpoznawania wzorców.
3:10
Mimo to analitycy wciąż marnują godziny na przeglądanie kolumn z typami aktywności i wynikami,
3:14
podczas gdy automatyzacja mogłaby kategoryzować i podsumowywać te wzorce automatycznie.
3:18
Dlatego to podejście działa system nie próbuje myśleć jak człowiek,
3:21
lecz został zbudowany, by organizować pracę lepiej niż on.
3:24
Rozłóżmy te komponenty na czynniki pierwsze.
3:26
Microsoft Perview to nie tylko narzędzie do etykietowania plików, to czarna skrzynka Twojej zgodności.
3:31
Każde działanie użytkownika w Microsoft 365, udostępnienie dokumentu, stworzenie zasady czy modyfikacja etykiety przechowywania jest logo Wayne.
3:38
Ale jeśli niebiegle posługujesz się zagnieżdżoną strukturą JSON, nigdy nie wydobędziesz z tego zbyt wielu wniosków.
3:42
To jest główne źródło problemu, nadmiar danych, zerowa czytelność.
3:45
Dalej Power Automate nie jest efektowny, ale jest zdyscyplinowany.
3:48
Uruchamia się na czas, nigdy nie zapomina i traktuje każdy krok jak świętość.
3:52
Definiujesz harmonogram powiedzmy codziennie o 8 rano, a on wywołuje konektory, by pobrać najnowszą aktywność z Perview.
3:57
Gdy coś jest źle skonfigurowane, ludzie wpadają w panikę.
4:00
Gdy tutaj wystąpi błąd konfiguracji, przepływ po cichu zawodzi, ale loguje ten fakt z idealną precyzją.
4:04
Dział zgodności kocha logi, Power Automate dostarcza je z religijną regularnością.
4:08
I wreszcie Copilot Studio, które zamienia ustrukturyzowane dane w narrację.
4:12
Dajesz mu ustrukturyzowane podsumowanie, może tabelę JSON z liczbą ryzykownych działań na użytkownika, a on generuje podsumowania ryzyka w języku naturalnym.
4:19
To tutaj pojawia się iluzja inteligencji.
4:21
To niezgadywanie, to przestrzeganie zasad zawartych w stworzonym przez Ciebie prompcie.
4:25
Na przykład wydałeś polecenie, podsumuj istotne działania ryzykowne skategoryzowane według ważności i dołącz jedną rekomendację dla każdej kategorii.
4:32
Wynik brzmi jak notatka analityka, ale to algorytmiczna szczerość ubrana w gramatykę.
4:36
Teraz przejdźmy do niewypowiedzianej ironii.
4:38
Firmy kupują pulpity nawigacyjne obiecujące wgląd, efektowne raporty, kolorowe wskaźniki, ale one nie wyjaśniają.
4:43
One jedynie wyświetlają.
4:45
Agent GRC natomiast pisze.
4:47
Tłumaczy wzorce na zdania, eliminując lukę interpretacyjną, która spowodowała niezliczone sytuacje kryzysowe w przeglądach zgodności.
4:53
Kiedy Twój przełożony pyta o wzorce ryzyka z zeszłego miesiąca, nie wysyłasz mu linku do Power B, któremu ledwo ufasz.
4:58
Wysyłasz mu przejrzystą narrację wygenerowaną przez przepływ, który uruchomił się o 8.5, gdy Ty jeszcze parzyłeś kawę.
5:03
Dlaczego więcej zespołów jeszcze tego nie robi? Ponieważ większość nie docenia tego, jak czytelna może być automatyzacja.
5:08
Postrzegają AI jako nieprzewidywalną, podczas gdy w rzeczywistości ten stos technologiczny jest deterministyczny.
5:12
Definiujesz wszystko. Logikę, częstotliwość, zakres, a nawet ton wypowiedzi.
5:16
Autonomia nie jest przypadkowa. To zdyscyplinowana automatyzacja wyposażona w umiejętności językowe.
5:21
Zanim jednak ten agent zacznie myśleć, musi zacząć widzieć.
