Latest / M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano / Creare un sistema di approvazione con l’IA in Microsoft Copilot Studio: Agent Flows multistadio e verifica delle ricevute (Doppiaggio IA)

Transcript

Creare un sistema di approvazione con l’IA in Microsoft Copilot Studio: Agent Flows multistadio e verifica delle ricevute (Doppiaggio IA) · M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano

0:00
Passi metà della giornata ad aspettare approvazione.
0:02
Qualcuno è in feri, qualcun altro non ha visto l'email e quando finalmente arriva una decisione
0:06
il contesto che giustificava la richiesta è svanito.
0:09
Purgatorio aziendale, progresso bloccato da persone che giurano di essere impegnate.
0:13
Ora immagina un sistema che semplicemente non aspetta.
0:15
Un flusso di lavoro che avanza non appena le condizioni sono soddisfatte.
0:18
Ecco gli agent flow di Microsoft Copilot Studio, il killer della burocrazia sotto le spoglie
0:21
d'automazione.
0:22
Qui l'IA diventa il tuo primo approvatore.
0:24
Legge i dati, li valuta rispetto alle policy e fornisce un'approvazione o un rifiuto informato
0:28
prima ancora che un umano.
0:30
Se ne accorga, solo i casi limite raggiungono la casella di posta di un manager, il che
0:33
significa velocità senza sacrificare la supervisione.
0:36
E a differenza dei flussi di approvazione tradizionali che crollano sotto la complessità
0:39
condizionale, quelli guidati da lì a scalano, ramificandosi, convalidandosi e controllandosi
0:43
da soli, in questa guida ti mostrerò come costruire un sistema di approvazione condizionale
0:48
a più fasi che decide più velocemente di quanto i tuoi colleghi trovino il tasto rispondi
0:51
a tutti.
0:52
Imparerai a configurare una fase IA con logica di approvazione personalizzata, aggiungere revisioni
0:57
mani mirate, progettare condizioni dinamiche che reindirizzano in modo intelligente e integrare
1:02
la convalida reale dei documenti per la conformità.
1:05
Alla fine avrai un processo automatizzato che sa quando pensare come una macchina e quando
1:08
deferire al giudizio umano.
1:09
Smetti di seguire una coda.
1:11
Inizia a far guidare la logica.
1:12
Il problema delle approvazioni tradizionali.
1:15
Le catene di approvazioni tradizionali sono un tragico remix della stessa inefficienza.
1:19
Qualcuno invia un modulo, le mail volano, i fogli di calcolo perdono la sincronizzazione
1:23
e tra i giri di inoltre nessuno ricorda quale fosse la versione finale.
1:26
Ogni partecipante aggiunge ritardo, non valore.
1:28
Il processo non gestisce il lavoro, produce latenza.
1:32
I tipici flussi di approvazione di Power Automate cercano di risolvere il problema, ma
1:35
si bloccano non appena introduci sfumature.
1:37
Un unico percorso di approvazione funziona bene se ti serve solo un sì o un no.
1:40
Nel momento in cui aggiungi livelli gestionali, soglie di spesa o regole specializzate, il
1:45
design inizia a frammentarsi.
1:47
Finisci per anidare condizioni come matriosche, ineleganti, fragili da correggere sei mesi
1:50
dopo.
1:51
Un connettore rotto e l'intero sistema fallisce silenziosamente.
1:55
Gli esseri umani diventano colli di bottiglia, o per essere brutalmente precisi, nodi di latenza.
1:59
Ogni messaggio che ricevono diventa un altro round trip asincrono.
2:02
L'e-mail come meccanismo di approvazione è come usare piccioni viaggiatori in un mondo
2:05
a fibra ottica.
2:06
Tecnicamente funziona, ma non d'orevo.
2:08
Ecco Microsoft Copilot Studio.
2:09
Non si tratta solo di una versione incrementale di Power Automate.
2:13
Introduce gli agent flow, sistemi di approvazione potenziati dall'IA, ma completamente integrati
2:18
nelle fonti dati, nei ruoli e nelle strutture logiche della tua organizzazione.
