Latest / M365.FM – Microsoft 365, Copilot & AI podcast in het Nederlands / Copilot Studio-agent bouwen: grounding, persona, debuggen en publiceren zonder beginnersfouten (AI-nasynchronisatie)

Transcript

Copilot Studio-agent bouwen: grounding, persona, debuggen en publiceren zonder beginnersfouten (AI-nasynchronisatie) · M365.FM – Microsoft 365, Copilot & AI podcast in het Nederlands

0:00
Stel je voor dat je je eerste co-pilot studio-agent uitrolt en in plaats van indruk te maken,
0:04
er zoiets wankels uitflapt als ik denk dat het beleid misschien zegt dat dat de natuurlijke
0:08
manier van botbouwen is. Maar met een paar aanpassingen en duidelijke instructies die
0:11
het verankeren in het daadwerkelijke beleidsdocument kun je die blunder veranderen in een voltreffer
0:15
die precies uit het boekje citeert. Aan het einde van deze video weet je hoe je een slechte
0:18
reactie in het testvenster kunt reproduceren, deze kunt herstellen zodat de bot het echte
0:21
document citeert en een werkende pilot kunt publiceren. Korte zijstap, abonneer je nu zodat
0:25
deze walkthroughs automatisch in je afspeellijst verschijnen. Natuurlijk is het eenvoudig om
0:29
een vlekkeloos resultaat te krijgen in het testvenster. De echte problemen ontstaan wanneer
0:32
je bot de veilige omgeving verlaat en in het wild gaat blunderen. Waarom je perfecte testbot
0:36
in de praktijk instort? Dus, waarom begint een bot die er in het testvenster feilloos uitziet
0:40
plotseling te fladderen zodra hij wordt losgelaten op echte gebruikers? Kort gezegd, studio houdt de
0:44
zaken netjes en beleeft, terwijl de echte wereld die hoffelijkheid niet kent. In studio zijn de
0:48
invoergegevens die je voert keurig. Vragen zijn kort, netjes geformuleerd en komen meestal overeen met de
0:53
trainingsvoorbeelden die je hebt voorbereid. Daarom voelt het als een perfecte reeks. Maar ga naar
0:57
productie en mensen typen zoals mensen dat doen. Een senior zal vragen, hoeveel kan ik declareren
1:01
als ik in een hotel verblijf? Een medewerker typt misschien, hotel onkostenlimiet, met een
1:05
typfout. Een ander zegt misschien gewoon, herinner me nog eens aan het reizenbudget. Ze betekenen
1:09
allemaal hetzelfde, maar als je alleen hebt getest op, wat is de onkostenlimiet, dan zal de bot niet
1:14
altijd de verbanden leggen. Dit is een manier om dit gat nu meteen te zien. Open het testvenster en
1:18
gooi drie variaties naar je bot. Eerst de nette versie, dan een informele herschrijving en daarna een versie met
1:23
een typfout. Kijk hoe de reacties veranderen. Soms haalt hij alle drie, soms is alleen
1:27
de nette versie raak. Dat is je eerste aanwijzing dat prachtige testresultaten geen garantie zijn
1:31
voor overleving in de echte wereld. De technische reden is een tentdekking. Bots vertrouwen op
1:35
triggerzinnen en tappelijk definities om te weten wanneer ze een reactie moeten geven. Als al je
1:38
voorbeelden op elkaar lijken, wordt het model rigide. Een enkel synoniem kan het al in de war
1:42
brengen. De oplossing is saai, maar het werkt. Voeg bredere triggerzinnen toe aan je onderwerpen en
1:46
gebruik niet alleen de formele bewoordingen uit je beleidsdocumenten. Voeg wat informele,
1:49
verkorte en zelfs enigszins hommelige formuleringen toe die mensen echt gebruiken. Je hebt er geen
1:53
tientallen nodig, net genoeg om de voor de hand liggende variaties te dekken, en test dan opnieuw.
1:56
Kanaalverschillen maken dit ingewikkelder. Het testvenster van Studio is slechts een simulatie.
