Los proyectos exitosos de Copilot Studio comienzan mucho antes de que se redacte el primer tema o se pruebe la primera orquestación. Requieren una visión clara, objetivos bien definidos, el enfoque adecuado de entrega y un equipo que entienda cómo trabajar de forma iterativa en un entorno impulsado por IA. Al combinar métodos ágiles, planificación basada en la historia de usuario, priorización estructurada y gestión proactiva de riesgos, creas las condiciones para una entrega predecible y una mejora continua. Esta preparación fundamental garantiza que tu proyecto se mantenga alineado con el valor empresarial, se adapte rápidamente a nuevos conocimientos y entregue resultados en los que los usuarios confían y adoptan.
Valida la preparación de tu proyecto
Utiliza las siguientes preguntas para confirmar que tu proyecto tiene las bases adecuadas antes de comenzar su implementación.
Alcance y planificación del proyecto
| ¿Terminado? |
Tarea |
| ✓ |
¿Definiste claramente los retos empresariales que el agente debe abordar? |
| ✓ |
¿Documentaste los objetivos del proyecto y los vinculaste a resultados medibles? |
| ✓ |
¿Articulaste el propósito del agente, las características de alto nivel y el valor esperado? |
| ✓ |
¿Estableciste KPIs clave (desviación, CSAT, adopción, ahorro de costes)? |
| ✓ |
¿Recogiste suposiciones y preocupaciones y las revisasteis con los principales interesados? |
Usuarios y canales
| ¿Terminado? |
Tarea |
| ✓ |
¿Identificaste todas las personas de usuario final del agente (empleados, clientes, roles)? |
| ✓ |
¿Definiste los canales requeridos (Teams, web, móvil, Microsoft Copilot, otros)? |
| ✓ |
¿Validasteis las necesidades multilingües? |
| ✓ |
¿Ha documentado el comportamiento de recuperación en diferentes canales? |
| ✓ |
¿Has estimado las expectativas de volumen de conversación para apoyar la planificación de escala? |
Partes interesadas, suposiciones y riesgos
| ¿Terminado? |
Tarea |
| ✓ |
¿Se identifican patrocinadores empresariales, propietarios de productos, expertos en la materia, arquitectos y socios de entrega? |
| ✓ |
¿Planificaste claramente los roles y los responsables de la toma de decisiones para los hitos de los proyectos? |
| ✓ |
¿Aclaraste la propiedad de la aprobación sobre el riesgo, la legalidad, la privacidad y el contenido sensible? |
Equipo y funciones
| ¿Terminado? |
Tarea |
| ✓ |
¿Reunisteis el equipo multifuncional adecuado con experiencia en arquitectura, desarrollo, analítica, gestión del cambio y seguridad? |
| ✓ |
¿Identificasteis los riesgos de alto impacto o alta probabilidad desde el principio? |
| ✓ |
¿Ha completado el equipo el entrenamiento pertinente (Power Up, Copilot Studio Learn paths, Architecture Bootcamp)? |
Gestión de riesgos
| ¿Terminado? |
Tarea |
| ✓ |
¿Identificaste y priorizaste riesgos de alto impacto y alta probabilidad? |
| ✓ |
¿Definiste mitigaciones para cada riesgo principal (técnico, cumplimiento, integración, recursos)? |
| ✓ |
¿Documentó estrategias alternativas para los bloqueadores (reducción de alcance, pasos manuales de copia de seguridad, picos)? |
| ✓ |
¿Existe un proceso transparente para hacer seguimiento y escalar los bloqueadores durante los sprints? |
Preparación técnica
| ¿Terminado? |
Tarea |
| ✓ |
¿Seleccionó la experiencia de plataforma adecuada (agente declarativo, agente de motor personalizado)? |
| ✓ |
¿Documentasteis los requisitos de integración, incluyendo la disponibilidad de la API y los modos de autenticación? |
| ✓ |
¿Definiste tu estrategia de entorno (de desarrollo a prueba y producción)? |
| ✓ |
¿Pusiste en marcha procesos ALM (empaquetado de soluciones, despliegue automatizado, versionado)? |
| ✓ |
¿Documentasteis completamente los requisitos de seguridad, autenticación e identidad? |
| ✓ |
¿Revisasteis las restricciones específicas de cada canal (Teams, sitios web, Microsoft Copilot)? |
| ✓ |
¿Documentasteis los retos técnicos identificados (acceso local, permisos, conectores, fuentes de conocimiento) con mitigaciones? |
Límites de rendimiento y velocidad
| ¿Terminado? |
Tarea |
| ✓ |
¿Validasteis los requisitos de rendimiento y capacidad (RPM, conectores, límites de flujo, límites CLU/NLU)? |
| ✓ |
¿Ha evaluado si su agente requiere el aprovisionamiento de tarifas? El aprovisionamiento de capacidad se aplica a agentes B2C, agentes autónomos y agentes para empresas con patrones de tráfico elevados o con picos. |
| ✓ |
¿Ha identificado todos los servicios de la plataforma en la ruta de ejecución del agente (Power Automate, Dataverse, conectores, servicios de CLU/IA, API descendentes) y revisado los límites de tasa que se aplican a cada uno? |
| ✓ |
¿Modeló el tráfico previsto como periodos punta (por minuto y por hora), y no solo como totales mensuales o semanales? |
| ✓ |
¿Ha revisado el diseño del agente para reducir la presión de rendimiento innecesaria antes de asumir que se necesitan límites más altos? |
| ✓ |
Si las estimaciones de tráfico máximas podrían superar los límites predeterminados, ¿ha abierto una solicitud de soporte técnico antes de iniciar UAT o producción? |
Enfoque de entrega
| ¿Terminado? |
Tarea |
| ✓ |
