Latest / M365.FM – Microsoft 365・Copilot・AI ポッドキャスト（日本語） / AIのハルシネーションを防ぐ：Azure AI SearchでRAGを確実にグラウンディングする方法（AI吹き替え）

Transcript

AIのハルシネーションを防ぐ：Azure AI SearchでRAGを確実にグラウンディングする方法（AI吹き替え） · M365.FM – Microsoft 365・Copilot・AI ポッドキャスト（日本語）

0:00
ポッドキャストでアジュールアイファウンドリーは罠だと言っていたのでクリックしたんですよねよかったですここは正しい場所ですまず最初に約束しておきます
0:07
コパイロットは地上にいないと崩壊しますがアジュール ai 検索のハイブリッドとセマンティックさらに地上性関連性一貫性を評価する評価ツールを備えたリトリーバルオーグメンテッドジェネレーション
0:17
ラグのようなツールは答えを装った幻覚を出荷しないようにするための実際の修正ですマーケティング資料は抜きにして現場からの実際の例で生存のプレイブックをお見せします
0:27
m365章ニュースレターに登録して mvp のライブストリームをフォローしてくださいそこに傷跡と修正がありますそして最初の亀裂は通常マルチモーダルアプリで現れるのでそこから始め
0:38
ましょう現実世界でマルチモーダルアプリが失敗する理由ステージでマルチモーダルデモを見ると完璧に
0:44
見えますプレゼンターがテキストプロンプと鮮明な画像場合によっては簡単な音声入力を入力するとモデルは
0:49
完璧なグラフや簡潔な契約概要を出力しますまるで魔法のようですが実際の企業で同じことを試した途端その輝きはすぐに消え失せます
0:56
デモは完璧な入力で実行されますが職場はゴミで動作しますこれが本当の違いです
1:01
本番環境では誰もモデルに丁寧に準備されたスクリーンショットや標準委員会によってフォーマットされた csv ファイルを提供しません
1:07
人事部は汚れた政府発行の id を入力し調達部は5世代目のファックスである pdf を持ち込み財務部の誰かがひび割れたアンドロイドカメラで請求書の写真を撮っています
1:17
マルチモーダルモデルはテキスト画像音声ビデオを処理できますが乱雑な条件下で機能するには適切にインデックス付けされたデータと検索が必要です
1:24
そうでなければモデルにゴミで即興で対応するように求めているだけですそしてどれだけ gpu に投資してもゴミ入力はゴミ出力になります
1:31
ここで検索拡張生成ラグが役に立つはずです簡単に言うとモデルはあなたのビジネスを知らないので知識ソースに接続します
1:38
モデルはデータの一部を取得しそれに基づいて回答を形成します一致が正確であれば役に立つ根拠のある回答が得られます
1:44
一致が不正確であればモデルは自由奔放に自信満々のナンセンスを吐き出しますその結果存在しない新しい第三四半期割引ポリシーが会社にあると断言するチャットボットが
1:53
出来上がりますチャットボットが意識を持ったわけではなく間違ったデータを取得しただけです
1:57
Azure iStudioとAzure iFoundryはどちらもこのパターンに基づいており言語画像音声さらにはビデオ検索などあらゆる種類のモダリティをサポートしています
2:05
しかし落とし穴はラグの性能はデータの質に左右されるということですほとんどのチームが見落としている重要な点があります
2:10
一つの検索方法をプラグインするだけで良いというわけではありません結果を安定させたい場合はキーワード検索とベクトル検索を組み合わせたハイブリッド検索に
2:16
Azure ai検索に組み込まれている意味的再ランキング機能を追加する必要がありますこれによりシステムは文字通りのキーワードヒットと意味的な意味のバランスを取り
2:23
適切なコンテキストが上位に表示されるように結果を並べ替えることができますこれをマルチモーダル設定に組み込むとモデルは突然コンプライアンスポリシーを何もない
2:30
ところから作り出すのではなく歪んだスキャンやぼやけた画像でも耐えられるようになります次になぜ多くのロールアウトが失敗に終わるのかについて話しましょう
2:37