2:00
Zodra je publiceert naar een kanaal zoals Teams, SharePoint of een demo-website, kan het platform
2:04
aanpassen hoe invoertekst wordt verwerkt of hoe antwoorden worden weergegeven. Teams kan regels
2:07
anders afbreken. Een webpagina kan opmaak verwijderen. Zelfs kleine wijzigingen, zoals het verplaatsen
2:12
van een kernzin naar een andere regel, kunnen de weging door het model veranderen. Daarom benadrukt
2:15
Microsoft de noodzaak van iteratief testen over verschillende kanalen heen. Een bot die in Studio
2:19
slaagt, kan alsnog struikelen wanneer de opmaak in de echte wereld de zaken verandert. Gebruikers
2:23
hebben ook hun eigen verwachtingen. Voor hen is het herformuleren van een vraag een normaal
2:27
onderdeel van het gesprek. Zij denken niet na over intenties, triggers of semantische overlap.
2:30
Ze gaan er simpelweg vanuit dat de bot hen begrijpt zoals een collega dat zou doen.
2:33
Een grote fout, zeker tijdens een demo, en het vertrouwen is weg. Dat is waar beginnende makers
2:37
de mist in gaan. De repetitie in Studio gaf hen een vals gevoel van veiligheid, maar de eerste
2:41
informele gebruikersinvoer in Teams doorbrak die illusie. Laten we dit onderbouwen met nog een voorbeeld.
2:45
In Studio typ je, wat is de onkostenlimiet? De bot antwoordt direct, het beleid stelt 200
2:50
dollar per dag voor accommodatie. Perfect, zet het in productie. Probeer nu, hé, wat krijg ik ook alweer
2:55
terug voor een hotel? In plaats van het beleid te citeren, geeft de bot een antwoord zoals check
2:59
met hour of doet hij een vage gok? Dezelfde intentie, totaal andere uitkomst. Die wisseling,
3:04
precies tijdens de repetitie maar vaag in productie, is precies waar we het over hebben. De praktische
3:09
lee is deze. Behandel Studio als een sparringsessie. Handig om te leren, maar geen bewijs van
3:14
gereedheid. Probeer voordat je verder gaat de test met drie variaties in het testvenster
3:17
en verbreed daarna je onderwerpen met synoniemen en informele formuleringen. Test tot slot,
3:21
zodra je publiceert, opnieuw in elk kanaal waar de bot actief zal zijn. Zo ontdek je problemen
3:24
voordat je gebruikers dat doen. Er wacht nog een grotere valstrik, want zelfs als je de
3:28
formuleringen en kanalen dekt, kan je bot alsnog crashen als deze niet gebaseerd is op de juiste
3:32
bron. Dat is wanneer hij stopt met het missen van vragen en begint met het verzinnen van antwoorden.
3:35
Stel je een bot voor die zelfverzekerd klinkt, maar eigenlijk maar wat gokt. Dat is waar het vanaf
3:39
nu ingewikkeld wordt. De beginnersfout, je bot niet baseren op bronnen. De eerste beginnersfout
3:45
is co-pilot studio behandelen als een glazenbol in plaats van een regelboek. Wanneer je een agent
3:49
lanceert zonder deze te baseren op echte kennis, stuur je in feite een junior stagiair de directiekamer
3:53
in zonder enige voorbereiding. Ze spreken snel, ze klinken zelfverzekerd en de helft van wat ze
3:57
zeggen stort in zodra iemand het controleert. Dat is de valstrik van een bot die niet op bronnen is
4:00
gebaseerd. In het begin verhult de glans dat nog. Een nieuwe beeld in de studio ziet er strak uit,
4:04
beleefde begroetingen, snelle reacties, geen merkbare vertraging. Maar onder de motorkap is
4:08
er niets solide dat die woorden ondersteunt. Het systeem haalt er patronen uit, geen feiten.