5:24
Oznacza to stworzenie potoku danych, który zapewni mu dostęp do odpowiednich wycinków danych audytowych per view, ani mniej, ani więcej.
5:29
Bez tej widoczności zautomatyzujesz ślepotę. Zatem w następnym kroku połączymy powerautomatę z per view, określimy, które zdarzenia są istotne i nauczymy naszego agenta, gdzie patrzeć.
5:37
Dopiero wtedy możemy nauczyć go, co ma myśleć.
5:40
Budowanie potoku danych per view. Zanim nauczysz swojego agenta GRC myślenia, musisz dać mu oczy.
5:45
Podłącz go bezpośrednio do źródła prawdy.
5:47
Dzienników audytu Microsoft Per View.
5:49
Te logi śledzą, kto dotknął czego, kiedy i w jaki sposób.
5:53
Niestety są one przechowywane w zachwycającym strukturalnym koszmarze zwanym JSON.
5:57
Pomyśl o JSON i E jak o inżynierskim odpowiedniku żargonu prawniczego.
6:00
Technicznie precyzyjny, w praktyce nieczytelny.
6:03
Piękno powerautomatę polega na tym, że czyta ten bełkot płynnie, pod warunkiem, że połączysz go poprawnie.
6:08
Krok pierwszy to ekstrakcja.
6:09
Zaczynasz od wbudowanego łącznika Per View lub jeśli lubisz cierpieć od akcji HTTP, gdzie wywołujesz bezpośrednio API dziennika audytu Per View.
6:16
Obie drogi prowadzą do tego samego celu.
6:18
Strumienia danych reprezentującego wszystko, co wydarzyło się w Twoim dzierżawcy.
6:22
Udostępnienia plików, zmiany uprawnień, naruszenia dostępu, logowania administratorów i wiele innych.
6:26
Bardziej zdyscyplinowanym podejściem jest wczesne ograniczenie zakresu.
6:29
Owszem, mógłbyś pobrać cały kanał audytu, ale to jak robienie kopii zapasowej całego internetu tylko dlatego, że zgubiłeś plik PDF.
6:34
Określ, które zdarzenia faktycznie wpływają na zgodność z przepisami.
6:36
W przeciwnym razie Twój przepływ stanie się niezamierzonym atakiem typu odmowa usługi na Twoją własną cierpliwość.
6:41
Teraz kontrola dostępu.
6:42
Powerautomatę działa tylko w granicach nadanych mu uprawnień.
6:45
Jeśli konto serwisowe Twojego przepływu nie może odczytać dziennika audytu Perview, Twój agent będzie wpatrywał się w pustkę i potulnie raportował brak znalezionych problemów.
6:52
To nie jest uspokojenie, to ślepota przebrana za sukces.
6:55
Upewnij się, że konto serwisowe ma rolę czytelnika dzienników audytu wewnątrz Perview i może uwierzytelniać się bez przerywania przez MFA.
7:02
A i jest posłuszne, ale nie jest kreatywne.
7:04
Nie kliknie i nie uwierzytelni się o drugiej w nocy.
7:06
Przypisuj poświadczenia ostrożnie i przechowuj je w Azure Key Vault lub referencjach połączeń, aby zachować zgodność przy jednoczesnym utrzymaniu automatyzacji.
7:13
Gdy ekstrakcja danych jest już stabilna, przechodzisz do filtrowania.
7:17
Nikt nie potrzebuje każdego zdarzenia dostępu do plików w folderze z menu obiatowym stołówki.
7:21
Zamiast tego, przefiltruj dane pod kątem rzeczywistych wskaźników ryzyka.
7:24
Logowanie użytkownika z nowej lokalizacji, zmiana przypisania roli, użycie udostępniania zewnętrznego, modyfikacja zasad etykietowania.
7:29
To historie, które rzeczywiście interesują audytorów.
7:32
Możesz filtrować na etapie zapytania używając parametrów API lub później w Power Automate za pomocą logiki warunkowej.
7:38
Wybierz to, co pozwoli utrzymać obciążenie w ryzach.
