To pierwszy odcinek serii Premium — materiałów pokazujących możliwości Power Platform z rozszerzonym licencjonowaniem, w tym agenty AI w Copilot Studio. Nie jest to ścieżka krok po kroku od podstaw, ale raczej pokaz tego, co można zbudować, gdy możliwości licencyjne nie są ograniczone. Dziś budujemy autonomicznego agenta onboardingowego — bez żadnej interakcji człowieka po starcie.

Co to jest agent autonomiczny i czym różni się od zwykłego przepływu?

Klasyczny przepływ Power Automate to deterministyczna sekwencja kroków: jeśli A, to zrób B, potem C. Każdy krok jest z góry zaprojektowany przez dewelopera. Agent autonomiczny działa inaczej — sam decyduje, jakie kroki wykonać, korzystając z instrukcji w języku naturalnym, bazy wiedzy i dostępnych narzędzi (tooli).

W praktyce: zamiast kodować logikę „sprawdź w tabeli Excela kolumnę X dla działu Y", piszemy agentowi: „Sprawdź w dokumentacji procesowej, kto powinien być buddym dla nowego pracownika z tego działu". Agent sam znajduje odpowiednią informację i wie, co z nią zrobić.

Proces biznesowy: onboarding w organizacji

Scenariusz jest następujący: pracownik HR dodaje nowego pracownika na listę SharePoint (imię, nazwisko, dział). Agent ma autonomicznie wykonać dwie czynności:

  1. Przypisanie buddy'ego — na podstawie pliku z dokumentacją procesową znaleźć, kto powinien być opiekunem dla nowego pracownika z danego działu, i wysłać wiadomość Teams do obu zainteresowanych stron.
  2. Zaplanowanie szkoleń — na podstawie harmonogramu szkoleń znaleźć, jakie spotkania onboardingowe powinny się odbyć, i automatycznie utworzyć je w kalendarzu dla nowego pracownika i prowadzącego.

Architektura agenta w Copilot Studio

Agent składa się z czterech elementów:

1. Trigger — zdarzenie wyzwalające agenta. W tym przypadku: dodanie elementu na listę SharePoint (When item is created). Trigger dostarcza agentowi dane z nowego wpisu jako kontekst startowy.

2. Knowledge base — pliki z wiedzą procesową. Dodajemy dwa pliki: tabelę z przypisaniem buddych do działów i harmonogram szkoleń onboardingowych. Każdemu plikowi warto nadać opisową nazwę — agent korzysta z tych opisów przy wyborze odpowiedniego źródła wiedzy.

3. Instrukcja agenta — opis w języku naturalnym, co agent ma robić krok po kroku. Nie jest to kod, ale precyzyjny opis zadania: „Mając dane z listy SharePoint, pobierz z knowledge base informację o buddym dla danego działu. Następnie uruchom narzędzie X, które wyśle wiadomość do nowego pracownika i do buddy'ego."

4. Toole (narzędzia) — przepływy Power Automate podpięte pod agenta jako akcje do wykonania. Każdy tool ma wejście (parametry, które agent musi wypełnić) i wyjście. Kluczowe jest dobre opisanie każdego parametru wejściowego — to z tych opisów agent rozumie, co i skąd ma pobrać.

Budowa tooli — dwa przepływy pomocnicze

Tool 1: Komunikacja Teams z buddym
Parametry wejściowe: adres e-mail nowego pracownika, adres e-mail buddy'ego. Przepływ wysyła dwie wiadomości Teams (via Flow Bot): do nowego pracownika z informacją, kto jest jego opiekunem, i do buddy'ego z informacją, że wkrótce może się odezwać nowy kolega.

Tool 2: Tworzenie spotkań w kalendarzu
Parametry wejściowe: tytuł spotkania, czas startu, czas zakończenia, e-mail nowego pracownika, e-mail prowadzącego. Przepływ tworzy wydarzenie w kalendarzu z wymaganymi uczestnikami. Interesujący szczegół: parametry czasu są opisane w języku naturalnym — „uzupełnij datę startu na podstawie daty dodania pracownika oraz informacji o tym, za ile dni od onboardingu powinno odbyć się spotkanie" — i agent poprawnie oblicza daty.

Testowanie — co zadziałało, co wymagało poprawki

Pierwsze uruchomienie zakończyło się błędem przy tworzeniu spotkań — agent poprawnie obliczył czas startu, ale nie potrafił samodzielnie dodać czasu trwania do daty końcowej. Po poprawieniu opisu parametru end time (z instrukcją, żeby dodać czas trwania do daty startu) — drugie uruchomienie zakończyło się sukcesem.

Wyniki testu potwierdziły, że agent:

  • Poprawnie przeszukał oba pliki w knowledge base.
  • Prawidłowo zmapował maile pracownika i buddy'ego.
  • Utworzył dwa spotkania z właściwymi datami: pierwsze 3 dni od onboardingu (BHP), drugie 7 dni od onboardingu (szkolenie obszarowe).
  • Każde spotkanie miało prawidłowy czas trwania (1h i 2h).

Kluczowa lekcja: opisy w języku naturalnym zastępują kod

To co uderza przy budowaniu agentów Copilot Studio, to jak dużo pracy przejmuje model językowy, gdy dostarczymy mu dobre opisy. Zamiast programować mapowanie pól, piszemy po polsku co ma się dziać — i agent sam to rozumie. Wpływ na jakość działania mają:

  • Opisy plików w knowledge base — agent wie, w którym pliku szukać jakiej informacji.
  • Instrukcja agenta — im precyzyjniejsza, tym mniej błędów i niejednoznacznych decyzji.
  • Opisy parametrów wejściowych tooli — agent rozumie, skąd i jak pobrać każdą wartość.

Copilot Studio obsługuje język polski — cały opis, instrukcje i komunikaty w Teams były pisane po polsku, co jest istotne przy wdrożeniach w polskich organizacjach.

Kiedy warto budować agenta zamiast klasycznego przepływu?

Agent autonomiczny ma sens, gdy:

  • Logika procesu zależy od danych przechowywanych w nieustrukturyzowanej formie (dokumenty Word, tabele, pliki PDF).
  • Reguły biznesowe są opisane prozą, a nie w formie strukturyzowanej bazy danych.
  • Proces wymaga „rozumienia" kontekstu, a nie tylko mechanicznego wykonania sekwencji.
  • Posiadasz odpowiednie licencjonowanie (kredyty Copilot Studio).

W kolejnym odcinku tego cyklu omówiona zostanie analiza opłacalności biznesowej tego rozwiązania — ile kosztuje agent AI w porównaniu z ręczną pracą człowieka.