企業は初日から洗練された結果を期待しますが評価ループの予算は組んでいませんバックグラウンドで実行されている妥当性関連性一貫性のチェックがないとユーザーがすでに損を
2:47
するまでドリフトに気づきません多くの初期展開はまさにこの理由ですぐに失敗します出力は正しく聞こえますが誰もソースの真実と照らし合わせて検証していません
2:54
考えてみてください監視なしで新しいデータベースをデプロイすることはありませんしかしマルチモーダル ai では経営陣はそれをプラグ&プレイの魔法の箱のように本番環境に放り込みます
3:02
必ずしも失敗に終わる必要はありませんカーバナはこの点を証明するファウンドリの顧客事例の一つです
3:08
彼らは検索の調整エージェントの適切な基盤構築そして可観測性への投資によってセルフサービス ai を実際に役立つものにしました
3:15
これにより単なるおもちゃのボットになりかねなかったものが顧客が信頼できるものへと変わりましたでは基盤構築や評価を行わずに汎用チャットボットをサポートページに設置した企業に目を
3:24
向けてみましょうその結果はご存知の通りです保証請求が誤って販売リードとして処理されサポート級が膨れ上がり信頼性は地に落ちました
3:31
同じアジュールスタックなのに結果は正反対ですつまり結論はこうですマルチモーダルが崩壊するのは ai が賢くないからではありません
3:38
データが準備インデックスかまたは監視されていないからです検索システムに不要なデータを入力し評価を怠れば信頼は失われるでしょう
3:46
しかしハイブリッド検索セマンティック再ランキングおよび継続的な評価実行により請求書契約書画像さらには粗雑な音声メモを処理して空想ではなく現実に基づいた
3:55
回答を得ることができますそして基盤が整ったら別のリスクが明らかになりますデータパイプラインがクリーンであってもそれを駆動するシステムが暴走する可能性があるからです
4:04
ここで問題が変わりますこれらすべてを調整するエージェントは実際にビジネスに役立っているのでしょうかそれとも単に it 予算を静かに燃やす燃料に変えているだけなのでしょうか
4:12
役に立つエージェントかそれとも高価な分鎮かエージェントはモデルデータトリガーおよびアクションを調整します自動化されたワークフローの交通整理係と考えてください
4:21
すべてをスムーズに誘導することもあれば3台のダンプカーとピエロの車を合図して昼食のために立ち去ることもあります
4:26
クリーンな定義と混沌とした現実の間のギャップがほとんどのチームが脱落する場所です紙の上ではエージェントは素晴らしいものに見えます指示を与えデータとアプリを指定すれば
4:35
プロセスを実行し回答を取得しワークフローを開始するはずですしかしこれは完璧な同僚ではありません午前2時に繰り返し発生する問題を解決する可能性もあれば
4:44
エラーログを読み間違えたために100件の架空のチケットで9を埋め尽くす可能性もありますサービスなうないでこれを想像してみてください
4:49
厳密に範囲を設定すると ai は実際の問題に対してのみ実際のチケットを作成し人間の時間を節約します自由にさせておくと問題のないハードウェアの重大なプリンター障害に関する偽のアラートで
4:58
ヘルプデスクを埋め尽くしてしまう可能性がありますこの生産成功上を cio に説明してみてください
5:03
多くの人が見落としている違いは次の通りですコパイロットとエージェントは同じではありません
5:07
コパイロットは基本的にプロンプトバディーですあなたが質問するとそれが答えあなたはコントロールを維持します
5:11
一方エージェントはあなたを待たずに物事を決定します結果が意味をなさない場合でも曖昧な指示に文字通り従いますその時自動化は実際の時間を節約するか
5:21
あなたが片付けるのに2倍の時間を費やす混乱に陥るかのどちらかです実のところ多くのチームはエージェントに選挙公約のような職務記述書を渡しています
5:28
プロセスの最適化洞察の提供人々の支援おめでとうございます基本的にボットに好き勝手にやらせたことになります
5:34
スコープのないエージェントは礼儀正しく自分の役割を全うしません暴れ回ります解決すべき問題を作り出しますレコードを重複させます無限ループします
5:42
