Het meeste in dit traject gebruikte tot nu toe gewone Copilot Chat. Nu gaan we een verdieping lager. Daar wonen twee ingebouwde specialisten: agents die Microsoft zelf bouwde en gewoon bij Copilot meelevert. Elk voor een taak waar een snel chatantwoord echt niet voor gemaakt is.
Twee agents, elk met een eigen taak
Researcher doet onderzoek, in meerdere stappen. Geef het een echte vraag en het gaat zoeken op twee plekken. Eerst in je werkinhoud: de bestanden, mails, vergaderingen en chats waar jij toegang toe hebt. Daarnaast op het publieke web. Wat je terugkrijgt, is een gestructureerd rapport met koppen, visuals, bronvermelding, de belangrijkste bevindingen en voorstellen voor volgende stappen. Voor welke vragen is dat bedoeld? Voor vragen waar een snel chatantwoord te plat zou uitvallen. Vragen waarbij je meerdere bronnen tegen elkaar moet afwegen voor je het antwoord kan vertrouwen.
Analyst doet data. Je geeft het spreadsheets, Excel-bestanden of CSV's, of data die al geïndexeerd is via Microsoft Graph. Het schrijft en draait dan echte Python-code, en maakt van versnipperde cijfers prognoses, planning, grafieken en diagrammen. Die code zie je in real time verschijnen. Je hoeft zijn analyse dus niet blind te geloven.
Geen van de twee is een gewone chat die je zin per zin bijstuurt. Ze nemen een afgebakende taak op, werken er een tijdje aan en komen terug met iets afgewerkts. Dat is dezelfde omslag die Claude Cowork maakt: je stuurt niet meer elke stap, je beoordeelt een resultaat.
Researcher openen
Je vindt het in Copilot Chat onder Agents. Kies Researcher. Stel een specifieke, gedetailleerde vraag, geen vage. Die details zijn precies waar het mee aan de slag gaat. Soms stelt Researcher eerst zelf een paar verduidelijkende vragen. Daarbij kan je ook expliciet de scope kiezen: je werkinhoud, het publieke web, of allebei. Beantwoord die vragen gerust. Ze bepalen echt wat er terugkomt.
Reken wel op wat geduld. Een eenvoudige vraag duurt meestal minder dan vijf minuten. Een echt complexe kan tien tot vijfenveertig minuten lopen. Waarom zo lang? Omdat Researcher die tijd steekt in bronnen ophalen en afwegen. Het eerste plausibele antwoord teruggeven, dat doet het net niet. Dat is een bewuste ruil tegen de snelheid van gewone chat. Geen bug die je moet omzeilen.
Een voorbeeldje. "Hoe is de prijszetting van onze concurrent voor het enterprise-tier veranderd over de laatste twee kwartalen, en wat betekent dat voor onze Q1-vernieuwingsgesprekken?" Dat is een vraag die de tijd van Researcher waard is. "Wat is de datum van vandaag" of "vat deze ene mail samen" niet. Die beantwoordt gewone chat in een paar seconden, en een rapport zou je alleen maar ophouden.
Analyst openen
Ook onder Agents, en dan kies je Analyst. Voeg het bestand toe dat het moet bekijken, meestal een Excel-werkmap of een CSV. Of laat het werken met data die al geïndexeerd is in je tenant. Vraag dan wat je echt wil weten: een trend, een prognose, een opsplitsing per categorie. Analyst schrijft Python om dat te beantwoorden en toont die code naast het resultaat. Klopt een cijfer niet helemaal? Dan ga je na hoe het tot stand kwam. Blind geloven hoeft niet.
Stel: je hebt drie maanden aan losse onkostenspreadsheets, één per regio, en elke regio noemt de kolommen nét anders. Vraag Analyst om ze samen te voegen en de totale uitgaven per categorie in een grafiek te zetten. Het schrijft code om de kolommen op elkaar af te stemmen, voert die uit en geeft je de grafiek én de logica erachter. Dat zichtbare werk is de hele clou. Een prognose die je niet kan nakijken, is gewoon een gok die zelfzeker klinkt.
