Perguntas frequentes sobre a otimização de voz (versão preliminar)

Este artigo contém perguntas frequentes relacionadas à configuração e implantação de agentes de voz no Copilot Studio.

O agente pode responder apenas com base em conhecimento fundamentado ou é necessário que ele também atue em sistemas de registro?

Não necessariamente. Você pode configurar agentes para operar exclusivamente com o conhecimento fundamentado, sem tomar executar nenhuma ação em sistemas de back-end. O Copilot Studio controla esse recurso por meio das configurações de conhecimento e pesquisa na Web.

Quando agentes "apenas de conhecimento" fazem sentido

Use esse modo quando a função do agente for principalmente informativa:

  • Respostas a perguntas frequentes

  • Explicar políticas

  • Fornecer orientações ou instruções

  • Redirecionar chamadas ou conversas

Nesses cenários, o modelo recupera informações de fontes configuradas e gera uma resposta sem chamar nenhuma API.

De que forma o agente recupera dados corporativos atuais, políticas e contexto do cliente em tempo real?

Conhecimento fundamentado (estático ou semiestático): essa abordagem é melhor para políticas, documentação e conteúdos estruturados.

O modelo usa Respostas Generativas, em que:

  • Pesquisa em fontes de conhecimento configuradas.

  • Elabora uma resposta.

  • Opcionalmente, cita fontes.

As fontes de dados com suporte incluem:

  • SharePoint

  • Sites

  • Documentos carregados

  • Dataverse (somente por meio de fluxos)

Observação

O Dataverse não tem suporte como fonte de conhecimento direta para agentes voltados ao C2 devido a requisitos de autenticação. Você pode disponibilizar dados do Dataverse por meio de fluxos ou chamadas OData e retorná-los ao agente como resultados estruturados.

Melhores casos de uso para conhecimento

  • Políticas de reembolso e devolução

  • Horários e localizações de lojas

  • Regras de qualificação

  • Perguntas frequentes sobre o produto

  • Procedimentos internos

Exemplo

"Qual é a política de reembolso de pedidos online?"

O modelo recupera o conteúdo da política armazenado no SharePoint e gera uma resposta clara.

Quais tarefas exigem validação rigorosa antes de serem executadas? Reembolsos, cancelamentos, atualizações ou alterações na conta

Certas ações exigem validação rigorosa e nunca devem ser deixadas para decisões livres da IA.

Categorias de alto risco

Categoria Exemplos Por que isso é importante
Financeiro Reembolsos, pagamentos, créditos Risco financeiro
Estado da conta Cancelamentos, alterações de planos Ações irreversíveis
Identidade Atualizações de endereço, telefone e SSN Fraude e conformidade
Jurídico Consentimento, recusas Exposição regulatória

O padrão de execução segura

IA decide > Sistema valida > IA comunica

Esse princípio assegura uma orquestração generativa segura.

Exemplo: solicitação de reembolso

  1. O modelo identifica a intenção
    "O usuário quer um reembolso"

  2. O modelo reúne os detalhes necessários
    ID do pedido, motivo, prazo

  3. Validações de API ou sistema de registro

    • Verifica a elegibilidade

    • Aplica a política de reembolso

    • Confirma a aprovação ou rejeição

  4. O modelo comunica o resultado

    • Explica o resultado claramente

    • Não inventa nem presume resultados

Esclarecendo um equívoco comum

Usar um único modelo não significa automação descontrolada.

Há uma separação clara de responsabilidades.

Recurso Quem decide Quem impõe
Reconhecimento de intenção Modelo —
Respostas de conhecimento Modelo Escopo da fonte de conhecimento
Seleção de API Modelo Disponibilidade de ferramentas
Validação Sistema de registro Lógica de back-end
Resposta final Modelo Com base em resultados reais

Configurar agentes em tempo real

  • Last updated on