Примечание.
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Используйте Copilot Studio и Microsoft Fabric для автоматизации обнаружения мошенничества путем выявления повторяющихся счетов, подозрительных действий поставщиков и нарушений политики. Процессы мониторинга расходов вручную не замечают дублирование, задерживают выявление мошенничества и некорректно обеспечивают соблюдение норм и требований. Автономная обработка определяет потенциальные проблемы и оповещает финансовую группу для последующего расследования. Финансовая команда может использовать пользовательский агент, чтобы задать вопросы на естественном языке, например "показать мне подозрительных поставщиков" или "есть ли дублирующиеся счета?" и получать мгновенные, приоритетные выводы с рекомендуемыми действиями.
Tip
В этой статье описывается идея решения. Это руководство может быть использовано облачным архитектором для визуализации основных компонентов типичной реализации этой архитектуры. Используйте эту статью в качестве отправной точки для разработки хорошо спроектированного решения, которое соответствует конкретным требованиям рабочей нагрузки.
Диаграмма архитектуры
Источники знаний
Чтобы правильно определить потенциальные проблемы, решение требует нескольких источников знаний.
Данные ERP: система планирования корпоративных ресурсов организации (ERP) должна предоставлять счета и сведения о поставщиках.
Правила политики: правила политики определяют категории, пороговые значения и другие метаданные, необходимые для оценки и выявления нарушений политики.
Руководство по аномалиям. Чтобы повысить согласованность в обработке аномалий, финансовая группа создала документ руководства, который описывает их шаги и процедуры исследования для обработки аномалий.
Рабочий процесс
Извлечение финансовых транзакций: используя подключение к ERP или финансовой системе (например, Dynamics 365, SAP, Oracle и другим), данные транзакций поступают в Microsoft Fabric. Для приема данных можно использовать несколько методов. Для пакетной обработки конвейеры в Фабрике данных Microsoft Fabric могут извлекать счета и данные поставщика по расписанию. Для обнаружения в режиме реального времени потоки событий в Microsoft Fabric могут записывать транзакции по мере их возникновения, обеспечивая немедленный анализ. Данные хранятся в Microsoft Fabric Lakehouse.
Обработка обнаружения аномалий: поток агента, использующий действие Azure Data Explorer, анализирует данные с помощью логики обнаружения в Fabric Eventhouse. Функции языка запросов Kusto (KQL) оценивают транзакции по нескольким шаблонам обнаружения, включая сопоставление дублирующихся счетов (один и тот же поставщик, сумма и близость даты), аномалии в действиях поставщика (всплески объема, необычное распределение категорий, новый риск поставщика) и нарушения пороговых значений политики. Каждое обнаружение создает оценку серьезности (0–1), которая указывает уровень достоверности и приоритет риска. Система сохраняет результаты обнаружения в выделенных таблицах для запроса.
Упреждающее оповещение: поток агента эскалирует новые элементы, требующие изучения, путем публикации в канале "Аномалии" финансового отдела в Microsoft Teams. Оповещения включают тип аномалии, имя поставщика, объем риска, уровень серьезности и рекомендуемое действие. Для критических выводов система может автоматически создавать задачи исследования в Планировщик (Майкрософт) или приложении отслеживания задач организации.
Интерактивное исследование: участники финансовой группы взаимодействуют с агентом по аномалиям затрат через Microsoft Teams или Microsoft 365 Copilot. Пользователи могут задавать вопросы на естественном языке, такие как "Показать мне подозрительных поставщиков" или "Есть ли повторяющиеся счета на этой неделе?" Для любых вопросов о данных используется пользовательский агент данных о расходах и аномалиях. Этот агент был настроен в рабочей области Fabric, настроив агент данных Fabric, чтобы узнать, как запрашивать данные Lakehouse и Eventhouse. Этот агент преобразует вопросы в соответствующие запросы, извлекает результаты из Lakehouse или Eventhouse и представляет результаты в сводном, практическом формате. Агент предоставляет контекст, включая интерпретацию серьезности, исторические шаблоны и рекомендуемые дальнейшие действия.
Действие и разрешение: после изучения аномалии агент по аномалиям расходов поддерживает рабочие процессы разрешения. Пользователи могут пометить элементы как проверенные, эскалировать их до руководства, создать задачи по изучению или пометить как ложные срабатывания непосредственно в разговоре. Агент может подключаться к другим системам через потоки агентов и соединители для хранения платежей, запроса дополнительной документации или обновления рейтингов рисков поставщика.
Components
ERP: система организации, которая отслеживает свои финансовые данные. Например, Dynamics 365, SAP, Oracle и другие. Система ERP является источником финансовых данных для анализа, но агенты не обращаются к нему напрямую для выполнения расследований.