4:13
Niet verankerde bots weten niets. Ze bluffen. En hoewel een bluffer gelikt uit kan zien in het
4:17
testvenster, zullen gebruikers in productie het direct doorhebben. De ergste uitkomst is niet
4:22
alleen zwakke antwoorden, het zijn hallucinaties. Dat is wanneer een bot iets verzint dat er goed
4:26
uitziet, maar geen basis in de realiteit heeft. Je vraagt naar reiskostenvergoedingen en in plaats
4:30
van beleefd te weigeren, verzint de bot een getal dat aannemelijk klinkt. Een medewerker boekt
4:34
een hotel op basis van die slechte output en plotseling ben je onkoste conflicten en
4:38
geïrriteerde e-mails aan het afhandelen. De zin zag er professioneel uit, de inhoud
4:41
was gebakken lucht. Het voorbeeld van Contoso Labs maakt dit tastbaar. In de officiële
4:45
praktijk oefening is het de bedoeling dat je een bestand genaamd Expenses Policy,
4:48
Dockx upload. Daarin staat de limiet voor overnachtingen duidelijk vermeld als 200 dollar
4:52
per nacht. Als je nu de verankering overslaat en je glimmende nieuwe bot vraagt, wat is het
4:56
hotelbeleid? Dan kan hij vol vertrouwen 100 dollar per nacht antwoorden. Totaal verzonnen. Pas
5:00
wanneer je daadwerkelijk die Expenses Policy, Dockx toevoegt, stopt het model met gissen.
5:04
Verankerde bots citeren het document. Volgens het bedrijfsreisbeleid is de overnachting
5:08
beperkt tot 200 dollar per dag en dat verschil, verzinsel versus citatie, draait volledig
5:13
om de verankering stap. Dus, dit is precies hoe je het oplost in de interface. Ga naar
5:17
je agent in Copilot Studio. Klik vanaf het overzichtsscherm op Kennis. Selecteer plus
5:21
Kennis toevoegen en kies vervolgens om een bestand te uploaden. Wijs naar Expenses Policy, Dockx of een
5:25
andere vertrouwde bron. Als je liever verbinding maakt met een openbare website of SharePoint
5:29
locatie, kun je dat ook kiezen, maar bestanden zijn overzichtelijker. Wacht na het uploaden
5:32
even. Het indexeren kan 10 minuten of langer duren voordat de inhoud gereed is. Raak niet
5:36
in paniek als de eerste testvragen er niet direct informatie uithalen. Zodra het indexeren
5:40
is voltooid, stel je je vraag opnieuw. Wanneer het correct verankerd is, zie je het werkelijke
5:43
antwoord van 200 dollar, samen met een kleine bronvermelding die aangeeft dat het uit je geuploaden
5:46
document kwam. Die bronvermelding is hoe je weet dat je een voltreffer hebt geland. Een veel
5:50
voorkomend misverstand is aannemen dat conversationele stimulering op magische wijze de gaten
5:54
opvult. Stimulering creëert geen beleidsbewustzijn, het versterkt alleen tekstpatronen. Zonder een
5:59
kennisbron om op terug te vallen, spuit stimulering vrolijk algemene opvulling. Het is alsof je
6:03
die stagiair drie koppen koffie geeft en hoopt dat cafeïne compenseert voor onwetendheid.
6:07
De labdocumenten waarschuwden hier zelfs al voor. Als er geen overeenkomst wordt gevonden
6:11
in je kennisbronnen, kan boosting terugvallen op de algemene basiskennis van het model en
6:15
vage of onjuiste antwoorden geven. Daarom moet je kritieke onderwerpen zo configureren dat ze alleen
6:19
je toegevoegde bronnen doorzoeken wanneer precisie belangrijk is. Laat de bot niet vrijuitputten uit
6:23
het bredere taalmodel als het gaat om compliance, financiën of hour. De gevolgen van het negeren
6:27
van deze stap lopen snel op. Ongefundeerde bots werken prima voor koetjes en kalfjes,
6:31
maar zodra ze antwoorden over vergoedingen of verlofbeleid, zorgen ze voor echte helpdesktickets.
6:35
Stel je voor dat je aan finance moet uitleggen waarom vijf medewerkers claims hebben ingediend
6:38
tegen het verkeerde tarief, omdat je bot ter plekke een limiet verzon. Het herstellen daarvan
6:42
kost meer dan simpelweg het document op dag één uploaden. Grounding verandert je agent van een
6:46
enthousiaste maar onwetende stagiair in wat gamers'en, Rules Lyre, zouden noemen. Hij citeert het boek
6:50
en baseert zich niet op zijn onderbuikgevoel. Voeg het declaratiebeleid toe en het systeem
6:54
handhaaft plotseling de bedrijfsregels in plaats van te improviseren. Beter nog antwoorden bevatten
6:57
bewijzen, duidelijke bronvermeldingen die je kunt controleren. Zo bescherm je het vertrouwen.
