هوش مصنوعی کمک خلبان - پاسخ‌های هوشمندانه‌تر، نتایج سریع‌تر

هوش مصنوعی کمک خلبان چیست؟

هوش مصنوعی کمک خلبان (Copilot AI) به خانواده‌ای از دستیاران هوش مصنوعی ساخته شده بر اساس مدل‌های زبانی بزرگ (LLM) اشاره دارد که در کنار کاربران برای انجام وظایف، تولید محتوا، نوشتن و بررسی کد، پاسخ به سوالات و خودکارسازی گردش‌های کاری کار می‌کنند. این اصطلاح معمولاً به دو محصول متمایز اما مرتبط اشاره دارد: مایکروسافت کمک خلبان ، یک دستیار هوش مصنوعی همه منظوره که در ویندوز، مایکروسافت ۳۶۵، بینگ و برنامه‌های مستقل ادغام شده است، و گیت‌هاب کمک خلبان ، یک دستیار تخصصی کدنویسی هوش مصنوعی که مستقیماً در محیط‌های توسعه تعبیه شده است. فراتر از اکوسیستم مایکروسافت، «هوش مصنوعی کمک خلبان» به یک اصطلاح صنعتی گسترده‌تر برای سیستم‌های هوش مصنوعی تبدیل شده است که برای کمک به تصمیم‌گیری انسان به جای جایگزینی آن طراحی شده‌اند - به عنوان یک شریک آگاه که به صورت بلادرنگ در کنار کاربر فعالیت می‌کند.

محصولات Copilot در هسته خود از مدل‌های OpenAI - عمدتاً GPT-4 و انواع آن - همراه با زیرساخت‌های تنظیم دقیق، بازیابی-تقویت‌شده (RAG) و لایه‌های ایمنی خود مایکروسافت پشتیبانی می‌کنند. GitHub Copilot از یک سلسله مدل جداگانه استفاده می‌کند که در ابتدا مبتنی بر OpenAI Codex بود و اکنون بر روی مدل‌های پیشرفته‌تر بهینه‌سازی‌شده برای کدنویسی از جمله GPT-4o اجرا می‌شود. هر دو سیستم دستورالعمل‌های زبان طبیعی را پردازش می‌کنند و خروجی‌های مرتبط با متن را برمی‌گردانند، چه یک پاراگراف نثر، یک بلوک پایتون، یک رشته ایمیل خلاصه‌شده یا یک تصویر تولید شده باشد.

چرا هوش مصنوعی کمک خلبان اهمیت دارد؟

هوش مصنوعی کمک خلبان (Copilot AI) نشان‌دهنده یک تغییر ساختاری در نحوه عملکرد رابط‌های نرم‌افزاری است. برای دهه‌ها، نرم‌افزارها نیاز داشتند که کاربران زبان آن - منوها، دستورات، نحو - را یاد بگیرند. کمک خلبان این را برعکس می‌کند: نرم‌افزار قصد کاربر را که به زبان ساده بیان شده است، یاد می‌گیرد و آن را به عمل تبدیل می‌کند. این امر به چند دلیل مشخص اهمیت دارد.

• بهره‌وری در مقیاس بزرگ: تحقیقات خود مایکروسافت نشان داد که کاربران Copilot در مایکروسافت ۳۶۵ وظایف خود را تا ۲۹٪ سریع‌تر انجام دادند و ۶۸٪ کمتر احتمال داشت که پس از پذیرش، خود را در حال تلاش برای انجام حجم کاری‌شان توصیف کنند.
• دسترسی به تخصص: یک تحلیلگر سال اولی که از Copilot در اکسل استفاده می‌کند، می‌تواند تجزیه و تحلیل داده‌هایی را انجام دهد که قبلاً نیاز به دانش تخصصی در فرمول‌ها، جداول محوری یا Power Query داشت. GitHub Copilot نیز به طور مشابه به توسعه‌دهندگان اجازه می‌دهد بدون شروع از ابتدا، با زبان‌ها یا چارچوب‌های ناآشنا کار کنند.
• کاهش نیاز به تغییر زمینه: از آنجا که Copilot در ابزارهایی که مردم از قبل استفاده می‌کنند - Word، Outlook، Teams، VS Code - تعبیه شده است، کاربران نیازی به ترک گردش کار خود برای مشورت با یک ابزار هوش مصنوعی جداگانه، جستجوی چیزی یا پرسیدن از یک همکار ندارند.
• یکپارچه‌سازی در سطح سازمانی: مایکروسافت کوپایلوت برای مایکروسافت ۳۶۵ از طریق مایکروسافت گراف به داده‌های خود سازمان متصل می‌شود، به این معنی که می‌تواند خلاصه‌ای از یک جلسه خاص که در آن شرکت کرده‌اید را تهیه کند، ایمیلی را که به یک سند پروژه واقعی ارجاع می‌دهد، پیش‌نویس کند یا کار اخیر یک همکار را پیدا کند - نه فقط اطلاعات عمومی از وب.

اهمیت گسترده‌تر این است که هوش مصنوعی کمک خلبان یک ویژگی نوظهور نیست. این فناوری در سطح زیرساخت نحوه انجام کار دانش‌محور به کار گرفته می‌شود، که درک دقیق آن - نه فقط از نظر بازاریابی - را برای افراد، تصمیم‌گیرندگان فناوری اطلاعات و توسعه‌دهندگان ضروری می‌کند.

محصولات مختلفی که «کمک خلبان هوش مصنوعی» نامیده می‌شوند

از آنجا که این نام در چندین محصول استفاده می‌شود، ارزش دارد که در هر زمینه خاص، دقیقاً مشخص شود که کدام سیستم مورد بحث است.

محصول	مورد استفاده اصلی	مدل زیربنایی	کجا اجرا می‌شود؟
مایکروسافت کوپایلت (رایگان)	چت عمومی، جستجوی وب، تولید تصویر، خلاصه‌سازی	GPT-4o، دال·ای ۳	وب، ویندوز ۱۱، آی‌او‌اس، اندروید، بینگ
مایکروسافت کوپایلوت پرو	دسترسی اولویت‌دار، ادغام عمیق‌تر با آفیس، GPT های سفارشی	GPT-4o (اولویت)	وب، برنامه‌های مایکروسافت ۳۶۵
دستیار خلبان مایکروسافت ۳۶۵	بهره‌وری سازمانی در ورد، اکسل، اوت‌لوک و تیمز	GPT-4o + مایکروسافت گراف	مستاجر مایکروسافت ۳۶۵
گیت‌هاب، کمک خلبان	تکمیل کد، چت کد، خلاصه درخواست‌های pull، تولید تست	GPT-4o، مدل‌های کدگذاری سفارشی	VS Code، JetBrains، ویژوال استودیو، رابط خط فرمان
استودیو کپی‌لوت	ساخت عامل‌ها و کمک‌خلبان‌های هوش مصنوعی سفارشی برای گردش‌های کاری تجاری	GPT-4o + افزونه‌های سفارشی	پلتفرم پاور مایکروسافت
کمک خلبان امنیتی	تحلیل تهدید، پاسخ به حادثه، خلاصه‌سازی آسیب‌پذیری	GPT-4 + داده‌های امنیتی خاص	مایکروسافت دیفندر، سنتینل
هوش مصنوعی کوپایلوت (شخص ثالث)	پیگیری سرنخ‌های املاک و مستغلات و اتوماسیون ارتباط با مشتری	اختصاصی	یکپارچه‌سازی وب و CRM

آخرین مورد - CoPilot AI - یک شرکت جداگانه و غیرمرتبط با مایکروسافت است که به طور خاص بر خودکارسازی گردش کار مشاوران املاک تمرکز دارد. سردرگمی بین این برندها در نتایج جستجو رایج است، بنابراین تمایز آنها شایان ذکر است.

