次の方法で共有

Power Automate で予測アクションを使用する

  • [アーティクル]

Power Automate でそれぞれの AI Builder モデルの専用アクションを使用できます。 しかし 予測する アクションはあなたが多くの AI Builder モデル タイプを使うことを可能にします。

カスタム モデルまたは事前構築済みモデルを使用する

  1. Power Automate にサインインします。

  2. ナビゲーション ウィンドウで、マイ フロー を選択し、新しいフロー>インスタント クラウド フロー を選択します。

  3. フローに名前を付けます。

  4. このフローをトリガーする方法を選択する 配下で、フローを手動でトリガーする を選択し、作成 を選択します。

  5. + 新しいステップ を選択し、次に検索バーで 予測する を入力します。

  6. AI Builder から予測 または Microsoft Dataverse からの AI Builder モデルを使用して予測する を選択します。 どちらのアクションも同じ機能を提供します。

    予測アクションのスクリーンショット。

  7. モデル入力で、作成したカスタム モデルを選択するか、事前構築済みモデルを選択します。

注意

各モデルの入力パラメータと出力パラメータの詳細については、AI Builder の Power Automate の概要 の次のセクションを参照してください。

動的モデル ID を使用する (上級)

一部の複雑なユース ケースでは、モデル ID を動的に予測アクションに渡す必要がある場合があります。 たとえば、異なるモデルを使用してさまざまな種類の請求書を処理する場合は、請求書の種類に応じてモデルを自動的に選択できます。

このセクションでは、モデルタイプに応じて、この特定の目的の AI Builder 予測アクションを構成する方法について説明します。

  1. Power Automate にサインインします。

  2. 左側のウィンドウでマイ フローを選択し、新しいフロー>インスタント クラウド フローを選択します。

  3. フローに名前を付け、このフローをトリガーする方法を選択します の下の フローを手動でトリガーする を選択した後、作成 を選択します。

  4. + 新しいステップを選択します。

  5. 検索バーで変数を初期化するを入力し、アクション タブで選択します。

  6. 名前入力でモデル ID を入力し、タイプ入力でストリングを入力し、値入力で実際のモデル ID を入力します。

    モデル ID は、Power Apps のモデル詳細ページの URL にあります: make.powerapps.com/environment/[environment id]/aibuilder/models/[model id]

  7. + 新しいステップ を選択して、予測 次に、AI Builder から予測 を選択します。

  8. 入力を選択 >カスタム値を入力 した後、手順 6 から モデル ID を入力します。

    推測要求列の値はモデル タイプによって異なります。

ドキュメント処理モデル

  1. 手動でフローをトリガーするステップで、ファイル入力を追加し、その名前をファイル コンテンツに設定します。

  2. 手動でフローをトリガーするステップで、テキスト入力を追加し、その名前を MIME タイプに設定します。

  3. 変数を初期化するステップで、ドキュメント処理モデル ID を入力します。

  4. 予測ステップで、推測リクエスト列に次の値を入力します:

    {
    "version": "2.0",
    "requestv2": {
    "@@odata.type": "Microsoft.Dynamics.CRM.expando",
    "mimeType": "@{triggerBody()['text']}",
    "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}",
    "pages": "@{base64('1-2')}"
    }
}

    pages パラメータはオプションであり、「2」の形式または「1-10」のような範囲で指定できます。

    動的モデル ID での予測アクションのスクリーンショット。

  5. 右上隅にある 保存 を選択し、テスト を選択して、フローを試します:

    予測アクションのテストのスクリーンショット。

  6. フロー実行の詳細で、モデル JSON 出力を予測アクションの 出力 セクションで取得します。 この出力は、モデルの値を使用して下位のアクションを構築するのに役立ちます。

    実行結果からの出力の取得のスクリーンショット。

  7. 編集モードのフローに戻ります。

  8. + 新しいステップ を選択し、作成 アクション (またはモデル出力を処理するその他のアクション) を選択します。 モデルの出力に合計列があるとします。 次の数式で取得できます。

    @{outputs('Predict')?['body/responsev2/predictionOutput/labels/Total/value']}

    予測出力の使用のスクリーンショット。

物体検出モデル

このプロセスは、ドキュメント処理モデル セクションのステップ 4 の推論要求に似ています。

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}"
    }
}

カテゴリ分類モデル

このプロセスは、ドキュメント処理モデル セクションのステップ 4 の推論要求に似ています。

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "language": "Detect automatically",
        "text": "The text to categorize"
    }
}