Wiemy już, czym jest AI Hub i jakie ma możliwości. Czas zobaczyć, jak to działa w praktyce. W tym odcinku budujemy konkretny przepływ biznesowy: system, który automatycznie analizuje przychodzące wiadomości od klientów i wyłapuje te krytyczne — zanim trafią na koniec kolejki oczekujących odpowiedzi.

Scenariusz: obsługa skrzynki klienta z AI

Wyobraź sobie skrzynkę mailową działu obsługi klienta. Codziennie wpada kilkadziesiąt wiadomości — podziękowania, pytania, ale też skargi i reklamacje. Które z nich wymagają natychmiastowej reakcji? Zamiast czytać każdą wiadomość z osobna, możemy zlecić to AI.

Przepływ reaguje na nowego maila i przekazuje jego treść do promptu analizy sentymentu. Model zwraca etykietę: positive, neutral lub negative. Na tej podstawie przepływ decyduje, co dalej.

Jak dodać prompt AI Builder do przepływu

W edytorze Power Automate dodajemy akcję AI Builder i szukamy „Run prompt". Z listy dostępnych promptów wybieramy gotowy szablon Microsoftu — w tym przypadku „AI sentiment" do analizy sentymentu. Akcja sama podpowiada, jakie dane wejściowe są potrzebne.

Mapowanie jest proste: do pola wejściowego wstrzykujemy dynamicznie treść wiadomości (body preview lub pełny body maila). To wszystko — prompt jest gotowy do pracy.

Wynik działania modelu pojawia się w polu tekstowym wyjściowym akcji. Dla wiadomości oburzonego klienta zwróci „negative", dla wiadomości z podziękowaniem — „positive".

Wyniki testu — co mówią liczby

Testy przeprowadzone w odcinku pokazują kilka ważnych wniosków:

  • Jednoznacznie negatywna wiadomość (wyraz oburzenia, skargi) — model poprawnie zwraca „negative".
  • Jednoznacznie pozytywna wiadomość (podziękowania, wyrazy zadowolenia) — poprawnie „positive".
  • Neutralna wiadomość (ani pozytywna, ani negatywna) — model ocenił ją jako „positive". Wynik niejednoznaczny.
  • Ta sama treść, ale z uwzględnieniem tematu maila — wynik zmienił się na „negative".

Ten eksperyment ilustruje ważną zasadę przy projektowaniu procesów z AI: nie należy w pełni automatyzować decyzji, jeśli model może się mylić. Wynik AI powinien być sygnałem do działania człowieka, nie automatyczną decyzją końcową.

Logika biznesowa po ocenie sentymentu

Mając wynik analizy, dodajemy warunek (Condition): jeśli tekst wyjściowy zawiera „negative" — uruchamiamy dalszą logikę obsługi. W tym przykładzie jest to powiadomienie przez Teams (via Flow Bot), które trafia do odpowiedzialnej osoby z treścią wiadomości i jej tematem.

Możliwości są jednak znacznie szersze:

  • Kolejny krok AI: automatyczne przygotowanie draftu odpowiedzi dla konsultanta.
  • Przekierowanie na dedykowany kanał Teams dla pilnych reklamacji.
  • Tworzenie ticketu w systemie zgłoszeniowym z odpowiednim priorytetem.
  • Powiadomienie menedżera, gdy liczba negatywnych wiadomości w ciągu dnia przekroczy próg.

Kiedy używać AI w procesach — praktyczna wskazówka

AI Builder w Power Automate sprawdza się najlepiej jako filtr lub wstępna klasyfikacja, a nie jako autonomiczny decydent. Dobrze zaprojektowany proces AI powinien:

  1. Ocenić dane wejściowe i nadać im etykietę lub priorytet.
  2. Skierować sprawę do właściwej kolejki lub osoby.
  3. Opcjonalnie przygotować szkic treści do akceptacji przez człowieka.
  4. Pozwolić człowiekowi podjąć ostateczną decyzję (przynajmniej na etapie wdrożenia).

Taka architektura minimalizuje ryzyko wysłania błędnej odpowiedzi do klienta, jednocześnie dramatycznie skracając czas, jaki konsultant poświęca na triaging poczty.