そして経営陣はなぜ華やかなデモが本番環境での苦痛になったのか不思議に思いますここで誤解を解いておきましょう
5:47
ほとんどの組織が最初の2ヶ月で失敗するわけではありませんそれは調査で示されていません
5:51
実際に起こることはそしてすぐに起こることは多くの組織がエージェントのスコープを厳密に設定せず検証手順を追加せずテレメトリを計測しなかったために早い段階で障害にぶつかることです
6:00
これらのガードレールがなければあなたのピカピカの新しいツールは管理者権限を持つ無謀なインターンにすぎませんそしてここでマイクロソフトスタックが実際に必要な要素を提供します
6:08
コパイロットスタジオは開発者がエージェントの動作を設計しフロープロンプトイベントトリガーを考えるローコードスポットです
6:14
iFoundaryのエージェントサービスはこれらのエージェントをか観測性を備えた本番環境に導入するためのエンタープライズスキャホールディングです
6:20
エージェントサービスは監視ログメトリックを追加する場所ですマイクロソフトはテストされていないエージェントを実環境で信頼するとどうなるかを知っているため
6:27
エージェントサービスは人間の監視が組み込まれた自動化向けに意図的に範囲が設定されていますではエージェントが実際に役立つかどうかをどのように判断すれば良いでしょうか
6:34
簡単なリトマスチェックリストで確認してみましょう 1つ目は人件費を削減できるかそれともスタッフをデバッグ作業に巻き込むかです
6:40
2つ目は現実性流暢さ一貫性などのメトリックを収集しているかそれとも単に綺麗なマーケティングダッシュボードを眺めているだけかです
6:47
3つ目はユーザーが苦情を申し立て始める前にドリフトを検出できるようにテレメトリが実装されているかです
6:52
これらのいずれかに間違って答えた場合インテリジェントエージェントではありません高価なスクリーンセーバーです
6:57
解決策はazure ifoundryの可観測性機能と組み込みの評価ツールを使用することですこれらはオプションの追加機能ではありませんこれらは根拠関連性一貫性
7:05
及び情報源への真実性を測定するための文書化された方法ですこれらがなければエージェントが賢いのかそれとも丁寧な口調ででっち上げているだけなのかを推測するしかありません
7:13
これらがあれば出力が逸脱した時に自信を持って介入し微調整することができますつまりエージェントはゲームチェンジャーになり得るのです
7:19
スコープが間違っているとエージェントは節約するよりも多くの時間を浪費するカオス増幅機になりますスコープが適切で明確なジョブ境界実際のテレメトリ根拠のある回答があれば
7:26
人間がより価値の高い作業に集中している間エージェントはタスクを処理できますそしてそのバランスが適切だと思ったまさにその時話はまた変わります
7:33
マイクロソフトはすでに自立型エージェントつまり行動する前にあなたを待たないボットを推進していますこれは役に立つか分鎮になるかという問題から全く別のカテゴリーにリスクを置きます
7:42
なぜなら今や誰も見ていない時でも実行されるシステムについて話しているからです自立型エージェントの罠自立型エージェントは古代広告が危険なものに変わる場所です
7:51
紙の上ではそれらは夢です ai に任せて面倒な作業を自動化し午前2時にベッドから這い出してチケットの給を処理するのをやめましょう
7:58
役員会議では素晴らしい話に聞こえます落とし穴は単純です彼らは許可を待ってくれません
8:03
コパイロットはあなたのために一時停止しますが自立エージェントはそうではありませんそして彼らが誤った判断を下すと損害は瞬時に発生しテナント全体に広がります
8:09
コンセプトは簡単ですコパイロットは反応的ですエージェントは能動的です誰かがプロンプトを入力するまで静かに座っている代わりにエージェントの範囲を指定して
8:16
サービスの健全性を監視したりセキュリティシグナルを処理したりワークフローを自動的に実行したりします
8:20
マイクロソフトはこれを効率性人的無駄の削減検出の迅速化運用のスムーズ化として売り込んでいます
8:25
約束は本物ですが重要な背景があります今日のコパイロットスタジオの自立エージェントはまだプレビューです
8:32
