Prompts de Microsoft 365 Copilot: explicación del flujo de prompts de Microsoft Copilot

By Mirko Peters · 2026-03-15 · Updated 2026-03-24

Prompts de Microsoft 365 Copilot explicados: domina el flujo de prompts. Aprende a crear prompts eficaces para tu asistente de IA en Microsoft 365.

Automatically translated with AI from the original post. Read the English original

El flujo de prompts de Microsoft Copilot es la base de cómo Copilot ofrece respuestas inteligentes y sensibles al contexto a tus preguntas o instrucciones del día a día. En resumen, el flujo de prompts es la cadena estructurada de entrada del usuario, interpretación por parte de la IA, salidas y retroalimentación que impulsa las capacidades interactivas de Copilot.

Esta guía te explicará exactamente qué significa el flujo de prompts, cómo funciona entre bastidores y por qué es tan importante tanto para perfiles técnicos como para usuarios de negocio. Verás con claridad cómo el flujo de prompts convierte tus instrucciones en acciones reales, potenciando tu trabajo dentro del ecosistema de Microsoft.

Tanto si creas automatizaciones, usas la IA para analizar datos o simplemente quieres una ayuda más inteligente en Microsoft 365, entender el flujo de prompts es clave. Vamos a desglosar este proceso complejo en piezas sencillas y prácticas para que saques el máximo partido a Copilot.

Conceptos básicos de Microsoft Copilot

Microsoft Copilot es un asistente basado en IA diseñado para simplificar tareas complejas y automatizar procesos cotidianos dentro del entorno de Microsoft. Está en el centro de Microsoft 365, Azure, Power Platform y los servicios cloud más recientes, y funciona de forma fluida en aplicaciones como Word, Excel, Outlook y Teams.

El propósito principal de Copilot es ayudarte a hacer más con menos esfuerzo. Lo consigue interpretando tus prompts en lenguaje natural y convirtiéndolos en acciones, análisis o conclusiones, sin necesidad de programar ni de habilidades técnicas especializadas. Tanto si redactas un informe, resumes un hilo de correos o automatizas aprobaciones de varios pasos, Copilot se adapta a tus objetivos.

Copilot integra capacidades de IA directamente en herramientas Microsoft que ya conoces. Para las organizaciones, esto significa flujos de trabajo más ágiles, mayor productividad y una experiencia de usuario coherente en todos los departamentos. Ayuda a los usuarios, desde analistas de negocio hasta profesionales de IT, a gestionar la información, optimizar las operaciones y extraer conclusiones basadas en datos.

En última instancia, el valor de Copilot reside en su capacidad para entender el contexto, aprender de tus necesidades y dar soporte desde las tareas rutinarias hasta procesos más complejos y especializados. La magia ocurre entre bastidores, donde el flujo de prompts orquesta el intercambio entre tu intención y las respuestas dinámicas de la IA.

¿Qué es un prompt en Microsoft Copilot?

Un prompt en Microsoft Copilot es, sencillamente, la entrada o pregunta que le das a la IA, como escribir «Crea un resumen del proyecto basado en estos documentos» o decir «Muéstrame las últimas cifras de ventas». Los prompts guían a Copilot al expresar tu intención en lenguaje natural.

La forma en que redactas tu prompt tiene un gran impacto. Copilot se apoya en tus palabras para identificar tu objetivo y decidir cómo actuar. Un prompt claro y específico facilita que la IA genere resultados precisos y relevantes. En cambio, los prompts vagos pueden producir resultados confusos o menos útiles. Diseñar bien tus prompts es fundamental para sacar el máximo valor de las capacidades de IA de Copilot.

Cómo el flujo de prompts impulsa la inteligencia de Copilot

El flujo de prompts es lo que permite a Copilot convertir tus preguntas o instrucciones abiertas en resultados inteligentes y accionables. Piénsalo como un bucle dinámico: le das a Copilot un prompt, él procesa tu petición a través de su motor de IA y luego entrega una respuesta, a menudo pidiendo más aclaraciones o actuando en tu nombre.

Este intercambio, en el que los prompts generan resultados y tu retroalimentación lleva a refinamientos, es fundamental para que Copilot mantenga su sensibilidad al contexto y su capacidad de respuesta. En lugar de funcionar en el vacío, Copilot usa el flujo de prompts para seguir la conversación, recordar el contexto importante y ajustar sus acciones según las señales que va recibiendo.

