Vanliga frågor och svar om röstoptimering (förhandsversion)

[Denna artikel är en förhandsversion av dokumentationen och kan komma att ändras.]

Den här artikeln innehåller vanliga frågor om konfiguration och konfiguration av röstagenter i Copilot Studio.

Important

  • Detta är en förhandsgranskningsfunktion.
  • Förhandsgranskningsfunktioner ska inte användas i produktion och funktionerna kan komma att vara begränsade. Dessa funktioner är föremål för kompletterande användningsvillkor och görs tillgängliga före officiell lansering så att kunder kan få tidig tillgång och ge feedback.

Kan agenten endast svara på grundad kunskap eller måste den också vidta åtgärder i arkivsystem?

Inte nödvändigtvis. Du kan konfigurera agenter att arbeta enbart med grundad kunskap, utan att vidta några åtgärder i serverdelssystem. Copilot Studio styr den här funktionen via inställningar för knowledge och webbsökning.

När "agenter som enbart fokuserar på kunskap" är meningsfulla

Använd det här läget när agentens roll främst är informationsbaserad:

  • Vanliga frågor och svar

  • Förklara principer

  • Ge vägledning eller instruktioner

  • Avleda samtal eller chatt

I dessa scenarier hämtar modellen information från konfigurerade källor och genererar ett svar utan att anropa några API:er.

Hur hämtar agenten aktuella affärsdata, principer och kundkontext i realtid?

Grundad kunskap (statisk eller semi-statisk): Den här metoden fungerar bäst för principer, dokumentation och strukturerat innehåll.

Modellen använder Generativa svar, där den:

  • Söker i konfigurerade kunskapskällor.

  • Syntetiserar ett svar.

  • Du kan valfritt citera källor.

Exempel på källor som stöds

  • SharePoint

  • Webbplatser

  • Uppladdade dokument

  • Dataverse (endast indirekt via flöden)

Note

Dataverse stöds inte som en direkt kunskapskälla för C2-riktade agenter på grund av autentiseringskrav. Du kan visa Dataverse-data via flöden eller OData-anrop och returnera dem till agenten som strukturerade resultat.

Bästa användningsfall för kunskap

  • Återbetalnings- och returprinciper

  • Butikstider och platser

  • Berättiganderegler

  • Vanliga frågor och svar om produkter

  • Interna procedurer

Example

"Vad är din återbetalningsprincip för onlinebeställningar?"

Modellen hämtar principinnehåll från SharePoint och genererar ett tydligt svar.

Vilka uppgifter kräver exakt validering innan de körs? Återbetalningar, annulleringar, uppdateringar eller kontoändringar

Vissa åtgärder kräver strikt validering och får aldrig lämnas till ai-beslut i fritt format.

Högriskkategorier

Category Exempel Varför det spelar roll
Ekonomi Återbetalningar, betalningar, krediter Finansiell risk
Kontotillstånd Annulleringar, planändringar Oåterkalleliga åtgärder
Identitet Adress, telefon, SSN-uppdateringar Bedrägeri och efterlevnad
Rättsliga Medgivande, undantag Regleringsexponering

Mönster för säker körning

AI beslutar > systemet validerar > AI kommunicerar

Den här principen säkerställer säker generativ orkestrering.

Exempel: Begäran om återbetalning

  1. Modell identifierar avsikt
    "Användaren vill ha en återbetalning"

  2. Modellen samlar in information som krävs
    Order-ID, orsak, tidsram

  3. API eller system of record validerar

    • Kontrollerar behörighet

    • Tillämpar återbetalningsprincip

    • Bekräftar godkännande eller avvisande

  4. Modellen kommunicerar resultatet

    • Förklarar resultatet tydligt

    • Uppfinner eller förutsätter inte resultat

Förtydliga en vanlig missuppfattning

Att använda en enda modell innebär inte okontrollerad automatisering.

Det finns en tydlig ansvarsfördelning.

Capability Vem bestämmer Vem framtvingar
Avsiktsigenkänning Modell —
Kunskapssvar Modell Omfång för kunskapskälla
ett API-val Modell Verktygstillgänglighet
Validering System för register Serverdelslogik
Slutligt svar Modell Baserat på verkliga resultat

Konfigurera röstagenter i realtid

  • Last updated on