7:01
Bij een kritieke misstap heb je een zelfverzekerde roddelmachine gebouwd die verzonnen regels
7:05
verspreidt. Bij een perfect resultaat heb je een gefundeerde expert gebouwd, compleet met
7:09
bronvermeldingen. De enige manier om dat laatste te bereiken is door hem vanaf het begin te voeden
7:13
met geverifieerde kennisbronnen. En zodra je bot eindelijk de waarheid kan spreken, kom je voor
7:17
de volgende uitdaging, hoe hij die waarheid brengt, want nauwkeurigheid zonder persoonlijkheid
7:21
zorgt er alsnog voor dat gebruikers afhaken. Je bot een persoonlijkheid geven is de volgende
7:25
stap en in Copilot Studio krijg je die niet cadeau. Je moet hem zelf uitschrijven. Dit is het punt
7:30
waarop je stopt het systeem als een testpop te laten klinken en het vormgeeft tot iets waar
7:33
gebruikers echt mee willen praten. In de praktijk betekent dit dat je de velden voor naam, beschrijving
7:37
en instructies op de overzichtspagina moet bewerken. Laat je ze leeg, dan eindig je met standaard
7:41
antwoorden die aanvoelen als een NPC die vast zit in de tutorialmodus. Dit is het onderdeel
7:45
dat veel beginners over het hoofd zien. Het systeem heeft al een standaardstel zodra
7:49
je op aanmaken klikt. Als je de velden niet aanpast, krijg je een saaie bego-eter zonder
7:53
autoriteit en zonder context. Context is wat vertrouwen wint. In omgevingen als Hour of
7:58
Finance geeft een generieke toon mensen het gevoel dat ze een prototype testen, in plaats
8:01
van een tool waar ze op kunnen vertrouwen. Een kort voorbeeld, stel je wilde een expert in
8:05
declaratiebeleid bouwen, maar omdat je hem nooit een naam of beschrijving hebt gegeven, verschijnt
8:09
de agent als een generieke copilot zonder achtergrond. Iemand vraagt naar hotelvergoedingen en verwacht
8:14
professioneel advies. Wat ze krijgen is een saaie lab tekst zonder context, wat het subtiele
8:19
maar krachtige signaal afgeeft. Vertrouw me niet. Vertrouwen vervliegt snel, verlies gebruikers
8:23
bij het eerste contact en ze komen zelden terug. Zie de hele opzet als het schrijven van een
8:27
snelle karaktersheet. De naam is de klasse, de beschrijving het achtergrondverhaal, het
8:31
instructieveld, de eigenschappen en de toon is de afstemming. Je zou ook niet aan een campagne
8:35
beginnen zonder je vaardigheidspunten toe te wijzen. Verstuur een bot dan ook niet op die
8:39
manier. Nu, cijfers zijn hier wel van belang. Het naamveld van de bot heeft een limiet van 30
8:43
tekens, dus hou het kort en krachtig. Expert in onkostenbeleid, reisschids, hulp bij
8:47
secundaire arbeidsvoorwaarden. De beschrijving biedt ruimte voor ongeveer 1000 tekens, wat
8:51
genoeg is voor een paar duidelijke zinnen. Iets in de trant van deze agent voorziet medewerkers
8:55
van actuele antwoorden uit het officiële reisbeleid. Het citeert relevante passages en
8:59
vermijdt speculatie. Aanhalingsteken, dan heb je het instructieveld, je flexibele ruimte, tot
9:04
wel 8000 tekens. Dat is waar je concrete werkregels kunt vastleggen. Zeg niet alleen dat de bot
9:08
behulpzaam moet zijn, maar leg het draaiboek uit. Citeer altijd de beleidsregel wanneer deze
9:12
beschikbaar is. Vermijd speculatieve antwoorden. Vat het samen in één heldere zin voor leidinggevenden
9:16
en geef daarna de bronvermelding. Een handige checklist die je kunt aflopen tijdens het bouwen
9:20
ziet er zo uit. Geef de rol een naam, schrijf een korte beschrijving van de expertise, bepaalde
9:25