Con cada interacción, Copilot se basa en la información previa, se adapta a los nuevos detalles y mejora su comprensión de lo que necesitas. Este enfoque iterativo mantiene la IA anclada a tu flujo de trabajo y hace que cada resultado se sienta menos como una respuesta enlatada y más como trabajar con un compañero experto que realmente entiende lo que buscas.

Componentes clave del flujo de prompts de Copilot

En su núcleo, el flujo de prompts de Copilot está formado por varios pasos interconectados que guían a la IA desde la recepción de tu consulta hasta la entrega y el refinamiento de sus respuestas. Cada uno de estos pasos desempeña una función distinta para dar forma a una experiencia de usuario fluida e inteligente.

En primer lugar, está la forma en que expresas tu intención a través de la entrada: ya sea escribiendo, hablando o eligiendo entre opciones. Cómo Copilot procesa esa entrada, gestiona el contexto y orquesta sus tareas internas de IA determina la calidad y la fiabilidad del flujo. Tras generar los resultados, cierra el ciclo aprendiendo de tus comentarios y mejorando continuamente sus respuestas futuras.

Las piezas funcionan en conjunto: la entrada prepara el escenario, la orquestación de IA da forma a la experiencia, los resultados te aportan valor y tus comentarios enseñan al sistema a ser más inteligente día a día. Esta visión general muestra que el flujo de avisos no se limita a ofrecer respuestas aisladas, sino a construir interacciones con Copilot más adaptativas y eficaces con el tiempo.

Intención del usuario y entrada

La intención del usuario y la entrada son el punto de partida de todo el flujo de avisos. Lo que escribes, dices o seleccionas en Copilot comunica tus objetivos a la IA. Ya sea una petición directa como «Envía una invitación a una reunión para mañana a las 10 a. m.» o un comando más complejo que implique varios datos, la claridad y el contexto son realmente importantes.

Copilot admite distintos tipos de entrada, como texto en lenguaje natural, voz, datos enriquecidos o incluso plantillas estructuradas. El sistema utiliza comprensión del lenguaje integrada para interpretar tu mensaje, detectando el «qué» y, a veces, el «porqué» de tu consulta. Cuando la entrada es clara y concreta, es mucho más probable que Copilot ofrezca un resultado preciso y útil que se ajuste a tu intención.

Orquestación de IA y gestión del contexto

Una vez que Copilot recibe tu aviso, recurre a su motor de orquestación de IA para interpretar lo que quieres. Esto implica pasar tu entrada por modelos de aprendizaje automático, extraer contexto de la aplicación actual, de las interacciones recientes e incluso, en ocasiones, de correos electrónicos o documentos relacionados.

La capa de orquestación mantiene la conversación relevante. Decide qué tareas de IA activar, gestiona las preguntas de seguimiento y hace un seguimiento de lo que más importa en tu flujo de trabajo. Esta gestión del contexto garantiza que las respuestas no solo sean «inteligentes», sino que tengan en cuenta en profundidad los detalles de tu tarea, adaptándose dinámicamente a medida que evolucionan tus necesidades.

Generación de resultados y acciones

Después de procesar tu entrada y el contexto, Copilot genera el resultado o la acción adecuada. Puede tratarse de una recomendación en forma de texto, un borrador listo para usar, un paso automatizado dentro de un flujo de trabajo más amplio o incluso un resumen visual, según la plataforma (como Microsoft 365, Power Platform o Azure).

Los resultados de Copilot no son solo respuestas: son resultados accionables que pueden usarse, compartirse o refinarse aún más. La IA se integra de forma nativa con las herramientas de Microsoft para entregar estos resultados exactamente donde los necesitas, convirtiendo tus avisos en avances tangibles en tus tareas.

Comentarios y refinamiento iterativo

Los comentarios son el motor que impulsa la mejora del flujo de avisos de Copilot. Cuando confirmas, corriges o amplías una respuesta de Copilot, ayudas al sistema a aprender qué funciona y qué no. Este ciclo de retroalimentación permite a Copilot adaptarse, ser más inteligente y ofrecer resultados más personalizados a medida que sigues utilizándolo.

En cada ciclo iterativo, ya sea aceptando sugerencias, ofreciendo aclaraciones o señalando discrepancias, Copilot construye una comprensión más profunda de tus preferencias y del contexto de tu organización. Cuantos más comentarios se aporten, mejor será Copilot para predecir y satisfacer tus necesidades, al tiempo que reduce los errores repetitivos o los malentendidos.

