Când trimiți un set de 60 de slide‑uri în Copilot Chat, acum va folosi diagramele, schemele și capturile din interior pentru a răspunde — nu doar textul din jur. Pentru echipele care implementează Copilot, asta e diferența dintre „citește bullet‑urile” și „uită‑te la graficul de pe slide‑ul 14”.
Ce e nou: Copilot Chat poate interpreta imagini încorporate în Word (.docx), PowerPoint (.pptx) și PDF‑uri și folosește aceste elemente vizuale pentru a fundamenta răspunsurile. Scopul: extrage insight‑uri din grafice, scheme și capturi, astfel încât întrebările complexe să primească răspunsuri mai precise și mai complete. Este un pas peste funcțiile anterioare „întreabă despre imagine” din Word/PowerPoint, dar contează mai mult în Chat, unde combini fișiere diferite într‑un singur prompt.
Cum funcționează (și ce limite să anticipăm)
- Capabilitate: viziune + OCR peste imaginile încorporate din fișierele suportate; Copilot combină rezultatele vizuale cu textul din jur într‑un răspuns unic.
- Sferă conform roadmapului: .docx, .pptx, .pdf; elemente vizuale precum grafice, scheme, capturi. Excel nu este menționat.
- Limite practice (neprecizate, dar probabile): calitatea scade cu exporturi la rezoluție joasă, etichete foarte mici, codări doar prin culori sau grafice puternic stilizate. PDF‑urile scanate se comportă ca imagini; reușita depinde de calitatea OCR. Imaginile decorative pot introduce zgomot.
- Securitate/guvernanță: Ar trebui să urmeze permisiunile existente pentru fișiere în Microsoft 365. Nu sunt clarificate aici controale de admin, nivelul de auditare pentru parsing vizual sau comportamentul DLP pe imagini.
Ce se schimbă în practică
- Q&A pe documente bogate în vizualuri devine mai bun. În loc să copiezi cifrele din grafice în prompt, poți întreba direct despre tendințe, outlieri sau pașii dintr‑o captură.
- Promptingul se mută de la „rezumă textul” la „compară graficul de pe slide‑ul 4 cu tabelul de pe slide‑ul 5; explică diferența”. Mai puține iterații.
- Pentru enablement: contează calitatea conținutului. Exporturile la rezoluție joasă sau capturile neclare vor da răspunsuri mai slabe. Graficele cu legende/etichete clare și contrast bun ajută.
La ce m‑aș uita
- Acuratețe pe vizualuri complexe: Sankey, bare 100 la sută stivuite, grafice cu axe multiple, heatmap‑uri sunt ușor de interpretat greșit. M‑ar mira să iasă perfect.
- Limite de fișier/pagină și time‑out‑uri: PDF‑uri mari și deck‑uri lungi pot lovi capete de procesare sau parse parțial.
- Text non‑englez în imagini; scris de mână în capturi.
- Guvernanță: dacă etichetele Purview/DLP pe imagini sunt respectate la parse și ce apare în jurnalele de audit. Rămâne un semn de întrebare până la documentare oficială.
Cum să faci un pilot săptămâna asta
- Ia trei fișiere reale: un deck KPI cu grafice, un PDF de proces cu capturi, un document Word cu o schemă. Pune întrebări țintite care trimit la vizualuri („Explică schimbarea între T2 și T3 în graficul cu bare de pe slide‑ul 8; citează cifrele folosite”).
- Compară răspunsurile cu o lectură manuală. Notează erorile corelate cu rezoluție joasă, fonturi minuscule sau legende ambigue; transformă asta în ghidaj de authoring.
- Actualizează playbook‑urile de prompturi să invoce explicit vizualurile („Folosește atât textul, cât și graficele/schemele când răspunzi; dacă nu ești sigur, spune ipotezele”).
Concluzie: faptul că Copilot Chat tratează imaginile încorporate ca pe un context de prim rang contează pentru documentele reale. Nu repară graficele slabe sau capturile neclare, dar reduce munca de „explică poza botului” și ridică ștacheta pentru Q&A corect — dacă intrările sunt curate și guvernanța ține pasul.