Compartir a través de

Usar el copiloto para analizar la actividad del flujo de escritorio (versión preliminar)

  • Artículo

[Este artículo es documentación preliminar y está sujeto a modificaciones].

Comprender el rendimiento de la automatización es clave para alcanzar los objetivos de excelencia operativa y fiabilidad, independientemente del tamaño del patrimonio de automatización, el equipo o el rol dentro de la organización. Alcanzar esos objetivos requiere unas capacidades de supervisión avanzadas y dinámicas que le proporcionen una valiosa información que destaque las áreas de éxito e identifique posibles cuellos de botella, tendencias y áreas de mejora. Disponer de información más detallada le permite tomar decisiones informadas que optimizan sus procesos de automatización, lo que se traduce en una mayor eficiencia y eficacia.

Captura de pantalla de una experiencia de copiloto como parte de la página de actividad del flujo de escritorio.

Importante

  • Esta es una característica en versión preliminar.
  • Las características en vísta previa no se han diseñado para un uso de producción y pueden tener una funcionalidad restringida. Estas características están disponibles antes del lanzamiento oficial para que los clientes puedan tener un acceso anticipado y proporcionar comentarios.

Los últimos avances en IA nos brindan oportunidades sin precedentes para explorar nuevos casos de uso de la automatización de la supervisión del estado que podrían incluir desde la simple exploración de datos hasta la detección de anomalías, recomendaciones inteligentes e incluso robots de reparación automática.

Con el copiloto, ahora capaz de analizar la actividad del flujo de escritorio, estamos dando el primer paso en una nueva dirección, permitiéndole democratizar el acceso a la información mediante preguntas específicas sobre la actividad del flujo de escritorio utilizando el lenguaje natural.

Importante

Requisitos previos

¿Cómo funciona?

Esta experiencia de copiloto cuenta con la tecnología del servicio Azure Open AI y es capaz de traducir las solicitudes del usuario en consultas válidas de Dataverse FetchXML. Inicialmente, estas consultas se centran en la actividad de los flujos de escritorio, como las ejecuciones, los flujos, los errores y las máquinas, y la optimizan.

Proceso de alto nivel

  1. Una vez que el usuario introduce una indicación válida, copiloto genera una FetchXML consulta válida basada en la entrada.
  2. Si la consulta generada FetchXML es válida, la consulta se ejecuta en el backend de Dataverse en el contexto de seguridad del usuario actual para recuperar los datos coincidentes. Esto garantiza que los usuarios solo vean los datos a los que ya están autorizados a acceder.
  3. A continuación, Copilot determina la visualización de salida más adecuada, como una tabla, un gráfico circular, un gráfico de barras o un gráfico de líneas, para presentar eficazmente las informaciones y los datos al usuario.

¿Qué son las consultas de FetchXML?

Microsoft Dataverse FetchXML es un lenguaje utilizado para recuperar datos de una base de datos de Dataverse. Está diseñado para ser fácil de crear, usar y entender. Por ejemplo, puede pedir a Dataverse que le proporcione una lista de todas las ejecuciones de un flujo específico. La consulta FetchXML es la forma en que formula esa pregunta para que la base de datos la entienda y pueda darle los resultados correctos.

Prácticas recomendadas de preguntas

  • Sea específico: cuanto más específico sea con su pregunta, mejor entenderá y responderá la IA. Si la IA no produce el resultado deseado, no se preocupe, inténtelo de nuevo ajustando su pregunta.
  • Experimente con las preguntas: si no obtiene los resultados que esperaba, intente reformular su pregunta o proporcione más contexto.
  • Proporcione sus comentarios: si la IA ha producido respuestas excelentes o insatisfactorias, háganoslo saber seleccionando los pulgares hacia arriba o hacia abajo con la opción de proporcionar más comentarios a través del vínculo Dígale a Microsoft qué le ha gustado de esta característica que aparece debajo.

Ejemplos de preguntas

En esta sección se explican ejemplos de preguntas que puede usar como pregunta de inicio para sus propios casos de uso. Algunas de estas preguntas podrían no ser aplicables o devolver resultados incorrectos, ya que la precisión podría estar influida por la comprensión del modelo o la pregunta real y los datos de que disponga en función de sus permisos. Recomendamos que revise y valide los resultados devueltos y la consulta FetchXML. Más información: Validar resultados de la consulta FetchXML generados por el copiloto.

Ejecuciones

  • ¿Qué flujos se ejecutaron más la semana pasada?
  • ¿Cuáles fueron los cinco primeros flujos de ayer por número de ejecuciones completadas?
  • ¿Cuál fue la duración de ejecución media del flujo "[inserte aquí el nombre de su flujo]" durante el último semestre?

Errores

  • Muéstreme los errores de ejecución más frecuentes durante el último mes.
  • Muéstreme una distribución de los flujos correctos frente a los fallidos durante el último trimestre.
  • ¿Cuál fue el número de ejecuciones erróneas durante la penúltima semana?