¿Tu proyecto está estructurado en torno a la entrega iterativa (sprints) con demostraciones regulares y bucles de retroalimentación? |
| ✓ |
¿Tenéis procesos para el refinamiento del backlog y la repriorización continua? |
| ✓ |
¿Has planeado tratar el go live como el inicio de una mejora continua en lugar de el final? |
Mejora continua
| ¿Terminado? |
Tarea |
| ✓ |
¿Existe una estrategia analítica definida (paneles, KPIs, revisión de expedientes, señales de calidad)? |
| ✓ |
¿Existen bucles de retroalimentación (partes interesadas, pymes, usuarios finales)? |
| ✓ |
¿Está el equipo preparado para iterar frecuentemente tras publicar? |
| ✓ |
¿Tienes un plan para optimizar a continuación (comportamiento del modelo de lenguaje, manejo de recursos de respaldo, refinamiento de temas)? |
Inteligencia artificial responsable
| ¿Terminado? |
Tarea |
| ✓ |
¿Habéis evaluado el sistema para comprobar su equidad y comprobado si hay sesgos no intencionados en los datos o los resultados? |
| ✓ |
¿Están definidos los roles de rendición de cuentas y existe un proceso claro para monitorizar y gobernar el comportamiento de la IA? |
| ✓ |
¿Es transparente para los usuarios que interactúan con la IA y entienden cómo se producen los resultados generados por la IA? |
| ✓ |
¿Se cumplen plenamente los requisitos de privacidad, seguridad y cumplimiento para todos los datos utilizados por la carga de trabajo? |
| ✓ |
¿Se han aplicado salvaguardas, filtros y estrategias de grounding para prevenir contenido generado por IA dañino o incorrecto? |
| ✓ |
¿Existe un proceso establecido para la monitorización continua, la revisión de incidentes y la actualización de modelos o mitigaciones? |
Comprensión del lenguaje y cobertura de la intención
| ¿Terminado? |
Tarea |
| ✓ |
¿Ha decidido si se requiere la orquestación generativa predeterminada, NLU integrada, NLU+o Azure CLU para su escenario? |
| ✓ |
¿Documentaste las entradas esperadas para los temas para que el orquestador pueda desambiguar correctamente entidades repetidas o complejas? |
| ✓ |
¿Validasteis los requisitos multilingües y confirmasteis cómo se configurará System.User.Language (manual, detección automática, basada en eventos)? |
| ✓ |
¿Te aseguraste de que se diseñaran y probaran comportamientos de respaldo y estrategias de reparación (búsqueda de conocimiento, preguntas de aclaración)? |
Llamadas de procedimientos recomendados
-
Utiliza métodos ágiles para mantenerte adaptativo y centrado en el usuario: trabaja en sprints cortos, entrega valor pronto y recoge comentarios frecuentes de los usuarios. Considere la puesta en marcha como un punto de partida para una mejora continua y no como la línea de meta.
-
Planifica con historias de usuario en lugar de especificaciones grandes: Las historias de usuario mantienen el trabajo basado en necesidades reales de los usuarios, ayudan a los equipos a entender el "por qué" detrás de cada capacidad y permiten una rápida repriorización cuando aparecen nuevos conocimientos.
-
Mantén un backlog vivo: revisa, refina y reordena los elementos del backlog con regularidad. Añade nuevas historias a medida que surjan patrones en la analítica, la opinión de los usuarios o los cambios en el negocio.
-
Identificar y gestionar los riesgos desde el principio: Evalúa los riesgos en cuanto a impacto y probabilidad, y luego planifica las medidas de mitigación. Use picos para validar incógnitas y aplicar soluciones temporales para evitar retrasos en la entrega.
-
Alinee continuamente a los interesados: comparta el progreso a menudo mediante demostraciones, revisiones de esprints y backlogs visuales. La transparencia genera confianza y crea una propiedad compartida sobre la dirección del proyecto.
-
Diseña con la gobernanza en mente desde el primer día: Define el RBAC, la estrategia ambiental, las políticas de seguridad y las expectativas de cumplimiento desde el principio para que la gobernanza forme parte del flujo de trabajo y no sea un obstáculo tardío.
-
Validar las integraciones antes del compromiso: APIs de prueba, límites de conectores, métodos de autenticación y calidad de datos desde el principio para evitar sorpresas durante el desarrollo o las pruebas de aceptación por parte de usuarios (UAT).
-
Planifique la capacidad de procesamiento, no solo el volumen total: convierta el uso previsto en periodos punta (por minuto y por hora) y compárelo con los límites publicados actuales a lo largo de toda la ruta de ejecución, incluidos los flujos, los conectores, Dataverse, los servicios de IA y las API posteriores. Si es posible que se superen los límites, abra una solicitud de asistencia antes del inicio de UAT o del lanzamiento a producción. Obtenga más información en Planeamiento de los límites de rendimiento y velocidad.
-
Utiliza los datos para guiar decisiones: monitoriza el CSAT, los patrones de conversación, las tasas de desviación, las razones de escalada y la adopción. Deja que estas señales den forma a tus prioridades del backlog.
-
Publica pronto para activar el volante de retroalimentación: Publica versiones iniciales para una audiencia reducida, aprende cómo interactúan los usuarios con el agente y refina basándote en evidencia, no en suposiciones.