7:40
Pamiętaj, nie gromadzisz, lecz selekcjonujesz.
7:43
Następnie przychodzi część, która odróżnia profesjonalistów od tych, którzy uważają kopiu i wklej za automatyzację.
7:48
Przetwarzanie.
7:48
Przekształcisz te bloki JSON w ustrukturyzowane kolumny, które Twój późniejszy moduł co pilota będzie w stanie zinterpretować.
7:54
Prostą metodą jest użycie akcji Parze JSON ze zdefiniowanym schematem pobranym z przykładowego zdarzenia Perview.
7:59
Jeśli termin zagnieżdżony tablice powoduje ucisk w klatce piersiowej, witaj w świecie kodowania zgodności.
8:04
Każda właściwość, identyfikator użytkownika, operacja, obciążenie, status wyniku, IP klienta stają się osobną zmienną.
8:10
W zasadzie uczysz swojego przyszłego agenta i słownictwa, zanim rozpocznie się konwersacja.
8:14
Na tym etapie odkryjesz egzystencjalny humor formatów danych Microsoftu.
8:18
Niektóre pola audytowe prezentowane są jako tablice, nawet gdy przechowują pojedyncze wartości.
8:22
Inne ukrywają wyniki pod trzema warstwami zagnieżdzeń, niczym rosyjskie matrioszki niejednoznaczności.
8:27
Power Automate radzi sobie z tym chaosem za pomocą wyrażeń.
8:30
Składnia elementów stosowana do każdego identyfikatora użytkownika może wyglądać tajemniczo,
8:34
ale to właśnie ona pozwala automatyzacji przeszukać JSOON i wydobyć z niego sens.
8:37
Niewielki błąd literowy w tym miejscu stworzy później spektakularny nonsens.
8:40
Dlatego testuj każdą ekstrakcję na małych próbkach.
8:43
Tak, debagowanie przepływów to niezwykle ekscytująca praca.
8:46
Możesz chcieć utrwalić te oczyszczone dane w jakimś miejscu.
8:48
SharePoint, Dataverse, a nawet baza SQL, w zależności od tego, jak ciężkie są Twoje raporty.
8:52
Ten magazyn działa jak pamięć krótkotrwała, zapewniając agentowi porównania historyczne bez ciągłego odpytywania perwiu.
8:58
Pomyśl o tym jak o buforowaniu inteligencji.
9:00
Wczorajsze zdarzenia pomagają dzisiejszej analizie brzmieć merytorycznie.
9:03
Jeśli potrzebujesz możliwości kolumnowych lub relacji między zbiorami danych,
9:06
Dataverse lepiej współpracuje z Power Automate.
9:09
SharePoint jest łatwiejszy, ale bardziej niezgrabny przy przekroczeniu kilku tysięcy wierszy.
9:13
Kolejny krok – planowanie.
9:14
Zdefiniuj częstotliwość.
9:16
Dzienne podsumowania dla dynamicznych środowisk, cotygodniowe dla spokojniejszych ekosystemów.
9:19
Użyj wyzwalacza cykliczności w Power Automate.
9:21
Ustaw go na swoją strefę czasową, a nie UTC, chyba że lubisz zastanawiać się, dlaczego raporty przychodzą o trzeciej nad ranem.
9:27
Przepływ uruchamia się automatycznie, wyodrębnia przefiltrowane dane, przekształca je, przechowuje i przygotowuje paczkę danych dla kolejnej fazy mózgu logicznego.
9:34
Spójność zgodności nie zależy już od ludzkiego entuzjazmu.
9:37
Działa jak w zegarku.
9:38
Podczas konfigurowania obsługi błędów, załóżmy, że API Perview zgłosi błąd zbyt wiele żądań,
9:43
ponieważ, co szokujące, każdy inny analityk próbował odpytać logi w tej samej sekundzie.
9:47
Stwórz polityki ponawiania i komunikaty zastępcze.
9:50
Nawet automatyzacja powinna kończyć się bezpiecznie.
