Usar o copiloto para analisar a atividade do fluxo da área de trabalho (versão preliminar)

Artigo
11/27/2023

[Este artigo faz parte da documentação de pré-lançamento e está sujeito a alterações.]

Compreender o desempenho da automação é fundamental para alcançar metas de excelência operacional e confiabilidade, independentemente do tamanho do parque de automação, da equipe ou da função dentro da organização. Alcançar esses objetivos requer recursos de monitoramento avançados e dinâmicos que forneçam informações valiosas que destacam áreas de sucesso e identificam possíveis gargalos, tendências e áreas de melhoria. Ter informações mais detalhadas permite que você tome decisões embasadas que otimizam seus processos de automação, levando a maior eficiência e eficácia.

Importante

Este é um recurso em versão preliminar.
Os recursos de versão preliminar não foram criados para uso em ambientes de produção e podem ter funcionalidade restrita. Esses recursos são disponibilizados antes de um lançamento oficial para que os clientes possam ter acesso antecipado e forneçam comentários.

Os avanços mais recentes em IA nos fornecem oportunidades sem precedentes para explorar novos casos de uso de monitoramento de integridade de automação que podem incluir qualquer coisa, desde a simples exploração de dados até a detecção de anomalias, recomendações inteligentes e até mesmo bots de autocorreção.

Com o copilot agora capaz de analisar a atividade de fluxo da área de trabalho, estamos dando o primeiro passo em uma nova direção, permitindo que você democratize o acesso a informações fazendo perguntas específicas sobre atividades de fluxo da área de trabalho do copilot usando linguagem natural.

Importante

Essa capacidade é alimentada pelo Serviço OpenAI do Azure.
Copilot é uma nova tecnologia que ainda está em desenvolvimento. Ela é otimizada para uso no idioma inglês e tem suporte limitado para outros idiomas. Como tal, partes dela podem aparecer em inglês, e não no seu idioma preferido.
Leia as perguntas frequentes sobre IA responsável para copiloto na atividade de fluxo da área de trabalho (versão preliminar) para saber mais sobre essa nova experiência de copiloto.
Mais perguntas frequentes: Perguntas frequentes sobre IA responsável para Power Automate,Perguntas frequentes sobre segurança e privacidade de dados do copiloto no Microsoft Power Platform

Pré-requisitos

Uma conta corporativa ou de estudante com acesso a um ambiente do Power Automate nos Estados Unidos.
Durante a versão preliminar inicial, você deve ter um ambiente na região dos Estados Unidos para usar esse recurso. Se você não tiver acesso a um ambiente baseado nos Estados Unidos, peça ao administrador para criar um novo ambiente no centro de administração do Power Platform e selecionar Estados Unidos como sua região.
Verifique limitações conhecidas para obter mais informações.

Como funciona

Essa experiência copiloto é alimentada pelo serviço Azure Open AI e é capaz de traduzir solicitações do usuário em consultas Dataverse FetchXML válidas. Inicialmente, essas consultas são focadas e otimizadas para atividades de fluxo da área de trabalho, como execuções, fluxos, erros e máquinas.

Processo de alto nível

Depois que o usuário insere um prompt válido, o copilot gera uma consulta FetchXML válida com base na entrada.
Se o FetchXML gerado for válido, a consulta será executada no Dataverse backend no contexto de segurança do usuário atual para recuperar os dados correspondentes. Isso garante que os usuários vejam apenas os dados que já estão autorizados a acessar.
O Copilot então determina a visualização de saída mais adequada, como tabela, gráfico de pizza, gráfico de barras ou gráfico de linhas, para apresentar efetivamente as informações e dados ao usuário.

O que são FetchXML consultas?

Microsoft Dataverse FetchXML é uma linguagem usada para recuperar dados de um Dataverse banco de dados. Ela foi projetada para ser fácil de criar, usar e entender. Por exemplo, talvez você queira pedir ao Dataverse para fornecer uma lista de todas as execuções de fluxo para um fluxo específico. A FetchXML consulta é a maneira como você formula essa pergunta para que o banco de dados a entenda e possa fornecer os resultados corretos.

Solicitando melhores práticas

Seja específico: quanto mais específico você for com sua solicitação, melhor a IA compreenderá e responderá. Se a IA não estiver produzindo o resultado desejado, não se preocupe, tente novamente ajustando seu prompt.
Faça experiências com prompts: se você não estiver obtendo os resultados esperados, tente reformular seu prompt ou fornecer mais contexto.
Forneça feedback: se a IA produziu respostas ótimas ou insatisfatórias, informe-nos selecionando o polegar para cima ou para baixo com uma opção para fornecer mais feedback por meio do link Diga à Microsoft o que você gostou neste recurso que aparece abaixo.