Máquinas

  • ¿Qué bots han tenido más errores de ejecución hoy?
  • ¿Qué máquinas están en modo de mantenimiento?
  • ¿Cuáles son las máquinas con más errores de ejecución?

Creadores

  • Muéstreme los principales flujos por número de ejecuciones junto con la información de su propietario.
  • ¿Quiénes fueron los 10 usuarios que más flujos ejecutaron durante el mes pasado?
  • ¿Cuándo y quién modificó los flujos de escritorio la semana pasada?

Preguntas multiturno

En el contexto de la IA, las preguntas multiturno le permiten mantener una conversación continua con copiloto, en la que este recuerda el contexto de los mensajes anteriores de la conversación. No se limita a responder a preguntas puntuales, sino que interactúa con usted en un diálogo en el que cada respuesta se basa en lo que se ha dicho antes.

Nota

Cuando interactúe en una conversación multiturno, tenga en cuenta que copiloto solo lleva la cuenta de las cinco preguntas más recientes. Esto significa que copiloto empieza a borrar las preguntas que se introdujeron primero y solo conserva las cinco últimas. Para mejorar la calidad de la respuesta, le sugerimos que limite sus preguntas de seguimiento a cuatro y que reinicie el chat. Más información: Borrar el contexto de la pregunta anterior para empezar de nuevo.

Ejemplo

Turno Pregunta y respuesta
Usuario: muéstreme una distribución de los flujos correctos frente a los fallidos durante el último trimestre
Copilot: Esta es la distribución de los flujos correctos frente a los fallidos durante el último trimestre.
Usuario: ¿cuál fue el principal error de los fallidos?
Copilot: Este es el error principal de los que han fallado.
Usuario: ¿En qué nombres de máquina fallaron más?
Copilot: Estos son los nombres de las máquinas en las que se produjeron más errores.
Usuario: De los que fueron correctos ¿cuál fue su duración media de ejecución?
Copilot: Esta es la duración media de la ejecución de los flujos correctos.

Captura de pantalla de un chat multiturno de copiloto con diferentes datos de salida y visualizaciones.

Influencia en el formato de salida

Puede influir en el formato de salida de copiloto si solicita tipos de salida explícitos como "muéstreme la distribución de ejecuciones de flujo con error frente a las realizadas correctamente en forma de gráfico de barras". Probablemente produzca el siguiente resultado:

Captura de pantalla de una respuesta de copiloto que respondió a una pregunta de un usuario con un gráfico circular.

Borrar el contexto de la pregunta anterior para empezar de nuevo

Si desea reiniciar la conversación con copiloto, puede seleccionar los tres puntos ... situados junto al nombre de copiloto y, a continuación, seleccionar Nuevo chat.

Captura de pantalla de la opción de nuevo chat de copiloto para reiniciar una conversación.

Validar los resultados de la consulta de FetchXML generados por el copiloto

Los siguientes pasos le guía por el proceso de validación (y posible reutilización) FetchXML de consultas en flujos de nube de Power Automate.

Paso 1: Hacer una copia de la consulta de FetchXML

Tras enviar su consulta a copiloto, recibirá una respuesta que incluye un vínculo con la etiqueta Mostrar código. Seleccione este vínculo y, a continuación, el icono de copia situado en la esquina superior derecha del cuadro FetchXML para copiar el código.

Paso 2: Crear un flujo de nube y probar FetchXML la consulta

  1. Navegue hasta el portal de Power Automate y seleccione Mis flujos en el menú de navegación de la izquierda.
  2. Continúe con la selección de + Nuevo flujo en la barra de comandos y, a continuación, seleccione Flujo de nube instantáneo en el menú desplegable.
  3. Introduzca un nombre de flujo, seleccione Desencadenar un flujo manualmente y después Crear.
  4. Aparece el diseñador de flujos de nube. Busque y seleccione el botón + Nuevo paso.
  5. En la barra de búsqueda que aparece, introduzca Dataverse y después seleccione el conector Dataverse en los resultados.
  6. Se muestran varias acciones. Desplácese hasta encontrar la acción Enumerar filas y selecciónela.
  7. En la acción Enumerar filas, seleccione el vínculo Mostrar opciones avanzadas.
  8. Aparece un FetchXML campo de consulta. Aquí es donde se introduce la consulta copiada FetchXML que el copiloto generó anteriormente.
  9. Después de pegar en su FetchXML, seleccione Guardar.
  10. Pruebe su flujo seleccionando Probar.
  11. Siga las indicaciones de la pantalla para iniciar su flujo manualmente y revisar sus resultados.