نحوه کار هوش مصنوعی کمک خلبان: معماری فنی

درک چگونگی عملکرد هوش مصنوعی کمک خلبان مستلزم بررسی چندین لایه است: مدل زیربنایی، سیستم بازیابی و اتصال به زمین، لایه هماهنگی و زیرساخت ایمنی و انطباق.

لایه مدل زبان

Microsoft Copilot و GitHub Copilot هر دو بر اساس مدل‌های زبانی بزرگ مبتنی بر ترانسفورماتور ساخته شده‌اند که توسط OpenAI توسعه داده شده‌اند. این مدل‌ها بر اساس پیکره‌های وسیعی از متن و کد آموزش دیده‌اند که به آنها دانش عمومی گسترده‌ای می‌دهد و توانایی تولید پاسخ‌های روان و متناسب با متن را می‌دهد. این مدل‌ها صرفاً پاسخ‌های ذخیره شده را بازیابی نمی‌کنند - آنها پاسخ‌ها را به صورت توکن به توکن تولید می‌کنند و محتمل‌ترین ادامه یک درخواست را با توجه به آموزش خود و زمینه خاص ارائه شده پیش‌بینی می‌کنند.

GPT-4o، که ستون فقرات فعلی اکثر محصولات Copilot است، یک مدل چندوجهی است که قادر به پردازش متن، تصاویر و صدا است. به همین دلیل است که Microsoft Copilot می‌تواند یک تصویر آپلود شده را توصیف کند، از طریق DALL·E 3 تصاویر تولید کند و به ورودی صوتی در برنامه تلفن همراه پاسخ دهد.

نسل افزوده بازیابی (RAG) و مایکروسافت گراف

یک مدل زبان خام دارای محدودیت دانش است و به داده‌های خصوصی دسترسی ندارد. مایکروسافت این مشکل را از طریق تولید افزوده بازیابی برطرف می‌کند: قبل از تولید پاسخ، سیستم از منابع داده مرتبط پرس‌وجو می‌کند، مرتبط‌ترین اسناد یا داده‌ها را بازیابی می‌کند و آن محتوا را به عنوان اطلاعات پایه به پنجره زمینه مدل تزریق می‌کند.

برای مایکروسافت ۳۶۵ کوپایلوت، منبع اصلی بازیابی، مایکروسافت گراف است - لایه API که به ایمیل‌ها، تقویم، جلسات، چت‌ها، اسناد و مخاطبین کاربر در داخل مستاجر مایکروسافت ۳۶۵ سازمان متصل می‌شود. وقتی از کوپایلوت در تیمز می‌خواهید خلاصه‌ای از تصمیمات جلسه سه‌شنبه گذشته را ارائه دهد، حدس نمی‌زند - متن واقعی آن جلسه را از طریق گراف بازیابی می‌کند، سپس از LLM برای تولید خلاصه‌ای منسجم استفاده می‌کند. نکته مهم این است که این امر به مجوزهای موجود احترام می‌گذارد: کوپایلوت فقط داده‌هایی را نمایش می‌دهد که کاربر از قبل به آنها دسترسی دارد.

برای ویژگی‌های تحت وب Microsoft Copilot، فهرست جستجوی Bing به عنوان لایه بازیابی عمل می‌کند و به مدل اجازه می‌دهد تا به اطلاعات فعلی استناد کند و پاسخ‌های مستدل را با لینک‌های منبع ارائه دهد، نه اینکه صرفاً به داده‌های آموزشی متکی باشد.

لایه ارکستراسیون

بین ورودی کاربر و خروجی مدل، یک سیستم ارکستراسیون قرار دارد - در مورد مایکروسافت، که بر اساس چارچوب هسته معنایی ساخته شده است. این لایه، ساخت سریع را مدیریت می‌کند، تعیین می‌کند که کدام ابزارها یا افزونه‌ها باید فراخوانی شوند، عملیات چند مرحله‌ای را توالی‌بندی می‌کند و پنجره زمینه را مدیریت می‌کند. وقتی کاربری در اکسل از Copilot می‌خواهد که "نموداری ایجاد کند که درآمد را بر اساس منطقه برای سه ماهه سوم نشان دهد"، لایه ارکستراسیون، هدف را تفسیر می‌کند، محدوده داده‌های مربوطه را در صفحه گسترده شناسایی می‌کند، یک دستورالعمل دقیق برای مدل می‌سازد و سپس ایجاد نمودار را از طریق API اکسل اجرا می‌کند - نه فقط با تولید متن در مورد نحوه انجام آن.

این همان چیزی است که Copilot را از یک چت‌بات ساده متمایز می‌کند: این ربات درون برنامه‌ها اقدام می‌کند، نه فقط گفتگو در مورد آنها.

معماری کد-محور گیت‌هاب کوپایلوت

گیت‌هاب کوپایلوت تا حدودی متفاوت از همتای مایکروسافتی خود عمل می‌کند. در حالت تکمیل خودکار اصلی خود، به عنوان یک موتور پیشنهاد درون‌خطی عمل می‌کند: همزمان با تایپ یک توسعه‌دهنده، مدل، زمینه کد اطراف - فایلی که ویرایش می‌شود، تب‌های باز، نظرات، امضاهای تابع - را می‌خواند و محتمل‌ترین خطوط یا بلوک‌های کد بعدی را پیش‌بینی می‌کند. این اتفاق با تأخیری که بر حسب میلی‌ثانیه اندازه‌گیری می‌شود، رخ می‌دهد و باعث می‌شود که به جای یک مکالمه‌ی رفت و برگشتی، مانند یک تکمیل خودکار سریع و آگاه از زمینه به نظر برسد.

رابط کاربری محاوره‌ای GitHub Copilot Chat به توسعه‌دهندگان اجازه می‌دهد تا در مورد کدبیس خود سوال بپرسند، درخواست ریفکتور کنند، تست‌های واحد ایجاد کنند یا توضیحاتی در مورد کد ناآشنا دریافت کنند. با Copilot Workspace (در پیش‌نمایش)، سیستم می‌تواند شرح یک وظیفه یا گزارش اشکال را به زبان طبیعی دریافت کند و یک طرح پیاده‌سازی کامل، از جمله فایل‌هایی که باید تغییر کنند و تغییرات باید چه باشند، پیشنهاد دهد - که به سمت اصلاح کد چند مرحله‌ای و عامل‌محور حرکت می‌کند.

ایمنی، فیلترینگ و هوش مصنوعی مسئولیت‌پذیر

تمام محصولات Copilot قبل از رسیدن خروجی‌ها به کاربر، آنها را از طریق سیستم‌های فیلترینگ محتوا اجرا می‌کنند. مایکروسافت از ترکیبی از مدل‌های طبقه‌بندی و فیلترهای مبتنی بر قانون برای مسدود کردن محتوای مضر، کاهش خطر توهم و اجرای سیاست‌های استفاده استفاده می‌کند. برای استقرار سازمانی، مایکروسافت تعهداتی در مورد اقامت داده‌ها ارائه می‌دهد و بیان می‌کند که اعلان‌ها و پاسخ‌ها در Microsoft 365 Copilot برای آموزش مدل‌های اساسی استفاده نمی‌شوند و تحت توافق‌نامه‌های مدیریت داده‌های Microsoft 365 موجود در سازمان محافظت می‌شوند.

توهم - تولید اطلاعات قابل قبول اما در واقع نادرست - همچنان یک محدودیت شناخته شده است. مایکروسافت تا حدی این مشکل را از طریق زمینه‌سازی (پیوند دادن پاسخ‌ها به اسناد بازیابی شده) و با گنجاندن استنادها کاهش می‌دهد تا کاربران بتوانند ادعاها را تأیید کنند. GitHub Copilot شامل یک فیلتر تشخیص تکرار است که پیشنهادهایی را که با کد دارای مجوز در داده‌های آموزشی خود مطابقت دارند، علامت‌گذاری می‌کند و به توسعه‌دهندگان این امکان را می‌دهد که این پیشنهادها را بررسی یا رد کنند.

