WEBVTT

00:00:00.000 --> 00:00:02.500
Je bent de halve dag kwijt aan het wachten op goedkeuringen.

00:00:02.620 --> 00:00:05.300
Iemand is op vakantie, een ander heeft de e-mail niet gezien...

00:00:05.300 --> 00:00:08.960
...en tegen de tijd dat er eindelijk een besluit is, is de context van het verzoek al verlopen.

00:00:09.400 --> 00:00:12.920
Bedrijfsmatige lautering, waarbij vooruitgang wordt gepauseerd door mensen die zweren dat ze het druk hebben.

00:00:13.120 --> 00:00:15.160
Stel je nu een systeem voor dat simpelweg niet wacht.

00:00:15.340 --> 00:00:18.180
Een workflow die direct doorgaat zodra aan de voorwaarden is voldaan.

00:00:18.420 --> 00:00:22.860
Maak kennis met de agent flows van Microsoft Copilot Studio, de bureaucratie doder vermomt als automatisering.

00:00:23.060 --> 00:00:24.760
Hier wordt AI je eerste goedkeurder.

00:00:24.760 --> 00:00:31.120
Het leest de data, toets deze aan het beleid en geeft een gefundeerde goedkeuring of afwijzing voordat een mens met de ogen knippert.

00:00:31.360 --> 00:00:36.180
Alleen grensgevallen bereiken de inbox van een manager, wat snelheid betekent zonder verlies van toezicht.

00:00:36.360 --> 00:00:40.920
En in tegenstelling tot verouderde goedkeuringstromen die bezwijken onder conditionele complexiteit...

00:00:40.920 --> 00:00:45.200
...schalen deze AI gestuurde stromen mee, waarbij ze onderweg vertakken, valideren en auditen.

00:00:45.380 --> 00:00:49.480
In deze walkthrough laat ik je zien hoe je een conditioneel goedkeuringssysteem met meerdere fases bouwt...

00:00:49.480 --> 00:00:52.780
...wat sneller beslist dan je collega's te allen beantwoorden, knop kunnen vinden.

00:00:52.780 --> 00:00:59.040
Je leert hoe je een AI-fase instelt met aangepaste goedkeuringslogica, gerichte menselijke beoordelingen toevoegt...

00:00:59.040 --> 00:01:04.380
...dynamische voorwaarden ontwerpt die intelligent doorverwijzen een echte documentvalidatie voor compliance integreert.

00:01:04.540 --> 00:01:09.580
Aan het einde heb je een geautomatiseerd proces dat weet wanneer het als een machine moet denken en wanneer het moet vertrouwen op menselijk oordeel.

00:01:09.800 --> 00:01:11.220
Stop met het volgen van een wachtrij.

00:01:11.440 --> 00:01:12.840
Laat de logica de leiding nemen.

00:01:13.060 --> 00:01:15.080
Het probleem met traditionele goedkeuringen.

00:01:15.440 --> 00:01:19.160
Traditionele goedkeuringsketens zijn een tragische remix van dezelfde inefficiëntie.

00:01:19.160 --> 00:01:26.040
Iemand dient een formulier in, e-mails vliegen rond, spreadsheets lopen uit de pas en tussen de doorstuur lussen door weet niemand meer wat de definitieve versie was.

00:01:26.200 --> 00:01:28.640
Elke deelnemer voegt vertraging toe, geen waarde.

00:01:28.840 --> 00:01:31.620
Het proces beheert het werk niet, het creëert latentie.

00:01:31.800 --> 00:01:37.300
Typische Power Automate goedkeuringstromen proberen dit op te lossen, maar ze lopen vast zodra je nuance introduceert.

00:01:37.480 --> 00:01:41.260
Een enkelvoudig goedkeuringspad werkt prima als je slechts één ja of nee nodig hebt.

00:01:41.500 --> 00:01:46.540
Zodra je managementlagen, uitgavelimieten of gespecialiseerde regels toevoegt, begint het ontwerp te versplinteren.

00:01:46.540 --> 00:01:51.860
Je eindigt met het nesten van voorwaarden als Russische poppetjes in elegant, kwetsbaar en onmogelijk om zes maanden later te debuggen.

00:01:52.000 --> 00:01:54.540
Eén defecte connector en het hele systeem faalt geruisloos.

00:01:55.280 --> 00:01:59.040
Mensen worden de knelpunten, of om heel precies te zijn, latentieknooppunten.

00:01:59.240 --> 00:02:02.240
Elk bericht dat ze ontvangen wordt een nieuwe asynchrone rondreis.

00:02:02.460 --> 00:02:06.300
E-mail als goedkeuringsmechanisme is als postduiven gebruiken in een glasvezelwereld.

00:02:06.440 --> 00:02:08.460
Het werkt technisch gezien wel, maar dat zou niet moeten.

00:02:08.720 --> 00:02:10.560
Maak kennis met Microsoft Copilot Studio.

00:02:10.920 --> 00:02:13.700
Dit is niet zomaar een incrementele versie van Power Automate.

00:02:13.700 --> 00:02:22.020
Het introduceert agent flows, goedkeuringssystemen aangedreven door AI, maar volledig geïntegreerd in de databronnen, rollen en logische structuren van je organisatie.

00:02:22.180 --> 00:02:26.080
Het overbrugt deterministische beleidshandhaving met adaptieve besluitvorming.

00:02:26.260 --> 00:02:28.760
De genialiteit zit in hoe het de fase scheidt.

00:02:29.380 --> 00:02:32.940
Geautomatiseerd waar je snelheid wilt, menselijk waar je nog validatie nodig hebt.

00:02:33.200 --> 00:02:34.900
Zie het als een opnieuw ontworpen hiërarchie.

