# #14 Nauka Power Platform | AI Hub - Prompts **Film YouTube:** https://www.youtube.com/watch?v=REKRVYS1O-A --- Cześć, witam was serdecznie. W tym odcinku chciałbym pokazać wam jak działają prompty w AI builderze, jak możemy je implementować w gotowe przepływy i procesy biznesowe. Przygotowałem sobie już flow. zbudujemy go na żywo. Będzie się on zaczynał od przyjścia wiadomości mailowej. Jaki proces chcę obsłużyć tutaj na tym przykładzie? Powiedzmy, że mamy skrzynkę obsługi klienta. Przychodzą na nią pewne wiadomości od klientów, skargi zażalenia. Będziemy chcieli użyć modelu po to, żeby rozpoznał sentyment osoby piszącej i skierował biznesowo w odpowiedni sposób wiadomości, które wydają się być krytyczne do obsłużenia. A resztę wiadomości zostawimy bez obsługi. Po prostu będzie ona do obsługi, do obsługi do odpowiedzi na skrzynce bądź po prostu pozostanie bez odpowiedzi. Dodajemy sobie akcję AI builder i szukamy run prompt. I tutaj pojawi nam się lista dostępnych promptów. Większość z nich przygotowana jest przez Microsoft i z takiego sobie skorzystamy. Nie budowaliśmy jeszcze własnego promptu. Skorzystamy z istniejącego. Weźmiemy sobie Aa sentyment. Akcja rozpoznała jakie dane są nam potrzebne wejściowo. Dodamy sobie tutaj dynamicznie to, co dostaliśmy z maila. Weźmiemy sobie body preview i zapiszemy sobie ten przepływ i zobaczymy jaki uzyskamy efekt na prostym, szybkim teście. Puścimy sobie test manualnie. Poczekamy, aż Power Automate zacznie nasłuchiwać. A ja przygotowałem sobie pierwszą taką wiadomość, którą wyślę na skrzynkę. Okej, przepływ jest gotowy. Wysyłam wiadomość. Chwileczkę poczekamy. Widzę, że wiadomość jest już w skrzynce odbiorczej, więc za chwileczkę przepływ powinien się uruchomić. Widzimy, że już przepływ działa, wiadomość przyszła i teraz A builder robi swoje. Zobaczmy jaki jest tego rezultat. Wysłałem wiadomość dosyć jednoznaczną. Mianowicie jestem absolutnie oburzony, rozczarowany państwa usługami. Tamta treść jest bogatsza i jak widać w outputucie w wartości tekstu otrzymaliśmy znacznik negative. Zrobimy sobie jeszcze jeden test, żeby zobaczyć jak zadziała na innych przykładach. Ponownie manualne. Tym razem wyślę wiadomość zdecydowanie bardziej pozytywną. Wiadomość dotarła już na skrzynkę. Zaraz przepływ powinien zadziałać. i zobaczmy efekt. Jak widać tu ocenił to pozytywnie i faktycznie tu są podziękowania. Co prawda przekazujemy tylko body wiadomości, moglibyśmy też skleić to i przesłać również temat. Temat też może o czymś świadczyć, natomiast tu skupiamy się tylko na samej treści wiadomości i spróbujemy zrobić jeszcze trzecią próbę. Ja sam jestem ciekaw jak wyjdzie, bo poprosiłem Gemina tym razem, żeby przygotował mi taką wiadomość, która teoretycznie nie brzmi ani źle, ani dobrze. Jestem ciekaw jak on ją zinterpretuje. Zobaczmy sobie, puścimy jeszcze raz taki test. Wiadomość wysłana. Czekam, aż przyjdzie na skrzynkę. Wiadomość już doszła. przepływ już się uruchamia i tą wiadomość cenił pozytywnie. Co warto też spojrzeć, działamy tylko na preview, więc zróbmy sobie jeszcze test jeden, gdzie skorzystamy z całego body wiadomości i przekażemy też temat. Zrobimy, że temat będzie subject treść i wykonamy ostatni przepływ. Jeszcze raz. Tym razem możemy wejść już w automatyczne wykony. tym razem ocenił to negatywnie. Więc i jak widać nie zawsze będzie to sytuacja jednoznaczna i to chcę podkreślać używając procesów AI. W kolejnych odcinkach będziemy coraz częściej mówili o różnym zastosowaniu modeli językowych. Nie powinniśmy w pełni automatyzować procesów, jeśli wiemy, że na przykład ryzyko jest takie, że klient dostanie jakąś niepoprawną informację zwrotną. W tym przypadku ryzyko byłoby małe, bo jest to nasz wewnętrzny proces i po prostu AI źle oceniło. Natomiast ktoś i tak widząc, że wiadomość została oceniona na negatywną, to musi to w procesie ocenić i zobaczyć co tak naprawdę się wydarzyło, przygotować tą wiadomość. Moglibyśmy też od razu poprosić AI w następnym kroku o przygotowanie draftu takiej wiadomości, żeby jeszcze bardziej uprościć proces obsługi yyy klienta i wtedy już osoba obsługująca takiego klienta ma przygotowany draft, widzi odpowiedź, widzi też wiadomość i potrafi ocenić, czy to jest okej, czy coś z tym zrobić. Doróbmy sobie dalszą logikę tego procesu biznesowego. Wiemy już jak ten bloczek się zachowuje i pokażmy sobie co możemy z tym zrobić. Możemy w łatwy sposób dodać warunek, w którym ocenimy sobie wyjściowy tekst. Jeśli będzie on miał wybrzmienie negatywne, to wyślemy sobie wiadomość kanałem Teamsowym. Wybierzemy sobie wysyłkę przez natywny automat Flowbota i możemy tu sobie napisać, że wiadomość ujęta została oceniona przez AI sposób negatywny. treść wiadomości temat. Oczywiście muszę jeszcze wybrać do kogo chcę, żeby ta wiadomość przyszła. I zrobimy tak, że automatycznie będzie przychodziła do odbiorcy. Akurat w tym przypadku to jestem ja, natomiast mogłoby to przechodzić po prostu na skrzynkę dedykowanej osoby. A jeśli zespołu prawdopodobnie kierowałbym to w jakąś inną przestrzeń dedykowany kanał do obsługi takich wiadomości. Tu robię to czysto pokazowo, więc wyślę to z powrotem na maila, znaczy na adresata wiadomości, czyli do mnie i puścimy sobie jeszcze raz taki test. No i mogę potwierdzić, że dostałem faktycznie taką informację, więc ten proces mógłby wyglądać tak, mógłby wyglądać w zupełnie inny sposób. Chciałbym, chciałem tylko pokazać możliwości A buildera, jak możemy z niego korzystać w Power Automate. Możemy go też używać w innych procesach, możemy używać również w Power Apps. Natomiast ta funkcjonalność jest dodatkowo płatna, więc używanie tego w Power Apps byłoby też obwarowane odpowiednimi licencjami. W tym odcinku to wszystko. Zapraszam cię do kolejnego odcinka, w którym opowiem jak tworzyć własny model OCRowy na bazie przykładowych dokumentów faktur.