Microsoft Fabric Workspace: Содержит Lakehouse и Eventhouse. Lakehouse служит центральным репозиторием для транзакционных данных, хранения сведений о счете, записях поставщиков и правилах политики. Eventhouse работает в качестве подсистемы аналитики в режиме реального времени, выполняя функции обнаружения KQL (язык запросов Kusto) для обнаружения аномалий, таких как повторяющиеся счета и подозрительные шаблоны действий поставщика. Результаты обнаружения хранятся в выделенных таблицах Eventhouse с оценками серьезности и отслеживанием состояния, позволяя агенту данных Fabric запрашивать выводы на естественном языке и запускать рабочие процессы с участием человека при обнаружении аномалий высокого риска.
Среда Power Platform: содержит ресурсы Power Platform, такие как агент, встроенный в Copilot Studio. Используйте решения для перемещения ресурсов из одной среды в другую, например разработку для тестирования.
Copilot Studio agent: используйте Copilot Studio для реализации агентов в решении. Основной агент, агент Аномалий Расходов, взаимодействует с пользователями напрямую или может быть активирован автономно. Настройте агента выявления аномалий затрат с источниками знаний, чтобы у него были знания о структуре организации и процессах финансового отдела для изучения и разрешения аномалий. Используйте возможность подключения к внешнему агенту в Copilot Studio, чтобы подключить агента по данным об аномалиях расходов к агенту по аномалиям расходов. Прежде чем установить это подключение, настройте агент данных об аномалиях в расходах в Fabric Workspace.
Обнаружение аномалий: обнаружение аномалий на основе правил с помощью функций KQL в Хранилище событий Fabric было реализовано. Эти функции предоставляют повторно используемый компонент для управления логикой обнаружения аномалий. Агент данных Fabric также может вызывать эти функции напрямую, позволяя пользователям запрашивать "выполнять обнаружение повторяющихся данных" и получать свежие результаты по запросу. Потоки агентов также могут выполнять функции. Наличие данных в Fabric также обеспечивает более расширенное обнаружение аномалий с помощью возможностей обработки и анализа данных Fabric. Например, чтобы обучить модель обнаружения аномалий на основе 12 и более месяцев исторических данных транзакций, а затем использовать ее для вычислений в реальном времени. Дополнительные сведения об обнаружении аномалий см. в Real-Time Intelligence.
Библиотека документов Microsoft 365: храните инструкции по выявлению аномалий финансовой группы и другую информацию для обмена знаниями в библиотеке документов, чтобы сотрудники могли легко получить доступ к этим ресурсам в качестве источника знаний.
Сведения о сценарии
Замечание
Эта идея решения демонстрирует, как можно использовать агентов ИИ для построения агента по выявлению аномалий в расходах на примере сценария из Библиотеки сценариев Microsoft. Дополнительные сведения см. в библиотеке сценариев, чтобы узнать больше о влиянии на бизнес и ключевых показателях эффективности (KPI).
Этот агент автоматизирует обнаружение подозрительных или ненормальных расходов в финансовых транзакциях. Он постоянно извлекает данные из систем ERP, стандартизирует его для анализа и применяет обнаружение аномалий на основе правил и шаблонов для выявления необычного поведения поставщика, повторяющихся счетов или ненормальных платежей. Затем агент оценивает риск, проверяет соответствие политикам и нормативным требованиям и предоставляет четкое руководство по устранению проблем и предотвращению повторения.
Агент обеспечивает операционную и финансовую ценность следующими способами:
- Снижение финансового риска путем раннего выявления мошенничества, дубликата счетов и необычных шаблонов расходов.
- Улучшение соответствия путем проверки транзакций в соответствии с внутренними политиками и нормативными требованиями.
- Повышение эффективности путем автоматизации ручного анализа расходов, освобождения финансовых групп, чтобы сосредоточиться на высокоценном обзоре и принятии решений.
- Укрепление финансовых средств контроля с помощью упреждающего мониторинга вместо реактивного исследования.
- Повышение готовности аудита с помощью структурированной документации и четких рабочих процессов разрешения.
Considerations
Эти соображения реализуют основы Power Platform Well-Architected — набора руководящих принципов, повышающих качество рабочей нагрузки. Дополнительные сведения см. в разделе Microsoft Power Platform Well-Architected.
Reliability
Разработайте рабочую нагрузку, чтобы избежать ненужной сложности: распределив обязанности между агентами Copilot Studio и Microsoft Fabric, вы избегаете ненужных сложностей и используете сильные стороны каждой платформы. Хотя вы можете реализовать обнаружение аномалий в рамках инструкций и средств агента, Fabric обеспечивает более естественное соответствие этому типу обработки. Если агент будет запрашивать необработанные данные транзакций, применять логику обнаружения и вычислять индексы серьезности в режиме реального времени, это, скорее всего, приведет к сложным запросам, замедлению времени реакции и потенциально несогласованным результатам.
Проверка устойчивости и доступности. С несколькими интегрированными системами важно реализовать обработку ошибок и временную обработку ошибок для любых взаимодействий с этими системами, которые могут повлиять на процесс.
Измерение и публикация индикаторов работоспособности: данные телеметрии из среды выполнения агента должны предоставлять достаточные показатели работоспособности агента. Вы также можете настроить агент для публикации в Application Insights. С помощью телеметрии в Application Insights можно запрашивать данные и включать пользовательские события телеметрии из ваших тем.
