Agente no Copilot Studio

Todo primeiro agente do Copilot Studio passa pela mesma cena: no painel de teste ele responde com segurança, e na primeira conversa real diz algo como "acho que a política diz talvez". A boa notícia é que esse tipo de falha tem causas conhecidas e correções simples. Com fundamentação em documentos reais, uma persona bem definida e um ciclo disciplinado de depuração, o agente passa a citar a política de forma precisa.

Este guia mostra como reproduzir uma resposta ruim no painel de teste, corrigi-la para que o agente cite o documento correto e publicar um piloto funcional, sem os erros típicos de iniciante.

Por que o agente perfeito no teste falha com usuários reais

O painel de teste é um ambiente protegido. As perguntas são curtas, bem formuladas e quase sempre parecidas com os exemplos que você preparou. Em produção, as pessoas escrevem como pessoas. Alguém pergunta quanto pode pedir de reembolso num hotel, outro digita "limite de despesas de hotel" com erro de digitação, e outro escreve "lembre-me de novo sobre o dinheiro de viagem". Todos querem a mesma coisa, mas se você só testou "qual o limite de despesas?", o agente nem sempre liga os pontos.

O teste das três variações

Para enxergar essa lacuna, abra o painel de teste e envie três versões da mesma pergunta:

1. a versão limpa;
2. uma reescrita casual;
3. uma versão com erro de digitação.

Compare as respostas. Às vezes o agente acerta as três, às vezes só a versão limpa funciona. Resultado bonito no teste não é sinônimo de sobrevivência no mundo real.

Cobertura de intenção e frases de gatilho

A causa técnica é a cobertura de intenção. O agente depende de frases de gatilho e de definições de tópicos para saber quando responder. Se todos os exemplos têm o mesmo formato, o modelo fica frágil, e um único sinônimo pode confundi-lo. A solução é pouco glamorosa, mas funciona: adicione frases de gatilho mais amplas e não use só a linguagem formal dos documentos de política. Inclua expressões casuais, abreviadas e até um pouco desorganizadas, do jeito que as pessoas realmente escrevem. Não precisa exagerar, basta cobrir as variações óbvias e testar de novo.

Grounding no Copilot Studio: fundamente o agente em fontes reais

O primeiro erro de novato é tratar o Copilot Studio como uma bola de cristal em vez de um livro de regras. Um agente sem base de conhecimento é como um estagiário mandado para a reunião sem preparo: fala rápido, parece confiante e metade do que diz não tem sustentação. Ele extrai padrões de texto, não fatos.

O pior resultado são as alucinações, quando o agente inventa algo plausível sem base na realidade. Se um funcionário reserva um hotel com base num limite inventado, a empresa acaba com disputas de despesas e e-mails irritados.

O exemplo do arquivo de política de despesas

No exercício prático do Contoso Lab, você carrega o arquivo expensespolicy.docx, no qual o limite de hospedagem está declarado como 200 dólares por noite. Sem a base de conhecimento, o agente pode responder com segurança "100 dólares por noite", um valor totalmente inventado. Com o arquivo anexado, ele deixa de improvisar e responde que, de acordo com a política de viagens corporativas, a hospedagem é limitada a 200 dólares.

Como adicionar conhecimento passo a passo

1. Abra o agente no Copilot Studio.
2. Na tela de visão geral, clique em Conhecimento.
3. Use o sinal de mais para adicionar conhecimento e escolha carregar um arquivo (ou conecte um site público ou um site do SharePoint).
4. Aguarde a indexação, que pode levar 10 minutos ou mais.
5. Refaça a pergunta de teste.

Arquivos costumam ser a opção mais prática. Não entre em pânico se as primeiras consultas não trouxerem a informação logo após o upload. Quando a fundamentação funciona, você vê a resposta correta acompanhada de uma pequena citação indicando que ela veio do documento enviado. Essa citação é a prova de que deu certo.

O impulsionamento conversacional não substitui o conhecimento

O impulsionamento conversacional (conversational boosting) não cria consciência de política, apenas amplifica padrões de texto. Se nenhuma correspondência é encontrada nas suas fontes, ele pode recorrer ao conhecimento geral do modelo e devolver respostas vagas ou imprecisas. Por isso, em tópicos críticos, configure a pesquisa apenas nas fontes adicionadas. Quando o assunto é conformidade, finanças ou RH, não deixe o agente solto no modelo de linguagem mais amplo.