لایه سخت‌افزاری کامپیوتر شخصی کمک خلبان+

در سال ۲۰۲۴، مایکروسافت کامپیوترهای شخصی Copilot+ را معرفی کرد - یک دسته سخت‌افزاری که توسط دستگاه‌هایی با واحد پردازش عصبی (NPU) با قابلیت حداقل ۴۰ TOPS (تریلیون عملیات در ثانیه) تعریف می‌شود. این ماشین‌ها ویژگی‌های هوش مصنوعی خاصی را به صورت محلی و نه در فضای ابری اجرا می‌کنند، از جمله زیرنویس‌های زنده در زمان واقعی با ترجمه، تولید تصویر در Paint و ویژگی بحث‌برانگیز Recall که از فعالیت‌های روی صفحه نمایش اسکرین‌شات‌های دوره‌ای می‌گیرد تا یک جدول زمانی قابل جستجو از هر کاری که کاربر در دستگاه خود انجام داده است، ایجاد کند. اجرای استنتاج روی دستگاه، تأخیر را کاهش می‌دهد و داده‌های حساس را از سرورهای مایکروسافت دور نگه می‌دارد، اما به سخت‌افزار خاصی نیز نیاز دارد - در حال حاضر پردازنده‌های Qualcomm Snapdragon X، Intel Core Ultra 200V و AMD Ryzen AI 300.

نحوه شروع کار با هوش مصنوعی کمک خلبان: یک استراتژی کامل برای راه‌اندازی و استفاده

برای بهره‌مندی هرچه بیشتر از هوش مصنوعی Copilot، با انتخاب محصول مناسب برای زمینه خود شروع کنید، آن را با تنظیمات و اتصالات داده دلخواه خود پیکربندی کنید، سپس یک روش مداوم برای ایجاد انگیزه ایجاد کنید. مراحل زیر تمام محصولات اصلی Copilot - Microsoft Copilot (مصرف‌کننده و سازمانی)، GitHub Copilot و Microsoft 365 Copilot - را به همراه تاکتیک‌های عملی که در همه آنها اعمال می‌شود، پوشش می‌دهد.

مرحله ۱: محصول مناسب برای نیازهای خود را انتخاب کنید

همه محصولات Copilot یکسان نیستند. انتخاب اشتباه باعث اتلاف وقت و هزینه می‌شود. قبل از پیکربندی هر چیزی، از جدول زیر برای مطابقت وضعیت خود با محصول صحیح استفاده کنید.

محصول	بهترین برای	هزینه	الزامات کلیدی
مایکروسافت کوپایلت (رایگان)	جستجوی عمومی وب، چت غیررسمی، تولید تصویر	رایگان	حساب مایکروسافت یا بدون حساب
مایکروسافت کوپایلوت پرو	دسترسی اولویت‌دار، ادغام عمیق‌تر مایکروسافت ۳۶۵ برای افراد	20 دلار در ماه برای هر کاربر	اشتراک شخصی مایکروسافت ۳۶۵
دستیار خلبان مایکروسافت ۳۶۵	بهره‌وری سازمانی در ورد، اکسل، تیمز و اوت‌لوک	۳۰ دلار در ماه برای هر کاربر	مجوز مایکروسافت ۳۶۵ E3/E5 یا استاندارد تجاری/پریمیوم
گیت‌هاب کمک خلبان فردی	توسعه‌دهندگان انفرادی که می‌خواهند کد هوش مصنوعی را تکمیل و چت کنند	۱۰ دلار در ماه یا ۱۰۰ دلار در سال	حساب گیت‌هاب، پشتیبانی از IDE
کسب و کار گیت‌هاب کمک خلبان	تیم‌های توسعه که به کنترل‌های سیاست و گزارش‌های حسابرسی نیاز دارند	۱۹ دلار در ماه برای هر کاربر	حساب سازمانی گیت‌هاب
گیت‌هاب کپی‌رایت اینترپرایز	سازمان‌های مهندسی بزرگ که به دنبال پیشنهادهای آگاه از کدبیس هستند	۳۹ دلار در ماه برای هر کاربر	فضای ابری سازمانی گیت‌هاب
استودیو کپی‌لوت	ساخت عوامل و اتوماسیون‌های سفارشی کمک خلبان	پرداخت به ازای هر بار استفاده یا بسته‌ای	مجوز پلتفرم قدرت

مرحله ۲: محیط خود را به درستی تنظیم کنید

راه‌اندازی ضعیف، رایج‌ترین دلیل برای دریافت نتایج متوسط توسط کاربران است. برای هر محصول، این مراحل را دنبال کنید.

راه‌اندازی مایکروسافت کوپایلوت (وب و موبایل)

1. با یک حساب مایکروسافت در copilot.microsoft.com یا از طریق برنامه Copilot در iOS یا Android وارد شوید. کاربرانی که وارد سیستم شده‌اند، حافظه مکالمه طولانی‌تری دارند و به ویژگی‌های بیشتری نسبت به کاربران ناشناس دسترسی دارند.
2. قبل از شروع هر جلسه، سبک گفتگوی مورد نظر خود را انتخاب کنید - خلاقانه‌تر ، متعادل‌تر یا دقیق‌تر . حالت خلاقانه برای طوفان فکری مناسب است؛ حالت دقیق برای تحقیقات واقعی.
3. اگر می‌خواهید Copilot اقدامات دنیای واقعی را انجام دهد، نه فقط تولید متن، افزونه‌ها (مانند OpenTable، Kayak یا Instacart) را فعال کنید.
4. در ویندوز ۱۱، کلیدهای Windows + C را فشار دهید تا Copilot مستقیماً از روی دسکتاپ و بدون باز کردن مرورگر باز شود. برای دسترسی سریع‌تر، آن را به نوار وظیفه پین کنید.

راه‌اندازی مایکروسافت ۳۶۵ کپی‌رایت برای سازمان

1. تأیید کنید که مستأجر شما مجوز مورد نیاز Microsoft 365 E3، E5، Business Standard یا Business Premium را دارد. مجوزهای Copilot افزونه هستند؛ مجوز پایه باید ابتدا وجود داشته باشد.
2. ارزیابی آمادگی Microsoft 365 Copilot را در مرکز مدیریت Microsoft 365 اجرا کنید تا شکاف‌های موجود در مدیریت داده‌ها را قبل از راه‌اندازی شناسایی کنید.
3. برچسب‌های حساسیت Microsoft Purview و سیاست‌های جلوگیری از از دست رفتن داده‌ها را پیکربندی کنید. Copilot به این برچسب‌ها احترام می‌گذارد - اگر سندی با برچسب محرمانه باشد، Copilot محتوای آن را برای کاربرانی که مجوز ندارند، نمایش نمی‌دهد.
4. کانکتورهای Microsoft Graph را برای هر منبع داده شخص ثالثی (ServiceNow، Salesforce، Confluence) که می‌خواهید Copilot در کنار محتوای Microsoft 365 جستجو کند، فعال کنید.
5. مجوزهای Copilot را در مرکز مدیریت اختصاص دهید و طرح راه‌اندازی را با راهنمایی واضح در مورد داده‌هایی که Copilot می‌تواند و نمی‌تواند به آنها دسترسی داشته باشد، به کاربران اطلاع دهید.

