El 30 de octubre de 2026, Microsoft Research describió una plataforma que genera entornos empresariales sintéticos y consultas sectoriales para evaluar Microsoft Copilot. Microsoft cifra en un 39% la mejora de un indicador compuesto de calidad de esos datos frente a su método inicial; la cifra se refiere a los datos sintéticos, no a la precisión de las respuestas de Copilot. (Microsoft Research)
La plataforma, llamada Industry Evaluation Data Generation Platform, combina entornos empresariales simulados, generación automatizada de consultas y marcos estructurados de calidad. Su objetivo es crear escenarios de trabajo repetibles sin incorporar datos reales de clientes: Microsoft afirma que todos los elementos se generan de forma sintética.
Qué contienen los entornos empresariales sintéticos
Microsoft describe espacios de trabajo con usuarios, reuniones, correos, documentos, estructuras organizativas e historiales de trabajo simulados. Esos entornos pueden evolucionar con el tiempo: por ejemplo, las conversaciones por correo se desarrollan durante semanas y la organización cambia.
La empresa ha creado entornos para tres sectores: farmacéutico, mercados de capitales y TI y software. Cada uno incluye situaciones de trabajo propias, como revisiones de seguridad y ensayos clínicos en el ámbito farmacéutico, operaciones y comunicaciones de cumplimiento en mercados de capitales, o planificación de sprints y revisiones de código en TI.
Cómo convierte tareas en consultas de prueba
Microsoft explica que parte de plantillas generales de tareas laborales y las adapta al sector y a los datos sintéticos del entorno. Después genera consultas basadas en ese contexto, las reformula para que suenen naturales y comprueba su precisión y unicidad.
Como referencias para construir los entornos, Microsoft cita datos ocupacionales de O*NET, ofertas de empleo en línea y documentos presentados ante la SEC. Según la empresa, esas fuentes sirven para orientar roles, tareas, estructuras organizativas y contextos financieros. Microsoft también afirma que su área jurídica y de políticas revisó y aprobó las fuentes.
La calidad de los entornos se valora con criterios de fidelidad estructural, relevancia contextual, realismo del comportamiento y seguridad del contenido. La plataforma organiza esos controles junto con la generación de entornos y consultas, en lugar de medir únicamente si una respuesta concreta de Copilot es correcta.
Qué miden el 39% y las otras cifras
El 39% comunicado por Microsoft corresponde a la mejora de un indicador compuesto de calidad de datos sintéticos respecto a su método inicial de generación. Microsoft también afirma que algunos entornos sectoriales superaron 0,9 sobre 1,0 en su puntuación de calidad. Son métricas sobre los entornos sintéticos.
La empresa dice que cada entorno contiene cientos de usuarios simulados y que la creación de conjuntos de datos pasó de un proceso manual de varios días a ejecuciones automatizadas. También comunicó ahorros estimados de unos 100.000 dólares por conjunto de evaluación y 300.000 dólares en total para el proyecto.
Una evaluación distinta para las respuestas de agentes
Microsoft Learn describe pruebas repetibles y basadas en escenarios para agentes de Employee Self-Service en Copilot Studio. Las pruebas usan distintos perfiles de usuario; quienes ejecutan los ensayos necesitan permiso de edición, y los resultados se pueden exportar. La documentación también recomienda revisar los fallos para detectar si conviene ajustar el agente, la respuesta esperada o los criterios de prueba. (Microsoft Learn)
Este método evalúa respuestas de esos agentes en escenarios de servicio a empleados. La cifra del 39% pertenece, en cambio, a la calidad de los datos sintéticos de la plataforma que describió Microsoft Research.