toonformeel, informeel, simpel voor niet-experts en vul de instructies met gedragsregels, wat
9:30
wel, wat niet, en de gewenste opmaak. Elk van die stappen versterkt de identiteit. Geen
9:34
enkele stap vereist geavanceerde instellingen. Het is allemaal beschikbaar tijdens het aanmaken
9:38
of later aanpasbaar op de overzichtspagina. De richtlijnen voor de toon zijn subtiel maar
9:42
krachtig. Je kunt de bot expliciet sturen met zinsneden als formeel en professioneel
9:46
of informeel en begrijpelijk voor medewerkers zonder technische achtergrond. Voeg desgewenst
9:50
voorbeelden toe in de instructies. Er is niet veel tekst nodig om te bepalen hoe de bot
9:54
elke zin vormgeeft. Twee snelle verbeteringen die niet iedereen kent. Bewerk het startonderwerp
9:59
van het gesprek en wijzig het icoon van de agent. Beide kosten minder dan 5 minuten. In het
10:03
testvenster zie je het welkomstbericht dat je bot geeft zodra je een chat opent. Standaard
10:07
is dit vrij algemeen. Klik erop, bewerk het gespreksonderwerp en vervang het standaard
10:11
welkomstbericht door een rolspecifieke introductie zoals ik ben hier om je te helpen met het reisbeleid
10:15
en zal waar mogelijk het officiële document citeren. Ververs daarna het gesprek om het te
10:19
testen. Direct een stuk professioneler. Voor het icoon ondersteunt het systeem een PNG-bestand
10:23
tot 192 bij 192 pixels onder de 30 kilobyte. Door een huistijlafbeelding toe te voegen, zelfs
10:28
een simpel logo, voorkom je dat de demo-uitstraling het vertrouwens gaat nog voor het eerste
10:31
antwoord. Sommigen doen deze aanpassingen af als optionele vervraaiing. Maar zie ze als een basisuitrusting.
10:36
Een onbeschermd personage kan nog steeds vechten, natuurlijk, maar is bij de eerste
10:39
voltreffer meteen uitgeschakeld. Een bot die gebruikers begroet met een zieloze naam en
10:43
vage inleiding verkeert in dezelfde kwetsbare positie. Vul de basis in en je hebt al een
10:46
stevige verdediging opgebouwd tegen verwarring en afhakers. Kleine aanpassingen hebben snel
10:50
effect. Door in de introductie de rol te benoemen, stimuleer je gebruikers om relevante vragen
10:54
te stellen. Toonregels gebruiken voorkomt al te langdradig gezwets. Het aanscherpen van instructies
10:59
leidt de AI weg van opvulling en naar een menselijk leesbare stijl. Elk van deze aanpassingen
11:03
betekent minder, ik begrijp het niet, tickets en vloeideren processen zonder nieuwe connectoren
11:06
of plugins. Maak er dus een regel van. Stel de persona in voordat je begint met geavanceerde
11:10
logica. Kies een naam die het doel aangeeft. Schrijf een korte, duidelijke beschrijving.
11:14
Bepaal de toon. Laat de instructies met de regels die gevolgd moeten worden. Update de
11:17
begroeting bij de start van het gesprek. Plaats een simpel icoon. Dit zijn acties met weinig
11:21
inspanning, maar een grote opbrengst. Bij een natuurlijke 20 verandert een gedefinieerde persona
11:24
zelfs een goed nieuwe beeld in een teamgenoot die gebruikers erbij willen hebben. Bij een
11:27
natuurlijke 1 laat het overslaan van een persona je achter met een ongemakkelijke NPC waar niemand
11:31
een tweede keer mee praat. En zodra je je agent een identiteit hebt gegeven, ben je klaar voor
11:35
het zwaardere werk, want de echte test is niet het maken, maar wat er gebeurt nadat je ziet
11:38
dat het misgaat of lukt tijdens live interacties. Dat is het moment om te stoppen en de logbestanden
11:42
te lezen in plaats van de boel in te pakken naar de eerste misstap.