راه‌اندازی GitHub Copilot در VS Code

1. افزونه‌های GitHub Copilot و GitHub Copilot Chat را از فروشگاه VS Code نصب کنید.
2. وقتی از شما خواسته شد، وارد حساب GitHub خود شوید. این افزونه از طریق OAuth تأیید اعتبار می‌کند - هیچ کلید API لازم نیست.
3. تنظیمات را باز کنید و عبارت "Copilot" را جستجو کنید تا بتوانید گزینه‌های فعال/غیرفعال‌سازی مختص زبان را پیکربندی کنید. آن را برای هر نوع فایلی که حاوی اطلاعات محرمانه است، مانند فایل‌های .env غیرفعال کنید.
4. یک فایل .github/copilot-instructions.md به مخزن خود اضافه کنید. این فایل به Copilot در مورد قراردادهای پروژه، کتابخانه‌های ترجیحی و استانداردهای کدنویسی شما اطلاعات می‌دهد و کیفیت پیشنهادها را در کل پایگاه کد بهبود می‌بخشد.
5. اگر در GitHub Copilot Enterprise هستید، پایگاه‌های دانش Copilot را فعال کنید تا اسناد داخلی شما را فهرست‌بندی کرده و در جلسات چت در دسترس قرار دهند.

تاکتیک‌های اصلی ترغیب که نتایج بهتری به بار می‌آورند

کیفیت خروجی Copilot مستقیماً با کیفیت درخواست شما متناسب است. این تاکتیک‌ها در تمام محصولات Copilot کار می‌کنند.

در هر اعلان از نقش، وظیفه و زمینه استفاده کنید

ساختاردهی به سوالات با سه جزء: اینکه دستیار خلبان باید نقش چه کسی را ایفا کند، شما از او چه می‌خواهید، و زمینه‌ای که نیاز دارد. برای مثال: «به عنوان یک تحلیلگر ارشد مالی عمل کنید. خلاصه‌ای از ریسک‌های کلیدی گزارش درآمد سه‌ماهه سوم پیوست را برای مخاطبان غیرمدیر مالی بنویسید. آن را زیر ۲۰۰ کلمه نگه دارید.» این الگو به طور مداوم از سوالات مبهم تک‌جمله‌ای بهتر عمل می‌کند.

وقتی به قالب خاصی نیاز دارید، مثال‌هایی ارائه دهید

اگر به خروجی با سبک خاصی نیاز دارید - یک ساختار جدول خاص، لحنی که با برند شما مطابقت داشته باشد، یا کدی که از قراردادهای تیم شما پیروی کند - یک یا دو مثال را مستقیماً در دستور کار قرار دهید. کوپایلوت به جای اینکه به طور پیش‌فرض از یک قالب عمومی استفاده کند، آنها را با الگو تطبیق می‌دهد.

به جای شروع دوباره، از اصلاح تکراری استفاده کنید

اولین پاسخ را به عنوان یک پیش‌نویس در نظر بگیرید، نه یک پاسخ نهایی. در ادامه، دستورالعمل‌های اصلاحی خاصی را ارائه دهید: «پاراگراف دوم را مختصرتر کنید» یا «حلقه for را با یک درک مطلب جایگزین کنید». تکرار در یک مکالمه، زمینه را حفظ می‌کند و نتایج بهتری نسبت به شروع مجدد با یک سوال جدید ایجاد می‌کند.

ارجاع به فایل‌ها و داده‌های خاص در Microsoft 365 Copilot

در ورد، اکسل یا تیمز، از دستور / slash برای پیوست کردن فایل‌ها، جلسات یا ایمیل‌های خاص به درخواست خود استفاده کنید. بدون مرجع، Copilot به طور گسترده در محتوای Microsoft 365 شما جستجو می‌کند و ممکن است نتایج نامرتبط‌تری را ارائه دهد. مشخص کردن منبع به طور چشمگیری دقت را بهبود می‌بخشد.

برای سوالات هدفمند در مورد کد، از گفتگوی کمکی در گیت‌هاب استفاده کنید

در چت GitHub Copilot، از ‎@workspace ‎ برای پرسیدن سوال در مورد کل پروژه، از ‎#file ‎ برای ارجاع به یک فایل خاص و از ‎#selection ‎ برای پرسیدن سوال در مورد کد هایلایت شده استفاده کنید. این متغیرهای تعیین محدوده مانع از آن می‌شوند که Copilot پاسخ‌های عمومی و نامرتبط با کدبیس واقعی شما تولید کند.

گردش‌های کاری عملی بر اساس مورد استفاده

نوشتن و ویرایش در مایکروسافت ورد

• برنامه‌ی Copilot را از نوار Home باز کنید و با استفاده از «Draft with Copilot» یک پیش‌نویس اولیه از یک خلاصه‌ی کوتاه ایجاد کنید.
• هر قسمتی را انتخاب کنید و «بازنویسی» را انتخاب کنید تا عبارات جایگزین را بدون از دست دادن متن اطراف دریافت کنید.
• قبل از توزیع یک گزارش طولانی، از گزینه «خلاصه کردن این سند» برای ایجاد خلاصه اجرایی استفاده کنید.

تحلیل داده‌ها در مایکروسافت اکسل

• از Copilot بخواهید «روندها را در این مجموعه داده شناسایی کند» و بدون نیاز به دانش فرمول، الگوها را برجسته کرده و نمودارهای مرتبط را پیشنهاد می‌دهد.
• از زبان طبیعی برای ایجاد فرمول‌ها استفاده کنید: «ستونی اضافه کنید که میانگین متحرک ۹۰ روزه ستون D را محاسبه کند.»
• از کمک‌خلبان بخواهید «موارد پرت را در ستون درآمد علامت‌گذاری کند» تا ناهنجاری‌هایی را که در غیر این صورت نیاز به بررسی دستی دارند، آشکار کند.

بهره‌وری جلسات در مایکروسافت تیمز

• فعال کردن رونویسی کمک خلبان در ابتدای هر جلسه. شرکت‌کنندگان باید از فعال بودن رونویسی مطلع شوند.
• بعد از جلسه، از کمک خلبان بپرسید: «چه تصمیماتی گرفته شد و هر مورد مربوط به چه کسی است؟» این کار در عرض چند ثانیه خلاصه‌ای ساختاریافته ارائه می‌دهد.
• در طول یک جلسه زنده، اگر دیر ملحق شدید، از کمک خلبان بپرسید: «مطالبی را که از دست دادم به من اطلاع بده» .

تولید و بررسی کد با GitHub Copilot

• قبل از نوشتن هر کدی، یک توضیح مفصل بنویسید که تابع مورد نیاز شما را شرح دهد. کوپایلوت با توضیحات به عنوان دستورالعمل رفتار می‌کند و پیاده‌سازی زیر آنها را تولید می‌کند.
• برای دریافت توضیحی ساده به زبان انگلیسی در مورد کد ناآشنا قبل از تغییر آن، از /explain در گفتگوی Copilot استفاده کنید.
• با استفاده از /fix از Copilot بخواهید که یک تست ناموفق یا یک خطای هایلایت شده را تشخیص داده و برطرف کند، به جای اینکه اشکال‌زدایی را به صورت دستی از ابتدا انجام دهد.
• از ‎/tests ‎ برای تولید خودکار تست‌های واحد برای هر تابع انتخاب‌شده استفاده کنید.

اشتباهاتی که هنگام استفاده از هوش مصنوعی کمک خلبان باید از آنها اجتناب کرد

بیشتر خطاهای کمک خلبان در تعداد کمی از الگوهای تکرارپذیر قرار می‌گیرند. اجتناب از این موارد باعث صرفه‌جویی قابل توجه در زمان و جلوگیری از خطاهای جدی می‌شود.

پذیرش خروجی بدون تأیید

کوپایلوت می‌تواند متنی با ظاهری مطمئن تولید کند که حاوی خطاهای واقعی، اطلاعات قدیمی یا کد نادرست باشد. هر ادعای واقعی، فرمول و قطعه کد باید قبل از استفاده در محصول نهایی، ارسال به مشتری یا استقرار در مرحله تولید، توسط یک انسان بررسی شود. این اختیاری نیست - این انتظار اولیه‌ای است که خود مایکروسافت در مستندات هوش مصنوعی مسئولانه خود بیان می‌کند.