Persona do agente: nome, descrição e instruções

Depois de garantir que o agente diz a verdade, é hora de moldar como ele a diz. A personalidade não vem de graça: você precisa escrevê-la. Se deixar os campos de nome, descrição e instruções em branco, terá um atendente genérico, sem contexto e sem autoridade. Em áreas como RH e Finanças, um tom insosso faz o usuário achar que está testando um protótipo, e a confiança se perde logo no primeiro contato.

Pense na configuração como uma ficha de personagem: o nome é a classe, a descrição é o histórico, as instruções são os atributos e o tom é o alinhamento.

Limites e usos de cada campo

• Nome: até 30 caracteres. Seja curto e direto, como "Especialista em política de despesas".
• Descrição: cerca de mil caracteres, o suficiente para algumas frases claras, por exemplo: o agente fornece respostas atualizadas da política oficial de viagens, cita trechos relevantes e evita especulações.
• Instruções: até 8 mil caracteres. É onde ficam as regras reais de trabalho.

Nas instruções, não escreva apenas "seja prestativo". Diga o que fazer em casos concretos: cite sempre a linha da política quando disponível, evite respostas especulativas, resuma em uma frase clara para executivos e depois forneça a citação. Defina também o tom, por exemplo "formal e profissional" ou "casual e fácil de entender para funcionários sem formação técnica", e inclua exemplos se quiser.

Dois ajustes rápidos que fazem diferença

Ambos levam menos de cinco minutos. O primeiro é editar o tópico de início da conversa, trocando a saudação genérica por uma introdução específica, como "Estou aqui para ajudar você a entender a política de viagens e citarei o documento oficial sempre que possível". O segundo é trocar o ícone do agente por um PNG de até 192 por 192 pixels e menos de 30 kilobytes. Mesmo um logotipo simples reduz a sensação de demonstração.

Esses detalhes ajudam a evitar divagações, orientam o usuário a fazer perguntas relevantes e reduzem chamados do tipo "não entende", sem precisar de novos conectores ou plugins.

Depuração: o ciclo reproduzir, corrigir e testar de novo

Depurar é transformar falhas em aprendizado em vez de chamados de suporte. A rotina tem cinco passos:

1. Reproduza no painel de teste exatamente a pergunta que falhou.
2. Atualize ou abra um novo chat para redefinir a conversa. Começar do zero importa.
3. Abra os tópicos e veja qual foi acionado. Se foi o tópico de impulsionamento conversacional do sistema e não um dos seus, o agente dependeu do modelo, não do seu conhecimento.
4. Nesse caso, confirme que o arquivo ou site relevante foi carregado e indexado. Sem índice, não há fundamentação.
5. Edite instruções ou o conteúdo do tópico, salve e execute a mesma consulta de novo.

Criar tópicos a partir de uma descrição

Às vezes o problema é falta de estrutura. Na página de tópicos, a opção de adicionar a partir da descrição, com o Copilot, permite descrever o que você precisa, por exemplo "responder diretamente quando usuários perguntarem sobre limites de despesa". O sistema monta uma árvore de tópico a partir dessa descrição. Use o recurso quando o agente continuar ignorando a mesma pergunta básica.

Experimentos de tom e verificação de fundamento

Em cerca de dez minutos você compara personas: escreva nas instruções uma variante A, com linguagem formal de política corporativa, e pergunte o limite de despesas de viagem. Registre a resposta, troque para uma variante B, um guia de RH amigável que explica de forma simples e cita as regras, e repita a pergunta. Com os registros lado a lado, a decisão de tom se baseia em evidência, não em palpite.

Se o agente responder "verifique com o RH" a uma pergunta sobre reembolso de hotel, trate isso como feedback. Talvez o documento ainda não esteja indexado, talvez as frases de gatilho não incluam "hotel". Confira a guia de conhecimento, adicione "despesas de hotel" como frase de gatilho no tópico de viagem e rode de novo.