00:02:35.100 --> 00:02:41.060
De AI-fase evalueert vaste regels, bedraglimieten, categorieën en daten bereiken met klinische efficiëntie.

00:02:41.060 --> 00:02:47.340
Als een beslissing vervolgens twijfelachtig is, escaleert het proces naar menselijk toezicht zonder elk triviaal geval in de wachtrij te zetten.

00:02:47.540 --> 00:02:49.820
Dit alleen al elimineert exponentiële vertraging.

00:02:50.020 --> 00:02:55.760
In plaats van tien mensen die seriële beoordelingen uitvoeren, verwerkt AI 80% direct en worden alleen uitzonderingen doorgeleid.

00:02:55.920 --> 00:03:03.520
En ja, Copilot Studio volgt alles via zijn dataverse backbone, waardoor verifieerbare lags ontstaan zonder dat je tien door mailboxarchieven hoeft te spitten.

00:03:03.520 --> 00:03:05.740
Vorige workflows waren gebouwd voor mensen.

00:03:05.980 --> 00:03:11.280
Agentflows zijn er omheen gebouwd, waarbij mensen alleen in de lus worden gehouden wanneer interpretatie geen herhaling vereist is.

00:03:11.480 --> 00:03:16.780
Zodra je ziet hoe deze architectuur functioneert, zullen traditionele goedkeuringen primitief aanvoelen als boekhouden bij kaarslicht.

00:03:16.980 --> 00:03:20.120
De belangen zijn simpel, compliance, consistentie en schaalbaarheid.

00:03:20.320 --> 00:03:26.140
Moderne bedrijfsvoering verdrinkt zonder geautomatiseerde validatie en AI-ondersteunde logica is nu de norm voor betrouwbaarheid.

00:03:26.140 --> 00:03:34.020
Wanneer je migreert van statische flows naar conditionele, controleerbare agentflows, stop je met reactief goedkeuringsbeheer en ga je ze behandelen als levende systemen.

00:03:34.140 --> 00:03:37.280
Het verschil is niet alleen snelheid, het is structurele logica.

00:03:37.500 --> 00:03:40.440
De AI-fase bouwen, de eerste goedkeurder onderwijzen.

00:03:40.640 --> 00:03:44.320
Nu komt het interessante gedeelte, het trainen van je eerste digitale bureaucraat.

00:03:44.480 --> 00:03:47.740
De AI-fase is de logische poortwachter van je goedkeuringsproces.

00:03:47.940 --> 00:03:52.740
Het is zijn taak niet om als een mens te denken, maar om gestructureerd te redeneren met bovenmenselijke consistentie.

00:03:52.740 --> 00:03:57.760
Hij leest instructies, toetst deze aan invoer en geeft hem van de twee oordelen, goedgekeurd of afgewezen.

00:03:57.960 --> 00:03:59.700
Geen politiek, geen koffiepauzes.

00:03:59.900 --> 00:04:02.080
Je begint met het definiëren van een nieuwe agentflow.

00:04:02.340 --> 00:04:06.760
Bij creatie staat de AI-fase centraal als een leeg examenblad dat wacht op de antwoordsleutel.

00:04:06.940 --> 00:04:11.400
De trigger komt meestal vanuit dataverse, een record toegevoegd of gewijzigd in je claim- of onkostentabel.

00:04:11.640 --> 00:04:16.440
Zodra een claim is aangemaakt, wordt deze fase geactiveerd, evalueert de data en beslist die overeenkomstig.

00:04:16.620 --> 00:04:20.540
Binnen de fase is het belangrijkste veld de instructie prompt, het brein van de operatie.

00:04:20.540 --> 00:04:24.260
Hier beschrijf je de goedkeuringslogica in eenvoudige maar rigoureuze taal.

00:04:24.460 --> 00:04:27.520
Schrijf het alsof je een advocaat instrueert die nooit improviseert.

00:04:27.640 --> 00:04:36.000
Keur bijvoorbeeld de claim goed als het bedrag minder dan 500 is, de omschrijving fysieke of mentale gezondheid ondersteunt en de aankoopdatum binnen 30 dagen na indiening ligt.

00:04:36.200 --> 00:04:38.260
Wijs af als een regel niet wordt nageleefd.

00:04:38.340 --> 00:04:39.880
Dat is het, binaire helderheid.

00:04:40.180 --> 00:04:42.160
Defineer vervolgens je dynamische invoer.

00:04:42.380 --> 00:04:44.960
Zie ze als variabelen die echte data in je logica voeden.

00:04:45.180 --> 00:04:48.680
Je zult waarschijnlijk een bedrag, een omschrijving en een aankoopdatum opnemen.

00:04:48.680 --> 00:04:54.520
Elk element wordt toegevoegd als content, tekst of getal invoer die de AI gebruikt bij het nemen van een beslissing.

00:04:54.700 --> 00:04:59.560
Copilot Studio klassificeert deze invoer op type, tekst, getal of afbeeldingsdocument.

00:04:59.840 --> 00:05:05.480
Kies zorgvuldig, want het mengen van type, zoals een getal opgeslagen als tekst, verwart zowel mensen als machines.

00:05:05.820 --> 00:05:08.520
Geef onder elke invoer voorbeeldgegevens op voor het testen.

00:05:08.720 --> 00:05:11.160
Dit dient als raamwerk terwijl je de logica calibreert.

00:05:11.400 --> 00:05:16.680
Voer bijvoorbeeld een declaratie in zoals een fitness yoga mat, bedrag 300, aankoopdatum 22 augustus.