9:52
Zapisuj błąd w pliku dziennika i wysyłaj wiadomość na Teams, jeśli progi przekroczą założone parametry.
9:57
W ten sposób zarządzasz awarią jak danymi, a nie jak dramatem.
10:00
Pamiętaj, audytorzy nie każą za błędy.
10:03
Każą za brak ich dokumentacji.
10:06
Masz teraz żywy potok danych.
10:07
Perview przesyła dane przez tętnicę Power Automate do wybranego przez Ciebie magazynu.
10:12
Zastępuje to ręczny proces zbierania danych czymś znacznie bardziej zdyscyplinowanym.
10:16
Jeśli zrobisz to dobrze, wprowadzisz też subtelną zmianę kulturową.
10:19
Nagle Twoje raportowanie zgodności nie jest sprintem przed audytem, lecz ciągłym tętniem.
10:23
I dla jasności, tak mógłbyś osiągnąć to samo, ręcznie odpytując Perview w każdy piątek i kopiując wyniki do Excela.
10:29
Mógłbyś też sam ubijać masło.
10:30
Ten potok nie istnieje dlatego, że nie da się tego zrobić inaczej.
10:33
Istnieje dlatego, że cenisz swoje weekendy.
10:35
Śmiejemy się z tych, którzy wciąż przewijają eksporty logów, twierdząc, że automatyzacja jest ryzykowna.
10:39
Jedynym prawdziwym ryzykiem jest trwanie przy procesie tak kruchym, że nieobecność jednego analityka przerywa ścieżkę audytu.
10:44
Teraz, gdy Twój agent ma wzrok, stały dopływ danych ze strukturą i harmonogramem, czas nadać mu zdolności poznawcze.
10:49
Kolejna warstwa przekształca surowe informacje w interpretacje, progi decyzyjne, logikę warunkową i podsumowania danych.
10:55
W zasadzie przechodzimy od oczu do mózgu.
10:57
Fundament jest gotowy. Nauczmy go myśleć.
11:00
Dajemy agentowi mózg.
11:02
Logika Power Automate.
11:03
Power Automate to nie jest sztuczna inteligencja.
11:05
Nie marzy, nie spekuluje ani nie halucynuje zagrożeń dla zgodności.
11:08
Robi to, czego większość ludzi nie potrafi utrzymać, jest posłuszny.
11:11
Nigdy nie zapomina o kroku, nigdy nie improwizuje i nigdy nie twierdzi, że powinno zadziałać.
11:15
Ta przewidywalna sztywność jest dokładnie tym, czego wymaga autonomia.
11:18
Warstwa logiczna twojego agenta GRC zaczyna się od struktury.
11:22
Przepływ musi sam się wyzwalać, niezawodnie odpytywać perwiu, interpretować wyniki i decydować, kiedy zdarzenia przekraczają zdefiniowane progi.
11:28
Wyobraź sobie reakcję łańcuchową.
11:30
Wyzwalacz cykliczny zostaje aktywowany.
11:32
Zapytanie trafia do perwiu.
11:33
Dane są czyszczone, wzorce zliczane, a kategorie ryzyka przypisywane.
11:37
Bez dramatu, czysta egzekucja.
11:39
Zacznij od wyzwalacza cyklicznego.
11:41
Dobrze zaplanowany cykl to odpowiedź cywilizacji na ludzką zapominalskość.
11:44
Skonfiguruj go zgodnie ze strefą czasową, w której pracują audytorzy.
11:47
Niezależnie od tego, czy codziennie, czy co tydzień, harmonogram ten sprawia, że przepływ zaczyna swój rytuał bez podpowiedzi, tak właśnie żyją autonomiczne systemy.
11:53
Zaraz potem dodaj blok inicjalizacji.
11:55
Zmienne środowiskowe, liczniki, tablice.
11:58
Dostarczają one poznawczego rusztowania, którego agent użyje później.
12:01
Zmienne takie jak suma zdarzeń, liczba wysokich ryzyk i data raportu stają się jego pamięcią operacyjną.
12:06
Po uruchomieniu przepływ wywołuje łącznik dzienników audytu perwiu lub interfejs HTTP.