2:22
Colma il divario tra l'applicazione deterministica delle policy e il processo decisionale adattivo.
2:26
La genialità sta nel modo in cui separa le fasi.
2:29
Automatizzato dove serve velocità, umano dove è ancora richiesta convalida.
2:33
Pensala come una gerarchia riprogettata.
2:34
La fase IA valuta regole fisse, limiti di importo, categorie e intervalli di date con efficienza clinica.
2:41
Poi, se una decisione è ambigua, il processo passa alla supervisione umana senza costringere
2:45
ogni caso banale in coda.
2:47
Questo da solo elimina ritardi esponenziali.
2:50
Invece di 10 persone che fanno revisioni seriali, l'IA gestisce l'80% istantaneamente,
2:54
installando solo le eccezioni.
2:56
E sì, Copilot Studio traccia tutto tramite la dorsale Dataverse,
2:59
producendo log verificabili senza che il team debba frugare negli archivi delle e-mail.
3:03
I flussi di lavoro precedenti erano costruiti per gli uomini.
3:06
I flussi degli agenti sono costruiti attorno a loro,
3:07
tenendo le persone nel ciclo solo quando serve interpretazione e non ripetizione.
3:11
Una volta vista questa architettura, le approvazioni tradizionali sembreranno primitive,
3:14
come tenere la contabilità a lume di candela.
3:17
La posta in gioco è semplice, conformità, coerenza e scalabilità.
3:20
Le operazioni moderne affogano senza convalida automatizzata,
3:22
e la logica assistita dall'IA è ora lo standard per l'affidabilità.
3:25
Quando passi da flussi statici a flussi di agenti condizionali e verificabili,
3:29
smetti di gestire le approvazioni in modo reattivo e inizi a trattarle come sistemi vivi.
3:34
Differenza non è solo velocità e sanità strutturale.
3:37
Costruire la fase IA e istruire il primo approvatore.
3:40
Ora arriva la parte interessante a formare il tuo primo burocrati digitale.
3:44
La fase IA è il guardiano logico del tuo processo di approvazione.
3:47
Il suo compito non è pensare come un umano,
3:49
ma eseguire ragionamenti strutturati con una coerenza sovrumana.
3:53
Legge le istruzioni, le confronta con gli input
3:55
ed emette uno dei due verdetti approvato o rifiutato.
3:58
Nessuna politica, nessuna pausa.
4:00
Inizi definendo un nuovo flusso di agente.
4:01
Alla creazione, la fase IA si posiziona al centro
4:04
come un foglio d'esame vuoto in attesa delle risposte.
4:07
Il trigger solitamente proviene da Dataverse,
4:09
un record aggiunto o modificato nella tua tabella di richieste o spese.
4:11
Una volta creata una richiesta, questa fase si attiva, valuta i dati e decide di conseguenza.
4:16
All'interno della fase, il campo più importante è il prompt di istruzione, il cervello dell'operazione.
4:20
È qui che descrivi la logica di approvazione, in un linguaggio semplice ma rigoroso.
4:23
Scrivilo come se stessi istruendo un avvocato che non improvvisa mai.
4:27
Per esempio, approva la richiesta se l'importo è inferiore a 500
4:31
e la descrizione riguarda la salute fisica o mentale
4:33
e la data di acquisto entro 30 giorni dall'invio.
4:36
Difiuta assieme a qualsiasi regola nel soddisfatto.
4:38
Tutto qui, chiarezza binaria.
4:40
Successivamente, definisci i tuoi input dinamici.
4:42
Pensali come variabili che alimentano la tua logica con dati reali.
4:45
Molto probabilmente includerai un importo, una descrizione e una data di acquisto.
4:48
Ognuno viene aggiunto come contenuto, testo o input numerico che li ha, userà per prendere una decisione.
4:55
Copilot Studio classifica questi input per tipo testo, numero, documento, immagine.
4:59
Scegli correttamente perché mescolare i tipi, ad esempio un numero salvato come testo, confonde sia gli umani che le macchine.
5:06
Sotto ogni input fornisci dati di esempio per i test.
