以第 2 章 Copilot 架構說明企業版 Copilot 如何把生成式人工智慧與組織資料連結。
理解大型語言模型（Large Language Model, LLM）、Microsoft Graph、接地（grounding）與語意索引的角色。
原書指出 Copilot for Microsoft 365 與一般瀏覽器聊天工具的差異，在於它能在企業 Microsoft 365 環境中利用組織資料與既有權限回答問題。
| 元件 | 原書定位 |
|---|---|
| 大型語言模型 | Copilot 使用的生成式人工智慧模型；原書提到其中包含 OpenAI GPT-4 的版本 |
| Azure OpenAI | 原書描述 Copilot 所用模型託管於 Microsoft Cloud／Azure OpenAI 服務 |
| Microsoft Graph | 連結 Microsoft 365 企業資料與權限的程式設計模型 |
| 接地 | 讓提示與回應參照可用的組織脈絡 |
| 語意索引 | 支援從組織資訊中找出與問題語意相關的內容 |
把一次企業查詢拆成：使用者提示 → 權限允許的企業資料 → Microsoft Graph／接地 → 大型語言模型 → 回應。
本案例為架構說明，無固定數值計算。
企業版價值不是單純「聊天」，而是把自然語言介面放到使用者本來就有權限存取的工作資料上。
以「找出與明天會議有關的郵件、檔案與聊天」為例，說明 Microsoft Graph、接地與大型語言模型各自扮演什麼角色。
問題： Copilot 是否因此可以看到組織中所有資料？
參考解答： 原書的架構是依使用者既有 Microsoft 365 權限存取資料，不代表可任意越權讀取所有資訊。