12:11
Potem przychodzi rzeczywistość.
12:13
Surowe odpowiedzi zawierają szum, sygnały systemowe lub całkowicie nieistotne zdarzenia.
12:18
Wstaw krok filtrowania tablicy, aby usunąć śmieci.
12:20
Typowy schemat Ignoruj rekordy, gdzie typ użytkownika to główna usługa i zachowaj tylko operacje związane z zarządzaniem danymi lub zmianą zasad.
12:27
To przycinanie sprawia, że twój agent jest analityczny, a nie spanikowany.
12:31
Biorąc pod uwagę zamiłowanie Microsoftu do redundencji, wiele strumieni logów powtarza te same zdarzenia.
12:35
Usuń duplikaty używając prostego wyrażenia typu union lub porównania w pętli.
12:38
To, co zostaje, to sygnał rzetelny pod zbiór danych wart sklasyfikowania.
12:42
W tym miejscu skrypt zasługuje na miano inteligentnego.
12:45
Dodaj akcję, komponuj lub wybierz, która pogrupuje pozostałe rekordy według nazwy głównej użytkownika i operacji.
12:50
Następnie przekaż zliczenia do pętli, zastosuj do każdego, aby zsumować każdą kategorię.
12:53
Na końcu twój agent posiada migawkę danych.
12:56
Kto zrobił co, jak często i czy przekroczyło to zdefiniowane granice ryzyka?
12:59
Sekretem autonomii jest pozwolenie systemowi na wyciąganie wniosków o poziomie ryzyka na podstawie określonych przez ciebie progów.
13:04
Na przykład, jeśli eskalacja uprawnień wynosi 3, ustaw poziom ryzyka na wysoki.
13:09
Jeśli udostępnień zewnętrznych jest jedno, ustaw poziom ryzyka na średni.
13:13
W przeciwnym razie, normalny.
13:15
Ta logika nie wymyśla znaczenia, ona je wymusza.
13:18
Kodyfikując, co oznacza zbyt wiele, zastąpiłeś ludzkie przeczucia liczbową jasnością.
13:23
Użyj zagnieżdżonych akcji warunkowych.
13:25
Gdy poziom ryzyka jest wysoki, dodaj informację o użytkowniku do tablicy wysokiego ryzyka.
13:29
Gdy jest średni, być może przekaż do kolejki przeglądu.
13:31
Gdy nie dzieje się nic niezwykłego, zapisz komunikat o braku ustaleń zamiast milczeć.
13:35
Rozróżnienie między brakującymi danymi a brakiem danych jest święte w kwestiach zgodności.
13:39
Gdy progi zostaną przekroczone, opcjonalnie wywołaj punkt końcowy kopilot studio w celu podsumowania narracyjnego.
13:44
Dwóch użytkowników przekroczyło progi ryzyka, ale ten etap językowy należy do kolejnej sekcji.
13:49
Tutaj celem jest kwalifikacja, a nie kompozycja.
13:52
Błędy się zdarzają.
13:53
API podglądu dławi się lub maczkawkę częściej niż sugeruje to marketing.
13:57
Owiń wszystkie wywołania HTTP w kontener zakresu z włączoną polityką ponawiania.
14:02
Trzy próby, wykładnicze wycofywanie.
14:04
W gałęzi awarii zapisz komunikat o błędzie, znacznik czasu i identyfikator uruchomienia przepływu w liście SharePoint lub tabeli Dataverse o nazwie Kondycja Automatyzacji.
14:11
Przy pierwszym wdrożeniu spodziewaj się komedii.
14:13
Kiedy pierwszy raz testowałem tę kompilację, agent dumnie zgłosił zero problemów.
14:17
Idealna zgodność pomyślałem.
14:19
Dopóki nie zdałem sobie sprawy, że konto usługi nie posiada roli czytelnika logów audytu.
14:23
Robot nie był leniwy, był posłusznie ślepy.
14:25
Przypomnienie, że automatyzacja egzekwuje dokładnie to, co jej dajesz i nic więcej.