Exemplos de prompt

Exemplos de prompts que podem ser usados como prompt inicial para seus próprios casos de uso são explicados nesta seção. Alguns desses prompts podem não ser aplicáveis ou retornar resultados incorretos, pois a precisão pode ser influenciada pelo entendimento do modelo ou pelo prompt real e pelos dados disponíveis para você com base em suas permissões. Recomendamos que você revise e valide os resultados retornados e FetchXML a consulta. Mais informações: Validar FetchXML resultados de consulta gerados pelo copiloto.

Execuções

Quais fluxos tiveram maior execução na semana passada?
Quais foram os cinco principais fluxos de ontem por número de execuções concluídas?
Qual foi a duração média do fluxo '[inserir seu nome de fluxo aqui]' durante o último semestre?

Erros

Mostre-me os erros de execução mais frequentes durante o mês passado.
Mostre-me uma distribuição de fluxos bem-sucedidos e com falha durante o último trimestre.
Qual foi o número de execuções com falha durante a semana anterior à última?

Computadores

Quais bots tiveram mais falhas de execução hoje?
Quais máquinas estão em modo de manutenção?
Quais são as máquinas com mais falhas de execução?

Criadores

Mostre-me os principais fluxos por número de execuções, juntamente com as informações do proprietário.
Quem foram os 10 principais usuários que executaram fluxos no mês passado?
Quando e por quem os fluxos da área de trabalho foram modificados na semana passada?

Avisos de várias voltas

No contexto da IA, avisos de várias voltas permitem que você tenha uma conversa contínua com o copiloto, onde ele lembra o contexto das mensagens anteriores da conversa. Não se trata apenas de responder perguntas pontuais; é dialogar com você, onde cada resposta é baseada no que foi dito antes.

Observação

Ao participar de conversa com várias rodadas, observe que o copiloto acompanha apenas as cinco perguntas mais recentes. Isso significa que o copiloto começa a limpar os prompts inseridos primeiro e mantém apenas os cinco últimos. Para melhorar a qualidade das respostas, sugerimos limitar as perguntas de acompanhamento a quatro e depois reiniciar o chat. Mais Informações: Limpando o contexto de prompt anterior para recomeçar.

Exemplo

Volta	Solicitação e resposta
	Usuário: Mostre-me uma distribuição de fluxos bem-sucedidos e com falha durante o último trimestre
	Copilot: Aqui está a distribuição de fluxos bem-sucedidos e com falha durante o último trimestre
	Usuário : qual foi o principal erro daqueles que falharam?
	Copilot: Aqui está o principal erro daqueles que falharam.
	Usuário : em quais nomes de máquinas eles falharam mais?
	Copilot: Aqui estão os nomes das máquinas onde ocorreram mais falhas.
	Usuário : daqueles que tiveram sucesso, qual foi a duração média da execução?
	Copilot: Aqui está a duração média da execução dos fluxos bem-sucedidos.

Influenciando o formato de saída

Você pode influenciar o formato de saída do copiloto solicitando tipos de saída explícitos, como "mostre-me a distribuição de execução de fluxo com falha versus sucesso como um gráfico de barras." Isso provavelmente produz o seguinte resultado:

Limpando o contexto de prompt anterior para recomeçar

Se quiser reiniciar a conversa com o copiloto você pode selecionar os três pontos ... ao lado do nome do copiloto e selecione Novo chat.

Validar FetchXML resultados de consulta gerados pelo copiloto

As etapas a seguir guiam você pelo processo de validação (e potencialmente reutilização) FetchXML consultas em Power Automate fluxos de nuvem.

Etapa 1: faça uma cópia da FetchXML consulta

Depois de enviar sua consulta ao copiloto, você receberá uma resposta que inclui um link denominado Mostrar código. Selecione este link e depois selecione o ícone de cópia localizado no canto superior direito da FetchXML caixa para copiar o código.

Etapa 2: criar fluxo de nuvem e testar FetchXML consulta

Navegue até o portal do Power Automate e selecione Meus fluxos no menu de navegação à esquerda.
Continue selecionando + Novo fluxo na barra de comando e selecione Fluxo da nuvem instantâneo no menu suspenso.
Insira um nome do fluxo, selecione Disparar um fluxo manualmente e, em seguida, selecione Criar.
O designer de fluxo de nuvem é exibido. Encontre e selecione o botão + Nova Etapa.
Na barra de pesquisa exibida, digite Dataverse e selecione o conector do Dataverse nos resultados.
Várias ações são exibidas. Role até encontrar e selecionar a ação Listar linhas.
Na ação Listar linhas, selecione o link Mostrar opções avançadas .
Um FetchXML campo de consulta é exibido. É aqui que você insere a consulta FetchXML copiada que o copiloto gerou anteriormente.
Depois de colar FetchXML, selecione Salvar.
Teste seu fluxo selecionando Testar.
Siga as instruções na tela para iniciar o fluxo manualmente e revisar os resultados.