プレビューは壊れているという意味ではありませんが混沌とした現実世界でテストされていないことを意味します
8:36
そしてマイクロソフトでさえそれらを広く展開することを検討する前にナイフサイクルガバナンスガードレールとコパイロットコンソールシステムを導入する必要があると述べています
8:42
現実的なリスクを検討してください自立型ヘルプデスクエージェントを構築しログイン以上に対応する権限を与えたとします
8:48
5人のユーザーによるデモでは完璧に動作しますアラートが発砲されアカウントが管理されます
8:53
しかし本番環境でノイズの多い入力が発生すると待機する代わりに誤検知に基づいて数百のアカウントを一括リセットし始めます
9:00
これは架空の障害ではなく現実的には月末の業務を停止させる可能性がありますこれは sf ではありません
9:06
スコープ設定を怠るとこのような失敗モードに陥る可能性があります解決策はテクノロジーを捨てることではなくまずセーフティネットを構築することです
9:12
では生存チェックリストとは何でしょうか派手な自動化を行う前に必ず行うべき3つのことがあります
9:17
一つ目は id とアクセスのスコープ設定ですエージェントには最小限の権限のみを与え包括的な管理者ロールは与えません
9:22
二つ目はログ記録とロールバックです全てのアクションは監査可能な痕跡を残す必要があります
9:26
またエージェントが誤作動を起こした場合に備えて重大なアクションには元に戻すパスが必要です
9:30
三つ目はコンテンツと動作のフィルターですマイクロソフトは azure ai のコンテンツセーフティーとナレッジ構成でこの点を強調しています
9:36
熱心なボットが不適切な回答を生成したりスクリプトから逸脱したりするのを防ぐフィルターこれらを最初に実装しないとエージェントの賢さが勢いを添いでしまい役に立つどころか逆効果になります
9:45
倫理レイヤーではこの点がさらに重要になります人事担当者が従業員を自動的にリスクが高いと判断するあるいは財務担当者が不正行為とご分類したサプライヤーへの支払いを保留するといった状況を想像してみてください
9:54
これらは無害な癖ではなく法的及びコンプライアンス上の問題を引き起こす人的影響の失敗ですトレーニングデータやデータ取得におけるバイアスはエンタープライズプレビューで実行しているからといって消えるわけではありません
10:04
フィルターチェックおよび人間のフォールバックがなければ弁護士が絶対に望まない判断を監視されていないアルゴリズムに委ねることになります
10:10
イグナイトでのマイクロソフトのメッセージはこの点について率直でしたガードレールライフサイクル管理モニタリングおよびコパイロット制御システムはあれば良いものではなく必須です
10:19
今日のプレビューは華やかなデモよりもテスターがどこに欠陥があるかを証明することに重点が置かれていますステージテスト承認ワークフロー監査なしで本番環境に移行するとエージェントを実行しているのではなく本番環境でテナントのストレステストを行っていることになります
10:31
そのため可観測性はオプションではありませんエージェントが実行するすべてのステップを表示しその出力が根拠に基づき関連性がありポリシーと整合しているかどうかを確認するダッシュボードが必要です
10:40
また人間が関与するオプションも必要ですマイクロソフトはこれを隠していません人間がフェールセーフとして機能するパターンを参照しています
10:47
飛行機の自動操縦装置を想像してみてください非常に便利ですが常に手動オーバーライドが可能なように設計されています
10:53
ボットが最適な着陸地点が湖だと判断した場合着水前に制御を奪いたいと思うでしょう適切な例えは10代の若者に運転を教えることです
11:00
潜在能力は高くスピードも素晴らしいですが鍵を渡して車道に出て後は運任せにするわけにはいきません助手席に座り境界線を設け自分で操作できるブレーキを取り付けます
11:09
これがライフサイクルガバナンスの実践ですシステムが道路から外れないことを確信するまで補助輪を装着するようなものです
11:15
そしてエージェントコパイロットテストしたすべてのワークフローが集まるより大きな工場フロアへと話は移ります
11:20