14:30
Każde uruchomienie przepływu zapisuje dowód wykonania.
14:33
Wstaw końcową akcję dopisywania do pliku lub tworzenia elementu, która zapisuje metryki podsumowujące, łączną liczbę przetworzonych zdarzeń użytkownika najwyższego ryzyka i czas trwania.
14:41
Prześlij te wyniki do kanału Teams lub zarządzającej biblioteki SharePoint.
14:45
Kiedy nadejdzie czas audytu, nie obronisz się wspomnieniami.
14:48
Będziesz musiał przedstawić dowody.
14:49
Dodaj jedno zabezpieczenie uwzględni identyfikator uruchomienia i wersję przepływu.
14:53
Jeśli progi zmienią się później, audytorzy wciąż prześledzą, która logika doprowadziła do danego wyniku.
14:58
Zarządzanie maszyną oznacza zarządzanie za pomocą maszyny.
15:01
Na tym etapie automatyzacja potrafi klasyfikować, liczyć i decydować.
15:05
Wie, kiedy poziomy ryzyka przekraczają zasady, ale nic o tym nie mówi.
15:08
Dla ludzi ta cisza jest niepokojąca, więc kolejna warstwa zapewni słowa.
15:13
Można powiedzieć, że skoro potrafi myśleć, musi zacząć mówić najlepiej po angielsku.
15:17
Do tej pory Twój agent był typem małomównym, wydajnym, lecz niemym.
15:24
Copilot Studio nadaje mu głos, pełniąc rolę tłumacza, który przekłada dane na język dyplomacji.
15:30
Wyobraź sobie wielojęzycznego negocjatora uwięzionego między kodem a spotkaniami zarządu.
15:35
System, który nie zmyśla historii.
15:37
Przekształca rzeczywistość w zdania zrozumiałe dla człowieka.
15:39
Jego talent polega na przekształcaniu bagna, danych JSON z Power Automate w zwięzłe zestawienia działań użytkowników, liczby ryzyk i rekordów zdarzeń w akapity wystarczająco uprzejme dla zarządu i precyzyjne dla audytorów.
15:51
Łączy składnie z polityką, sprawiając, że surowe dane maszynowe czytane są jak rzeczowa opinia, a nie bełkot z arkusza kalkulacyjnego.
15:58
Zacznij od zdefiniowania, jakiej komunikacji oczekujesz.
16:01
Zazwyczaj są trzy podsumowanie dla kadry zarządzającej, dodatek techniczny oraz rekomendacje.
16:05
Każde z nich służy innemu poziomowi wiedzy.
16:08
Kierownictwo chce jednego akapitu.
16:09
Audytorzy potrzebują ścieżek dowodowych.
16:11
Zespół IT chce każdego pola, ponieważ karmią się danymi.
16:14
Stworzysz w studio jedno środowisko Copilot, ale osadzisz w nim wiele instrukcji, promptów.
16:19
Każda instrukcja kształtuje ton, format i stopień szczegółowości.
16:22
Przykład, podsumuj główne ryzyka prostym językiem, ogranicz się do pięciu punktów i zasugeruj rozwiązanie dla każdego z nich.
16:29
Kolejny może brzmieć, przygotuj dodatek techniczny z tabelą wszystkich zdarzeń wysokiego ryzyka.
16:33
Aby połączyć Power Automate z Copilot Studio, użyj akcji HTTP w swoim przepływie, która wyśle ustrukturyzowany ładunek JSON na adres URL punktu końcowego Copilota.
16:42
Copilot zinterpretuje ten ładunek przy użyciu zdefiniowanej przez Ciebie instrukcji systemowej.
16:46
Autoryzacja Microsoft czyni to rozwiązanie bezpiecznym.
16:49
Uwierzytelniasz wywołanie przez Azure Ad, więc tylko Twój przepływ może uzyskać do niego dostęp.
16:53
Gratulacje! Właśnie nauczyłeś swojego bota wysyłać ustrukturyzowane myśli do maszyny piszącej.