5:08
Questi fungono da impalcatura mentre calibri la logica.
5:10
Ad esempio, inserisci un reclamo tipo tappetino yoga fitness in Porto 300, data di acquisto 22 agosto.
5:17
Quando avvi il test, Copilot Studio esegue il modello di ragionamento basato su GPT e restituisce una decisione, più una spiegazione.
5:24
Se il risultato corrisponde alle tue aspettative, è bene.
5:27
Caso contrario, le tue istruzioni mancano di determinismo.
5:30
Ed è qui che la maggior parte dei principianti sbagli.
5:33
Frasi ampie o ambigue, come spesa ragionevole o acquisto recente, sono veleno per l'IA.
5:37
Il sistema non può leggere l'umore aziendale, ha bisogno di definizioni matematiche.
5:41
Perfeziona le tue istruzioni costantemente finché i risultati dei test non saranno coerenti.
5:45
Ogni volta che riformuli, stai regolando il motore di giudizio per la riproducibilità.
5:49
Il modello che desidera è un input identico che produce un output identico ogni volta.
5:53
Logica di macchina, non chiacchiera da ufficio.
5:55
Una volta che il tuo prompt produce decisioni affidabili su più casi di test, hai addestrato il tuo approvatore IA.
6:00
Ora inserisci dati dinamici reali usando i token estratti da Dataverse, dettagli dell'importo del reclamo, data di acquisto e invio.
6:06
Questi sostituiranno i tuoi valori di test durante l'esecuzione.
6:09
Da quel momento in poi, l'IA valuta ogni reclamo nel contesto, restituendo un verdetto di approvazione non appena arrivano nuovi dati.
6:16
Prima di dichiarare vittoria, esegui test iterativi.
6:18
Cambia l'importo a 600, viene rifiutato.
6:20
Cambia la data tre mesi fa, viene segnalato come non valido.
6:23
Aggiungi un reclamo senza senso come l'acquisto di un iPad, rileva la discrepanza.
6:27
Ogni passaggio dovrebbe dimostrare cause ed effetto coerenti.
6:29
Se le risposte fluttuano, il problema è la chiarezza del tuo prompt, non il modello IA.
6:34
Quando emergono schemi coerenti, stabilisci una convenzione di denominazione per le tue variabili di contenuto.
6:38
Prefissi come STR per importo del reclamo o non per la data di acquisto per i valori numerici.
6:43
Questa piccola disciplina previene il caos quando in seguito espanderai la logica a più rami.
6:48
A questo punto il tuo approvatore automatizzato può prendere decisioni indipendenti basate sulle policy senza supervisione.
6:53
Ma l'automazione non è una dittatura, è una delega.
6:56
La macchina gestisce velocità e precisione in ogni giudizio.
6:59
Per scenari al limite avrai bisogno di un escalation, un umano che revisioni ciò che li ha rifiuta o ritiene incerto,
7:05
che entra in gioco la fase successiva ed è così che l'autorità viene condivisa tra silice e persone,
7:10
aggiungendo supervisione umana, logica multistadio e condizionale.
7:13
Una volta che la tua IA è in grado di giudicare reclami con sicurezza,
7:16
puoi aggiungere quello che la burocrazia chiama ironicamente il tocco umano.
7:18
In Copilot Studio ciò significa una fase manuale, un checkpoint in cui una persona reale può esercitare la propria discrezionalità.
7:25
Consideralo come la tua valvola di sicurezza.
7:27
Tutto ciò che è prevedibile viene elaborato automaticamente.
7:30
Qualsiasi cosa ricca di sfumature finisce sulla scrivania di un mene.
7:32
Si inizia nel designer dell'approvazione e giunga una fase manuale subito dopo quella dell'IA.
7:36
Questo crea un secondo filtro nel flusso dell'ogento.
7:39
Il passaggio è funzionato.
7:40
Solo se il verdetto dell'IA è approvato, si procede alla fase umana.
7:44
Se l'IA dice rifiutato, il processo termina lì?
7:46
Perché sprecare tempo a chiedere ai manager di confermare ciò che la policy ha già squalificato?