00:05:16.680 --> 00:05:24.620
Wanneer je op test klikt, draait Copilot Studio het redeneermodel, gebaseerd op GPT en geeft een beslissing plus uitleg.

00:05:24.780 --> 00:05:27.660
Als de uitkomst overeenkomt met je verwachting, is dat goed.

00:05:27.920 --> 00:05:30.560
Zo niet, dan ontbreekt het je instructies aan determinisme.

00:05:30.760 --> 00:05:32.640
En daar gaan de meeste beginners de mist in.

00:05:32.880 --> 00:05:37.860
Brede of dubbelzinnige bewoordingen, zoals redelijke uitgaven of recente aankoop, zijn gif voor AI.

00:05:38.060 --> 00:05:41.660
Het systeem kan geen bedrijfstemming lezen, het heeft wiskundige definities nodig.

00:05:41.660 --> 00:05:45.340
Verfijn je instructies dus onophoudelijk totdat de testresultaten consistent zijn.

00:05:45.500 --> 00:05:49.120
Elke keer dat je de tekst aanpast, stem je de beoordelingsmotor af op reproduceerbaarheid.

00:05:49.260 --> 00:05:53.080
Het patroon dat je zoekt is identieke invoer die elke keer identieke uitvoer produceert.

00:05:53.260 --> 00:05:55.160
Machine logica, geen kantoorgeroddel.

00:05:55.400 --> 00:06:00.720
Zodra je prompt betrouwbare beslissingen oplevert in meerdere testgevallen, heb je je AI goedkeurder effectief getraind.

00:06:00.920 --> 00:06:07.060
Injecteer nu de echte dynamische gegevens met tokens uit dataverse, details van declaratiebedragen, aankoop of indieningsdatum.

00:06:07.060 --> 00:06:15.740
Deze vervangen je testwaarden tijdens live runs. Vanaf dat moment evalueert de AI elke declaratie in context en geeft een goedkeuringsverdict zodra er nieuwe data verschijnt.

00:06:15.940 --> 00:06:18.460
Voer iteratieve tests uit voordat je de overwinning uitroept.

00:06:18.680 --> 00:06:23.600
Verander het bedrag naar 600, wordt het afgewezen. Verander de datum naar drie maanden geleden, wordt het als ongeldig gemarkeerd.

00:06:23.800 --> 00:06:27.100
Voeg een onzinnige declaratie toe, zoals een iPad aankoop, detecteert het een mismatch.

00:06:27.300 --> 00:06:29.840
Elke ronde moet consistente oorzaak en gevolg aantonen.

00:06:30.060 --> 00:06:33.780
Als reacties gommelen, ligt het probleem bij de duidelijkheid van je prompt, niet bij het AI-model.

00:06:33.780 --> 00:06:38.560
Wanneer er consistente patronen ontstaan, stel dan een NA-angevingsconventie vast voor je contentvariabelen.

00:06:38.840 --> 00:06:43.180
Voorvoegsels zoals straat, voor declaratiebedragen of num, voor aankoopdatums bij numerieke waarden.

00:06:43.420 --> 00:06:47.980
Deze kleine discipline voorkomt chaos wanneer je later uitbreidt naar logica met meerdere vertakkingen.

00:06:48.120 --> 00:06:53.400
In dit stadium kan je geautomatiseerde goedkeurder nu onafhankelijke beslissingen nemen op basis van beleid zonder toezicht.

00:06:53.580 --> 00:06:56.220
Maar automatisering is geen dictatuur, het is delegatie.

00:06:56.380 --> 00:06:59.300
De machine zorgt voor snelheid en precisie, niet voor oordeelsvorming.

00:06:59.300 --> 00:07:05.160
Voor grensgevallen heb je escalatie nodig, een mens in de loop om te beoordelen wat de AI afwijst of onzeker vindt.

00:07:05.260 --> 00:07:10.020
Daar komt de volgende fase in beeld en zo wordt autoriteit gedeeld tussen silicium en personeel.

00:07:10.240 --> 00:07:13.560
Menselijk toezicht toevoegen, meervasige en conditionele logica.

00:07:13.820 --> 00:07:19.480
Zodra je AI vol vertrouwen declaraties beoordeelt, kun je toevoegen wat bureaucratie en ironisch genoeg de menselijke maat noemen.

00:07:19.680 --> 00:07:25.260
In Copilot Studio betekent dit een handmatige fase, een controlepunt waar een echt persoon een beslissing kan nemen.

00:07:25.260 --> 00:07:29.560
Zie het als je veiligheidsklep. Alles wat voorspelbaar is, verloopt automatisch.

00:07:29.740 --> 00:07:32.340
Alles wat genuanceerd is, belandt op het bureau van een manager.

00:07:32.600 --> 00:07:36.540
Je begint in de goedkeuringsontwerper door direct naar de AI fase een handmatige fase toe te voegen.

00:07:36.760 --> 00:07:40.380
Dit creëert een tweede poort in je agentflow. De overdracht is voorwaardelijk.

00:07:40.600 --> 00:07:44.100
Alleen als het oordeel van de AI goedgekeurd is, gaan we door naar de menselijke fase.

00:07:44.320 --> 00:07:47.100
Als de AI afgewezen zegt, eindigt het proces daar direct.

00:07:47.340 --> 00:07:50.580
Waarom tijd verspillen door managers te vragen wat het beleid al heeft afgewezen?

00:07:50.880 --> 00:07:53.520
Efficiënt zie je selectieve aandacht vermont als automatisering.

00:07:53.520 --> 00:07:55.440
Laten we een voorbeeld scenario opzetten.

00:07:55.680 --> 00:07:58.780
Stel dat een werknemer een onkostenvergoeding indient voor een sportschoolabonnement.