Flujo de avisos en Power Platform y Azure Machine Learning

El flujo de avisos no es solo para las interacciones de Copilot basadas en chat; también es fundamental en la forma en que Power Platform y Azure Machine Learning automatizan los procesos de negocio y el entrenamiento de modelos. En Power Platform, los flujos de avisos convierten tus entradas de bajo código o sin código en automatizaciones paso a paso. Por ejemplo, podrías configurar un flujo de Power Automate en el que tu aviso decida qué correos electrónicos activan respuestas automáticas, generación de documentos o flujos de aprobación.

En Azure Machine Learning, el flujo de avisos ayuda a científicos de datos y desarrolladores a crear avisos más ricos para modelos de lenguaje de gran tamaño, entrenarlos con entradas del mundo real e iterar sobre los resultados para tareas como el resumen de documentos, la extracción de datos o el análisis de sentimiento. El flujo de avisos permite reutilizar el contexto, encadenar llamadas a modelos y recopilar comentarios, todo ello esencial para ajustar los modelos de IA de forma eficiente.

Estas plataformas usan prompt flow para simplificar tareas tediosas o repetitivas, convirtiendo el trabajo manual en resultados fiables y automatizados. Tanto si creas paneles, procesas solicitudes como si construyes modelos de predicción, prompt flow conecta la intención del usuario con una inteligencia artificial potente y adaptable que funciona en segundo plano.

Comparativa de Prompt Flow: Copilot Studio frente a Power Automate

Aunque tanto Copilot Studio como Power Automate usan prompt flow de forma intensiva, lo abordan de maneras que responden a necesidades empresariales distintas. Copilot Studio está pensado para crear bots conversacionales basados en IA que pueden gestionar una serie de preguntas y respuestas, ofreciendo una experiencia de usuario muy interactiva y adaptable. El prompt flow de Copilot Studio se centra en secuenciar el diálogo, gestionar el contexto y permitir aclaraciones dinámicas o conversaciones con bifurcaciones.

Power Automate, en cambio, usa prompt flow para activar y secuenciar pasos de automatización en función de las entradas y las condiciones que definen los usuarios. Aunque da menos importancia al contexto conversacional, Power Automate destaca en la orquestación de flujos de trabajo estructurados, como el enrutamiento de datos, las notificaciones o las aprobaciones de varios pasos, impulsados por prompts y puertas lógicas.

En ambas herramientas, la retroalimentación y la iteración están integradas, pero Copilot Studio hace hincapié en el aprendizaje adaptativo dentro de los diálogos, mientras que Power Automate se centra en la ejecución de procesos fiable y repetible. Conocer estas diferencias ayuda a las organizaciones a elegir la plataforma adecuada, ya sea para experiencias inteligentes tipo chatbot o para una automatización de flujos de trabajo robusta.

Cómo crear prompts eficaces para obtener mejores resultados

1. Sé claro y específico: los prompts directos e inequívocos ayudan a Copilot a entender exactamente lo que quieres. Evita las frases vagas. En lugar de "Haz un informe", prueba con "Resume las ventas del segundo trimestre de esta hoja de Excel en un párrafo".
2. Define el objetivo: indica desde el principio el resultado que esperas. Dale a Copilot una meta clara, como "Genera tres asuntos de correo electrónico para una campaña de contacto con clientes".
3. Aporta detalles relevantes: el contexto importa. Incluye fechas, nombres de archivo u otros datos concretos, como "Añade a todos los miembros del equipo a la invitación de calendario del viernes a las 9:00".
4. Usa un lenguaje sencillo: escribe de forma natural, pero utiliza términos que Copilot pueda interpretar fácilmente. Las instrucciones sencillas y conversacionales suelen funcionar mejor que la jerga técnica compleja.
5. Ofrece ejemplos cuando haga falta: en tareas complicadas, muestra lo que quieres. Por ejemplo, "Da formato al resumen así: viñetas para los hallazgos y un párrafo final con las recomendaciones".
6. Revisa y ajusta: si Copilot no acierta a la primera, modifica tu prompt. Ajusta la redacción o añade más detalles para obtener respuestas más precisas.
7. Evita sobrecargar un solo prompt: divide las tareas grandes. En lugar de un prompt gigante, usa varias instrucciones claras que Copilot pueda ejecutar paso a paso.

