Combina llenguatge natural i una consulta determinista per respondre amb precisió
A primera hora, abans que el cafè faci efecte, arriba la pregunta habitual a Teams: «En quin punt és el Mac de la Marta?». La resposta existeix, però viu en una llista, depèn d’un identificador i sovint requereix interpretar diversos camps: estat, tècnic assignat, data de l’última actualització i bloqueig pendent.
Un agent de Copilot Studio pot entendre la pregunta formulada de vint maneres diferents. Aquesta és la part flexible. La consulta que recupera l’estat ha de ser una peça molt més estricta. Aquí hi ha una idea especialment útil per a equips experts: deixa que l’agent interpreti la petició, però reserva la lectura de dades operatives a un flux d’agent acotat, de només lectura i amb una resposta estructurada.
Imaginem una llista de SharePoint amb l’inventari de preparacions. En lloc d’exposar-la sencera com a coneixement, crea una eina anomenada Consulta estat d’equip. La seva única missió és localitzar un dispositiu concret i retornar quatre camps: codi d’actiu, estat, responsable i següent acció.
El disseny importa tant com el flux.
-
Crea un agent flow amb el desencadenador When an agent calls the flow i una acció final Respond to the agent. Mantén la resposta síncrona: una eina d’agent ha de completar-se dins de 100 segons. Per això convé filtrar a l’origen i evitar recorreguts, bucles o consultes massives.
-
Defineix una entrada explícita, com ara
referenciaEquip. Al flux, consulta la llista amb un filtre pel codi d’actiu i limita el resultat a un o dos elements. Si no hi ha coincidència, retornatrobat: false. Si n’hi ha més d’una, retornaambiguitat: truei demana un identificador més precís. Aquesta petita bifurcació evita que l’agent presenti com a cert un resultat aproximat. -
Retorna camps estructurats, no un bloc de text:
estat,responsable,següentPas,actualitzatElitrobat. Així l’agent pot redactar una resposta natural sense reconstruir la lògica de negoci ni inventar un estat absent. -
A Copilot Studio, afegeix el flux com a eina i escriu-ne una descripció molt concreta: «Consulta l’estat actual d’un únic dispositiu quan l’usuari aporta un codi d’actiu, un número de sèrie o una persona associada». L’orquestració generativa selecciona eines segons el nom, les descripcions i els paràmetres. Una descripció vaga provoca crides fora de context.
En el cas de la Marta, l’agent pot respondre: «El Mac MBP-1842 està en preparació, l’està revisant en Jordi i falta validar la clau de recuperació. L’última actualització és d’avui a les 08.42 h». La redacció és flexible; el resultat operatiu conserva una forma controlada.
Aquesta arquitectura té una conseqüència de seguretat important. Configura l’agent amb Authenticate with Microsoft si el publicaràs a Teams o Microsoft 365. Si la llista conté informació sensible, revisa també la connexió del flux: una connexió propietària amb permisos amplis pot convertir l’agent en una via indirecta d’accés a registres que l’usuari no hauria de veure. Les polítiques DLP han de mantenir els connectors implicats dins del mateix grup de dades.
Abans de publicar, prova frases imprecises, codis inexistents i casos amb dos possibles resultats. Consulta el mapa d’activitat per comprovar que l’agent invoca l’eina quan toca. Aquesta prova mostra si el problema és la consulta, la descripció de l’eina o les instruccions de l’agent.
Repte d’avui: tria una pregunta operativa que el teu equip repeteixi cada setmana i converteix-la en una consulta de cinc camps com a màxim. Si no pots descriure clarament què retorna i què queda fora, encara no és una bona eina per a un agent.