En felles flate for utkast og beslutningsgrunnlag

Microsoft presenterte 16. september Copilot Pages som en dynamisk arbeidsflate der svar fra Copilot kunne legges inn, redigeres og deles. Det gjorde resultatet mindre flyktig enn en personlig chat: et team kunne samle innhold fra flere forespørsler, legge til egne vurderinger og bruke siden som arbeidsgrunnlag. Samtidig fikk Teams møteoppsummeringer som kombinerte taleutskrift og møtechat, slik at beslutninger og åpne punkter kunne ses i sammenheng.

For prosjektarbeid var endringen praktisk. En oppsummering kunne bli starten på en plan eller et beslutningsnotat, men Microsofts presentasjon gjorde ikke innholdet til en godkjent sannhet. Teamet måtte fortsatt avklare hvem som kontrollerte premissene, oppdaterte siden og tok beslutningen. Verdien lå i raskere sammenstilling og samarbeid, forutsatt at arbeidsflaten hadde en tydelig eier.

Analyse kom nærmere arbeidshverdagen

Copilot i Excel ble gjort generelt tilgjengelig, mens Copilot i Excel med Python ble lansert i offentlig forhåndsversjon for analyser formulert i naturlig språk. Power BI-oppdateringen 25. september la samtidig til mørk modus og videreutviklet rapportoppretting med Copilot. Den nye dialogen skulle hente mer kontekst før en rapportside ble laget, og viste deretter en disposisjon over hvilke felt som var brukt. Dette var et konkret grep for sporbarhet: brukeren fikk bedre mulighet til å kontrollere om rapporten faktisk svarte på spørsmålet.

For virksomheter pekte kombinasjonen mot én sammenhengende analyseprosess: utforsk data i Excel, publiser styringsinformasjon i Power BI og bearbeid funn sammen i Pages. Gevinsten avhang likevel av definerte måltall og forvaltede datasett. KI kunne korte ned veien til en analyse, men den kunne ikke avgjøre om et kundebegrep, et prosjektmål eller en økonomidefinisjon var riktig.

Ledelsen måtte derfor skille mellom demonstrasjon og produksjon. En demonstrasjon kunne vise at Copilot laget en side eller foreslo en rapport. Produksjonsbruk krevde i tillegg tilgangsstyring, kjente datakilder, navngitte måleiere og en måte å sammenligne resultatet med dagens arbeidsform. Uten dette var det vanskelig å vite om raskere produksjon også ga bedre beslutninger.

Agenter gjorde automatisering mer operativ

Copilot Studio-nyheten samme dag beskrev agenter som spesialiserte hjelpere som kunne bruke virksomhetens kunnskap og utføre handlinger på vegne av brukeren. SharePoint-agentene var rettet mot innhold i nettsteder og biblioteker, mens Copilot Studio ga mulighet til å bygge egne agenter og koble dem til prosesser.

Et fornuftig første forsøk var derfor en avgrenset kjede med lav konsekvens: hent dokumenter fra et definert område, lag et forslag, og send det til en navngitt person for kontroll. Før bred utrulling trengtes svar på hvilke kilder agenten kunne bruke, hvilke handlinger den fikk utføre, hvordan feil ble oppdaget og hvem som fulgte opp. Septemberlanseringen gjorde teknologien mer tilgjengelig; den gjorde samtidig prosesseierskap og datakvalitet mer synlig som forutsetninger for gevinst.

En fagfellevurdert studie publisert 18. september fant samtidig at menneskesentrert utforming måtte støtte målrettet arbeid og læring. Det underbygget behovet for å vurdere oppgaveutforming og arbeidets innhold, ikke bare teknisk gjennomføring.

Kilder

Microsoft 365 Blog: Microsoft 365 Copilot Wave 2: Pages, Python in Excel and agents, 16. september 2024.

Microsoft Copilot Blog: Copilot agents built with Microsoft Copilot Studio, 16. september 2024.

Microsoft Power BI Blog: Power BI September 2024 Feature Summary, 25. september 2024.

Microsoft WorkLab: 2024 Work Trend Index Annual Report, 8. mai 2024.

Springer / Zeitschrift für Arbeitswissenschaft: Effects of AI-based technologies on employees’ work engagement, 18. september 2024.

Til diskusjon

Hvilken avgrenset arbeidsprosess har både et tydelig datagrunnlag og en ansvarlig eier, slik at en agent kan prøves uten å gjøre arbeidsdelingen uklar?