Wat ze niet kunnen
Beide zijn first-party agents: Microsoft bouwt ze en levert ze af zoals ze zijn. Je kan ze dus niet openen in Agent Builder om hun instructies of kennisbronnen aan te passen, zoals bij de agent die je in les 4.2 bouwde. Researcher kan geen afbeelding als input lezen. Het maakt ook nog geen PowerPoint of PDF voor je. Wil je van een rapport een presentatie maken, dan doe je die laatste stap nog zelf. En draait je taak eigenlijk om een spreadsheet, niet om open onderzoek? Dan stuurt Microsoft je zelf door naar Analyst.
Het querybudget
Hier zit een beperking die je bij Claude Skills of Cowork niet in deze vorm tegenkomt. Researcher en Analyst delen samen een limiet van vijfentwintig queries per gebruiker per maand. Dat is geen vriendelijke richtlijn. Het is een harde grens die aan je licentie hangt. Spaar ze dus voor vragen die die diepgang echt nodig hebben, en stuur er geen routinewerk door uit gewoonte. Gewone Copilot Chat heeft zo'n limiet niet.
Veiligheid en datagrenzen
Beide agents draaien binnen de commerciële dataverwerkingsgrens van Microsoft 365. Ze erven dus de bestaande garanties van de suite op het vlak van veiligheid, privacy en compliance. Geen van de twee is getraind op de data van je tenant. Geen van de twee stuurt je bestanden of bijlagen naar OpenAI.
De webtoegang van Researcher hangt aan één schakelaar op tenantniveau: aan of uit. Je kan niet per site iets toelaten of blokkeren. Staat de schakelaar uit, dan werkt Researcher alleen met de inhoud waar je toegang toe hebt. Beheerders kunnen elke agent volledig uitschakelen. Toch blijft Researcher bereikbaar onder Tools in Copilot Chat, ook als agents breder uitgeschakeld zijn. En jij kan het zelf niet losmaken of verwijderen.
Waar dit beter is dan Cowork, en waar niet
Laten we eerlijk zijn: verschilt dit echt van Claude Cowork, of is het hetzelfde met een ander naambordje? Het verschilt echt. Cowork koppel je aan een map op je eigen computer. Daar leest, schrijft en bouwt het bestanden ter plekke: een spreadsheet met werkende formules, een presentatie, een afgewerkt document. Het resultaat staat meteen waar jij werkt. Researcher en Analyst komen niet aan een lokale map. Ze werken met de inhoud van je tenant en met wat je in de chat toevoegt. Hun output is een rapport of een analyse in die chat, geen bestand dat terug in een map op je computer belandt.
Kies dus Researcher als de taak echt onderzoek is: meerdere bronnen, werkinhoud en web samen, afgewogen tot iets wat je kan citeren en delen. Kies Analyst als je een echte dataset hebt die echt rekenwerk vraagt, niet alleen een snelle blik. Voor wat Cowork wel doet, echte bestanden bouwen en bewerken op je eigen computer, heeft Copilot gewoon nog geen rechtstreeks alternatief.
Dat gat mag je gerust benoemen. Wegmoffelen helpt niemand. Stel dat je eigenlijk dit nodig hebt: "maak van deze map vol bonnetjes een onkostennota, en zet die terug in deze map". Dat doen Researcher en Analyst niet van begin tot eind, zoals Cowork wel doet. Analyst kan rekenen met data die je toevoegt. Maar een afgewerkte werkmap terugzetten in een map op je computer? Dat doet het niet. Welk probleem heb je dus eigenlijk: onderzoeken en samenvatten, of een bestand bouwen en opslaan? Wie dat weet, heeft het juiste gereedschap al half gekozen.
Waar dit heen gaat
Je kent nu twee specialisten die Copilot speciaal voor hun taak meekreeg. De volgende les gaat over Connectors. Die koppelen Copilot aan meer van je andere tools, en verbreden zo waar elk van hen bij kan: Researcher, Analyst of een agent die je zelf bouwde.
Probeer het
Kies een echte vraag die je normaal beantwoordt door zelf in een paar documenten te spitten. Iets zonder één voor de hand liggende bron. Open Researcher, zet de scope op je werkinhoud plus het web, en stel je vraag. Is het rapport er? Check dan zelf één bron die het citeert. Staat daar echt wat het rapport beweert?