Hoppa till innehåll
SharePoint · Azure OpenAI · RAG

SharePoint + Azure OpenAI = intern kunskapsbas som faktiskt fungerar

Vägledning för svenska organisationer som vill att Azure OpenAI ska kunna svara på frågor från ert SharePoint - utan att hallucinera, missa rätt dokument eller läcka känslig data.

~10 min läsningUppdaterad 2026Simon Axelsson
Innehåll
  1. Löftet och verkligheten
  2. Tre vägar att integrera
  3. Strukturera SharePoint först
  4. Åtkomst, säkerhet, känslig data
  5. När bygga egen RAG istället
  6. Mät om det faktiskt fungerar
01

Löftet och verkligheten

Microsoft säger: "peka Copilot mot SharePoint, klart." Verkligheten: SharePoint som vuxit organiskt under 10 år innehåller dupliceringar, motstridiga versioner och tusentals dokument som ingen längre vet syftet med. AI-sökningen blir så bra som det den söker i.

Den här artikeln går igenom vad som krävs för att SharePoint-as-RAG faktiskt ska leverera värdefulla svar - och vad som kostar tid att ignorera.

02

Tre vägar att integrera

  • 1. M365 Copilot direkt

    Slutanvändar-Copilot indexerar SharePoint automatiskt via Graph. Lägst kontroll, snabbast igång.

  • 2. Copilot Studio + SharePoint som kunskapsbas

    Egen agent med strukturerade källor. Mellanväg - mer kontroll, måste byggas.

  • 3. Azure OpenAI + egen RAG mot SharePoint

    Maximal kontroll. Egen indexering, embeddings, retrieval. För specialfall.

03

Strukturera SharePoint först

Det här är arbetet de flesta vill hoppa över. Resultat: AI som svarar med fel version, från fel sajt eller med information som motsäger sig själv.

Minimikrav innan ni pekar AI mot det:

  • • En enda källa för varje informationstyp (en HR-policy, inte fyra)
  • • Tydliga rubriker och metadata på dokumenten
  • • Arkivera (eller flytta till separat sajt) dokument som är inaktuella
  • • Säkerställ att åtkomstkontroll är korrekt - AI följer åtkomststyrning
  • • Använd dokumentbibliotek-strukturer, inte en stor "Dokument"-mapp
04

Åtkomst, säkerhet, känslig data

M365 Copilot och Copilot Studio respekterar SharePoint-behörigheter - användaren ser bara det de redan har åtkomst till. Detta är bra men skapar tre vanliga problem:

  • • Felaktig over-sharing från före AI: dokument delade "till organisation" som inte borde vara det blir nu lätt att hitta. AI accelererar exponering. Kör en åtkomstgranskning innan.
  • • Information Protection-labels respekteras: dokument som är klassificerade "Konfidentiellt" exkluderas. Säkerställ att labels är korrekt applicerade.
  • • Audit-loggning: aktivera Purview Audit (Premium) så att AI-frågor och dokumentåtkomst loggas. Annars går incidenter inte att utreda.
05

När bygga egen RAG istället

Egen RAG (Azure OpenAI + egen index + retrieval-logik) ger mer kontroll men kräver mer arbete. Värdefullt när:

  • • Källan är inte bara SharePoint utan också externa system (Confluence, Notion, ServiceNow)
  • • Behov av reranking-logik och custom evals
  • • Compliance kräver att retrieval-logiken kan auditeras
  • • Hög volym där kostnadsoptimering behövs (Copilot per-message blir dyrt vid hög användning)

Räkna med 4-10 veckor för produktionsklar egen RAG mot SharePoint, mot 1-2 veckor för Copilot Studio-mönstret.

06

Mät om det faktiskt fungerar

Lösningen är produktionsklar när tre saker mäts kontinuerligt:

  • • Procent av frågor som besvaras korrekt (kvalitativ stickprov varje vecka - minst 30 frågor)
  • • Andel som ber användaren följa upp manuellt eller får "jag vet inte"-svar
  • • Tid till svar (latens) - påverkar adoption
FAQ

Vanliga frågor

Nästa steg

Behöver ni hjälp att strukturera och koppla?

Tjänsten Microsoft 365 & Copilot Studio börjar med SharePoint-genomlysning, strukturering där det behövs, och koppling till AI med säkerhet och audit från första dag.
Läs om tjänsten