Microsoft 企業合成資料怎麼測 Copilot？三種產業情境與評估邊界
企業合成資料如何保留角色、專案與時間，又不使用真實客戶內容？解析Microsoft新研究方法、三產業情境、可核對問題，以及39%品質進步與30萬美元估算不能代表什麼。
企業合成資料的用途，是在不把真實客戶工作內容搬進測試環境的前提下，讓 AI 面對接近公司日常的問題。Microsoft 公開的新方法，正把測試材料從幾份假文件，擴成有人員、專案與時間變化的企業情境。
Microsoft Research 在 2026 年 10 月 30 日介紹這套評估資料生成平台，涵蓋藥廠、資本市場與軟體公司。它服務的是內部測試 Copilot 的需求，並非宣布一個所有企業都能立即購買的新 App。
企業助理常要回答跨文件、跨同事與跨時間的問題。單一文件即使寫得逼真，也不足以測出助理會不會引用錯版本，或忽略一段專案進度的變化。
這套方法因此先生成公司結構與工作歷史，再從情境產生可核對的問題。測試得以接近企業工作，又保留生成資料的可控性。
但逼真與有效仍是兩件事。Microsoft 公布的品質進步與成本估算，都要放回資料製作及內部評估口徑，不能直接解讀為客戶導入 Copilot 的效益。
要理解這項方法對企業 AI 的意義，先看它為何把一家公司的關係與時間，一起放進合成測試場景。
企業合成資料，為何需要一整個工作環境
企業助理處理的問題通常不只存在於一份文件，而是藏在不同人與不同時點的工作關係中。回答「這個專案現在由誰負責」，可能得先分辨原本的分工與最近一次交接。
如果測試只有一篇人名、日期都很整齊的文章，模型可能很容易擷取答案。但這還沒有測到企業工作裡的困難：相關資訊可能散落多處，也可能有看似相同、實際已過期的內容。
Microsoft Research 公開的方法因此生成合成資料構成的企業租戶。租戶可以理解為一個組織在服務裡的獨立工作環境，裡面有自己的人員、設定與資料，而非只有一份示範文件。
在這個環境裡，角色會參與專案，專案會產生文件，文件再對應不同工作階段。這些關係接起來，才有機會測出助理能否找到正確資料，而非只憑一句看起來合理的描述回答。
合成的好處，是答案可以回到同一套情境
因為資料由生成流程建立，研究團隊能安排特定任務，並檢查問題所指的角色或事件是否真的存在。這讓同一個測試可以重複比較，而不必每次換一批無法對照的材料。
但可控不代表自然就逼真。如果虛構公司裡每個人都使用同樣語氣、每個專案都只有一版資料，測試仍可能過於簡單，所以後續還需要產業與時間兩個維度。
這裡的問題也從「模型能不能讀一份文件」，變成「助理能否在一個工作環境裡找到對的依據」。因此，合成資料品質與任務設計會一起影響評估的可信度。
所以這個平台要生成的核心，是能讓問題有前因後果的企業環境。
公開資訊提供骨架，三種產業長出不同工作情境
Microsoft 以公開職業與企業資訊建立角色及規模，再合成產業內的工作材料。公司表示，流程參考公開的職業資料、職缺與企業申報資訊，並經過法律及政策審查。
其中的 O*NET 職業資料庫，描述工作所需技能、任務與工作情境。這類資料可以幫助生成系統理解一個職務通常做什麼，與取得某位真實員工的私人信件不同。
公開企業資訊則提供規模與組織背景的線索。把角色與公司規模放在一起，生成的工作關係比較不容易出現一個不合理的小團隊，卻承擔龐大企業全部職能的情況。
Microsoft 特別說明，管線各階段不使用真實客戶資料。這是公司對方法與資料來源的描述，不能擴寫為本站完成了隱私稽核，也不應改成「先抓真實客戶內容再匿名化」。