マイクロソフトはこれをアジュールアイファウンドリーと呼んでおりすべてのツールを備えたワンストップのAI構築スペースです
11:25
これが生産の原動力となるかプロジェクトが自爆する場所となるかは完全にその扱い方次第です
11:31
アジュールアイファウンドリーはあなたの工場あるいは地雷源ですアジュールアイファウンドリーはマイクロソフトの新しい主力製品でありいわゆるAIの工場です
11:41
問題は多くのチームがそこに入りイケアのように扱います
11:45
カタログに目を奪われて歩き回りピカピカの大きな言語モデルをいくつか手に取りコネクタをいくつか放り込み説明書なしで何かを組み立てます
11:52
最終的に出来上がるのはエンタープライズAIシステムではなく実際のユーザーが乱雑なPDFをドロップしただけで倒れてしまうデモグレードのおもちゃです
11:59
ファウンドリーが実際に提供するものは公式のプレイブックから直接引用したものです
12:03
マイクロソフトオープンAIメタミストラルディープシークなどを含むモデルカタログ取得拡張生成微調整上流などのカスタマイズオプション
12:12
オーケストレーション用のエージェントサービス評価とデバッグ用のプロンプトフローなどのツール
12:16
セキュリティベースライン機能 id とアクセス制御コンテンツセーフティフィルターオブザーバビリティダッシュボード
12:22
要するにコパイロットエージェント自立フローを構築しコンプライアンスを維持するために必要なすべてのコンポーネントです
12:27
これがインベントリです問題はツールボックスが空っぽなことではなく多くの管理者がそれを gpt 4ターボスイッチをオンにして本番環境対応とみなすように扱っていることです
12:36
実際ファウンドリは工場でありハッカソンのおもちゃ箱ではありませんつまり適切な人だけが適切なモデルにアクセスできるように id 境界を設定する必要があります
12:44
すべてのパイプラインにコンテンツセーフティを組み込む必要がありますオブザーバビリティを使用して回答が根拠に基づいているかモデルが何もないところから会社の
12:51
ポリシーを考案しているかを把握する必要がありますそして単に賢そうに聞こえるからといって最大のモデルを選択するのではなく
12:56
ジョブに適切なモデルをマッチングさせる必要がありますこれらの手順を省略すると裏口から混乱が忍び込んできます
13:02
あるチームがシェアポイントにファウンドリコパイロットを組み込んだところ制限された人事データが20人のインターンに簡単に公開されてしまったのを見たことがあります
13:07
これは賢いやり方ではなく組み込みのアクセスルールで回避できたはずのコンプライアンス上の大惨事でした実際の失敗例について話しましょう
13:14
ある組織はかつて製品写真のタグ付けに gpt 4ターボを実行しましたラボではデモを圧倒しました綺麗なスタジオ写真完璧なタグ付け
13:21
みんなが拍手喝采しましたしかし本番環境では入力は光沢のある jpegではなく倉庫で撮影されたぼやけた携帯電話の写真でした
13:28
突然 ai はベビーカーをオフィスチェアと誤認識し upc ラベルを偽のシリアル番号に書き換えてしまいました
13:34
信頼が損なわれただけでなくコストも上昇し始めましたこれは1メッセージあたり0.01ドルの夢物語ではありません
13:39
ファウンドリの料金体系は重量性で使用する特定のサービスに紐づいていますすべてのコネクタすべての取得呼び出しすべてのメッセージメーターはテナントに対して課金されます
13:47
各コンポーネントには独自の課金モデルがありますその柔軟性は素晴らしいですが azure料金計算ツールで見積もり
13:53
使用状況を追跡しないと財務チームは予期せぬ請求書に喜ぶことになるでしょうこれが課金の落とし穴です
13:59
重量課金は計画監視最適化すれば機能しますそうしないとスポーツカーをピザスクーターとして走らせるようなもので効果でうるさくて無意味です
14:07
パワーdiのようなもので素晴らしいデモの後請求額が跳ね上がった経験は誰にでもあるでしょうファウンドリで同じ状況に陥らないようにしましょう開発者はサンドボックスが宣伝されていると感じられるため
14:15
ファウンドリでプロトタイプを作成するのが好きですそしてサンドボックスではそれは宣伝されていますクリーンなデモデータ混乱なしすぐに驚き