00:07:58.940 --> 00:08:01.900
De AI keurt dit goed omdat alle criteria aan het beleid voldoen.

00:08:02.100 --> 00:08:06.500
Nu activeert die beslissing een handmatige fase op managerniveau genaamd managergoedkeuring.

00:08:06.740 --> 00:08:11.720
Onder de motorkap configureer je deze fase met een titel zoals declaratieverzoek van indiener.

00:08:12.080 --> 00:08:14.960
Die variabelen halen dynamisch gegevens uit dataverse.

00:08:15.240 --> 00:08:19.940
In het veld Toewijzen aan bepaal je wie de taak ontvangt, meestal de manager van de indiener.

00:08:19.940 --> 00:08:25.620
Om deze routering te automatiseren, laat Copilot Studio je de Office 365 Users Connector integreren.

00:08:25.780 --> 00:08:29.260
Pak eerst het gebruikersrecord van degene die de declaratie heeft aangemaakt met de actie

00:08:29.260 --> 00:08:31.840
Rij ophalen op ID in de gebruikerstabel in dataverse.

00:08:32.080 --> 00:08:33.900
Dat haalt de informatie van de indiener op.

00:08:34.100 --> 00:08:38.220
Vervolgens haalt de actie Manager ophalen de manager van die gebruiker op via hun primaire e-mailadres.

00:08:38.460 --> 00:08:42.320
Geef dat resultaat door aan je handmatige fase als een variabele, zoals straatmanager e-mail.

00:08:42.700 --> 00:08:43.100
Resultaat?

00:08:43.200 --> 00:08:45.260
Geen hard coding, geen verouderde hiërarchieën.

00:08:45.260 --> 00:08:47.880
Managers veranderen, de hiërarchie ververst zichzelf.

00:08:48.060 --> 00:08:52.000
Nu komt voorwaardelijke vertakking, de echte reden waarom goedkeuringen in meerdere fases bestaan.

00:08:52.160 --> 00:08:54.580
Je kunt logica direct in de agentflow introduceren.

00:08:54.760 --> 00:08:59.800
Als het declaratiebedrag groter is dan of gelijk is aan 150, voeg dan een extra fase toe voor beheerdergoedkeuring.

00:09:00.020 --> 00:09:01.280
Beëindig anders het proces.

00:09:01.540 --> 00:09:06.240
Dit verandert een eenvoudige routine in twee stappen in een beslisboom met meerdere niveaus die zich aanpast aan de context.

00:09:06.600 --> 00:09:09.000
Declaraties met een lage waarde krijgen één menselijke beoordelaar.

00:09:09.200 --> 00:09:12.120
Declaraties met een hogere waarde of risico worden geëscaleerd voor extra controle.

00:09:12.120 --> 00:09:15.160
Voeg in de ontwerper een voorwaardeactie toe voordat je de flow afsluit.

00:09:15.320 --> 00:09:18.620
Verwijs naar je numerieke variabelen, bijvoorbeeld numdeclaratiebedrag.

00:09:18.780 --> 00:09:23.560
Kies de operator groter dan of gelijk aan en stel de drempelwaarde in, zoals 150.

00:09:23.920 --> 00:09:27.480
Voeg in de indien waar tak nog een handmatige fase toe genaamd beheerdergoedkeuring.

00:09:27.720 --> 00:09:30.600
Wijs deze toe aan een vaste goedkeurder, zoals de compliancebeheerder.

00:09:30.800 --> 00:09:33.120
Beëindig in de indien onwaar tak als goedgekeurd.

00:09:33.300 --> 00:09:37.920
Het effect, de workflow gedraagt zich als een rationele organisatie in plaats van een universele flessenhals.

00:09:38.100 --> 00:09:40.080
Een beetje praktische humor is hier op zijn plaats.

00:09:40.080 --> 00:09:43.340
Ja, delegatie vereist nog steeds vertrouwen, geen wensdenken.

00:09:43.540 --> 00:09:46.240
Wijs geen brede beveiligingsrollen toe die alles kunnen goedkeuren.

00:09:46.420 --> 00:09:50.580
Beperk rechten tot relevante gebruikers of groepen via op rollen gebaseerd toegangsbeheer in dataverse.

00:09:50.780 --> 00:09:52.080
Anders heb je alleen maar chaos geautomatiseerd.

00:09:52.940 --> 00:09:55.840
Het testen van de structuur laat zien hoe soepel alles in elkaar grijpt.

00:09:56.080 --> 00:10:01.080
Wanneer een declaratie onder de 150 dollar de AI-controle doorstaat, eindigt het proces na goedkeuring door de manager.

00:10:01.340 --> 00:10:05.960
Bij bedragen boven de 150 dollar zet het systeem ze netjes in de wachtrij voor een admin-check voor afronding.

00:10:05.960 --> 00:10:11.780
Elk pad laat een added trail achter, het AI-redeneerlogboek, tijdstempels en vastgelegde resultaten opgeslagen in dataverse.

00:10:12.000 --> 00:10:14.200
Niemand kan achteraf beweren, ik heb het nooit gezien.

00:10:14.380 --> 00:10:15.760
De database spreekt dat tegen.

00:10:15.980 --> 00:10:18.820
Hanteer bij het verfijne strikte en AA-eveningsconventies.

00:10:19.040 --> 00:10:24.480
Geef menselijke stappen duidelijke voorvoegsels, zoals manager-goedgekeurd of admin-goedgekeurd, zodat je takken visueel kunt volgen.

00:10:24.640 --> 00:10:27.740
Het stroomdiagram moet als logica leesbaar zijn, niet als abstracte kunst.