نادیده گرفتن مدیریت داده‌ها قبل از راه‌اندازی سازمانی

در مایکروسافت ۳۶۵ کوپایلوت، هوش مصنوعی محتوایی را که کاربران از قبل اجازه دسترسی به آن را دارند، نمایش می‌دهد. اگر سازمان شما سایت‌های SharePoint بیش از حد به اشتراک گذاشته شده، وراثت مجوزها مختل شده یا داده‌های حساس اعلام نشده دارد، کوپایلوت آن محتوا را در اختیار هر کسی که درخواست کند قرار می‌دهد. مجوزهای خود را قبل از فعال کردن کوپایلوت اصلاح کنید، نه پس از اینکه یک حادثه داده‌ای شما را مجبور به این کار کرد.

نوشتن سوالات مبهم و تک خطی

عباراتی مانند «گزارشی درباره فروش بنویسید» خروجی کلی تولید می‌کنند که نیاز به ویرایش زیادی دارد. دقت و جزئیات اختیاری نیست - بلکه مکانیسمی است که از طریق آن به نتایج مفید می‌رسید. همیشه مخاطب، قالب، طول، لحن و هرگونه محدودیت را مستقیماً در عبارت بگنجانید.

ارسال کد تولید شده توسط هوش مصنوعی بدون بررسی

پیشنهادات GitHub Copilot می‌تواند شامل الگوهای ناامن، APIهای منسوخ‌شده یا خطاهای منطقی باشد که از یک اسکن بصری سریع عبور می‌کنند. از GitHub Advanced Security یا یک ابزار تحلیل استاتیک دیگر برای اسکن کد تولید شده توسط هوش مصنوعی قبل از ادغام استفاده کنید. هرگز یک پیشنهاد Copilot را بدون حداقل یک بررسی کد انسانی به شاخه اصلی ارسال نکنید.

تکیه بر کمک خلبان برای اطلاعات بلادرنگ یا اختصاصی که به آن دسترسی ندارد

پاسخ‌های مبتنی بر وب مایکروسافت کوپایلوت دارای محدودیت دانش هستند و به نتایج جستجوی بینگ وابسته‌اند. این سیستم به سیستم‌های داخلی شما دسترسی ندارد، مگر اینکه شما آنها را از طریق رابط‌ها یا افزونه‌های مایکروسافت گراف به صراحت متصل کرده باشید. پرسیدن سوالاتی که نیاز به داده‌های اختصاصی بلادرنگ دارند - قیمت‌های سهام زنده، سطح موجودی فعلی شرکت شما، صف تیکت‌های پشتیبانی امروز - یا پاسخ‌های توهمی یا امتناع را به همراه خواهد داشت. ابتدا منابع داده مناسب را متصل کنید.

نادیده گرفتن فایل .github/copilot-instructions.md

توسعه‌دهندگانی که از این فایل صرف‌نظر می‌کنند، پیشنهادهای کلی دریافت می‌کنند که معماری پروژه، قراردادهای نامگذاری و کتابخانه‌های ترجیحی آنها را نادیده می‌گیرد. پنج دقیقه‌ای که برای نوشتن این فایل صرف می‌شود، هر روز با پیشنهادهایی که واقعاً با کدبیس مطابقت دارند، جبران می‌شود.

رفتار با کوپایلوت به عنوان یک موتور جستجو

کوپایلوت یک دستیار هوش مصنوعی مولد است، نه یک موتور جستجو. درخواست از آن برای فهرستی از مقالات خبری فعلی، قیمت‌های زنده یا داده‌های در دسترس بودن در لحظه، ابزار اشتباهی برای این کار است. از آن برای ترکیب، تهیه پیش‌نویس، تبدیل و استدلال استفاده کنید - و از یک موتور جستجو یا یک منبع داده متصل برای کارهای جستجوی در لحظه استفاده کنید.

ابزارهای هوش مصنوعی، یکپارچه‌سازی‌ها و گردش‌های کاری اتوماسیون کمک‌خلبان

هوش مصنوعی کمک خلبان، اکوسیستم گسترده‌ای از ابزارها را در بر می‌گیرد - از رابط‌های چت مستقل گرفته تا دستیاران کدنویسی عمیقاً تعبیه‌شده و پلتفرم‌های اتوماسیون سازمانی. انتخاب ترکیب مناسب به گردش کار، محیط فنی و نتایجی که می‌خواهید به دست آورید بستگی دارد. در زیر، تجزیه و تحلیل ساختاریافته‌ای از ابزارهای اصلی، نحوه اتصال آنها و جایگاه اتوماسیون ارائه شده است.

ابزارهای هوش مصنوعی Core Copilot بر اساس دسته‌بندی

ابزار	مورد استفاده اصلی	پلتفرم	ویژگی کلیدی اتوماسیون
مایکروسافت کوپایلوت (وب/موبایل)	چت هوش مصنوعی همه منظوره، تحقیق، تولید تصویر	مرورگر، iOS، اندروید، ویندوز	اعلان‌های زمان‌بندی‌شده، اقدامات افزونه
دستیار خلبان مایکروسافت ۳۶۵	بهره‌وری در ورد، اکسل، اوت‌لوک، تیمز	مجموعه مایکروسافت ۳۶۵	تهیه پیش‌نویس ایمیل، خلاصه جلسات، تحلیل داده‌ها
گیت‌هاب، کمک خلبان	تکمیل کد، خلاصه درخواست‌های pull، اسکن امنیتی	کد VS، JetBrains، GitHub.com	بررسی خودکار کد، تولید تست
استودیو کپی‌لوت	ایجاد عامل هوش مصنوعی سفارشی و ربات چت	پلتفرم قدرتمند مبتنی بر وب	تریگرهای گردش کار بدون کد، رابط‌های API
کمک خلبان در اتوماسیون قدرت	خودکارسازی فرآیندهای کسب و کار از طریق زبان طبیعی	پلتفرم قدرت	تولید جریان از توضیحات متنی ساده
کمک خلبان در Azure	مدیریت زیرساخت، نوشتن پرس‌وجو، نظارت	پورتال آزور	پیشنهادهای بهینه‌سازی منابع، تولید KQL
هوش مصنوعی کوپایلوت (اجتماعی/فروش)	ارتباط با لینکدین، جذب مشتری بالقوه، اتوماسیون فروش	وب، افزونه کروم	درخواست‌های اتصال خودکار، توالی پیام‌ها

مایکروسافت ۳۶۵ کوپایلوت: اتوماسیون درون برنامه‌های آشنا

مایکروسافت ۳۶۵ کوپایلوت، هوش مصنوعی را مستقیماً در برنامه‌هایی که اکثر کارکنان دانش‌محور وقت خود را در آنها می‌گذرانند، تعبیه می‌کند. کاربران به جای اینکه به یک ابزار جداگانه روی بیاورند، دستورالعمل‌های زبان طبیعی را در داخل ورد، اکسل، پاورپوینت، اوت‌لوک و تیمز صادر می‌کنند.

• ورد: کل اسناد را از یک دستور کوتاه پیش‌نویس کنید، بخش‌ها را برای لحن بازنویسی کنید، گزارش‌های طولانی را در خلاصه‌های اجرایی خلاصه کنید.
• اکسل: فرمول تولید کنید، روندها را در مجموعه داده‌ها شناسایی کنید، نمودارهایی از درخواست‌های ساده مانند «رشد درآمد ماهانه را به صورت نمودار میله‌ای به من نشان بده» ایجاد کنید.
• Outlook: خلاصه کردن رشته ایمیل‌ها، پیش‌نویس پاسخ‌هایی که با سبک ارتباطی شما مطابقت دارند، علامت‌گذاری موارد اقدام در یک صندوق ورودی شلوغ.
• تیم‌ها: جلسات را به صورت آنی رونویسی و خلاصه کنید، مکالمات از دست رفته را پیگیری کنید، لیست کارهای بعدی را به صورت خودکار ایجاد کنید.
• پاورپوینت: ساخت دسته‌های اسلاید از یک سند یا طرح کلی، پیشنهاد بهبود طراحی، اضافه کردن یادداشت‌های سخنران.

