Pomyślne projekty Copilot Studio zaczynają się znacznie wcześniej niż utworzenie pierwszego tematu lub przetestowanie pierwszej orkiestracji. Wymagają jasnej wizji, jasno określonych celów, właściwego podejścia do realizacji oraz zespołu, który rozumie, jak pracować iteracyjnie w środowisku opartym na sztucznej inteligencji. Łącząc elastyczne metody, planowanie oparte na historiach użytkownika, ustrukturyzowane priorytetyzowanie oraz proaktywne zarządzanie ryzykiem, tworzysz warunki do przewidywalnych rezultatów i ciągłego doskonalenia. To podstawowe przygotowanie zapewnia, że Twój projekt pozostaje zgodny z celami biznesowymi, szybko dostosowuje się do nowych szczegółowych informacji i dostarcza rezultaty, którym użytkownicy ufają i które chętnie przyjmują.
Sprawdzanie gotowości projektu
Skorzystaj z poniższych pytań, aby potwierdzić, że Twój projekt ma solidne podstawy przed rozpoczęciem wdrożenia.
Planowanie i zakres projektu
| Gotowe? |
Zadanie |
| ✓ |
Czy jasno zdefiniowano wyzwania biznesowe, które agent ma rozwiązać? |
| ✓ |
Czy udokumentowano cele projektu i powiązano je z mierzalnymi wynikami? |
| ✓ |
Czy zdefiniowano cel agenta, najważniejsze cechy oraz przewidywaną wartość? |
| ✓ |
Czy ustalono kluczowe wskaźniki KPI (odchylenie, CSAT, adopcja, oszczędności kosztów)? |
| ✓ |
Czy zebrano założenia i obawy oraz przeanalizowano je z kluczowymi interesariuszami? |
Użytkownicy i kanały
| Gotowe? |
Zadanie |
| ✓ |
Czy zidentyfikowano wszystkie osoby użytkowników końcowych agenta (pracownicy, klienci, role)? |
| ✓ |
Czy zdefiniowano wymagane kanały (Teams, Web, mobilne, Microsoft 365 Copilot, inne)? |
| ✓ |
Czy potwierdzono potrzeby wielojęzyczności? |
| ✓ |
Czy udokumentowano zachowania awaryjne na różnych kanałach? |
| ✓ |
Czy oszacowano oczekiwania dotyczące liczby konwersacji, aby wspierać planowanie skali? |
Interesariusze, założenia i ryzyka
| Gotowe? |
Zadanie |
| ✓ |
Czy zidentyfikowano sponsorów biznesowych, właścicieli produktów, ekspertów dziedzinowych, architektów i partnerów wdrożeniowych? |
| ✓ |
Czy jasno powiązano role oraz osoby decyzyjne z punktami kontrolnymi projektu? |
| ✓ |
Czy jasno zdefiniowano odpowiedzialność za zatwierdzanie ryzyka, kwestii prawnych, prywatności i treści wrażliwych? |
Zespół i role
| Gotowe? |
Zadanie |
| ✓ |
Czy zebrano odpowiedni zespół międzyfunkcyjny z doświadczeniem w architekturze, tworzeniu oprogramowania, analityce, zarządzaniu zmianą i bezpieczeństwem? |
| ✓ |
Czy zidentyfikowano ryzyka o wysokim wpływie lub wysokim prawdopodobieństwie na wczesnym etapie? |
| ✓ |
Czy wasz zespół ukończył odpowiednie szkolenia (Power Up, ścieżki Copilot Studio Learn, Bootcamp Architektury)? |
Zarządzanie ryzykiem
| Gotowe? |
Zadanie |
| ✓ |
Czy zidentyfikowano i ustalono priorytety dla ryzyka o wysokim wpływie i wysokim prawdopodobieństwie? |
| ✓ |
Czy określono działania łagodzące dla każdego istotnego ryzyka (technicznego, zgodności z przepisami, integracji, zasobów)? |
| ✓ |
Czy sporządzono dokumentację strategii obejścia przeszkód (ograniczony zakres, ręczne kroki zapasowe, eksploracyjne działania)? |
| ✓ |
Czy istnieje przejrzysty proces śledzenia i eskalacji przeszkód podczas sprintów? |
Gotowość techniczna
| Gotowe? |
Zadanie |
| ✓ |
Czy wybrano odpowiednie środowisko platformy (agent deklaratywny, agent niestandardowego aparatu)? |
| ✓ |
Czy wymagania integracyjne, w tym dostępność API i tryby uwierzytelniania, zostały udokumentowane? |