16:58
Zwrócony wynik to tekst, a nie liczby.
17:00
Ten tekst jest Twoim raportem.
17:02
Wprowadź go do Copilota z instrukcjami takimi jak podsumuj te wyniki w krótkim raporcie zgodności, kategoryzując według dotkliwości, zalecając jedno działanie dla każdego odkrycia i zamykając ogólnym trendem.
17:12
Copilot zwróci coś przypominającego notatkę analityka.
17:15
Dwóch użytkowników wykazywało wczoraj podwyższone zachowania ryzykowne.
17:19
Adele Vance przeprowadziła trzy eskalacje uprawnień przekraczające dopuszczalny próg.
17:23
Zalecam natychmiastowy przegląd ról administratora.
17:25
Megan B. podjęła jedną próbę udostępnienia danych na zewnątrz.
17:28
Przypomnij użytkownikowi o zasadach dotyczących udostępniania danych.
17:31
Nie wykryto innych anomalii.
17:32
Ogólny trend w porównaniu z wartością bazową jest stabilny.
17:35
Widzisz? To nie jest generatywne zgadywanie.
17:38
To sformatowana synteza oparta na deterministycznych promptach.
17:40
Ludzie nazywają to pisaniem, maszyny nazywają to wynikiem.
17:44
Sekretem jest kontrola zarówno nad strukturą danych, jak i języka.
17:47
Kopilot nie działa swobodnie. On relacjonuje statystyki.
17:51
Teraz zdecyduj o dystrybucji.
17:53
Zwykli śmiertelnicy nie powinni logować się do Dataverse, by szukać raportów.
17:56
Więc ponownie użyj konektorów Power Automate.
17:59
Pracuj z dwiema gałęziami tego samego przepływu.
18:01
Jedna publikuje podsumowanie Kopilota bezpośrednio na kanale Teams.
18:05
Druga zapisuje pełną wersję HTML w SharePoint.
18:07
Kierownictwo czyta post na Teams. Audytorzy otwierają archiwum dla dokumentacji.
18:12
Oba docierają automatycznie z sygnaturą czasową i identycznym sformułowaniem.
18:15
To spójność zaleta nieznana większości ludzkich autorów.
18:19
Porozmawiajmy o dyscyplinie w inżynierii promptów.
18:21
Będziesz potrzebować zabezpieczeń.
18:23
Określ dokładne nagłówki, których ma używać Kopilot.
18:26
Przegląd, kluczowe wnioski, zalecenia.
18:28
Jeśli tego nie zrobisz, Kopilot spróbuje zaimponować Ci narracyjnym stylem lub emoji.
18:32
Raport z audytu z emoji nadaje się tylko do chaosu.
18:36
Wprowadź wytyczne typu używaj profesjonalnego, neutralnego tonu, unikaj języka spekulatywnego, uwzględniaj mierzalne wskaźniki.
18:43
Im bardziej rygorystyczne instrukcje, tym bardziej powtarzalny wynik.
18:46
Zgodność opiera się na powtarzalności, a nie na osobowości.
18:49
W przyziemnej mechanice jest piękno.
18:52
Kopilot Studio umożliwia stosowanie zmiennych kontekstowych.
18:55
Możesz osadzić dynamiczne dane, jak datę raportu czy czas trwania, bezpośrednio w treści.
18:59
Użyj symboli zastępczych dla daty i liczby rekordów.
19:03
Gdy przepływ wywołuje Kopilota, te zmienne rozwiązują się automatycznie.
19:07
Wynik brzmi, wygenerowano 15 marca, przeanalizowano 563 zdarzenia audytowe.
19:12
Ten metakontekst zadowala audytorów szybciej niż jakikolwiek GIF.
19:15
Dokładność wymaga ostatniego etapu walidacji.
19:18
Wstaw warunek Power Automate sprawdzający, czy odpowiedź Kopilota nie jest pusta.
19:22
Jeśli jest, zapisz błąd w logach i uruchom ponownie.
19:25
Nauczyłeś już swojego agenta samoświadomości i logiki.