00:10:27.900 --> 00:10:30.780
Eenmaal tevreden, publiceer en test je het met echte scenario's.

00:10:30.900 --> 00:10:32.340
Kijk hoe de keten zich ontvouwt.

00:10:32.340 --> 00:10:33.960
De AI-evalueert direct.

00:10:34.160 --> 00:10:36.260
De manager krijgt een gerichte goedkeuringstaak.

00:10:36.440 --> 00:10:39.140
De admin komt pas in actie als de voorwaarde daarom vragen.

00:10:39.320 --> 00:10:45.020
Het resultaat voelt minder als automatisering die alles doet en meer als een transparante hiërarchie die zichzelf regelt.

00:10:45.260 --> 00:10:49.460
Deze gelaagde orkestratie onthult ook een nieuw terrein, documentvalidatie.

00:10:49.680 --> 00:10:52.200
Want soms ligt een formulierveld, maar de bon niet.

00:10:52.400 --> 00:10:56.740
De volgende stap is dat de AI het fysieke bewijs controleert nog voordat het je inbox bereikt.

00:10:57.000 --> 00:11:01.440
Daar komt bonvalidatie om de hoek kijken wat bureaucratie verandert in verifiëerbare wetenschap.

00:11:01.440 --> 00:11:03.700
Dynamische inputs en documentvalidatie.

00:11:03.920 --> 00:11:10.000
Laten we het over bonnetjes hebben, die kleine verfrommelde papiertjes die mysterieus genoeg cruciaal bewijs worden zodra iemand een vergoeding wil.

00:11:10.200 --> 00:11:13.600
In een handmatig goedkeuringsproces verifiëren mensen ze op het oog.

00:11:13.820 --> 00:11:16.500
Ja, dat ziet eruit als een yogamat, niet als een jacht.

00:11:16.680 --> 00:11:20.880
In een geautomatiseerd proces laten we de AI dezelfde controle uitvoeren zonder vermoeidheid.

00:11:21.100 --> 00:11:29.540
In de agentflows van Copilot Studio komt documentvalidatie tot leven via dynamische content inputs, specifiek het vermogen om een afbeelding of bestand in je goedkeuringslogica door te geven.

00:11:29.540 --> 00:11:32.640
Dit voegt een derde zintuig toe aan je AI goedkeurder, zicht.

00:11:32.820 --> 00:11:38.260
In plaats van alleen op tekstvelden te vertrouwen, leest het model het document en vergelijkt het wat er staat met wat er is geüpload.

00:11:38.420 --> 00:11:39.380
Dit is de structuur.

00:11:39.640 --> 00:11:43.520
Binnen je AI fase voeg je een nieuw inputtype toe, afbeelding of document.

00:11:43.880 --> 00:11:46.400
Label dit duidelijk, bijvoorbeeld als bon bestand.

00:11:46.600 --> 00:11:48.340
Upload een voorbeeldbon om te testen.

00:11:48.520 --> 00:11:51.160
Dit gaat nog niet live, het traint alleen de logische indeling.

00:11:51.400 --> 00:11:54.700
Pas nu je instructie prompt aan om document kruiskontrole op te nemen.

00:11:54.700 --> 00:12:06.040
Je breidt je eerdere logica uit, keur de declaratie goed als aan het volgende is voldaan, bedrag 500, declaratiegegevens ondersteunen fysieke of mentale gezondheid, aankoopdatum binnen 30 dagen en de bon komt overeen met het opgegeven item, bedrag en datum.

00:12:06.260 --> 00:12:11.100
Deze vierde voorwaarde verandert je AI goedkeurder van een beleidshandhaver in een forensische accountant.

00:12:11.480 --> 00:12:17.800
Wanneer de test draait, haalt het model leesbare tekst uit het document en verifieert de consistentie met je gestructureerde invoer.

00:12:17.800 --> 00:12:24.800
Als op de bon een fitnessmat van 300 dollar van 22 augustus staat en je declaratie zegt iets anders, dan wordt het oordeel afgewezen.

00:12:25.000 --> 00:12:28.540
Nu, voor de implementatie moet je dat document ophalen voordat de goedkeuring draait.

00:12:28.740 --> 00:12:31.700
Gebruik de actie bestand of afbeelding downloaden uit dataverse.

00:12:31.960 --> 00:12:35.600
Richt je op dezelfde tabel waar het declaratierrecord in staat? Waarschijnlijk declaraties.

00:12:35.800 --> 00:12:39.560
Kies bij de bestandskolom het bijlageveld dat vaak iets als bon heet.

00:12:40.000 --> 00:12:44.720
Specificeer vervolgens de rij ID dynamisch vanuit de trigger de unieke declaratie identificatie.

00:12:44.720 --> 00:12:49.020
Deze actie geeft best en smet adata en inhoud terug, maar hier zit een subtiele valkuil.

00:12:49.160 --> 00:12:53.400
De inhouds output heeft een kleine ingreep nodig zodat de AI het correct kan interpreteren.

00:12:53.560 --> 00:13:00.100
Wanneer je de bestandsinhoud koppelt aan je documentbon invoer, open de expressie editor en voeg content toe aan de body verwijzing.

00:13:00.300 --> 00:13:04.340
Die laatste aanpassing levert de werkelijke best en bytes in plaats van de metadata wrapper.

00:13:04.620 --> 00:13:07.680
Sla dit over en je AI zal enthousiast lege bonnen goedkeuren.

00:13:07.920 --> 00:13:11.440
Laten we kijken naar synchronisatie, de agilisheel van document workflows.

00:13:11.440 --> 00:13:16.360
De meeste dataverse tabellen slaan bijlagen pas op nadat het record voor het eerst is opgeslagen.