Os iniciadores de conversa também ajudam. Adicione de três a cinco sugestões na página de visão geral, como "Qual é o limite do hotel?" ou "Quais refeições são reembolsadas?". O usuário clica direto, e você testa caminhos reais mais rápido.

Publicação e canais: Teams, SharePoint e site de demonstração

Publicar não é só um clique para colocar no ar. É o passo que decide quem acessa o agente, como entra e como as respostas aparecem. Cada canal tem suas peculiaridades: no Teams, a mesma frase que funcionava no estúdio pode resultar em "não entendi", porque o texto é quebrado e os metadados são passados de outra forma. O SharePoint trata o espaçamento do seu jeito, e o site de demonstração pode renderizar a formatação de maneira diferente. Cada destino é uma arena distinta e precisa de testes próprios.

Checklist de publicação

1. Confirme que os arquivos de conhecimento estão totalmente indexados.
2. Defina a autenticação. Numa demonstração ampla, selecione "Sem autenticação" para que qualquer pessoa com o link possa testar.
3. Clique em publicar e confirme o banner verde ou a atualização de status na página de canais.
4. Nas configurações do canal do site de demonstração, atualize a mensagem de boas-vindas e os iniciadores de conversa.
5. Execute um piloto fechado antes de abrir para todo o locatário.

O piloto fechado e a telemetria

Um grupo pequeno, com instruções claras, é mais inteligente do que um lançamento geral. Peça que os participantes usem linguagem casual e cometam erros de digitação: são esses deslizes que revelam os pontos fracos. Repita em cada canal os mesmos testes feitos no estúdio (consulta formal, frase casual, erro de digitação, citação fundamentada) e verifique se a citação da fonte continua aparecendo.

Depois de publicado, os dados de uso passam a fluir. O centro de administração da Power Platform e as análises integradas mostram adoção, contagem de erros e até as conversas que não acionaram nenhum tópico. Esse é o seu sistema de monitoramento: publicar não é o fim, é o início do trabalho em campo.

Erros comuns de iniciante e como evitá-los

• Confiar apenas no painel de teste: ele é um treino, não uma prova de prontidão. Teste variações casuais e com erros de digitação.
• Frases de gatilho só em linguagem formal: o agente fica frágil diante de sinônimos e reformulações.
• Publicar sem base de conhecimento: o agente blefa e pode inventar limites, valores e regras.
• Esperar que o impulsionamento conversacional preencha as lacunas: sem fonte de ancoragem, ele devolve conteúdo genérico.
• Esquecer a indexação: testar antes de ela terminar leva à conclusão errada de que a fundamentação falhou.
• Deixar nome, descrição e instruções em branco: o resultado é um atendente genérico que não inspira confiança.
• Testar em apenas um canal: Teams, SharePoint e o site de demonstração se comportam de forma diferente.
• Lançar para todos de uma vez: sem piloto fechado, os erros chegam direto aos usuários.

Takeaways práticos

• Teste sempre a pergunta limpa, a casual e a com erro de digitação, e amplie as frases de gatilho com expressões do dia a dia.
• Fundamente o agente em documentos reais ou fontes confiáveis e aguarde a indexação antes de concluir qualquer teste.
• Procure a citação na resposta: ela confirma que o conteúdo veio da sua fonte.
• Em temas críticos como conformidade, finanças e RH, restrinja a pesquisa às fontes adicionadas.
• Defina a persona: nome curto (até 30 caracteres), descrição clara, instruções detalhadas (até 8 mil caracteres), saudação própria e ícone.
• Depure em ciclo: reproduza, isole, corrija e refaça o teste na mesma pergunta.
• Use iniciadores de conversa para guiar usuários e testar caminhos reais.
• Antes de publicar, confirme indexação e autenticação, rode um piloto fechado e repita os testes em cada canal.
• Depois de publicar, acompanhe a telemetria para identificar erros e conversas sem tópico acionado.

Conclusão: um agente confiável no Copilot Studio nasce de três decisões: fundamentá-lo em fontes verificadas para que pare de adivinhar, dar a ele uma persona com nome, descrição, tom e regras claras, e não confiar num ensaio limpo, testando em cada canal, rodando um piloto fechado e monitorando depois da publicação. Com essa disciplina, o agente cita a política em vez de improvisar, ganha a confiança dos usuários e gera menos chamados de suporte.