Etapa 3: Noções básicas dos resultados

Vamos supor que você perguntou ao copiloto 'quantos fluxos com falha e com sucesso tivemos no mês passado?' Isso produz uma consulta FetchXML semelhante a esta:

<fetch version="1.0" mapping="logical" aggregate="true" count="3" page="1">
    <entity name="flowsession">
        <attribute name="flowsessionid" alias="flowsession_count" aggregate="count" />
        <attribute name="statuscode" alias="flowsession_statuscode" groupby="true" />
        <filter type="and">
            <condition attribute="completedon" operator="last-x-months" value="1" />
        </filter>
    </entity>
</fetch>

Se os dados corresponderem à FetchXML consulta fornecida, a ação List rows Dataverse configurada na etapa 2 retorna dados em um formato chamado JSON (JavaScript Object Notation), que é essencialmente um método usado para apresentar dados de maneira bem organizada, facilitando a leitura e a gravação digitalmente.

Para questões baseadas em distribuição, como mencionado anteriormente, os dados são agrupados por um ou mais campos (statuscode), juntamente com uma agregação (count) que retorna o número de cada grupo (ou seja, failed, succeeded e assim por diante).

Cada um dos registros retornados contém campos como:

flowsession_count: O número de vezes que o fluxo de trabalho foi executado.
flowsession_regardingobjectid: O identificador exclusivo do arquivo ou da pasta.
flowsession_statuscode: O status de execução do fluxo (por exemplo, Com falha).
workflow_name: O nome do fluxo.

Se você quiser saber quantas vezes um fluxo específico foi executado, consulte a flowsession_count coluna do registro onde workflow_name está o nome do seu fluxo.

Compreender as respostas do copiloto em solicitações problemáticas

Esta tabela mostra respostas padrão que são retornadas quando o copiloto não consegue entender sua pergunta, intenção ou gerar uma resposta válida.

Resposta do Copilot	Detalhes
Ocorreu um erro. Tente novamente.	Indica que ocorreu um erro inesperado. Reformular sua pergunta e tentar novamente.
Não consegui entender sua pergunta. Reformule-a e tente novamente. Posso responder a perguntas sobre os dados desta página. Para ver mais exemplos de prompts que você pode fazer ao copiloto, visite a seção de exemplos de prompts em nossa página de documentação.	Indica que sua pergunta não pôde ser traduzida em uma consulta FetchXML válida. Reformular sua pergunta e tentar novamente.
O Copilot está em sua capacidade máxima e temporariamente indisponível. Tente novamente em alguns minutos.	Indica que há restrições de recursos no back-end. Tente novamente sua pergunta após um curto período.
Sua mensagem contém conteúdo potencialmente prejudicial. Verifique se sua entrada é apropriada e tente novamente.	Indica que sua pergunta pode incluir conteúdo potencialmente prejudicial e foi bloqueada pelo serviço de back-end. Remova qualquer conteúdo potencialmente prejudicial da sua pergunta e tente novamente.
Não consegui gerar uma resposta válida com base na sua pergunta. Reformule-a e tente novamente. Posso responder a perguntas sobre os dados desta página. Para ver mais exemplos de prompts que você pode fazer ao copiloto, visite a seção de exemplos de prompts em nossa página de documentação.	Indica que o FetchXML gerado é inválido ou que a consulta falhou quando o copiloto tentou executá-lo. Reformular sua pergunta e tentar novamente.
Sua pesquisa inclui muitos resultados. Refine sua consulta e tente novamente. Para ver exemplos de como limitar os resultados da pesquisa retornados pelo copiloto, visite nossa página de documentação.	Indica que os filtros aplicados à sua consulta excedem os limites de agregação atuais em FetchXML. Adicione filtros mais apropriados, como solicitar dados de ontem ou do último mês à sua consulta para garantir que ela retorne dados dentro desses limites.

Limitações e problemas conhecidos

A lista a seguir contém limitações conhecidas do copiloto na atividade de fluxo da área de trabalho.

Copilot é uma nova tecnologia que ainda está em desenvolvimento. É otimizado para uso no idioma inglês e tem suporte limitado para outros idiomas. Como tal, partes dela podem aparecer em inglês, e não no seu idioma preferido.
Atualmente, o Copilot está disponível apenas em ambientes do Dataverse localizados nos Estados Unidos.
O Copilot pode retornar dados e consultas FetchXML errados ou incompletos.
Inicialmente, o Copilot só é capaz de responder a perguntas sobre atividades de fluxo da área de trabalho, como erros, máquinas e execuções passadas e atuais.
Em conversas com várias rodadas, o copiloto mantém o contexto apenas das últimas cinco perguntas. Se você encontrar resultados errados ou incompletos, reinicie a conversa. Mais Informações: Limpando o contexto de prompt anterior para recomeçar.
Para consultas que retornam grandes conjuntos de resultados, o copilot pode não conseguir retorná-los ou renderizá-los.

Compartilhar via