00:13:16.600 --> 00:13:20.740
Als je flow triggert op het aanmaken van een record, kan deze dus starten voordat het bestand bestaat.

00:13:20.940 --> 00:13:23.720
Symptoom, flow mislukt of de inhoud van de bon is leeg.

00:13:23.900 --> 00:13:25.060
De remedie is elegant.

00:13:25.440 --> 00:13:31.300
Verander de triggerconditioner bij itemwijziging, maar beperk deze zodat hij alleen afgaat wanneer de kolom bon wijzigt.

00:13:31.500 --> 00:13:35.780
Op die manier wordt de validatie geactiveerd zodra iemand een bestand upload of vervangt.

00:13:35.780 --> 00:13:45.500
Om dit te configureren, open de triggerinstellingen, kies gewijzigde kolommen en plak de logische naam van je bonkolom te vinden bij de kolomdetails in dataverse onder geavanceerde hulpprogramma's.

00:13:45.700 --> 00:13:47.920
Zodra dit is ingesteld, publiceer je het.

00:13:48.060 --> 00:13:49.980
Nu gedraagt je automatisering zich netjes.

00:13:50.200 --> 00:13:52.620
Het wacht tot er daadwerkelijk iets is om te valideren.

00:13:52.860 --> 00:13:56.140
Wanneer de declaratie wordt bijgewerkt met een nieuwe bon, start de flow opnieuw.

00:13:56.320 --> 00:14:00.520
Het downloaded bestand voert het door de AI-fase en controleert alle invoer.

00:14:00.520 --> 00:14:08.080
Als er verschillen zijn, zoals een verkeerd bedrag, een verouderde datum of inconsistente beschrijvingen, wijst de AI dit af met een toelichting.

00:14:08.240 --> 00:14:13.100
Het redeneringslogboek kan dan zeggen gedeclareerd bedrag 305 dollar verschilt van totaal op document 300 dollar.

00:14:13.680 --> 00:14:14.800
Dat is compliance zonder klachten.

00:14:15.000 --> 00:14:17.520
De praktische impact, elke inzending wordt zelfcontrolerend.

00:14:18.420 --> 00:14:22.080
Werknemers kunnen niet langer twijfelachtige bonnen of vage beschrijvingen indienen.

00:14:22.280 --> 00:14:26.520
AI levert het oordeel, dataverse levert het bewijs en geen van beide neemt koffiepauzes.

00:14:27.300 --> 00:14:30.280
Dus nee, documentvalidatie is geen overbodige luxe.

00:14:30.280 --> 00:14:32.280
Het is een immuun geheugen voor je workflows.

00:14:32.620 --> 00:14:36.420
Uitschieters worden gevangen op moleculair niveau, de tekens die op de echte bonnen staan...

00:14:36.420 --> 00:14:40.320
...en de menselijke beoordelaar promoveert van handmatige controleur naar uitzonderingsbehandelaar.

00:14:40.880 --> 00:14:43.700
Gefeliciteerd, je hebt nu eerlijkheid zelf geautomatiseerd.

00:14:44.100 --> 00:14:47.180
Betrouwbaarheid opbouwen, testen, versiebeheer en publiceren.

00:14:47.400 --> 00:14:50.400
Elke automatisering lijkt perfect totdat deze wordt uitgevoerd.

00:14:50.660 --> 00:14:53.160
Daarom is betrouwbaarheid geen fase, maar een discipline.

00:14:53.420 --> 00:14:59.720
Copilot Studio maakt die discipline verrassend eenvoudig met versiebeheer, tests en publicatiecontroles die direct in agentflows zijn ingebed.

00:14:59.720 --> 00:15:01.400
Begin met iteratief testen.

00:15:01.540 --> 00:15:04.160
Elke goedkeuringsflow is een miniatuur ecosysteem.

00:15:04.380 --> 00:15:07.100
Zelfs één verdwaalde variabele naam kan chaos veroorzaken.

00:15:07.340 --> 00:15:09.640
Behandel testen daarom als een wetenschappelijk proces.

00:15:09.900 --> 00:15:13.000
Isoleer wijzigingen, pas data toe en observeer de resultaten.

00:15:13.220 --> 00:15:18.120
In de Flow Editor laat Copilot Studio je voorbeeld data simuleren zonder productietriggers in te zetten.

00:15:18.120 --> 00:15:25.140
Voer afwijkende scenario's in, zoals een te groot bedrag, een verouderde datum of irrelevante itemnamen en zorg dat elk de juiste uitkomst geeft.

00:15:25.340 --> 00:15:27.480
Ga daarna over op en aan eveningsconventies.

00:15:27.680 --> 00:15:30.240
Saai, absoluut, essentieel, onmisbaar.

00:15:30.460 --> 00:15:32.600
Voorzie elke variabele systematisch van een voorvoegsel.

00:15:32.820 --> 00:15:35.380
Straat voor strings, numm voor nummerieke waarden, dok voor bestanden.

00:15:35.600 --> 00:15:37.240
Label acties eveneens expliciet.

00:15:37.520 --> 00:15:41.020
Ontvangstbewijs downloaden, goedkeuring manager controleren, claim status bijwerken.

00:15:41.160 --> 00:15:46.540
Want over drie maanden, als iemand vraagt waarom actie 7 niet werkte, zul je blij zijn dat kruimelpaden vriendelijker zijn dan archeologie.

00:15:46.540 --> 00:15:50.320
Zodra individuele tests slagen, breed je uit naar validatie van randgevallen.

00:15:50.540 --> 00:15:52.440
Speel de rol van de incompetente gebruiker.