| ✓ |
Czy zdefiniowano strategię środowiskową (od rozwoju przez testowanie do produkcji)? |
| ✓ |
Czy wprowadzono procesy ALM (pakowanie rozwiązań, automatyczne wdrażanie, przechowywanie wersji)? |
| ✓ |
Czy w pełni udokumentowano wymagania dotyczące bezpieczeństwa, uwierzytelniania i tożsamości? |
| ✓ |
Czy przejrzano ograniczenia specyficzne dla kanałów (Teams, witryny internetowe, Microsoft 365 Copilot)? |
| ✓ |
Czy udokumentowano zidentyfikowane wyzwania techniczne (lokalne, uprawnienia, łączniki, źródła wiedzy) związane ze środkami łagodzącymi? |
Limity przepustowości i limity żądań
| Gotowe? |
Zadanie |
| ✓ |
Czy zweryfikowano wymagania dotyczące wydajności i dyspozycyjności (RPM – żądania na minutę, łączniki, limity przepływu, limity CLU/NLU)? |
| ✓ |
Czy oceniono, czy agent wymaga aprowizacji szybkości? Aprowizacja szybkości dotyczy agentów B2C, agentów autonomicznych i agentów korporacyjnych o wysokim natężeniu ruchu lub z gwałtownym wzrostem ruchu. |
| ✓ |
Czy zidentyfikowano wszystkie usługi platformy w ścieżce środowiska uruchomieniowego agenta (Power Automate, Dataverse, łączniki, usługi CLU/AI, interfejsy API zależne) i przeanalizowano ograniczenia, które dotyczą każdej z nich? |
| ✓ |
Czy modelowano spodziewany ruch i okresy szczytowe (na minutę i na godzinę), a nie tylko jako miesięczne lub tygodniowe sumy? |
| ✓ |
Czy przeanalizowano projekt agenta, aby zmniejszyć niepotrzebną presję na przepustowość, zanim uznano, że konieczne są wyższe limity? |
| ✓ |
Jeśli szacowany szczytowy ruch może przekroczyć limity domyślne, czy przed uruchomieniem systemu UAT lub środowiska produkcyjnego otwarto wniosek o pomoc techniczną? |
Podejście do realizacji
| Gotowe? |
Zadanie |
| ✓ |
Czy projekt jest zorganizowany jako iteracyjnie dostarczane sprinty z regularnymi prezentacjami i pętlami opinii? |
| ✓ |
Czy istnieją procesy służące do doprecyzowywania zaległości i ciągłego ustalania nowych priorytetów? |
| ✓ |
Czy zaplanowano potraktowanie uruchomienia jako początku ciągłego doskonalenia, a nie końca pracy? |
Ciągłe doskonalenie
| Gotowe? |
Zadanie |
| ✓ |
Czy opracowano zdefiniowaną strategię analityki (pulpity nawigacyjne, wskaźniki KPI, przegląd transkrypcji, sygnały jakości)? |
| ✓ |
Czy istnieją pętle opinii (interesariusze, eksperci merytoryczni, użytkownicy końcowi)? |
| ✓ |
Czy zespół jest gotów często iterować po opublikowaniu? |
| ✓ |
Czy istnie plan ciągłej optymalizacji (zachowanie modelu językowego, obsługa sytuacji awaryjnych, doprecyzowanie tematów)? |
Odpowiedzialne AI
| Gotowe? |
Zadanie |
| ✓ |
Czy oceniono system pod kątem sprawiedliwości i sprawdzono niezamierzoną stronniczość w danych lub wynikach? |
| ✓ |
Czy role odpowiedzialnych osób są zdefiniowane i czy istnieje przejrzysty proces monitorowania oraz zarządzania zachowaniem AI? |
| ✓ |
Czy użytkownicy mają jasność, że mają do czynienia ze sztuczną inteligencją, i czy rozumieją, w jaki sposób powstają wyniki generowane przez AI? |
| ✓ |
Czy wymagania dotyczące prywatności, bezpieczeństwa i zgodności są w pełni spełnione dla wszystkich danych używanych przez system? |
| ✓ |
Czy zastosowano zabezpieczenia, filtry oraz strategie uzasadniania, aby zapobiec szkodliwym lub błędnym treściom generowanym przez AI? |
| ✓ |
Czy istnieje ustanowiony proces bieżącego monitorowania, przeglądu incydentów oraz aktualizacji modeli lub działań naprawczych? |