7:51
L'efficienza è attenzione selettiva travestita da automazione.
7:54
Impostiamo uno scenario di esempio.
7:55
Supponiamo che un dipendente invia una nota spese per iscrizione in palestra.
7:58
L'IA l'approva perché tutti i criteri rispettano la policy.
8:01
Ora, quella decisione attiva una fase manuale a livello manageriale chiamata approvazione del manager.
8:06
Dietro le quinte configuri questa fase con un titolo come
8:08
richiesta di approvazione e nota spese da parte del richiedente.
8:12
Queste variabili estraggono i dati dinamicamente da Dataverse.
8:14
Il campo assegnato A è dove definisci chi riceve l'attività, solitamente il manager del richiedente.
8:20
Per automatizzare questo installamento, Copaello Studio ti permette di integrare i connettori utenti di Office 365.
8:26
Per prima cosa, recupera il record dell'utente che ha creato la richiesta
8:28
usando l'azione ottieni riga per ID nella tabella utenti di Dataverse.
8:32
Questo recupera le informazioni da richiedere.
8:34
Successivamente, l'azione ottieni manager e recupera il manager dell'utente tramite la sua email principale.
8:38
Passa quel risultato alla tua fase manuale come una variabile, ad esempio, str e mail manager.
8:42
Il risultato? Niente R-Coding, niente gerarchia obsolete.
8:45
I manager cambiano, la gerarchia si aggiorna da sola.
8:48
Ora arriva la ramificazione condizionale, il vero motivo per cui esistono le approvazioni a più fase.
8:52
Può introdurre logica direttamente all'interno del flusso della gente.
8:54
Se l'importo della richiesta è maggiore o uguale a 150, aggiunge una fase ulteriore per l'approvazione amministrativa,
9:00
potremente termine il processo.
9:01
Questo trasforma una semplice routine in due passaggi in un albero decisionale multilivello
9:05
che si adatta al contesto.
9:06
Le richieste di basso valore con una sola persona.
9:09
Quelle di valore più alto o rischiose vengono escalate per un controllo A.
9:12
Nel designer inserisci un'azione e condizione prima di chiudere il flusso.
9:15
Fai riferimento alla tua variabile numerica, ad esempio un importo richiesta.
9:18
Scegli l'operatore maggiore o uguale a e imposta la soglia, ad esempio a 150.
9:24
Nel ramo, se è vero, aggiungi un'altra fase manuale chiamata approvazione amministrativa.
9:28
Segnala un approvatore fisso come l'amministratore della conformità.
9:30
Nel ramo, se è falso, termina come approvato.
9:33
L'effetto, il workflow si comporta come un'organizzazione razionale, anziché come un collo di bottiglia universale.
9:38
Un po' di umorismo pratico è l'obbligo qui.
9:39
Sì, la delega richiede comunque fiducia, non speranze, ma riposte.
9:43
Non assegnare ruoli di sicurezza troppo ampi che possono approvare tutti.
9:46
Limita le autorizzazioni agli utenti o gruppi pertinenti tramite il controllo degli accessi basato sui ruoli di data.
9:51
Altrimenti avrà automatizzato l'anarchia.
9:52
Testare la struttura rivela quanto fluidamente si incastri ogni pezzo.
9:55
Quando una richiesta sotto i 150 dollari supera l'analisi dell'IA, il flusso termina dopo l'approvazione del manager.
10:01
Quando supera i 150 dollari, il sistema la mette cortesemente in coda per la revisione amministrativa prima di finalizzare.
10:06
Ogni percorso lascia una traccia di controllo, registro dei ragionamenti dell'IA, approvazioni con data e risultati archiviati in Dataverse.
10:12
Nessuno potrà poi sostenere, non l'ho mai visto.
10:14
Database dice il contrario.
10:16
Mentre Perfezione mantiene le eliminazioni disciplinate.
10:17
Prefiggi chiaramente le fasi umane, approvato dal manager, approvato dall'admin, così potrai tracciare i rami visivamente.
10:24
Il diagramma di flusso dovrebbe leggersi come logica e non come un'arte misteriosa.