11:45
Fouten in real-time debuggen. Real-time debuggen is waar je misstappen omzet in lessen in plaats
11:50
van in tickets. Dit is de praktische cyclus die elke bouwer moet doorlopen. Zie de fout, isoleer
11:54
deze. Herstel hem en voer de test opnieuw uit. Copilot Studio geeft je de tools, maar alleen als
11:58
je ze in de juiste volgorde gebruikt. Hier is de routine die je hardop kunt volgen tijdens een
12:01
demonstratie. Stap 1. Reproduceer de falende gebruikersvraag in het testvenster. Ga er niet
12:06
zomaar aan voorbij. Stel precies dezelfde vraag als de gebruiker zou doen. Stap 2. Klik op het
12:10
verversycon of start een nieuwe chat om het gesprek te resetten voordat je opnieuw probeert. Met een
12:14
schone lei beginnen is belangrijk. Stap 3. Open de onderwerpen om te zien welke werd geactiveerd. Als het er niet
12:19
een van jou was, maar het conversational boosting, onderwerp van het systeem, is dat een teken dat de bot vertrouwde op het
12:23
model niet op jouw kennis. Stap 4. Als het uit het boosting kwam, controleer dan of je relevante bestand of site is geüpload
12:28
en geïndexeerd. Geen index, geen grounding. Onthoud dat indexeren enkele minuten kan duren. Stap 5. Pas je instructies of
12:34
onderwerpinhoud aan, sla op en voer daarna exact dezelfde query opnieuw uit. Deals, reproduceren, patchen, opnieuw
12:39
draaien, herhalen, is je mantra. Als je die overslaat, hoop je alleen maar dat de dobbelstenen de volgende keer
12:43
gunstiger vallen. Soms is het antwoord niet vaag van toon, maar ontbreekt het aan structuur. Dat is waar het maken van een nieuw
12:48
onderwerp loont. Studio heeft een handige optie om met co-pilot toe te voegen op basis van een beschrijving,
12:53
direct op de pagina met onderwerpen. Je beschrijft wat je nodig hebt, zoals antwoord direct wanneer
12:57
gebruikers vragen naar onkostenlimieten. Klik op toevoegen en het systeem ontwerpt een onderwerpsstructuur
13:01
op basis van die beschrijving. Het is snel, het is expliciet en het garandeert dat die ene pijnlijke,
13:06
vage reactie de volgende keer een betrouwbaar antwoordat wordt. Gebruik het telkens wanneer de bot dezelfde
13:10
basisvraag blijft negeren. Stop echter niet bij alleen ja of nee oplossingen. Voer experimenten van 10 minuten uit,
13:16
zoals A, B, testen van de toon. Ga naar het instructieveld en schrijf variant A met formele
13:20
beleidstaal. Sla op, vraag wat de limiet voor reiskosten is, noteer het antwoord en wijzig de
13:24
instructies vervolgens naar variant B, een vriendelijke oudergids die eenvoudige, informele
13:28
uitleg geeft terwijl de regels worden gesiteerd. Stel dezelfde vraag opnieuw, je hebt dan laks naast
13:33
elkaar die laten zien welke persona beter werkt en je hebt niets anders nodig dan het testvenster om
13:37
dit te doen. Op die manier neem je beslissingen over de toon op basis van bewijs, niet op basis van
13:40
gissingen. Voeg nu groundingchecks toe. Stel dat een tester vraagt, wat kan ik declareren voor hotels?
13:45
En de bot reageert vaag met overleg met ouwer. Dat is geen totale mislukking, het is feedback.