Casos de uso habituales con prompt flow de Copilot

• Redacción de documentos y correos: Copilot convierte prompts sencillos en informes, propuestas o correspondencia detallados en Word, Outlook o Teams, y te ahorra horas de redacción rutinaria.
• Automatización de aprobaciones: prompt flow puede activar cadenas de aprobación de varios pasos y notificaciones en Power Platform, lo que te ayuda a agilizar la toma de decisiones con un esfuerzo manual mínimo.
• Generación de análisis y paneles: Copilot usa prompts para extraer los datos adecuados en Excel, Power BI o Azure, y genera gráficos, resúmenes o indicadores de rendimiento al instante.
• Procesamiento de solicitudes de soporte: desde las incidencias de TI en Teams hasta las automatizaciones del servicio de atención al usuario en Power Automate, prompt flow agiliza la creación, el enrutamiento y la actualización de casos.
• Refuerzo de la seguridad y el cumplimiento: Copilot ayuda a aplicar directivas o a señalar incidencias traduciendo las consultas de los usuarios en auditorías, comprobaciones de confidencialidad o flujos de cumplimiento en Microsoft 365.

Seguridad y gobernanza en los flujos de prompts de Copilot

A medida que Copilot y otros agentes de IA se integran más profundamente en las plataformas empresariales, mantener los flujos de prompts seguros y bien gobernados es fundamental. La flexibilidad y la rapidez de la automatización impulsada por IA introducen nuevos riesgos, como fugas de datos, acciones no autorizadas y brechas de cumplimiento, que exigen una supervisión sólida.

Una buena gobernanza en los flujos de prompts de Copilot protege tanto a la organización como al usuario final. Garantiza que los datos sensibles no se manejen de forma incorrecta, que el acceso esté debidamente restringido y que los resultados de la IA no generen nuevos problemas de seguridad o privacidad. En términos generales, esto implica establecer directivas de uso claras, supervisión continua y mecanismos de cumplimiento que aborden las amenazas emergentes.

Las siguientes secciones analizan con más detalle los posibles desafíos de gobernanza relacionados con los flujos de prompts de IA y, a continuación, presentan buenas prácticas probadas que tu organización puede aplicar para reforzar la seguridad y el cumplimiento de los flujos de prompts, para que puedas aprovechar una automatización potente sin preocupaciones.

Estos son siete datos sorprendentes sobre Microsoft Copilot Prompt Flow que muchos usuarios y desarrolladores no esperan.

1. Orquestación visual de prompts: Prompt Flow no es solo un editor de texto: ofrece un lienzo visual para encadenar, bifurcar y depurar prompts, tratando la ingeniería de prompts como un flujo de trabajo de bajo código para que los no expertos puedan experimentar con interacciones de varios pasos.
2. Cambio de modelo integrado: Puedes dirigir partes de un flujo a distintos modelos o proveedores de modelos dentro del mismo proceso, lo que permite estrategias híbridas (por ejemplo, un modelo rápido y económico para el preprocesamiento y un modelo de mayor calidad para la salida final) sin necesidad de código de integración personalizado.
3. Prompts con conocimiento de datos mediante conectores: Prompt Flow admite conectores a orígenes de datos y servicios de Azure, de modo que los prompts pueden incorporar directamente datos en tiempo real, incrustaciones y resultados de búsqueda, y no solo texto de prompt estático.
4. Observabilidad y linaje: La plataforma captura entradas, respuestas intermedias y salidas, y proporciona linaje de extremo a extremo y métricas que permiten auditar, supervisar y comparar versiones de prompts a lo largo del tiempo.
5. Componentes reutilizables y parametrizados: Los flujos te permiten definir componentes de prompt reutilizables y parametrizados (plantillas, protecciones, validadores) que reducen la duplicación y mejoran la gobernanza entre equipos.
6. Integración de seguridad y barreras de protección: Prompt Flow puede integrar comprobaciones de seguridad y filtros en varias etapas (antes y después del modelo), lo que permite aplicar directivas, moderar contenido y realizar comprobaciones de sesgo como parte del flujo, y no como un añadido posterior.
7. Exportable y listo para producción: Diseñados para el ciclo de vida de producción, los flujos pueden exportarse como artefactos desplegables o conectarse a canalizaciones de CI/CD y de despliegue de Azure, lo que simplifica el paso de la experimentación a producción.