10:28
Una volta soddisfatto, pubblica e testa con scenari reali.
10:31
Osserva la catena svolgiosi.
10:32
L'IA valuta istantaneamente.
10:34
Il manager riceve un compito di approvazione mirato.
10:36
L'admin interviene solo quando le condizioni lo richiedono.
10:38
Il risultato sembra meno un'automazione che fa tutto e più una gerarchia trasparente che si gestisce da sola.
10:45
Questa orchestrazione ai livelli espone anche una nuova frontiera.
10:47
La convalida dei documenti.
10:49
Perché a volte è un campo del modulo mente, ma la ricevuta no.
10:52
Il passo successivo è far esaminare all'IA le prove fisiche prima ancora che raggiungano la tua casella di posti.
10:57
Che entra in gioco la convalida delle ricevute, trasformando la burocrazia in scienza verificabile.
11:01
Input dinamici e convalida dei documenti.
11:03
Parliamo delle ricevute, quei piccoli pezzi di carta stropicciati che diventano misteriosamente prove critiche quando qualcuno vuole un rimborso.
11:10
In un processo di approvazione manuale, gli esseri umani le verificano a occhio.
11:14
Sì, quello sembra un tappetino da yoga, non un yoga.
11:15
In un automatizzato facciamo eseguire all'IA lo stesso controllo, senza stanchezza decisionale.
11:21
Nei flussi degli agenti di Copilot Studio la convalida dei documenti prende vita tramite input di contenuti dinamici,
11:25
specificamente la capacità di passare un'immagine e un file alla tua logica di approvazione.
11:30
Ciò aggiunge un terzo senso al tuo approvatore IA.
11:32
Invece di affidarsi solo ai campi di testo, il modello legge il documento e confronta ciò che è scritto con ciò che è stato caricato.
11:38
Ecco la struttura.
11:39
All'interno della tua fase IA, aggiungi un nuovo tipo di input chiamato immagine o documento.
11:44
Etichettalo chiaramente, qualcosa come fai ricevuto ad occhio.
11:46
Carica una ricevuta campione per il testo.
11:48
Questo non va online, serve solo a formare il layout della logica.
11:51
Ora, adatta il tuo prompt di istruzione per includere la convalida incrociata dei documenti.
11:54
Estendi la tua logica precedente.
11:56
Approva la richiesta se tutte le seguenti condizioni sono vere.
11:59
Importo 500, i dettagli della richiesta supportano la salute fisica o mentale data di acquisto entro 30 giorni.
12:03
Il documento del ricercito intero è l'importo all'importo, al documento della di Cerati.
12:06
Questa quarta condizione trasforma il tuo approvatore IA da esecutore di policy a contabile forense.
12:11
Quando il test viene eseguito, il modello estrae il testo leggibile dal documento
12:14
e ne verifica la coerenza con i tuoi input strutturati.
12:18
Se l'ha ricevuta, riporta un tappetino fitness a 300 dollari 22 agosto e la tua richiesta dice qualcos'altro e il verdetto diventa rifiutato.
12:25
Ora per l'implementazione, prima che venga eseguita l'approvazione dovrai recuperare quel documento.
12:29
Usa l'azione Scarica un file o un'immagine da Dataverse.
12:32
Punta la stessa tabella in cui risiede il record della richiesta, probabilmente richiesta.
12:35
Sotto colonna File, scegli il campo allegato, spesso chiamato qualcosa come ricevuta.
12:39
Quindi, specifica l'ID riga dinamicamente dal trigger, l'identificatore univoco della richiesta.
12:44
Quest'azione restituisce metadati e contenuto del file, ma ecco la sottile insidia.
12:49
L'output del contenuto necessita di una piccola modifica affinché li hanno interpreti correttamente.
12:53
Quando mappi il contenuto del file nell'input della ricevuta, apri l'editor di espressioni e aggiungi content al riferimento del corpo, body.
13:00
Quella piccola modifica fornisce i byte effettivi del file invece del wrapper dei metadati.
13:04
Se la salti, la tua IA proverà con entusiasmo ricevute vuote.