Операционная эффективность
Внедрение методов безопасного развертывания: стандартизация развертывания любых изменений в приложениях и агентах с помощью автоматизированных процессов развертывания, таких как конвейеры. Переводите приложение в рабочую среду только после тестирования изменений. Пользовательские соединители Power Platform также являются компонентами решения и развертываются вместе с приложениями и агентами. Однако они должны находиться в своем собственном решении. Агенты могут находиться в своем в собственном решении, отдельно от приложений и пользовательских соединителей. Однако это разделение может увеличить сложность развертывания. Держите их отдельно, чтобы поставлять агентов в сроки, отдельные от сроков поставки приложения. Подумайте о том, каким образом ресурсы Fabric и их жизненный цикл могут влиять на агента Copilot Studio. Дополнительные сведения см. в разделе "Создание стратегии управления жизненным циклом приложений".
Автоматизируйте все задачи, которые не получают выгоду от понимания и адаптации человеческого вмешательства: измерение точности, релевантности и качества ответов на вопросы является важной текущей деятельностью. Создайте тестовые наборы в Copilot Studio, которые имитируют реальные сценарии для агента. Используйте возможность оценки, чтобы автоматизировать и повторить этот процесс при развертывании изменений, по мере выхода моделей на пенсию и замены или, когда вы хотите убедиться, что агент отвечает на запросы пользователей.
Создавайте и реализуйте автоматизацию заранее: создавайте тестовые наборы в начале разработки агента, чтобы обеспечить автоматическую оценку агентов в решении. На раннем этапе вы можете не знать все необходимые тесты для агента. Copilot Studio может создавать наборы тестов из настроенных источников знаний в начале процесса разработки. Разработка наборов тестов для тестирования ответов агента данных путем выполнения распространенных запросов, которые пользователи могут использовать.
Эффективность работы
Проектирование в соответствии с требованиями к производительности: оценка производительности решения и требований к объему данных. Архитектура решения включает как обработку, взаимодействующую с пользователем, так и обработку с участием автономных агентов. Для этих типов обработки требуются различные уровни проверки производительности. Интерактивная логика пользователей более чувствительна к времени отклика, в то время как вы, скорее всего, больше обеспокоены потреблением автономных агентов, чем время обработки. Тестирование производительности должно соответствовать потребностям тестирования обоих типов обработки. Если любая из логики реализована с помощью потоков агента, оцените, подходит ли они для экспресс-режима для ускорения обработки и уменьшения времени ожидания ответа агента. При необходимости выполните дополнительную обработку данных в рабочей области Fabric для оптимизации операций с данными и повышения производительности интерактивных запросов. Дополнительные сведения см. в разделе "Разработка стратегии тестирования для агентов".
Оптимизация логики. Инструкции агента — это форма логики. Они предоставляют инструкции о том, как агент должен управлять пользователем. Когда инструкции в одном агенте становятся более сложными, агент может быть не так точен в их выполнении или может запутаться из-за перекрывающихся инструкций. Переложите часть ответственности на другого агента, используя инструмент, такой как подсказка, настраиваемый соединитель или протокол контекста модели (MCP). Используйте потоки агента, если требуется более детерминированный путь выполнения. Агенты рассматривают потоки агентов как инструменты и могут включать инструкции по использованию конкретных инструментов. Например, вы можете реализовать приостановку поставщика в качестве потока агента, который принимает сведения о поставщике в качестве входных данных и использует соединители для других систем организации, чтобы приостановить работу поставщика до завершения исследования. Дополнительные сведения см. в разделе "Использование средств агента для расширения, автоматизации и улучшения агентов".
Тестирование производительности: Наряду с тестированием функциональности и сбоев, важно проводить оценку и разработку базовых показателей производительности и оценивать их в контексте вашего цикла выпуска.
Ответственное применение ИИ
Обеспечение справедливого обращения: обеспечение справедливого обращения со всеми поставщиками путем активного решения предвзятости и поддержания справедливости в каждом взаимодействии. Прозрачно раскрывать источники данных с соответствующими ссылками и применять строгие протоколы конфиденциальности и безопасности данных.
Прозрачность и доверие. Убедитесь, что пользователи знают, когда они используют рабочую нагрузку, использующую возможности искусственного интеллекта. Например, ответы должны ссылаться на конкретный источник знаний, если это возможно. Агенты должны сделать ясно, когда пользователь взаимодействует с агентом и когда он получает ответ от человека.
Циклы отзывов: агенты могут легко принимать отзывы от пользователей о взаимодействии. Пользователи могут дать пальцы вверх или вниз с помощью элемента управления обратной связи. Copilot Studio агрегирует и предоставляет эти отзывы для вашего рассмотрения. Реализуйте процессы для проверки этих отзывов для выявления проблем с предвзятостью или справедливостью.
Человек в контуре управления: обнаружение аномалий не всегда дает однозначный результат, а ложные обвинения могут нанести серьезный ущерб отношениям с поставщиком. Проследите за тем, чтобы была реализована должная проверка и эскалация до человека.