14:21
しかし致命的なのはここですチームは評価パイプラインなしでプロトタイプを本番環境にプッシュします現実性流調査関連性一貫性を評価する評価者をスキップすると
14:28
メクラ目的にデプロイすることになりますそしてどうなるでしょうかユーザーは出力の変動に気づき信頼が失われ経営人は資金を削減します
14:35
これはファウンドリの失敗ではなくチームのガバナンスの失敗です多くのファウンドリプロトタイプが本番稼働前に停滞するのはまさにこの理由からです
14:41
過観測性も品質チェックもテレメトリもありません答えはプラットフォームにありますアジュールアイファウンドリーの過観測性を初日から活用しましょう
14:48
プロンプとフローを組み込みすべてのテストで組み込みの評価ツールを実行します本番稼働を検討する前にハイブリッド検索とセマンティックサイランキングを使用したアジュール
14:55
AI検索でシステムを基盤化しましょうマイクロソフトはこれらのツールを付録に隠したわけではなく本番環境の安全性を確保するために文書化しています
15:01
しかし開発者は客中のようにそれらを読み飛ばしてしまうことがあまりにも多いのですチェックポイントの考え方こそが地雷源を避ける方法です
15:08
ファウンドリを工場のように扱いガバナンスを最初のステップとし条件付きアクセスなどのコンプライアンスポリシーを組み込み
15:13
過観測性パイプラインを最初から稼働させましょうそしてIDスコープとコンテンツの安全性は後から追加するのではなく部品表に含まれています
15:20
ガバナンスを怠ると悪い回答以上のリスクを負うことになりますガバナンスがなければマルチモーダルボットは外部ユーザーに人事部の給与を公開したり
15:27
請求書に架空のポリシー番号を付けたりする可能性がありますこれは単にAIが壊れているというだけでなくコンプライアンス部門が説明したくない見出しのネタになります
15:34
そして次の障害は技術的なものではないためここで注目が集まりますそれはAIが責任あるものであるかどうかです
15:41
誰もが基調講演のスライドにこれらの言葉を入れるのが好きですが実際には監査フィルターコンプライアンスそしてローンチ前に行う膨大な選択の問題です
15:48
そしてここで本当の頭痛が始まります m365.showニュースレターに登録してフォローすると率直な解決策が得られます
15:55
また m365showのリンクとインページをフォローすると本番環境でハウンドリをテストし何が問題になるかを見た mvp とのライブストリームをご覧いただけます
16:01
責任あるAIか責任ある頭痛か誰もが基調講演に責任あるAIを入れるのが好きです公平性や透明性などのバズワードの隣に置けば見栄えがします
16:09
しかし現場ではそれは刺激的な哲学ではありませんそれはイノベーションというよりはサーバーのメンテナンスのように感じられる構成
16:15
監査フィルターガバナンスの手順です責任あるAIはシートベルトであってスポーツカーではありません
16:20
一度でもこれを怠るとすぐにクラッシュしますマイクロソフトは倫理とセキュリティについて最初に語りますがこれを本番環境に展開する管理者にとってはそれは実用的なガードレールを意味します
16:29
プレッシャーに屈しないアクセスポリシー有害なプロンプトを実際にブロックするフィルターカフェインと召喚状を持った規制当局を満足させるのに十分な詳細なログが必要です
16:37
それは華やかな仕事ではありませんそれはHRの副操縦士を財務データから隔離しチームのスポットがシェアポイントの秘密に忍び込まないようにスコープルールを設定し
16:45
応答がどのように形成されたかを正確に証明できるようにログにタグ付けすることですこれを正しく行えば責任あるは企業のスローガンではなく生き残りです
16:53
これを怠った醜いバージョンはテナントスコープなしでボットをHRリポジトリに直接接続することですユーザーが保険給付について質問します
17:01
ボットが従業員の給与バンドをチャットに公開するとプライバシー侵害指揮低下そして規制当局の監視といった事態に陥ります
17:09
導入を阻害する最も早い方法は ux の悪さではなく機密データの漏洩です
17:13
