FAQ para otimização de voz (pré-visualização)

Este artigo contém perguntas frequentes relacionadas com a configuração e configuração dos agentes de voz no Copilot Studio.

O agente pode responder apenas com conhecimento fundamentado ou também tem de executar ações em sistemas de registo?

Não necessariamente. Pode configurar os agentes para funcionarem exclusivamente com conhecimento fundamentado, sem executar ações em sistemas de back-end. O Copilot Studio controla esta funcionalidade através das definições de conhecimento e pesquisa na Web.

Quando faz sentido utilizar agentes apenas baseados em conhecimento

Utilize este modo quando a função do agente for principalmente informativa:

  • Responder a FAQs

  • Explicar políticas

  • Fornecer orientações ou instruções

  • Desviar chamadas ou chat

Nestes cenários, o modelo obtém informação de fontes configuradas e gera uma resposta sem chamar quaisquer APIs.

Como é que o agente obtém dados de negócio atuais, políticas e contexto do cliente em tempo real?

Conhecimento fundamentado (estático ou semi-estático): Esta abordagem funciona melhor para políticas, documentação e conteúdo estruturado.

O modelo utiliza Respostas Generativas, em que:

  • Pesquisa em fontes de conhecimento configuradas.

  • Sintetiza uma resposta.

  • Cita fontes, opcionalmente.

As fontes suportadas incluem

  • SharePoint

  • Sites

  • Documentos carregados

  • Dataverse (indireto apenas através de fluxos)

Nota

O Dataverse não é suportado como fonte de conhecimento direta para agentes voltados para C2 devido a requisitos de autenticação. Pode disponibilizar dados do Dataverse através de fluxos ou chamadas OData e devolvê-los ao agente como resultados estruturados.

Melhores casos de utilização para conhecimento

  • Políticas de reembolso e devolução

  • Horários e localizações das lojas

  • Regras de qualificação

  • FAQs sobre produtos

  • Procedimentos internos

Exemplo

"Qual é a vossa política de reembolso para encomendas online?"

O modelo obtém conteúdo de políticas do SharePoint e gera uma resposta clara.

Que tarefas requerem validação exata antes de serem executadas? Reembolsos, cancelamentos, atualizações ou alterações de conta

Determinadas ações exigem validação rigorosa e nunca devem ser deixadas a decisões não supervisionadas pela IA.

Categorias de alto risco

Categoria Exemplos Por que isto é importante
Atividades Financeiras Reembolsos, pagamentos e créditos Risco financeiro
Estado da conta Cancelamentos, alterações de planos Ações irreversíveis
Identidade Atualizações de morada, telefone e número de segurança social Fraude e conformidade
Legal Consentimento, exclusões Exposição regulatória

O padrão de execução segura

A IA decide > O sistema valida > A IA comunica

Este princípio assegura uma orquestração generativa segura.

Exemplo: Pedido de reembolso

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

  2. O modelo recolhe os detalhes obrigatórios
    ID da encomenda, motivo, prazo

  3. A API ou o sistema de registo valida

    • Verificar elegibilidade

    • Aplica a política de reembolso

    • Confirma aprovação ou rejeição

  4. O modelo comunica o resultado

    • Explica claramente o resultado

    • Não inventa nem assume resultados

Esclarecendo um equívoco comum

Usar um único modelo não significa automatização descontrolada.

Há uma clara separação de responsabilidades.

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

Configurar agentes em tempo real

  • Last updated on