Rozumienie języka i zakres rozpoznawania intencji
| Gotowe? |
Zadanie |
| ✓ |
Czy podjęto decyzję dotyczącą tego, czy w danym scenariuszu wymagana jest domyślna orkiestracja generatywna, wbudowane NLU, NLU+ lub Azure CLU? |
| ✓ |
Czy udokumentowano oczekiwane dane wejściowe dla tematów, aby orkiestrator mógł poprawnie rozstrzygać powtarzające się lub złożone encje? |
| ✓ |
Czy zweryfikowano wymagania wielojęzyczne i potwierdzono, jak będą ustawiane System.User.Language (ręcznie, automatycznie wykrywane, wyzwalane)? |
| ✓ |
Czy zapewniono, że zachowania awaryjne i strategie naprawy (wyszukiwanie wiedzy, pytania wyjaśniające) zostały zaprojektowane i przetestowane? |
Wywołania najlepszych rozwiązań
-
Stosuj elastyczne metody, aby mieć możliwość adaptacji i być skoncentrowanym na użytkowniku: pracuj w krótkich sprintach, dostarczaj wartość jak najszybciej i regularnie zbieraj informacje zwrotne od użytkowników. Traktuj uruchomienie jako punkt wyjścia do ciągłego doskonalenia, a nie jako linię mety.
-
Planuj z wykorzystaniem historii użytkowników zamiast obszernych specyfikacji: historie użytkowników pozwalają na pracę zgodną z rzeczywistymi potrzebami użytkowników, pomagają zespołom zrozumieć „dlaczego” dla każdej funkcjonalności oraz umożliwiają szybkie zmiany priorytetów, gdy pojawiają się nowe szczegółowe informacje.
-
Zarządzanie aktywnymi zaległymi zadaniami: regularnie analizuj, udoskonalaj i przestawiaj zaległe elementy. Dodawaj nowe historie, gdy pojawiają się wzorce w analizie danych, opiniach użytkowników lub zmianach biznesowych.
-
Wcześnie zidentyfikuj i zarządzaj ryzykiem: oceń ryzyko pod kątem wpływu i prawdopodobieństwa, a następnie zaplanuj działania minimalizujące. Używaj szprych do weryfikacji niewiadomych i stosuj tymczasowe obejścia, aby zapobiec opóźnieniom w realizacji zamówień.
-
Zapewniaj bieżące zaangażowanie interesariuszy: często dziel się postępami poprzez prezentacje, przeglądy sprintów i wizualne zaległe zadania. Przejrzystość buduje zaufanie i tworzy współodpowiedzialność za kierunek projektu.
-
Projektuj z uwzględnieniem nadzoru od pierwszego dnia: zdefiniuj RBAC, strategię środowiskową, polityki bezpieczeństwa i wymogi zgodności już na początku, aby nadzór stał się częścią przepływu pracy, a nie późną przeszkodą.
-
Zweryfikuj integracje przed podjęciem zobowiązania: przetestuj API, ograniczenia łączników, metody uwierzytelniania oraz jakość danych na wczesnym etapie, aby uniknąć niespodzianek podczas rozwijania lub testów akceptacyjnych przez użytkowników (UAT).
-
Planuj przepustowość, a nie tylko całkowitą dostępność: przelicz oczekiwane użycie na okresy szczytu (na minutę i na godzinę) i porównaj z aktualnie opublikowanymi limitami na całej ścieżce wykonania — w tym w przepływach, łącznikach, Dataverse, usługach AI i API zależnych. Jeśli limity mogą zostać przekroczone, złóż wniosek o pomoc techniczną przed uruchomieniem UAT lub wdrożeniem produkcyjnym. Dowiedz się więcej w Planie dotyczącym przepustowości i limitów żądań.
-
Wykorzystaj dane do podejmowania decyzji: monitoruj CSAT, wzorce konwersacji, wskaźniki odchyleń, powody eskalacji oraz przyjęcie. Pozwól, by te sygnały kształtowały priorytety backlogu.
-
Publikuj wcześniej, aby aktywować koło zwrotne: udostępnij pierwsze wersje dla niewielkiej grupy odbiorców, dowiedz się, jak użytkownicy wchodzą w interakcję z agentem i dopracuj na podstawie dowodów — nie założeń.