ではどうすればこの混乱を防げるのでしょうかまずはアジュール ai のコンテンツセーフティーから始めましょう
17:18
暴力歪説不快なプロンプトやレスポンスがユーザーに漏れる前にフィルタリングするように設計されていますしかしこれは基本的な衛生管理です
17:24
ファウンドリとコパイロットスタジオは次のレイヤーを処理する評価パイプラインを構築します妥当性チェック関連性スコアリング透明性ダッシュボード説明可能性です
17:34
簡単に言うと指揮位置を調整したり入力と出力の両方をフィルタリングしたりボットに作業内容を表示させたりできます
17:40
これらがなければ ai が何を吐き出すかは運任せですそしてリソースの現実について
17:45
マイクロソフトはこれに力を入れていますセキュリティに専念するフルタイム相当のエンジニアが34,000人
17:49
さらにセキュリティに関する深い専門知識を持つパートナーが15,000人いますそれは要塞です
17:54
しかし油断してはいけませんこれらのエンジニアは誰もテナント内にいてアクセスルールを作成しているわけではありません
17:59
マイクロソフトはガードレールを提供しますが id のロックダウンデータ分離の設定暗号化の適用ポリシーの構成は依然としてあなたの仕事です
18:06
スコープがずさんであれば侵害の責任は依然としてあなたにあります本当の解決策はライフサイクルガバナンスです
18:12
マイクロソフト自身が推奨するレシピと考えてくださいテスト承認リリース監査反復各サイクルにチェックポイントがあれば
18:20
ドリフトがヘッドラインのネタになる前に発見し続けることができます一度出荷して放置するチームは必ず破綻します
18:26
モデルは進化しプロンプトは変化し出力は迷走しますガバナンスは官僚主義ではありません
18:31
それは全員が寝ている間にインターンボットがチームでポリシーを作成するのを防ぐ方法です一部の管理者は責任あることは単に遅くなることを意味すると不満を言います
18:38
それは間違った見方です責任を持つことは速度を低下させるのではなく速度があなたを破滅させないようにします
18:43
優れたガバナンスとは実際に監査を乗り越えプロジェクトを継続できることを意味しますそれを無視すれば崖から飛び降りるようなものです
18:49
制御のないスピードでは記録は一種類しか得られません事後検証までの最短時間です
18:53
山道のヘアピンカーブを運転することを想像してみてくださいガードレールを呪うのではなく道路が200フィートも下がった時に感謝します
18:59
責任あるAIも同じですスコープポリシーフィルターログはスピードを止めるのではなくあなたの車が夜のニュースにならないようにします
19:05
要するにマイクロソフトはあなたに強力な力を与えてくれましたコンテンツの安全性評価パイプラインセキュリティフレームワーク
19:11
SDKガードレールですがテナントの範囲を設定しアクセスを構成しそれらのループを生産サイクルに組み込むのは依然としてあなたの仕事です
19:19
それを行えばコンプライアンスに耐え崩壊しないAIが実現しますそれを無視すれば単なる障害リスクではなくキャリアが危うくなります
19:26
責任あるAIは遅いものではありません責任あるAIは生き残れるものであり生き残れるかどうかが真の試練です
19:32
なぜなら次に重要なのは機能ではなくこのプラットフォームをプラグ&プレイのように扱うかガバナンスを最優先とするインフラストラクチャとして尊重するかだからです
19:38
この違いが生き残るか燃え尽きるかを決定づけます結論はこうです落とし穴はファウンドリアコパイロットスタジオではなくそれらをプラグ&プレイだと考えることです
19:46
覚えておくべきことは単純ですガバナンスが最優先実験が2番目本番環境が最後です
19:50
アイデンティティとか観測性を軽視すると大きなリスクを負うことになりますツールは揃っていますがプロトタイプを実際の本番環境に移行させるのはガバナンスだけです
19:57
ですからテナントを実際に存続させるための直接的な解決策が欲しい場合はポッドキャストを購読してレビューを残してください
20:02
私は毎日何時間もこれに時間を費やしておりあなたのサポートは本当に助かりますツールは変化しますが生き残るための戦術は生き残ります