產業差異要出現在工作，不只換公司名稱
藥廠情境包含法規、臨床試驗與安全審查等工作。資本市場情境涉及交易、合規與投資組合，軟體公司則有開發週期、程式與產品推出的協作。
如果只是把同一份會議紀錄中的公司名稱換掉，就測不到這些差異。因為不同工作使用不同文件、責任與時間安排，助理需要找到的依據也會不同。
以軟體產品推出為例，這裡可以設想一個問題需要同時參考開發與發布安排。這是用來解釋產業情境的例子，不是聲稱平台已替任何一家真實公司完成相關工作。
三種產業因此不是一個可以通吃所有組織的保證，而是讓研究團隊觀察不同工作方式的起點。當角色與任務互相一致，評估才能問出特定產業會遇到的問題。
把時間寫進資料，才問得出哪些事情變了
同一專案在不同週期有不同狀態，合成資料必須保留這種演變。否則，助理即使能整理某一天的內容，也未必能回答「上週以後改了什麼」。
Microsoft 的生成方式加入時間軸，讓專案、角色互動與工作材料有前後關係。這使測試能處理相對時間與狀態變化，而不只從靜態文字中找固定答案。
例如「上週四做了什麼決定」與「本季計畫改了哪些地方」，都要求回答者先辨認時間，再選擇對應內容。如果把較早的草案當成最後決定，答案可能句子流暢卻沒有回答問題。
因此，時間不是在每份文件上加一個日期就結束。測試要能看出事件如何接續，才知道模型是在整理進展，還是只挑了一份含有相似字眼的舊材料。
舊版本的存在，也是一種必要測試條件
真實公司常會保留曾經有效、後來已修改的內容。合成資料環境若完全消除舊版本，反而無法觀察助理是否會被過期資訊誤導。
對評估者而言，這也讓失敗更容易被分類。如果模型找到正確專案卻引用錯日期，與完全找不到相關文件，是不同問題，需要不同的改進方法。
這種區分能避免把所有錯誤都歸因於模型不夠大。資料檢索、時間判斷或上下文安排，任何一步沒接好，都可能讓最後回答出錯。
有了這些時間關係，接著要確保題目與答案也根植於同一套情境。
問題也要生成與查核，不能只把假資料塞給模型
查詢生成流程把通用問題改成產業問題，再用情境事實與驗證維持可評估性。目的是讓題目真的問到生成環境裡存在的工作，而非出一個沒有答案的問題再要求助理猜。
官方介紹的流程從通用問題庫出發，依產業篩選與改寫，再以合成情境產生相關問題。之後還會把語句改得更接近人們提問的方式，並驗證準確與不重複。
這幾項工作各有用途。產業調整讓題目貼近任務，情境對應讓答案有根據，自然語句則避免測試只接受過度工整的問法。
如果題目本身就把答案藏在措辭裡，模型可能不需要讀工作資料也答得出來。相反地，如果題目要求的資訊根本沒有生成，模型錯誤也無法公平反映能力，所以題目品質需要一起驗證。
資料彼此一致，測試才有可解釋的結果
Microsoft 檢查結構、情境、行為一致性與內容安全等面向。組織層級要合理，文件要符合情境，人員行為也要能接回自己的角色，才不會讓合成資料在細節上互相矛盾。
內容安全則是另一項要求。合成不等於可以忽略不適當內容，因為測試資料還會影響研究者如何理解系統表現，不能把可避免的問題當成真實性的必要代價。
對企業團隊而言，這提供了一種比大量堆題更實際的檢查方式：每一題都要知道它在測什麼，答案能回到哪裡，失敗之後又能指出是哪個環節沒完成。
因此，合成資料的品質要同時看內容可信與測試是否能重複比較。
共用合成資料基準，讓不同團隊比較有起點