Paso 3: Comprensión de los resultados

Supongamos que le preguntó a copiloto "¿cuántos flujos fallidos frente a correctos tuvimos el mes pasado?" Esto produce una consulta de FetchXML similar al siguiente ejemplo:

<fetch version="1.0" mapping="logical" aggregate="true" count="3" page="1">
    <entity name="flowsession">
        <attribute name="flowsessionid" alias="flowsession_count" aggregate="count" />
        <attribute name="statuscode" alias="flowsession_statuscode" groupby="true" />
        <filter type="and">
            <condition attribute="completedon" operator="last-x-months" value="1" />
        </filter>
    </entity>
</fetch>

Si los datos coinciden con la consulta dada FetchXML , la acción Enumerar filas configurada en Dataverse el paso 2 devuelve datos en un formato llamado JSON (notación de objetos JavaScript), que es esencialmente un método utilizado para presentar datos de manera bien organizada, lo que facilita la lectura y escritura digital.

En el caso de las preguntas basadas en la distribución, como las mencionadas anteriormente, los datos se agrupan por uno o varios campos (statuscode), junto con una agregación (count) que devuelve el número correspondiente a cada grupo (es decir, failed, succeeded, etc.).

Cada uno de los registros devueltos contiene campos como:

  • flowsession_count: el número de veces que se ejecutó el flujo de trabajo.
  • flowsession_regardingobjectid: el identificador único de la ejecución de flujo.
  • flowsession_statuscode: el estado de la ejecución de flujo (por ejemplo, Error).
  • workflow_name: el nombre del flujo.

Si desea saber cuántas veces se ha ejecutado un flujo concreto, busque en la columna flowsession_count del registro donde workflow_name en el nombre de su flujo.

Comprensión de las respuestas de copiloto a las preguntas problemáticas

Esta tabla muestra las respuestas predeterminadas que se devuelven cuando copiloto no es capaz de entender su pregunta, su intención o de generar una respuesta válida.

Respuesta de Copilot Detalles
Lo sentimos, se ha producido un error. Vuelva a intentarlo. Indica que se ha producido un error inesperado. Reformule su pregunta y vuelva a intentarlo.
Lo siento, no he entendido su pregunta. Reformúlela e inténtelo de nuevo. Soy capaz de responder a preguntas sobre los datos de esta página. Para ver más ejemplos de preguntas que puede hacer al copiloto, puede visitar la sección de ejemplos de preguntas en nuestra página de documentación. Indica que su pregunta no pudo ser traducida en una consulta válida FetchXML. Reformule su pregunta y vuelva a intentarlo.
Lo sentimos, Copilot está trabajando al máximo de su capacidad y no está disponible temporalmente; inténtelo de nuevo dentro de un momento. Indica que hay limitaciones de recursos en el backend. Vuelva a formular su pregunta al cabo de poco tiempo.
Lo sentimos, su mensaje contiene contenido potencialmente dañino. Compruebe que su entrada es adecuada e inténtelo de nuevo. Indica que su pregunta podría incluir contenido potencialmente dañino y la ha bloqueado el servicio de backend. Quite cualquier contenido potencialmente dañino de su pregunta e inténtelo de nuevo.
Lo siento, no he podido generar una respuesta válida a partir de su pregunta. Reformúlela e inténtelo de nuevo. Soy capaz de responder a preguntas sobre los datos de esta página. Para ver más ejemplos de preguntas que puede hacer al copiloto, puede visitar la sección de ejemplos de preguntas en nuestra página de documentación. Indica que el FetchXML generado no es válido o que la consulta falló cuando el copiloto intentó ejecutarla. Reformule su pregunta y vuelva a intentarlo.
Su búsqueda incluye demasiados resultados. Restrinja la consulta e inténtelo de nuevo. Para ver ejemplos sobre cómo limitar los resultados de búsqueda que devuelve el copiloto, visite nuestra página de documentación. Indica que los filtros aplicados a la consulta superan los límites de agregación actuales FetchXML. Agregue a su consulta filtros más apropiados, como pedir los datos de ayer o del mes pasado, para asegurarse de que devuelve datos dentro de esos límites.

Problemas y limitaciones conocidos

La siguiente lista contiene las limitaciones conocidas del copiloto en la actividad de flujo de escritorio.

  • Copilot es una nueva tecnología que aún se está desarrollando. Está optimizado para su uso con el idioma inglés y tiene soporte limitado con otros idiomas. Como tal, algunas partes podrían aparecer en inglés en lugar de en su idioma preferido.
  • Actualmente, Copilot solo está disponible en ambientes de Dataverse basados en Estados Unidos.
  • Copilot puede devolver datos erróneos o incompletos y consultas FetchXML.
  • En un principio, Copilot solo es capaz de responder a preguntas sobre la actividad de flujo de escritorio, como errores, máquinas y ejecuciones pasadas y actuales.
  • En las conversaciones multiturno, el copiloto solo conserva el contexto de las cinco últimas preguntas. Si encuentra resultados erróneos o incompletos, considere la posibilidad de reiniciar la conversación. Más información: Borrar el contexto de la pregunta anterior para empezar de nuevo.
  • En el caso de las consultas que devuelven grandes conjuntos de resultados, es posible que copiloto no pueda devolverlos o representarlos.