ارزش اتوماسیون در اینجا چند برابر می‌شود: یک جلسه در تیمز خلاصه‌ای ایجاد می‌کند که Copilot می‌تواند آن را به یک سند Word تبدیل کند که به پیش‌نویس ایمیل Outlook اضافه می‌شود - همه اینها بدون کار کپی-پیست دستی.

گیت‌هاب کوپایلوت: خودکارسازی چرخه عمر توسعه نرم‌افزار

گیت‌هاب کوپایلوت (GitHub Copilot) فراتر از تکمیل خودکار پیشرفت کرده است. مجموعه ویژگی‌های فعلی، چندین مرحله از چرخه عمر توسعه را خودکار می‌کند:

1. تولید کد: کل توابع، کلاس‌ها و کدهای آماده را بر اساس نظرات یا بخشی از کد پیشنهاد می‌دهد.
2. تولید تست: تست‌های واحد را برای توابع موجود می‌نویسد و تلاش دستی برای پوشش تست را کاهش می‌دهد.
3. خلاصه درخواست‌های Pull: به طور خودکار توضیح می‌دهد که یک PR چه چیزی را تغییر می‌دهد و بررسی کد را سریع‌تر می‌کند.
4. تشخیص آسیب‌پذیری امنیتی: الگوهای کد ناامن را قبل از رسیدن به مرحله تولید، به صورت بلادرنگ علامت‌گذاری می‌کند.
5. چت دستیار در IDE: به سوالات مربوط به کدبیس پاسخ می‌دهد، کد ناآشنا را توضیح می‌دهد و بدون ترک ویرایشگر، اصلاحاتی را پیشنهاد می‌دهد.
6. فضای کاری کمک‌خلبان: یک مسئله‌ی گیت‌هاب را می‌گیرد و یک طرح پیاده‌سازی کامل پیشنهاد می‌دهد، سپس کد لازم برای اجرای آن را تولید می‌کند.

استودیوی کپی‌رایت: ساخت عامل‌های هوش مصنوعی سفارشی

Copilot Studio پلتفرم مایکروسافت برای سازمان‌هایی است که به رفتار هوش مصنوعی متناسب با داده‌ها، سیاست‌ها و فرآیندهای خاص خود نیاز دارند. این پلتفرم به افراد غیر توسعه‌دهنده اجازه می‌دهد تا با استفاده از یک رابط بصری، copilotهای سفارشی بسازند، در حالی که توسعه‌دهندگان می‌توانند آنها را با کد گسترش دهند.

• به پایگاه‌های دانش داخلی، سایت‌های SharePoint یا APIهای خارجی به عنوان منابع داده متصل شوید.
• جریان‌های مکالمه را با منطق شرطی، مسیرهای تشدید و پاسخ‌های جایگزین تعریف کنید.
• از یک پیکربندی واحد، در تیم‌ها، وب‌سایت‌ها یا کانال‌های شخص ثالث منتشر کنید.
• از جریان‌های Power Automate به عنوان اقدامات استفاده کنید - برای مثال، یک دستیار منابع انسانی سفارشی که وقتی کاربر درخواست مرخصی می‌کند، درخواست مرخصی را مستقیماً به سیستم منابع انسانی ارسال می‌کند.

چگونه AutoSEO از هوش مصنوعی کمکی برای خودکارسازی عملیات محتوا استفاده می‌کند

AutoSEO پلتفرمی است که به‌طور خاص برای خودکارسازی سئو و گردش‌های کاری محتوا ساخته شده است که به‌طور سنتی به ساعت‌ها تلاش دستی نیاز دارند. این پلتفرم قابلیت‌های هوش مصنوعی Copilot را برای مدیریت تحقیق، تهیه پیش‌نویس، بهینه‌سازی و انتشار در مقیاس بزرگ - بدون از دست دادن دقت و عمقی که موتورهای جستجو و خوانندگان انتظار دارند - ادغام می‌کند.

در حالی که اکثر تیم‌های محتوا از Copilot AI به عنوان دستیار نویسنده استفاده می‌کنند که هنوز هم برای مدیریت هر مرحله به یک انسان نیاز دارد، AutoSEO با Copilot به عنوان یک موتور درون یک خط تولید کاملاً خودکار رفتار می‌کند. این پلتفرم خوشه‌بندی کلمات کلیدی، خلاصه محتوا، تهیه پیش‌نویس ساختاریافته، لینک‌سازی داخلی و بهینه‌سازی درون صفحه را به ترتیب مدیریت می‌کند - با Copilot AI که زبان را تولید می‌کند و منطق AutoSEO که استراتژی را کنترل می‌کند.

• ایجاد خودکار خلاصه: AutoSEO صفحات نتایج موتور جستجو (SERP) و محتوای رقبا را تجزیه و تحلیل می‌کند، سپس خلاصه‌های ساختاریافته‌ای تولید می‌کند که خروجی Copilot را به سمت اعتبار موضوعی هدایت می‌کند، نه پوشش کلی.
• تولید محتوای انبوه: به جای اینکه برای هر مقاله به صورت دستی از Copilot درخواست شود، AutoSEO گردش‌های کاری دسته‌ای را اجرا می‌کند که ده‌ها پیش‌نویس بهینه شده را به طور همزمان تولید می‌کند.
• بازخورد بهینه‌سازی در لحظه: همزمان با تولید محتوا توسط Copilot، AutoSEO آن را بر اساس کلمات کلیدی هدف، معیارهای خوانایی و الزامات ساختاری ارزیابی می‌کند و قبل از انتشار، نقاط ضعف را مشخص می‌کند.
• لینک‌سازی داخلی خودکار: AutoSEO محتوای جدید را با معماری سایت موجود تطبیق می‌دهد و لینک‌های داخلی مرتبط با متن را درج می‌کند، مرحله‌ای که اکثر ابزارهای نوشتاری هوش مصنوعی کاملاً از آن صرف نظر می‌کنند.
• انتشار و فهرست‌بندی: محتوای تکمیل‌شده مستقیماً به CMS منتقل می‌شود و درخواست‌های فهرست‌بندی را فعال می‌کند و زمان را از کوتاه تا صفحه زنده از چند روز به چند ساعت کاهش می‌دهد.

نتیجه عملی این است که سازمان‌هایی که از AutoSEO استفاده می‌کنند می‌توانند برنامه‌های محتوایی را در مقیاسی اجرا کنند که در غیر این صورت به تیم‌های تحریریه بزرگی نیاز دارند، ضمن اینکه ثبات و کیفیتی را که Copilot AI در صورت هدایت صحیح ممکن می‌سازد، حفظ کنند.

چگونه موفقیت پیاده‌سازی هوش مصنوعی کمک خلبان را اندازه‌گیری کنیم؟

موفقیت در استفاده از هوش مصنوعی Copilot با تعداد دفعات استفاده از ابزار سنجیده نمی‌شود - بلکه با نتایج تجاری حاصل از آن سنجیده می‌شود. معیارهای مهم به زمینه استقرار بستگی دارند، اما چارچوب زیر در بیشتر موارد استفاده اعمال می‌شود.

معیارهای بهره‌وری و کارایی

• زمان صرفه‌جویی شده برای هر وظیفه: میانگین زمان لازم برای تکمیل یک وظیفه تکراری (تهیه گزارش، بررسی کد، خلاصه کردن یک جلسه) را قبل و بعد از پذیرش Copilot اندازه‌گیری کنید.
• توان عملیاتی حجم کار: تعداد واحدهای کاری - ایمیل‌های ارسالی، اسناد تهیه شده، درخواست‌های بررسی شده - که به ازای هر نفر در هفته تکمیل می‌شود را پیگیری کنید.
• کاهش نیاز به تغییر ابزار: تعداد برنامه‌های جداگانه‌ای که کاربر برای انجام یک کار باز می‌کند را بشمارید. یکپارچه‌سازی‌های کمک‌خلبان باید این تعداد را کاهش دهد.

