Ofte stillede spørgsmål om stemmeoptimering (prøveversion)

[Denne artikel er dokumentation til en foreløbig version og er med forbehold for ændringer.]

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

Vigtig

  • Dette er en forhåndsversionsfunktion.
  • Prøveversionsfunktioner er ikke beregnet til produktionsbrug og kan have begrænset funktionalitet. Disse funktioner er underlagt supplerende vilkår for anvendelse og er tilgængelige før en officiel udgivelse, så kunderne kan få tidlig adgang og give feedback.

Kan agenten kun besvare jordbaseret viden, eller skal den også gribe ind i registrets systemer?

Ikke nødvendigvis. Du kan konfigurere agenter til udelukkende at arbejde med jordbaseret viden uden at foretage dig noget i backend-systemer. Copilot Studio styrer denne funktion via knowledge og indstillinger for websøgning.

Når "kun viden"-agenter giver mening

Brug denne tilstand, når agentens rolle primært er oplysende:

  • Besvare 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?

Jordbaseret viden (statisk eller semi-statisk): Denne fremgangsmåde fungerer bedst til politikker, dokumentation og struktureret indhold.

Modellen bruger Generative Svar, hvor den:

  • Søger på tværs af konfigurerede videnkilder.

  • Syntetiserer et svar.

  • Du kan også citere kilder.

Understøttede kilder omfatter

  • SharePoint

  • Websteder

  • Overførte dokumenter

  • Dataverse (kun indirekte via flow)

Note

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

Bedste anvendelsesområder for viden

  • Politikker for refusion og returnering

  • Gem timer og placeringer

  • Berettigelsesregel

  • Ofte stillede spørgsmål om produkt

  • Interne procedurer

Eksempel:

"Hvad er din refusionspolitik for onlineordrer?"

Modellen henter politikindhold fra SharePoint og genererer et klart svar.

Hvilke opgaver kræver nøjagtig validering, før du kører? Refusioner, annulleringer, opdateringer eller kontoændringer

Visse handlinger kræver streng validering og må aldrig overlades til ai-beslutninger i fri form.

Kategorier med høj risiko

Kategori Eksempler Hvorfor er det vigtigt
Økonomisk Refusioner, betalinger, kreditter Økonomisk risiko
Kontotilstand Aflysninger, planændringer Uigenkaldelige handlinger
Identity Adresse, telefon, SSN-opdateringer Bedrageri og overholdelse af angivne standarder
Legal Samtykke, fravalg Reguleringsmæssig eksponering

Det sikre kørselsmønster

AI beslutter > Systemet validerer > AI kommunikerer

Dette princip sikrer sikker generativ orkestrering.

Eksempel: Anmodning om refusion

  1. Model identificerer hensigten
    "Brugeren ønsker en refusion"

  2. Modellen indsamler påkrævede oplysninger
    Ordre-id, årsag, tidsramme

  3. API og registreringssystem validerer

    • Berettigelse til kontrol

    • Anvender deres refusionspolitik

    • Bekræfter godkendelse eller afvisning

  4. Modellen kommunikerer resultatet

    • Forklarer resultatet tydeligt

    • Opfinder eller antager ikke resultater

Tydeliggør en almindelig misforståelse

Brug af en enkelt model betyder ikke ukontrolleret automatisering.

Der er en klar adskillelse af ansvarsområder.

Egenskab Hvem bestemmer Hvem gennemtvinger
Hensigtserklæringsgenkendelse Model –
Videnssvar Model Område for videnkilde
API-valg Model Værktøjstilgængelighed
Validering Postsystem Backendlogik
Endeligt svar Model Baseret på reelle resultater

Konfigurer stemmeagenter i realtid

  • Last updated on