13:49
Misschien is het document expenses policy dax nog niet geïndexeerd. Misschien bevatte je
13:53
triggerfrasen het woord hotel niet. Je lost dit op door het tabblad kennis opnieuw te controleren om
13:57
er zeker van te zijn dat het bestand actief is en vervolgens hotelkosten toe te voegen als
14:00
triggerfrasen in je reisonderwerp. Voer het nu opnieuw uit. Als je krijgt volgens het beleid is de
14:03
overnachting beperkt tot 200 dollar per nacht, heb je het lek succesvol gedicht. Een subtiele maar
14:08
belangrijke truc is het gebruik van gesprekstarters. Lege tekstvakken laten live gebruikers bevriezen,
14:13
maar je kunt een aantal suggesties vooraf invullen vanaf de overzichtspagina. Voeg 3 tot 5 vragen
14:18
toe, zoals wat is de hotelimiet? Hoe dien ik een reisdeclaratie in? Welke maaltijden worden
14:22
vergoed? Aanhalingsteken. De gebruiker klikt er direct op, wat betekent dat je echte paden sneller
14:27
test en zij het gevoel krijgen dat de bot zijn rol kent nog voordat ze iets typen. Dit hele ritme
14:31
maakt je bot robuuster bij elk pad. Bij een natuurlijke fout negeer je de mislukte output en ga je ervan
14:35
uit dat de volgende keer alles magisch wel goed gaat. Dat zorgt ervoor dat mensen support tickets indienen
14:39
en hun vertrouwen verliezen. Bij een natuurlijke 20 blijf je die routine herhalen totdat de bot met
14:43
bronvermeldingen en de juiste persona bewijst dat hij zelfs hommelige input begrijpt. Elke
14:47
iteratie brengt je dichter bij een betrouwbare teamgenoot in plaats van een onvoorspelbare
14:51
grob. En dit is de realiteit. Verfijnen in het testvenster is de veilige modus. Zodra je
14:55
luswerkt is de volgende stap kijken hoe die oplossingen stand houden buiten je eigen machine. Dan
14:59
beginnen de verschillen per kanaal op te duiken en dat is het deel dat de meeste nieuwe bouwers
15:03
onderschatten. Als de dungeon openbaar gaat publiceren en kanaalverrassingen. Wanneer je eindelijk
15:08
op publiceren klikt, verlaat je agent de werkplaats en moet hij zien te overleven bij
15:12
echte gebruikers. In Copilot Studio heet deze stap als de dungeon openbaar gaat omdat publiceren
15:16
je zorgvuldig gerepeteerde bot in kanalen dropt die volgens hun eigen regels spelen. De eerste
15:21
verrassing is dat publiceren niet slechts één klik is om hem live te zetten. Het is een proces
15:25
dat bepaalt wie je agent kan bereiken, hoe ze binnenkomen en hoe die antwoorden in de praktijk
15:29
verschijnen. Teams, SharePoint, de demo website, elk kanaal heeft zijn eigen eigenaardigheden. Een
15:34
strak antwoord in studio kan er anders uitzien of volledig falen zodra je het implementeert.
15:37
Neem Teams als voorbeeld. In Studio komt je antwoord helder terug. Het beleid zegt 200
15:42
dollar per dag voor verblijf. Test dezelfde zin in Teams en plotseling staart hij je aan
15:46
met ik begrijp het niet, terwijl er niets aan je bot is veranderd. Het is de manier waarop
15:50
Teams de tekst ontbreekt en metadata doorgeeft die de uitleiding verstoorde. SharePoint doet
15:53
zijn eigen ding met regelafstanden. De demo website is het eenvoudigst, maar kan de opmaak
15:58
nog steeds anders weergeven dan Studio Date. Elk publicatiedoel is een andere arena en je moet
16:02
ze afzonderlijk testen. Wat is de juiste volgorde voordat je het klaar noemt? Hier is de
16:06
publicatie checklist die beginners vallen vermijdt. Bevestig eerst dat je kennisbestanden
16:10
volledig zijn geïndexeerd. Als je ze net hebt geüpload, zijn ze mogelijk nog niet klaar
16:13
voor live antwoorden. Stel ten tweede de authenticatie in. Als je een brede demo draait, kies dan voor
16:18
geen authenticatie, zodat iedereen met de link het kan proberen. Druk ten derde op publiceren
16:22
en zorg ervoor dat je de groene bevestigingsbanner of status update op de kanalenpagina ziet.