معیارهای کیفیت

• نرخ خطا: برای GitHub Copilot، نرخ نقص در کد با کمک هوش مصنوعی را در مقایسه با کد نوشته شده دستی در طول زمان پیگیری کنید.
• فراوانی ویرایش: کاربران چند وقت یکبار محتوای تولید شده توسط Copilot را به طور قابل توجهی ویرایش می‌کنند؟ نرخ بالای ویرایش، نشان‌دهنده مشکلات کیفی یا عدم هماهنگی مدل است.
• نرخ پذیرش: گیت‌هاب کوپایلوت این موضوع را به صورت بومی آشکار می‌کند - درصد پیشنهادات هوش مصنوعی که توسط توسعه‌دهندگان پذیرفته می‌شود، یک سیگنال کیفیت مستقیم است.

معیارهای تأثیر کسب و کار

• هزینه به ازای هر خروجی: هزینه کل ابزار را بر حجم خروجی‌های تولید شده تقسیم کنید. این را با هزینه تولید همان خروجی‌ها بدون کمک هوش مصنوعی مقایسه کنید.
• تأثیر درآمد: برای ابزارهای متمرکز بر فروش مانند CoPilot AI در لینکدین، نرخ تبدیل اتصال به جلسه و خط تولید ایجاد شده به ازای هر کاربر را پیگیری کنید.
• رضایت کارکنان: از کاربران در مورد اینکه آیا Copilot کارهای خسته‌کننده و کم‌ارزش را کاهش می‌دهد یا خیر، نظرسنجی کنید. پذیرش و حفظ این ابزار، شاخص‌های غیرمستقیم این موضوع هستند.

معیارهای خاص سئو برای گردش‌های کاری AutoSEO و محتوا

• رشد ترافیک ارگانیک به ازای هر مقاله منتشر شده در بازه‌های زمانی ۹۰ روزه.
• بهبود رتبه‌بندی کلمات کلیدی برای عبارات هدف در محتوای مبتنی بر هوش مصنوعی در مقایسه با محتوای نوشته شده به صورت دستی.
• زمان از خلاصه تا انتشار صفحه، به عنوان یک شاخص کلیدی عملکرد گردش کار ردیابی می‌شود.
• نرخ رشد تعداد صفحات ایندکس شده ماه به ماه.

سوالات متداول

تفاوت بین مایکروسافت کوپایلوت و گیت‌هاب کوپایلوت چیست؟

مایکروسافت کوپایلوت (Microsoft Copilot) یک دستیار هوش مصنوعی همه منظوره است که در ویندوز، مرورگرهای وب و برنامه‌های مایکروسافت ۳۶۵ ادغام شده است. این دستیار وظایفی مانند نوشتن، تحقیق، خلاصه‌سازی و تولید تصویر را انجام می‌دهد. گیت‌هاب کوپایلوت (GitHub Copilot) یک ابزار تخصصی هوش مصنوعی است که برای توسعه‌دهندگان نرم‌افزار ساخته شده و بر تکمیل کد، تولید تست، خلاصه درخواست‌های pull و اسکن امنیتی درون ویرایشگرهای کد تمرکز دارد. هر دو توسط مایکروسافت ساخته شده‌اند و از مدل‌های زبانی بزرگ پشتیبانی می‌کنند، اما به مخاطبان و گردش‌های کاری متمایزی خدمت‌رسانی می‌کنند. یک توسعه‌دهنده ممکن است از هر دو استفاده کند - گیت‌هاب کوپایلوت هنگام نوشتن کد و مایکروسافت کوپایلوت برای تهیه پیش‌نویس اسناد یا پاسخ به ایمیل‌ها.

آیا استفاده از هوش مصنوعی Copilot رایگان است؟

مایکروسافت کوپایلوت (Microsoft Copilot) یک سطح رایگان ارائه می‌دهد که از طریق وب، ویندوز و برنامه‌های موبایل قابل دسترسی است و از GPT-4o پشتیبانی می‌کند. این نسخه شامل چت عمومی، تولید تصویر از طریق DALL-E و جستجوی اولیه در وب است. هزینه کوپایلوت پرو (Copilot Pro) 20 دلار در ماه است و دسترسی اولویت‌دار در ساعات اوج مصرف، ادغام کوپایلوت در برنامه‌های شخصی مایکروسافت 365 و محدودیت‌های استفاده بالاتر را اضافه می‌کند. مایکروسافت 365 کوپایلوت برای کسب و کار نیاز به یک مجوز جداگانه با قیمت 30 دلار برای هر کاربر در ماه علاوه بر اشتراک موجود مایکروسافت 365 دارد. گیت‌هاب کوپایلوت (GitHub Copilot) یک سطح رایگان برای توسعه‌دهندگان انفرادی با تکمیل محدود ارائه می‌دهد، که طرح‌های پولی از 10 دلار در ماه برای افراد و 19 دلار در ماه برای هر کاربر برای کسب و کارها شروع می‌شود.

آیا هوش مصنوعی کمک خلبان می‌تواند به اینترنت و اطلاعات بلادرنگ دسترسی داشته باشد؟

بله. مایکروسافت کوپایلوت از جستجوی بینگ برای پایه‌گذاری پاسخ‌ها در محتوای وب فعلی استفاده می‌کند، به این معنی که می‌تواند به سؤالات مربوط به رویدادهای اخیر پاسخ دهد، اطلاعات به‌روز را بازیابی کند و منابع را ذکر کند. این یک تمایز معنادار با مدل‌های زبان بزرگ پایه است که دارای یک حد آموزش ثابت هستند. با این حال، عمق بازیابی وب بر اساس نوع پرس‌وجو متفاوت است و کوپایلوت هر صفحه در اینترنت را به صورت بلادرنگ مرور نمی‌کند - نتایج را از فهرست بینگ بازیابی می‌کند. در مقابل، گیت‌هاب کوپایلوت به اینترنت عمومی دسترسی ندارد. از داده‌های آموزشی و متن کد قابل مشاهده در ویرایشگر شما استفاده می‌کند.

هوش مصنوعی کوپایلوت چگونه حریم خصوصی و امنیت داده‌ها را مدیریت می‌کند؟

حفاظت از حریم خصوصی بین سطوح مصرف‌کننده و سازمانی تفاوت قابل توجهی دارد. محصول رایگان مصرف‌کننده Microsoft Copilot ممکن است از داده‌های مکالمه برای بهبود مدل‌های مایکروسافت استفاده کند، مگر اینکه کاربران از آن انصراف دهند. Microsoft 365 Copilot برای سازمان تحت تعهدات حفاظت از داده‌های تجاری مایکروسافت عمل می‌کند - از اعلان‌ها و پاسخ‌ها برای آموزش مدل‌های پایه استفاده نمی‌شود، داده‌ها در Microsoft 365 tenant سازمان باقی می‌مانند و این ابزار به مجوزهای موجود احترام می‌گذارد، بنابراین کاربران نمی‌توانند به اسنادی که معمولاً نمی‌بینند دسترسی پیدا کنند. GitHub Copilot برای سازمان نیز به طور مشابه قطعه کدها را از داده‌های آموزشی حذف می‌کند. سازمان‌هایی که با داده‌های حساس سروکار دارند باید مجوزهای سطح سازمانی را مستقر کنند و قبل از راه‌اندازی، ضمیمه پردازش داده‌های مایکروسافت را بررسی کنند.