Microsoft 把這些環境納入內部的共用資料目錄，讓不同團隊能使用標準化基準。每個環境有數百名合成人員的工作歷史，所以可測的內容超過單一問答範例。
因為團隊可以對著同一批合成資料重跑評估，版本更新後就比較容易辨認差異。否則，一次測藥廠案例、另一次改測軟體公司，即使分數提高，也不容易知道進步來自模型還是題目變簡單。
自動化也改變準備方式。原本需要多日人工整理的步驟，可以由流程重複產生與檢查，讓研究者把時間花在找出不合理的情境，而非每次從零拼出一家公司的材料。
但共用目錄是內部評估安排，不等於外部企業已能取得相同內容。讀者可參考的是合成資料如何形成穩定比較基準，無須先假定有一套可以直接下載套用的公司資料。
因此，持續評估的價值來自同一任務在不同系統版本下能被重新檢查。若每一輪都改變資料與問法，就應先釐清比較條件，才解讀分數升降。
39% 品質改善與 30 萬美元估算，各代表什麼
官方公布的成績屬於資料生成與評估流程的內部衡量。Microsoft 表示，內部綜合品質相較初期做法提高百分之三十九，部分產業情境的分數超過一分制的零點九。
這些數字不能改成「Copilot 回答準確率提高百分之三十九」。比較的對象是合成資料品質，而非一組真實客戶在相同工作上得到的答案，也不是對外標準化的通用排行榜。
因為品質分數有自己的評估設計，所以零點九也不能直接翻成現場工作九成成功。要判斷助理能否部署，仍需看任務定義、資料範圍與錯誤影響。
成本方面，公司估算每個資料集可節省十萬美元，整個專案共三十萬美元。這描述的是製作資料與評估流程相對人工工作的預估成本差異，不是企業客戶導入後已賺回的金額。
方法可參考，投資回報仍需要自己的證據
若一家企業要借用這種思路，可以先問自己的測試材料是否反映角色、時間與可追溯答案。這比直接把三十萬美元寫進採購提案，更能找到這份方法與自己工作的關係。
Microsoft 也把更長時間的演變、多輪對話與更複雜操作放在後續方向。因此，這次方法公開不代表所有長期代理工作都已測完，更不等於資料集已公開下載或平台已有對外訂價。
企業可以借用它的評估思路，卻需要用自己的任務結果判斷導入價值。先找一種有清楚答案、會受到版本變化影響的工作，往往比一次模擬整家公司更容易辨認評估是否有效。
延伸閱讀：Volkswagen 33 萬名員工配備 Copilot：聊天、Work IQ 與 2.6 萬個代理，怎麼看導入進度？
企業合成資料常見問題
Microsoft 公開的資料可以直接下載嗎？
這次公告介紹內部生成與評估方法，沒有宣布全部合成企業資料集已開源。公開說明的價值在於理解設計方式，不能把方法文章當成可立即取得的完整資料產品。
不用真實客戶資料，等於測試毫無參考價值嗎？
不等於。合成資料環境能保留工作結構與可控答案，適合重複測試和比較。但它與真實部署仍有差距，所以企業要用自己的任務與允許的資料補上驗證，不能只靠合成分數決定上線。
三十萬美元是使用這個平台的費用嗎？
不是。它是公司對專案節省製作成本的估算，公告沒有提供對外平台價格。任何採用成本都需要依實際工具、資料整理與驗證工作另行評估。
沒有生成平台，團隊可以先做什麼？
先挑一個常見工作，檢查題目是否真的有可追溯答案，再加入同一件事不同日期的版本。因為這能測出助理是否選對依據，所以比只追求一大堆無法解釋的題目更接近本次方法的重點。
如果你想持續追蹤企業 AI 如何從展示走到可驗證工作，歡迎免費訂閱 AI 郵報。
延伸閱讀：雅詩蘭黛 Microsoft AI 合作擴大：Copilot 擴至逾 1.4 萬名員工，資料平台才是重點
原始資料來源