00:15:52.640 --> 00:15:57.120
Upload geen ontvangstbewijs, verander een datum naar volgend jaar, typ 500 in plaats van 5,00.

00:15:57.400 --> 00:16:00.340
Bevestig dat de AI uitleg geeft en het verzoek afwijst zonder te crashen.

00:16:00.520 --> 00:16:03.860
Dit zijn geen hypothetische fouten, het zijn repetities voor de werkelijkheid.

00:16:04.020 --> 00:16:09.700
Hoe meer faalscenario's je vooraf neutraliseert, des te minder teams berichten je om 2 uur krijgt dat de flow weer is gestopt.

00:16:10.080 --> 00:16:11.880
Publiceren introduceert governance.

00:16:12.120 --> 00:16:16.020
Elke keer dat je een grote wijziging opslaat, maakt Copilot Studio stilletjes een nieuwe versie aan.

00:16:16.020 --> 00:16:18.340
Je kunt op elk gewenst moment terugkeren naar een voorrige versie.

00:16:18.520 --> 00:16:19.700
Geen angst voor overschrijven.

00:16:19.900 --> 00:16:23.300
Gebruik dit om experimentele logica sandboxes gescheiden te houden van productie.

00:16:23.460 --> 00:16:27.020
Eén flow genaamd Claim Goedkeuring Dev, een andere Claim Goedkeuring Pro.

00:16:27.180 --> 00:16:29.380
Test in Dev, publiceer pas als het stabiel is.

00:16:29.580 --> 00:16:34.060
Onthoud, betrouwbaarheid gaat niet alleen over correctheid, maar over controle tijdens veranderingen.

00:16:34.560 --> 00:16:37.060
Gebruik na het publiceren de activiteitslogboeken.

00:16:37.300 --> 00:16:41.320
Deze zijn niet voor de sier, het zijn juridisch betrouwbare verslagen van interacties tussen AI en mens.

00:16:41.320 --> 00:16:44.540
Tijdstempels, identiteit van de goedkeurder, samenvattingen van de redenering.

00:16:44.760 --> 00:16:46.420
Controleer deze logboeken periodiek.

00:16:46.580 --> 00:16:47.920
Er komen patronen naar voren.

00:16:48.200 --> 00:16:50.140
Welke regels leiden tot de meeste afwijzingen?

00:16:50.260 --> 00:16:51.660
Welke managers overrolden de AI?

00:16:51.840 --> 00:16:53.720
Hoe vaak worden compliance-stappen geactiveerd?

00:16:53.920 --> 00:16:56.500
Die inzichten verfijnen zowel het beleid als het ontwerp.

00:16:56.600 --> 00:16:57.920
Nog een subtiele best practice.

00:16:58.300 --> 00:17:01.920
Automatiseer status-updates in dataverse records aan het einde van elke vertakking.

00:17:02.100 --> 00:17:07.060
De actie Rij bijwerken moet een duidelijk veld instellen, zoals Claim Status is goedgekeurd of afgewezen.

00:17:07.060 --> 00:17:09.440
Dit zichtbare eindpunt versterkt het vertrouwen.

00:17:09.600 --> 00:17:12.160
Gebruikers zien beslissingen direct in hun eigen tabelweergave.

00:17:12.380 --> 00:17:14.960
Geen aparte tracking spreadsheets, geen spookgoedkeuringen.

00:17:15.140 --> 00:17:18.500
Zodra je systeem alle tests doorstaat, kun je met een gerust hart publiceren.

00:17:18.700 --> 00:17:23.760
In tegenstelling tot eerdere generaties Power Automate Flows, behouden agent Flows contextuele metadata,

00:17:24.080 --> 00:17:27.060
het AI-beslissingsschema, dynamische inhoudsbindingen en versitext.

00:17:27.240 --> 00:17:32.320
Het resultaat is niet slechts een lopend proces, maar een reproduceerbaar artefact, een auditeerbare automatisering.

00:17:32.540 --> 00:17:34.720
De uiteindelijke betrouwbaarheidscheck is mentaal.

00:17:34.720 --> 00:17:39.740
Weer sta over engineering. Soms wijst de mislukte flow op de complexe regels, niet op technische baks.

00:17:40.080 --> 00:17:45.360
Stroomlijnde logica waar mogelijk. Minder stappen, duidelijkere instructies, minimale dubbelzinnigheid.

00:17:45.920 --> 00:17:48.780
Automatisering is geen willekeur, maar onnodige slimheid.

00:17:49.160 --> 00:17:54.240
Wanneer je de fase afrondt, bereikt je goedkeuringssysteem operationele volwassenheid, getest, geversioneerd,

00:17:54.440 --> 00:17:55.880
rowback vriendelijk en verifieerbaar.

00:17:56.100 --> 00:18:01.120
Elke uitkomst van AI-oordeel tot goedkeuring door een beheerder laat een digitaal spoor nadat bestand is tegen kritiek.

00:18:01.120 --> 00:18:05.420
Dat is gekwantificeerde betrouwbaarheid, geen gevoel, geen geluk, maar gestructureerde redenering,

00:18:05.640 --> 00:18:08.520
getrouw vastgelegd door de tools die je hebt gebouwd om te denken terwijl je slaapt.

00:18:08.900 --> 00:18:10.820
Resultaten en rendement in de echte wereld.

00:18:11.020 --> 00:18:13.220
Wat gebeurt er als je bureaucratie overlaat aan wiskunde?

00:18:13.420 --> 00:18:14.900
De goedkeuringen wachten niet langer.

00:18:15.080 --> 00:18:18.980
Een AI-gestuurde agentflow met meerdere fasen verkort de doorlooptijd van dagen tot minuten,

00:18:19.100 --> 00:18:21.580
omdat beslissingen niet langer afhangen van beschikbaarheid in de agenda.

