Ofte stillede spørgsmål om stemmeoptimering (forhåndsversion)

Denne artikel indeholder ofte stillede spørgsmål om konfiguration og opsætning af stemmeagenter i Copilot Studio.

Kan agenten kun svare på baseret viden, eller skal den også arbejde i postsystemer?

Ikke nødvendigvis. Du kan konfigurere agenter til udelukkende at give vidensbaserede svar uden at udføre handlinger i backend-systemer. Copilot Studio styrer denne funktion gennem videns- og websøgningsindstillinger.

Når "vidensbaserede" agenter giver mening

Brug denne tilstand, når agentens rolle primært er oplysende:

  • Besvarelse af ofte stillede spørgsmål

  • Forklaring af politikker

  • Vejledning eller instruktioner

  • Afleder opkald eller chat

I disse scenarier henter modellen oplysninger fra konfigurerede kilder og genererer et svar uden at kalde nogen API'er.

Hvordan henter agenten aktuelle forretningsdata, politikker og kundekontekst i realtid?

Forankret viden (statisk eller semistatisk): Denne tilgang fungerer bedst til politikker, dokumentation og struktureret indhold.

Modellen anvender generative svar, hvor den:

  • Søger på tværs af konfigurerede videnskilder.

  • Syntetiserer et svar.

  • Citerer kilder valgfrit.

Understøttede kilder omfatter

  • SharePoint

  • Websteder

  • Overførte dokumenter

  • Dataverse (kun indirekte via flow)

Bemærk!

Dataverse understøttes ikke som en direkte videnskilde for C2-vendte agenter på grund af godkendelseskrav. Du kan vise Dataverse-data via flow eller OData-kald og returnere dem til agenten som strukturerede resultater.

Bedste brugsscenarier for viden

  • Refusions- og returpolitik

  • Butiksåbningstider og placeringer

  • Berettigelsesregler

  • Ofte stillede spørgsmål om produkter

  • Interne procedurer

Eksempel

"Hvad er jeres refusionspolitik for onlinebestillinger?"

Modellen henter indhold i politikker fra SharePoint og genererer et klart svar.

Hvilke opgaver kræver nøjagtig validering, før de udføres? Refusioner, aflysninger, opdateringer eller kontoændringer

Visse handlinger kræver streng validering og må aldrig overlades til AI's frie skøn.

Højrisikokategorier

Kategori Eksempler Hvorfor er det vigtigt
Finansiel Refusioner, betalinger, kreditter Finansiel risiko
Kontostatus Annulleringer, planændringer Uigenkaldelige handlinger
Id Opdateringer af adresse, telefonnummer og personidentifikation (US) Svindel og overholdelse af angivne standarder
Juridisk meddelelse Samtykke, fravalg Regulatorisk eksponering

Det sikre afviklingsmønster

AI beslutter > Systemet validerer > AI kommunikerer

Dette princip sikrer sikker generativ orkestrering.

Eksempel: Refusionsanmodning

  1. Modellen identificerer hensigten
    "Bruger ønsker refusion"

  2. Modellen indsamler de nødvendige oplysninger
    Ordre-id, årsag, tidsramme

  3. API eller postsystem validerer

    • Kontrollerer berettigelse

    • Anvender refusionspolitik

    • Bekræfter godkendelse eller afvisning

  4. Model kommunikerer resultatet

    • Forklarer resultatet klart

    • Finder ikke på eller antager ikke resultater

Afklaring af en udbredt misforståelse

At bruge en enkelt model betyder ikke ukontrolleret automatisering.

Der er en klar ansvarsfordeling.

Egenskab Hvem bestemmer Hvem håndhæver
Hentsigtsgenkendelse Model
Vidensvar Model Omfang af videnkilde
API-valg Model Tilgængelighed af værktøjer
Validering Postsystem Backend-logik
Endeligt svar Model Baseret på reelle resultater

Konfigurer realtidsagenter