16:26
Open ten vierde de kanaalinstellingen van de demo website. Update het welkomstbericht en de
16:30
gesprek starters zodat je testers niet bevriezen bij een leeg chatvenster. En voert tot slot de
16:34
besloten pilot uit. Zend nog niet uit naar de volledige tenant. Een kleine groep met duidelijke
16:38
instructies is slimmer dan een volledige release. Die pilotgroep moet weten dat zij de testpartij
16:43
zijn. Vraag hen om informeel taalgebruik te proberen, typfouten te maken en zelfs bestanden
16:46
te uploaden waar dat logisch is. Hun fouten zijn precies wat de zwakke plekken blootlegt. Een besloten
16:50
pilot maakt de lancering niet alleen soepeler. Het levert de ruwe rapporten die je nodig hebt om de
16:54
beeld te verbeteren voordat je deze binnen het hele bedrijf uitholt. Kanaalgedrag maakt deze stap verplicht.
16:58
Welke scenario's je ook in studio hebt getest, formele vragen, informele bewoordingen, typfouten
17:02
en één onderbouwde bronvermelding, herhaal die exacte runs in elk doelkanaal. Kijk of Teams ze
17:06
anders weergeeft. Kijk hoe SharePoint de witruimte verpest. Kijk of de webdemo nog steeds de
17:10
bronvermelding toevoegt. Dit is de enige manier om consistentie aan te tonen. Een vlekkeloze
17:14
studiotest garandeert geen werkende uitrol. Publiceren betekent ook dat je niet langer alleen op
17:18
gebruikersfeedback vertrouwt, maar begint met het bekijken van telemetrie. Zodra je bot live is op
17:22
Teams of de demo-website, begint de gebruiksdata binnen te stromen. Het Power Platform Beheer Centrum
17:26
en de ingebouwde analyses zijn er om je te helpen. Je ziet adoptiecijfers, foutmeldingen
17:31
en zelfs welke gesprekken geen onderwerp hebben geactiveerd. Dat is geen extra werk, het is
17:34
je monitoringsysteem. Je publiceert niet zomaar één keer en vergeet het, je houdt de laks
17:38
in de gaten om te zorgen dat je bot correct wordt gebruikt en geen nieuwe support tickets
17:41
genereert. Als je deze stap overhaast, verlies je het vertrouwen. Bij een mislukking druk je
17:44
snel op de publiceerknop, rol je het uit naar elke afdeling en wordt je bedolven onder support
17:48
tickets omdat Teams belangrijke antwoorden weglaat. Gebruikers haken af en hen terugwinnen duurt langer
17:52
dan het repareren van de bot zelf. Bij een succes benader je publicatie als een nieuwe testfase.
17:56
Index voltooit authenticatie ingesteld, publicatie bevestigd, demo sites afgesteld, pilot gedraaid.
18:01
Je verzamelt rommelige feedback, verbetert antwoorden en voert elke belangrijke query
18:04
opnieuw uit in elk kanaal. Tegen de tijd dat je opschaalt naar een brede uitrol is de
18:08
stresstest al doorstaan. De echte truc is om publiceren niet langer als een eindpunt te zien.
18:12
De knop markeert niet het einde van het boek, maar het begin van de veldcampagne. Zodra de data
18:16
van de pilot binnenkomt en je laks bevestigen dat gebruikers overal duidelijke antwoorden krijgen,
18:20
heb je het recht verdiend om het stabiel te noemen. En dat besef sluit aan bij het grotere
18:23
plaatje van bouwen met Copilot Studio, want het is geen eenmalig gebouw, maar een systeem
18:27
dat je keer op keer aanpast. Dus hier is de samenvatting die er echt toe doet.
18:31
Drie dingen maken je beeld van Wankel naar betrouwbaar. Ten eerste, onderbouwde agent, upload de echte
18:35
documenten of verwijs naar vertrouwde bronnen zodat hij stopt met gokken. Ten tweede, geef
18:39
hem een persona, stel de naam, beschrijving en toon in en beschrijf het gedrag in dat instructieveld
18:43
van 8000 tekens. Ten derde, vertrouw niet blind op een soepele repetitie, gebruik het testvenster,
18:47
draai een besloten pilot en publiceer en monitor daarna. Bij een perfect resultaat leveren
18:51
die stappen je een bot op die vertrouwen wint in plaats van tickets. Abonneer je voor meer
18:54
en laat in één zin in de comments weten welk beleidsdocument jij zou gebruiken als basis
18:58
voor je agent.