13:07
Affrontiamo la sincronizzazione, il tallone d'Achille e dei flussi di lavoro sui documenti.
13:11
Molte tabelle dataverse non memorizzano gli allegati finché il record non viene salvato,
13:15
il che significa che se il flusso si attiva alla creazione del record potrebbe avviarsi prima che il file esista.
13:21
Sintomo, il flusso fallisce o il contenuto della ricevuta è nullo.
13:24
Il rimedio è elegante.
13:25
Cambia la condizione del trigger su alla modifica dell'elemento,
13:28
ma limitala in modo che si attivi solo quando cambia la colonna della ricevuta.
13:31
In questo modo, il momento in cui qualcuno carica o sostituisce un file, la convalida entra in azione.
13:36
Per configurarlo, apri le impostazioni del trigger, scegli colonne modificate,
13:40
incolla il nome logico della colonna della ricevuta,
13:42
recuperabile dei dettagli della colonna dataverse sotto strumenti avanzati.
13:46
Una volta impostato, pubblica.
13:48
Ora la tua automazione si comporta in modo corrente.
13:50
Attende finché non c'è effettivamente qualcosa da convalidare.
13:52
Quando la richiesta viene aggiornata con una nuova ricevuta, il flusso riparte.
13:56
Scarica il file, lo invia alla fase di IA e incrocia tutti gli input.
14:01
Se esistono discrepanze, discrepanza d'importo, dato obsoleta, descrizioni incoerenti,
14:05
l'IA rifiuta includendo una spiegazione.
14:08
Il registro delle motivazioni potrebbe recitare
14:09
l'importo richiesto di 305 dollari riferisce dal totale il documento di 300 dollari.
14:13
Questa è conformità senza reclamo.
14:14
L'impatto pratico.
14:16
Ogni invio diventa un'autoverifica.
14:18
Gli pendenti non possono più far passare ricevute discutibili o descrizioni vaghe.
14:22
L'IA fornisce giudizio, dataverse fornisce le prove
14:24
e nessuno dei due prende pause e caffè.
14:27
Quindi no, la convalida dei documenti non è eccessiva.
14:29
È una memoria immunitaria per i tuoi flussi di lavoro.
14:32
Le anomalie vengono rilevate a livello molecolare,
14:34
dai caratteri stampati sulle ricevute
14:36
e il revisore umano viene promosso da controllore manuale e gestore di eccezioni.
14:40
Congratulazioni appena automatizzato l'onestà stessa.
14:43
Costruire affidabilità.
14:45
Testare, versionare e pubblicare.
14:47
Ogni automazione può sembrare perfetta finché non viene eseguita.
14:50
Ecco perché l'affidabilità non è una fase, è una disciplina.
14:53
Copilot Studio rende questa disciplina sorprendente
14:54
grazie a controlli di versionamento, test e pubblicazioni
14:57
integrati direttamente nei flussi degli agenti.
15:00
Inizia con test iterativi.
15:01
Ogni flusso di approvazione è un ecosistema in miniatura.
15:04
Anche un solo nome di variabile errato può creare il caos.
15:07
Quindi tratta il test come un processo scientifico.
15:10
Isola le modifiche, applica i dati, osserva l'output.
15:13
Nell'editor di flussi, Copilot Studio ti permette di simulare dati di esempio
15:16
senza distribuire trigger di produzione.
15:18
Inserisci scenari vari, importi troppo elevati, date superate,
15:21
nomi di elementi rilevanti e assicurati che ognuno porti al verdetto corretto.
15:25
Poi passa alle convenzioni di nominazione.
15:27
Curioso?
15:28
Assolutamente.
15:28
Senza.
15:29
Più dell'ari.
15:30
Assegna un prefisso onivariabile in modo sistemato.
15:32
STR per stringhe, non per numeri, DOC per file.
15:35
Allo stesso modo etichetta le azioni in modo esplicito.
15:37
Scarica file ricevuta, verifica approvazione manager a giorno stato richiesta.
15:40
Perché tra tre mesi, quando qualcuno chiederà perché l'azione 7 si è interrotta,
15:43
apprezzerai che le tracce sono più utili dell'archeologia?
