Nye målinger av hvordan Copilot brukes

Microsofts desemberoversikt la til maler og rapporter i Copilot Analytics. Sammen med bruksdata skulle de hjelpe ledere å undersøke hvordan Copilot ble brukt. Excel fikk bedre forklaringer av tabeller og trender, mens Word og PowerPoint kunne arbeide med bilder. Funksjonene ga flere observerbare handlinger, men en handling var fortsatt ikke det samme som en gevinst.

Et prosjekt måtte definere førverdien: hvor lang tid tok oppgaven, hvor ofte ble den gjort om, og hvordan ble kvalitet kontrollert? Først da kunne bruksmønstre kobles til resultat. Hvis teamet begynte med instrumenteringen etter utrulling, var det vanskelig å skille Copilot-effekt fra sesong, opplæring eller andre prosessendringer.

Rapportene måtte dessuten leses på riktig nivå. En avdeling med mange brukere kunne ha valgt enkle oppgaver, mens en mindre gruppe kunne bruke Copilot i en kritisk prosess. Sammenligning krevde derfor oppgavetype og resultatmål, ikke bare organisasjonsenhet. Personvern og tilgang satte samtidig grenser for hvor detaljert individdata burde analyseres.

Møteoppsummering utvidet automatiseringen

Teams varslet intelligent oppsummering for spontane møter og samtaler startet fra chat. Opptak kunne organiseres etter taler og tema, med KI-genererte notater og oppgaver. For prosjektledelse gjorde dette flere arbeidsmøter søkbare, men oppgaver og beslutninger måtte fortsatt bekreftes av deltakerne før de ble styrende.

En enkel kontroll var å avslutte møtet med å lese opp beslutning, eier og frist, og sammenligne dette med oppsummeringen. Avvik kunne rettes mens konteksten var fersk. Automatiseringen reduserte etterarbeid når den fanget riktig informasjon; uten dette kunne den distribuere en presis formulering av en beslutning som aldri var tatt.

Gjennomsnitt skjulte store forskjeller

En forskningsartikkel i Structural Change and Economic Dynamics undersøkte produktivitetsgevinster fra generativ KI i blant annet innholdsproduksjon, salg, markedsføring og kundeservice. Analysen beskrev en skjev fordeling med en lang hale av høye gevinster. Det betydde at et gjennomsnitt kunne skjule både brukstilfeller med stor effekt og oppgaver uten tydelig gevinst.

Desember ga derfor et praktisk styringsopplegg: velg en definert arbeidsflyt, lag førverdi, kontroller kildene og mål resultatet over tid. Power BI og OneLake kunne samle målene, mens Copilot Analytics viste bruk. Koblingen mellom de to måtte analyseres, ikke antas. Prosjektet burde utvide bare de oppgavene som viste stabil forbedring uten mer feil eller omarbeid.

Den skjeve fordelingen gjorde pilotporteføljen viktig. Virksomheten kunne prøve flere små, ulike oppgaver og avslutte dem som ikke ga utslag, i stedet for å rulle én stor løsning bredt. For hvert forsøk burde beslutningsloggen vise kilde, ansvarlig, kostnad, observert effekt og grunn til å fortsette eller stoppe.

Kilder

Microsoft Community Hub: What's New in Microsoft 365 Copilot | December 2024, 31. desember 2024.

Microsoft Community Hub: What's new in Microsoft 365 Copilot | November 2024, 29. november 2024.

Structural Change and Economic Dynamics: What drives the corporate payoffs of using generative AI?, desember 2024.

Microsoft Power BI Blog: Power BI November 2024 Feature Summary, 12. november 2024.

Til diskusjon

Hvilken arbeidsflyt kan måles før og etter Copilot med både tid, kvalitet og omarbeid?