19:28
Teraz połącz to z językowymi testami poprawności.
19:31
Gotowy przepływ wygląda tak.
19:32
Wyodrębnij, przeanalizuj, podsumuj, opisz, opublikuj.
19:37
Każda strzałka reprezentuje odpowiedzialność.
19:39
Ostateczne dopracowanie.
19:41
Wersjonuj prompt systemowy Kopilota za każdym razem, gdy zmieniają się kryteria zgodności.
19:44
Oznacz aktualizację jako V1, V1-1 itd.
19:47
I rejestruj, która wersja promptu wygenerowała dany raport.
19:50
Przyszłe audyty mogą odnosić się nie tylko do tego, co się stało, ale jak model był wtedy instruowany.
19:55
To metazgodność, zarządzanie zarządzaniem, które pisze się samo.
19:58
Biurokracja wreszcie osiąga rekurencję.
20:00
Gdy Kopilot Studio napisze raport, Twoja rola jako człowieka staje się szczęśliwie opcjonalna.
20:05
Agent tworzy narrację, dołącza dowody, publikuje pliki, archiwizuje poprzednie wersje i wyłącza się do kolejnego cyklu aktywności.
20:12
Nie wysyła maili z prośbą o zatwierdzenie, ponieważ zaprojektowałeś go tak, aby nie potrzebował potwierdzeń.
20:17
Jest, jeśli pozwolisz na odrobinę antropomorfizacji cicho-dumny ze swojej precyzji językowej.
20:22
To moment, w którym autonomia przestaje być metaforą, a staje się rzeczywistością przepływu pracy.
20:26
Maszyna nie tylko przetwarza dane o zgodności, ale też wyjaśnia je ludziom zgodnie z harmonogramem, bez emocjonalnego stresu wynikającego z opóźnień.
20:34
I tak, jeśli masz ochotę na odrobinę fantazji, możesz dodać podpis końcowy w stylu
20:37
Raport opracowany autonomicznie przez agenta Kopilot GRC.
20:41
Nic tak nie zniechęca kierownictwa do mikrozarządzania, jak robot podpisujący własną pracę.
20:45
Skoro agent potrafi formułować wnioski, możesz przestać pisać raporty GRC na zawsze, a przynajmniej do momentu, gdy ktoś wyłączy Twoje konektory.
20:53
Na tym etapie cykl zamyka się sam.
20:55
Perwiu gromadzi dane, Power Automate je interpretuje, Kopilot podsumowuje, a Ty co zdumiewające odzyskujesz weekendy.
21:01
Codzienny rytuał żmudnej pracy zmienia się w jeden przepływ zadań, który płynnie komunikuje kwestie zgodności.
21:07
Wyniki pojawiają się w aplikacji Teams dokładnie o tej samej porze w każdym interwale.
21:11
Jasny tekst, spójna terminologia, weryfikowalne pochodzenie.
21:14
Subtelną korzyścią nie jest szybkość, lecz standaryzacja.
21:17
Każdy raport brzmi tak samo, używa tych samych progów i rejestruje identyczne metadane.
21:22
Audytorzy nie marnują już godzin na sprawdzanie formatu.
21:25
Oceniają merytoryczną treść.
21:27
Wzorce ryzyka stają się narracjami śledzonymi w czasie, zamiast chaosem w arkuszach kalkulacyjnych.
21:31
Zmieniłeś zgodność z dokumentacji w proces orkiestracji.
21:34
System działający non-stop, który monitoruje, interpretuje i raportuje z precyzją sali sądowej.
21:38
Ręczne raporty GRC to maszyny do pisania.
21:40
Ten agent to procesor tekstu, wliczając w to automatyczną korektę.
21:43
Wdruż go przed kolejnym sezonem audytów, a sformułowanie ręczny raport zgodności wkrótce zabrzmi tak przestarzale, jak wyślij mi logifaxem.
21:49
Następny krok to rozszerzenie tej inteligencji na egzekwowanie ochrony danych.
21:52
Skoro zbudowałeś już mózg, pozwól mu teraz pełnić funkcję stróża.