15:46
Una volta superati i test individuali, passa la convalida degli scenari limiti.
15:50
Fingi di essere un utente incompetente.
15:52
Non caricare la ricevuta, sposta una data all'anno prossimo,
15:55
digità 500 al posto di 5-0.
15:57
Conferma che lea spieghi i rifiuti senza bloccarsi.
16:00
Non sono errori ipotetici, sono prove di realtà.
16:03
Più casi di errore neutralizzi in anticipo,
16:05
meno messaggi su Teams alle 2 del mattino riceverai dicendo che il flusso si è fermato di nuovo.
16:10
La pubblicazione introduce la governance.
16:12
Ogni volta che salvi una modifica importante,
16:13
il Copilot Studio crea silenziosamente una nuova versione.
16:16
Puoi tornare indietro in qualsiasi momento.
16:18
Nessun'ansia sovrascrittura.
16:19
Usalo per tenere separati i sandbox di logica sperimentale della produzione.
16:23
Un flusso chiamato approvazione richiesta dev, un altro approvazione richiesta pro.
16:26
Testa in dev, pubblica solo quando è stabile.
16:29
Ricorda, la fidabilità non riguarda solo la correttezza,
16:31
ma il controllo.
16:32
Durante i cambiamenti,
16:34
dopo la pubblicazione, sfrutta i log delle attività.
16:36
Non sono decorativi,
16:38
sono registri a valore legale delle interazioni tra IA e umani.
16:41
Timestamp, identità dei responsabili,
16:43
ripiloghi di ragionamento.
16:44
Esamina periodicamente questi log.
16:46
I modelli emergeranno da soli.
16:48
Quali regole innescono più rifiuti,
16:49
quali manager hanno sovrascritto l'IA,
16:51
quanto spesso si attivano le fasi di conformità.
16:53
Queste intuizioni perfezionano sia la policy che il design.
16:56
Un'altra sottile best practice
16:57
automatizza gli aggiornamenti di stato nei record di dataversa alla fine di ogni ramo.
17:01
L'azione di aggiornamento riga
17:03
dovrebbe impostare un campo chiaro come stato richiesto
17:05
uguale ad approvato o rifiutato.
17:07
Questo punto finale è visibile a forza alla fiducia.
17:09
Gli utenti vedono le decisioni all'interno delle proprie liste tabellari.
17:12
Nessun foglio di calcolo separato,
17:13
nessuna approvazione fantasma.
17:15
Una volta che il sistema supera tutti i test,
17:16
premi pubblica con tranquilla sicurezza.
17:18
A differenza delle generazioni precedenti di flussi Power Automate,
17:21
i flussi degli agenti conservano metadati contestuali,
17:23
lo schema decisionale degli IA,
17:24
i binding del contenuto dinamico,
17:25
i tag di versione.
17:27
Il risultato non è solo un processo in esecuzione,
17:29
ma un artefatto riproducibile, un'automazione verificabile.
17:32
Il controllo finale di affidabilità è mentale.
17:34
Resistete all'eccessiva ingegnerizzazione.
17:36
A volte un flusso fallito rivela regole troppo complesse,
17:38
non bug tecnici.
17:40
Semplificate la logica dove possibile.
17:41
Meno fasi, istruzioni più chiare,
17:43
ambiguità minima.
17:45
Automazione non è casualità, è inutilmente ingegnosa.
17:49
Quando completate questa fase,
17:51
il vostro sistema di approvazione raggiunge la maturità operativa,
17:53
testato, versionato, reversibile e verificabile.
17:56
Ogni risultato, dal giudizio dell'IA,
17:57
alla firma amministrativa, lascia un'impronta digitale
17:59
che resiste a ogni controllo.
18:01
Questa affidabilità quantificata,
18:02
non una sensazione, non fortuna,
18:03
solo ragionamento strutturato,
18:04
registrato fedelmente dagli strumenti che avete creato
18:06
per pensare mentre dormite.
18:09
Risultati benefici nel mondo.
18:10
Cosa succede quando si affida la burocrazia alla matematica?