استودیو کپی‌رایت چیست و چه کسانی باید از آن استفاده کنند؟

Copilot Studio پلتفرم مایکروسافت برای ساخت عامل‌های هوش مصنوعی سفارشی متناسب با نیازهای خاص کسب‌وکار است. این پلتفرم برای سازمان‌هایی طراحی شده است که به Copilot برای کار با داده‌های داخلی خود، دنبال کردن جریان‌های مکالمه خاص یا ادغام با سیستم‌های اختصاصی نیاز دارند. تحلیلگران کسب‌وکار و تیم‌های فناوری اطلاعات بدون پیشینه کدنویسی عمیق می‌توانند از سازنده بصری برای ایجاد عامل‌هایی استفاده کنند که به سوالات منابع انسانی پاسخ می‌دهند، درخواست‌های خدمات مشتری را پردازش می‌کنند یا گردش‌های کاری تأیید را خودکار می‌کنند. توسعه‌دهندگان می‌توانند این عامل‌ها را با کدهای سفارشی و اتصالات API گسترش دهند. Copilot Studio بخشی از اکوسیستم Power Platform است و زمانی که تجربه استاندارد Microsoft Copilot با الزامات خاص یک سازمان مطابقت ندارد، ابزار مناسبی است.

هوش مصنوعی Copilot چقدر دقیق است و چه محدودیت‌هایی دارد؟

هوش مصنوعی Copilot خروجی با کیفیتی را در طیف وسیعی از وظایف تولید می‌کند، اما مصون از خطا نیست. محدودیت‌های شناخته‌شده شامل توهم است - تولید اطلاعات به ظاهر قابل قبول اما در واقع نادرست، به ویژه برای موضوعات خاص یا داده‌های عددی خاص. می‌تواند دستورات مبهم را به اشتباه تفسیر کند، خروجی‌های مغرضانه تولید کند که منعکس‌کننده الگوهای موجود در داده‌های آموزشی هستند و با حوزه‌های فنی بسیار تخصصی که داده‌های آموزشی در آنها پراکنده است، مشکل داشته باشد. برای کد، پیشنهادات GitHub Copilot ممکن است به درستی کامپایل شوند اما حاوی خطاهای منطقی یا آسیب‌پذیری‌های امنیتی باشند که نیاز به بررسی انسانی دارند. بهترین روش این است که خروجی Copilot را به عنوان یک پیش‌نویس اولیه قوی که توسط انسان بررسی می‌شود، در نظر بگیرید، نه یک محصول نهایی که بدون تأیید ارسال می‌شود.

هوش مصنوعی کوپایلوت برای لینکدین و فروش چیست و چه تفاوتی با مایکروسافت کوپایلوت دارد؟

هوش مصنوعی کوپایلوت (copilot.ai) محصولی جداگانه و غیرمرتبط با مایکروسافت است. این یک ابزار اتوماسیون فروش و ارتباط با لینکدین است که برای کمک به متخصصان در مقیاس‌بندی تلاش‌هایشان برای جذب مشتری طراحی شده است. این ابزار درخواست‌های اتصال، توالی پیام‌های پیگیری و گردش‌های کاری صلاحیت سرنخ‌ها را در لینکدین خودکار می‌کند. کاربران مخاطبان هدف و قالب‌های پیام را تعریف می‌کنند و این پلتفرم، ارتباط با مشتری را در حجم بالا مدیریت می‌کند. این پلتفرم برای تیم‌های فروش، استخدام‌کنندگان و متخصصان توسعه کسب‌وکار که می‌خواهند بدون مدیریت دستی هر تعامل، خط تولید ایجاد کنند، طراحی شده است. شباهت نام با مایکروسافت کوپایلوت باعث سردرگمی مکرر می‌شود، اما این دو محصول هیچ ارتباط فنی با هم ندارند و اهداف کاملاً متفاوتی را دنبال می‌کنند.

چگونه می‌توانم بهترین نتایج را از دستورات هوش مصنوعی Copilot دریافت کنم؟

کیفیت درخواست مستقیماً کیفیت خروجی را تعیین می‌کند. درخواست‌های مؤثر چهار ویژگی مشترک دارند: نقش یا شخصیتی را که کوپایلوت باید اتخاذ کند مشخص می‌کنند، وظیفه را با جزئیات مشخص توصیف می‌کنند، قالب خروجی مورد انتظار را تعریف می‌کنند و زمینه یا محدودیت‌های مرتبط را ارائه می‌دهند. به عنوان مثال، به جای پرسیدن «خلاصه بنویسید»، یک درخواست قوی‌تر این خواهد بود: «شما یک تحلیلگر ارشد مالی هستید. متن تماس درآمد زیر را در سه نقطه برای مخاطب غیرفنی مدیر خلاصه کنید، با تمرکز بر رشد درآمد، تغییرات حاشیه سود و راهنمایی‌های بعدی.» در مایکروسافت ۳۶۵ کوپایلوت، ارجاع به فایل‌ها یا ایمیل‌های خاص با استفاده از دستور اسلش، زمینه‌ای را ایجاد می‌کند که به طور قابل توجهی ارتباط را بهبود می‌بخشد. تکرار درخواست‌ها - در نظر گرفتن اولین پاسخ به عنوان نقطه شروع و اصلاح با دستورالعمل‌های بعدی - به طور مداوم نتایج بهتری نسبت به انتظار یک درخواست واحد برای ارائه خروجی نهایی ایجاد می‌کند.

آیا می‌توان هوش مصنوعی Copilot را با ابزارهای شخص ثالث خارج از اکوسیستم مایکروسافت ادغام کرد؟

بله، از طریق چندین مکانیسم. مایکروسافت کوپایلوت از افزونه‌هایی پشتیبانی می‌کند که به سرویس‌های شخص ثالث متصل می‌شوند و به آن اجازه می‌دهند تا در ابزارهایی مانند Salesforce، ServiceNow، Jira و سایر موارد مستقیماً از طریق رابط چت اقداماتی را انجام دهد. کوپایلوت استودیو می‌تواند به هر API خارجی متصل شود و به عامل‌های سفارشی امکان خواندن و نوشتن از سیستم‌های غیر مایکروسافتی را می‌دهد. گیت‌هاب کوپایلوت به صورت بومی با IDEهای اصلی از جمله VS Code، Visual Studio، محصولات JetBrains و Neovim ادغام می‌شود و برای گردش‌های کاری CI/CD به GitHub Actions متصل می‌شود. Power Automate که در کنار کوپایلوت کار می‌کند، صدها کانکتور از پیش ساخته شده برای برنامه‌های شخص ثالث دارد. عمق ادغام بسته به ابزار متفاوت است و برخی از اتصالات نیاز به اعتبارنامه‌های API و پیکربندی توسط یک مدیر دارند.

AutoSEO چه تفاوتی با استفاده دستی از Copilot AI برای تولید محتوا دارد؟

استفاده دستی از Copilot AI برای محتوا به این معنی است که یک انسان دستورالعمل‌ها را می‌نویسد، خروجی‌ها را بررسی می‌کند، ویرایش‌ها را انجام می‌دهد، قالب‌بندی را انجام می‌دهد، لینک‌های داخلی را مدیریت می‌کند و هر قطعه را به صورت جداگانه منتشر می‌کند. این برای وظایف گاه به گاه محتوا به خوبی کار می‌کند اما به حجم مورد نیاز برای برنامه‌های رقابتی سئو نمی‌رسد. AutoSEO لایه تنظیم دستی را با یک خط لوله خودکار جایگزین می‌کند که هر مرحله را از تحقیق کلمات کلیدی تا انتشار مدیریت می‌کند. این سیستم از Copilot AI به عنوان موتور تولید زبان استفاده می‌کند اما آن را در منطق استراتژیک قرار می‌دهد - اطمینان حاصل می‌کند که محتوا کلمات کلیدی مناسب را هدف قرار می‌دهد، با هدف جستجوی مناسب مطابقت دارد، از یک ساختار منسجم پیروی می‌کند و به صفحات داخلی مناسب متصل می‌شود. تفاوت بین استفاده دستی از یک موتور قدرتمند و کار کردن آن موتور در داخل یک ماشین هدفمند است.