Perguntas frequentes sobre otimização de voz (versão prévia)

[Este artigo é uma documentação de pré-lançamento e está sujeito a alterações.]

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

Importante

  • Esta é uma versão preliminar do recurso.
  • Os recursos em versão preliminar não se destinam ao uso em produção e podem ter funcionalidade restrita. Esses recursos estão sujeitos a termos de uso complementares e estão disponíveis antes do lançamento oficial, de maneira que os clientes possam obter acesso antecipado e fazer comentários.

O agente pode responder somente ao conhecimento fundamentado ou é necessário que ele também atue em sistemas de registro?

Não necessariamente. Você pode configurar agentes para operar puramente com base no conhecimento, sem executar nenhuma ação em sistemas de back-end. Copilot Studio controla esse recurso por meio de configurações de conhecimento e de pesquisa na Web.

Quando agentes "apenas de conhecimento" fazem sentido

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

  • Perguntas frequentes de resposta

  • Explicando políticas

  • Fornecendo diretrizes ou instruções

  • Redirecionamento de chamadas ou conversas

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

Como o agente recupera os dados comerciais atuais, as políticas e o contexto do cliente em tempo real?

Conhecimento aterrado (estático ou semi estático): essa abordagem funciona melhor para políticas, documentação e conteúdo estruturado.

O modelo usa Respostas Generativas, em que:

  • Pesquisa entre fontes de conhecimento configuradas.

  • Sintetiza uma resposta.

  • Opcionalmente, cita fontes.

As fontes com suporte incluem

  • SharePoint

  • Sites

  • Documentos carregados

  • Dataverse (apenas por meio de fluxos indiretos)

Note

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

Melhores aplicações para conhecimento

  • Políticas de reembolso e devolução

  • Horários e locais das lojas

  • Regras de qualificação

  • Perguntas frequentes sobre o produto

  • Procedimentos internos

Example

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

O modelo recupera o conteúdo da política de SharePoint e gera uma resposta clara.

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

Determinadas ações exigem validação estrita e nunca devem ser deixadas para decisões de IA de forma livre.

Categorias de alto risco

Category Exemplos Por que isso importa
Financeiro Reembolsos, pagamentos, créditos Risco financeiro
Estado da conta Cancelamentos, alterações de plano Ações irreversíveis
Identidade Endereço, telefone, atualizações do SSN Fraude e conformidade
Jurídico Consentimento, recusas Exposição regulatória

O padrão de operação segura

IA decide > Sistema valida > IA comunica

Esse princípio garante 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, período de tempo

  3. Validações de API ou sistema de registro

    • Verifica a qualificação

    • Aplica a política de reembolso

    • Confirma aprovação ou rejeição

  4. O modelo comunica o resultado

    • Explica claramente o resultado

    • Não inventa ou pressupõe resultados

Esclarecendo um equívoco comum

Usar um único modelo não significa automação descontrolada.

Há uma separação clara de responsabilidades.

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

Configurar agentes de voz em tempo real

  • Last updated on