Posibles desafíos de gobernanza con agentes de IA

• Automatizaciones no autorizadas: Sin una supervisión estricta, los agentes de IA pueden ejecutar acciones o acceder a datos más allá del rol de cada usuario, lo que supone un riesgo de TI en la sombra e incumplimientos normativos. Para un análisis más profundo, consulta cómo los agentes de IA pueden adelantarse a la gobernanza.
• Uso indebido y exposición de datos: Los flujos de prompts mal gobernados podrían acceder o distribuir datos confidenciales de forma involuntaria, sobre todo sin una prevención de pérdida de datos (DLP) o auditoría eficaces.
• Ataques de inyección de prompts: Las entradas maliciosas podrían manipular a los agentes de IA y provocar que ejecuten acciones inesperadas o dañinas si falta la validación de entradas.
• Permisos mal configurados: Asignar permisos amplios o incorrectos, como los que se comentan en la ilusión de gobernanza en Microsoft 365, puede crear un riesgo invisible, ya que los controles nativos por sí solos no garantizan una supervisión adecuada.

La supervisión continua y las directivas exigibles son esenciales para mantener el control y la visibilidad a medida que crecen la automatización y la adopción de la IA.

Buenas prácticas para proteger tus flujos de prompts

• Aplica el acceso con privilegios mínimos: Limita los permisos de Copilot y de otros agentes de IA mediante controles detallados y auditorías periódicas, como se describe en esta guía para proteger Copilot con permisos de Microsoft Graph.
• Implementa registros de auditoría sólidos: Registra y revisa las acciones de los flujos de prompts con herramientas como Microsoft Purview y Sentinel para detectar rápidamente infracciones de directivas o fugas de datos.
• Amplía y automatiza los controles de datos: integra reglas de DLP, etiquetado automático y metadatos de confidencialidad en todos los resultados de IA, con recomendaciones en esta lista de comprobación de gobernanza de Copilot.
• Forma a usuarios y administradores: ofrece formación práctica para que todos comprendan los riesgos de los prompts deficientes, las automatizaciones inesperadas y el uso compartido de datos en los sistemas basados en prompts.
• Adopta un marco de gobernanza: diseña directivas exigibles, asigna la propiedad de los datos y de los roles, y establece procesos de revisión que abarquen los equipos legal, de seguridad y de tecnología, para un uso de Copilot sostenible y conforme a la normativa.

Novedades y tendencias del flujo de prompts de Copilot

El flujo de prompts de Copilot avanza a gran velocidad, y puedes apostar a que el soporte multilingüe está entre sus prioridades. Gartner prevé que, para 2026, el 70% de la IA conversacional admitirá varios idiomas, lo que hará que la tecnología de Copilot sea más inclusiva en las organizaciones globales. Los equipos de todo el mundo obtendrán un valor real cuando su IA entienda, desde el primer momento, la jerga local y el lenguaje de negocio.

El aprendizaje contextual avanzado es otro cambio importante. Microsoft está desarrollando integraciones con el ecosistema más amplio de IA, que combinan herramientas de Azure y de Power Platform. Los expertos prevén que las conexiones más estrechas permitan a Copilot tener en cuenta el conocimiento de la organización, y no solo los datos públicos. Esto significa respuestas más precisas, flujos de trabajo más rápidos y una IA que realmente entiende cómo funciona tu negocio.

Preguntas frecuentes: usar Copilot para chat flow y data flow

¿Qué es Microsoft Copilot Prompt Flow y cómo se relaciona con Microsoft 365 Copilot?

Prompt Flow es una herramienta de desarrollo y un flujo de trabajo para diseñar, probar e iterar prompts y flujos que interactúan con modelos de lenguaje de gran tamaño (LLM) y con las experiencias de Microsoft 365 Copilot. Permite crear un flujo con prompts, encadenar nodos y servicios, de modo que el flujo de prompts es un recurso de desarrollo que se puede integrar en las aplicaciones de Microsoft 365, en Microsoft Teams y en otros servicios de Microsoft 365.

¿Cómo creo un flujo usando Copilot o describiendo lo que quiero?

Puedes crear un flujo describiendo el comportamiento deseado a Copilot o componiendo nodos manualmente en el editor de flujos de prompts. Usa Copilot para crear un flujo proporcionando un prompt o un ejemplo de entrada; después, refina el flujo generado, cambia su nombre y prueba tu chat flow y la ejecución del flujo con los valores de prueba flow input 1 y flow input 2.