00:18:21.860 --> 00:18:25.300
Elke declaratie die aan het objectieve beleid voldoet, wordt direct goedgekeurd.

00:18:25.300 --> 00:18:29.980
Elk uitzonderlijk geval komt netjes in de wachtrij van een manager terecht, met de context al bijgevoegd.

00:18:30.040 --> 00:18:32.960
Mensen maken waardeoordelen, geen administratieve bevestigingen.

00:18:33.160 --> 00:18:35.220
De impact is eerst zichtbaar als tijdswinst.

00:18:35.380 --> 00:18:40.080
Een declaratie waarvoor voorheen vier e-mails en twee herinneringen nodig waren, is nu voor de launch afgehandeld.

00:18:40.320 --> 00:18:45.860
Afdelingen ervaren kortere verwerkingscycli, minder inactieve status en perfect gelogde redeneertrajecten.

00:18:46.020 --> 00:18:48.980
Het goedkeuringsmechanisme is niet langer een onderbreking.

00:18:49.220 --> 00:18:50.520
Het wordt infrastructuur.

00:18:50.920 --> 00:18:52.180
Dan volgt foutreductie.

00:18:52.180 --> 00:18:58.000
Door deterministische regels af te dwingen via AI, verwijder je subjectieve afwijkingen, de vloek van handmatige goedkeuringen.

00:18:58.160 --> 00:19:00.660
Geen, ik dacht dat dit onder gezondheid en welzijn viel meer.

00:19:00.900 --> 00:19:03.880
De AI interpreteert criteria elke keer op dezelfde manier.

00:19:04.280 --> 00:19:07.120
Consistentie schaalt beter dan compassie en administratieve logica.

00:19:07.340 --> 00:19:11.060
Managers behandelen alleen nog afwijkingen, en zelfs die komen met een volledig audit-spoor.

00:19:11.260 --> 00:19:14.020
Data-inputs, besluitvormingsgeschiedenis, modelverklaring.

00:19:14.220 --> 00:19:17.420
Adits veranderen van panieksituaties in beleefde verificaties.

00:19:17.600 --> 00:19:20.820
Op organisatorisch niveau is dit niet alleen sneller, het is veiliger.

00:19:20.820 --> 00:19:23.500
Naleving is niet langer afhankelijk van geheugen of stemming.

00:19:23.640 --> 00:19:24.640
Het zit ingebakken.

00:19:24.820 --> 00:19:27.980
De dataverse laks laten zien wie er heeft goedgekeurd, wanneer en waarom.

00:19:28.160 --> 00:19:32.900
Die transparantie ontmoedigt een cultuur van sluiproutes, omdat elke beslissing nu permanent doorzoekbaar is.

00:19:33.060 --> 00:19:38.520
En filosofisch gezien verschuift de workflow van mens eerst met AI-ondersteuning, naar AI-eerst met menselijke correctie.

00:19:38.680 --> 00:19:40.460
Praktisch bestuur, geen science fiction.

00:19:40.700 --> 00:19:43.660
AI handelt de handhaving van regels af, mensen handelen het oordeel af.

00:19:43.800 --> 00:19:47.340
De hybride vorm produceert eerlijkere, snellere en uiteindelijk betrouwbaardere systemen.

00:19:47.340 --> 00:19:49.220
Stel je voor dat je dat uitlegt aan een auditor.

00:19:49.420 --> 00:19:52.280
De glimlach die daarop volgt, is de automatisering alleen al waard.

00:19:52.460 --> 00:19:53.380
Dus, daar heb je het.

00:19:53.600 --> 00:19:56.420
Microsoft Copilot Studio is niet zomaar weer een automatiseringstol.

00:19:56.580 --> 00:19:59.920
Het is de plek waar besluiteloosheid binnen je organisatie eindelijk met pensioen gaat.

00:20:00.100 --> 00:20:03.700
Je bouwt een goedkeurings-engine die in voorwaarden kan denken, verantwoord escaleert,

00:20:03.900 --> 00:20:06.700
bonnet toetst aan de realiteit en elke stap die hij zet documenteert.

00:20:06.900 --> 00:20:09.220
Dat is geen stroomschema, dat is een governance model.

00:20:09.460 --> 00:20:11.500
Als je verder niets onthoudt, onthoud dan dit.

00:20:11.660 --> 00:20:14.800
AI moet beslissingen voorspelbaar maken en mensen uitzonderlijk.

00:20:14.800 --> 00:20:17.580
Stop met het uit gewoonte alles via mensen te laten lopen.

00:20:17.820 --> 00:20:21.440
Laat Logica het routinewerk doen, zodat managers zich op uitzonderingen kunnen richten.

00:20:21.580 --> 00:20:24.820
Als deze walkthrough je een week wachten op manager goedkeuring heeft bespaard,

00:20:25.020 --> 00:20:26.360
overweeg dan om je te abonneren.

00:20:26.500 --> 00:20:30.360
De volgende tutorial gaat dieper in op geavanceerde Copilot Studio automatiseringen,

00:20:30.520 --> 00:20:34.320
waarbij deze agentflows worden gekoppeld aan power, platform, analytics en adaptief beleid.

00:20:34.520 --> 00:20:39.100
Zet je upgradenpad vast, abonneer je, zet meldingen aan en laat nieuwe afleveringen automatisch implementeren.

00:20:39.320 --> 00:20:43.340
Geen handmatige controles, geen gemiste releases, alleen continu levering van nuttige kennis.

00:20:43.340 --> 00:20:44.000
Ga door.

00:20:44.000 --> 00:20:44.040
Ga door.