18:13
Le approvazioni smettono di attendere.
18:14
Un flusso di agenti multifasi guidato dall'IA
18:16
riduce i tempi da giorni a minuti
18:18
perché le decisioni non dipendono più
18:19
dalla disponibilità in calendario.
18:22
Ogni richiesta che soddisfa una politica oggettiva
18:23
viene approvata istantaneamente.
18:25
Ogni caso limite finisce ordinatamente
18:27
nella coda di un manager con il contesto già allegato.
18:30
Gli esseri umani esprimono giudizi di valore,
18:31
non conferme burocrati.
18:33
L'impatto si manifesta innanzitutto come compressione.
18:35
Un rimborso che un tempo richiedeva 4 email
18:37
e 2 solleciti ora si risolve prima di pranzo.
18:40
I dipartimenti sperimentano cicli di elaborazione più brevi,
18:42
meno inattività e tracce di ragionamento perfettamente registrate.
18:45
Il meccanismo di approvazione cessa di essere un'interruzione.
18:49
Diventa infrastruttura.
18:51
Poi arriva la riduzione di errori.
18:52
Imponendo regole deterministiche tramite l'IA
18:54
si rimuove la deriva soggettiva, la rovina delle approvazioni manuali.
18:58
Niente più, pensavo che questo contasse come salute e benessere.
19:01
L'IA interpreta i criteri sempre nello stesso modo.
19:04
La coerenza scala meglio della compassione nella logica amministrativa.
19:07
I manager si occupano solo delle anomalie,
19:08
anche quelle sono corredate da una traccia di controllo.
19:11
Input di dati, cronologia delle decisioni e spiegazioni del modello.
19:14
Gli audit si trasformano da esercizi di panico in cortesi verifiche.
19:16
A livello organizzativo, questo non è solo più veloce e più sicuro.
19:21
La conformità non dipende dalla memoria o dall'umore.
19:23
È integrata.
19:24
I log di Dataverse mostrano chi ha approvato, quando e perché.
19:27
Tale trasparenza scoraggia la cultura delle scorciatoie,
19:30
perché ogni decisione vive ora in una permanenza ricercabile.
19:33
E filosoficamente il flusso di lavoro si inverte
19:35
da umano con assistenza IA a IA con correzione umana.
19:39
Governance pratica, non fantascienza.
19:40
L'IA gestisce l'applicazione delle regole, gli umani gestiscono giudizi.
19:43
L'Ibrido produce sistemi più equi, rapidi e, in definitiva, più affidabili.
19:47
Immaginate di spiegarlo a un revisore.
19:49
Il sorriso che ne segue vale da solo tutta l'automazione.
19:52
Invece qui.
19:53
Microsoft Copello Studio non è solo un altro strumento di automazione.
19:56
È il luogo in cui l'indecisione della vostra organizzazione va finalmente in pensione.
19:59
Costruisci un motore di approvazione, capace di ragionare per condizioni,
20:02
scalare le responsabilità, verificare le ricevute rispetto alla realtà e documentare ogni mossa.
20:07
Non è un semplice flusso, un modello di governa.
20:09
Se non ricordi altro, ricorda questo.
20:10
L'IA dovrebbe rendere le decisioni prevedibili e gli esseri umani eccezionali.
20:15
Smetti di stradare tutto verso le persone per pura abitù.
20:17
Lascia che la logica gestisca la routine così i manager potranno occuparsi dell'eccezione.
20:21
Ora, se questa guida ti ha salvato da un'altra settimana di attesa per l'approvazione del manager,
20:24
prendi in considerazione l'iscrizione e l'iscrizione.
20:26
Il prossimo tutorial approfondirà le automazioni avanzate di Copilot Studio,
20:29
dove questi flussi di agenti si collegano alle analisi di Power Platform e alle policy adattive.
20:34
Assicurati il percorso del giornamento, iscriviti, attiva gli avvisi
20:36
e lascia che i nuovi episodi vengano distribuiti automaticamente.
20:39
Nessun controllo manuale, nessuna uscita mancata, solo distribuzione continua di conoscenza utile.
20:43
Procedi.