¿Cuáles son los componentes clave de un flujo en Prompt Flow (nodos, entradas y salidas)?

Un flujo suele incluir nodos (cada uno representa un paso, como un prompt al LLM, una búsqueda de datos o un flujo de evaluación), los valores flow input 1 y flow input 2, y los resultados flow output 1 y flow output 2. El flujo completo define la ejecución, donde cada nodo procesa sus entradas y pasa sus salidas al siguiente, lo que permite escenarios complejos de data flow y chat flow.

¿Cómo pruebo y ejecuto un flujo? ¿Qué implica "probar tu chat flow"?

Para probar tu chat flow, proporciona una entrada para probar el flujo (input to test the flow), ejecuta la ejecución del flujo y observa las salidas intermedias de los nodos y la salida final. Puedes hacer referencia a la entrada del flujo en cada nodo, revisar el flujo en su conjunto e iterar editando los prompts o los nodos hasta que el flujo se comporte como esperas.

¿Puede integrarse Prompt Flow con Azure Machine Learning Studio u otros flujos en la nube?

Sí. Prompt Flow puede interactuar con flujos en la nube y con Azure Machine Learning Studio para llamar a modelos, endpoints de puntuación o canalizaciones de datos. Puedes crear integraciones con flujos en la nube que envíen datos a servicios externos, lo que habilita escenarios de flujo de datos híbridos y aprovecha Azure Machine Learning Studio para la evaluación y el despliegue de modelos personalizados.

¿Cómo gestiona Prompt Flow las actualizaciones de seguridad, los límites de datos y las cuestiones relacionadas con el límite de servicio de Microsoft 365?

Prompt Flow sigue las recomendaciones de seguridad de Microsoft y respeta el límite de servicio de Microsoft 365 cuando se integra con servicios de Microsoft 365. Los administradores deben revisar las actualizaciones de seguridad, la configuración de gobernanza y las directivas de tratamiento de datos para garantizar que los datos que procesa Copilot cumplen la normativa. Usa los controles a nivel de inquilino y sigue los recursos de Microsoft Learn para una configuración segura.

¿Cuál es el ciclo de desarrollo recomendado para aplicaciones de IA que usan Prompt Flow y la arquitectura de Copilot?

El ciclo de desarrollo incluye diseñar el flujo (flow es una herramienta de desarrollo), crear variaciones de prompts, probar con entradas reales del flujo, evaluar las salidas (flujo de evaluación), desplegar en Microsoft 365 Copilot o copilot chat, supervisar el rendimiento y aplicar las actualizaciones de seguridad. Este ciclo aprovecha la arquitectura de copilot y se basa en modelos de lenguaje de gran tamaño para realizar mejoras iterativas.

¿Dónde puedo encontrar recursos adicionales, soporte técnico y orientación de Microsoft Learn?

Microsoft Learn ofrece tutoriales y módulos sobre prompt flow en Microsoft Foundry y sobre flow en el portal de Microsoft Foundry. Para soporte técnico y recursos adicionales, consulta la documentación de Microsoft, los foros de la comunidad y los canales de soporte oficiales para obtener ayuda con la creación de flujos, la solución de problemas en las ejecuciones de flujos y la integración con los servicios de Microsoft 365.

¿Cómo evalúo y depuro un flujo? ¿Qué aspecto tiene la información detallada de la vista general del flujo?

Usa la vista general del flujo para ver información detallada, como los registros a nivel de nodo, las instantáneas de entrada y salida del flujo y las trazas de ejecución. Depurar implica examinar el prompt enviado al LLM en cada nodo, revisar las salidas intermedias, ajustar el prompt de entrada o los parámetros del nodo y volver a ejecutar el flujo para validar las correcciones.

¿Puedo usar Prompt Flow para crear experiencias conversacionales en Microsoft Teams y en otras aplicaciones de Microsoft 365?

Sí. Puedes desarrollar un prompt flow e integrar flujos en Microsoft Teams u otras aplicaciones de Microsoft 365, lo que permite respuestas de copilot y experiencias de flujos de chat. Configura el evento que inicia un flujo (por ejemplo, un mensaje o un botón), asigna flow output 1/flow output 2 a las respuestas visibles para el usuario y prueba la ejecución del flujo dentro del contexto de la aplicación de destino para asegurar un comportamiento correcto.