Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Yinelenen faturaları, şüpheli satıcı etkinliğini ve ilke ihlallerini belirleyerek sahtekarlık algılamayı otomatikleştirmek için Copilot Studio ve Microsoft Fabric kullanın. El ile harcama izleme işlemleri yinelemeyi kaçırır, sahtekarlığı algılamayı geciktirer ve uyumluluğu tutarsız bir şekilde uygular. Otonom işleme olası sorunları tanımlar ve izleme araştırması için finans ekibini uyarır. Finans ekibi özel temsilciyi kullanarak "şüpheli satıcıları göster" veya "Yinelenen fatura var mı?" gibi doğal dilde sorular sorabilir ve önerilen eylemlerle anlık, öncelikli bulgular alabilir.
Tavsiye
Bu makalede bir çözüm fikri açıklanmaktadır. Bulut mimarınız bu mimarinin tipik bir uygulaması için ana bileşenleri görselleştirmeye yardımcı olmak için bu kılavuzu kullanabilir. İş yükünüzün özel gereksinimlerine uygun iyi tasarlanmış bir çözüm tasarlamak için bu makaleyi başlangıç noktası olarak kullanın.
Mimari diyagramı
Bilgi bankası kaynakları
Olası sorunları düzgün bir şekilde tanımlamak için çözüm için çeşitli bilgi kaynakları gerekir.
ERP verileri: Kuruluşun kurumsal kaynak planlama (ERP) sisteminin faturaları ve satıcı bilgilerini sağlaması gerekir.
İlke kuralları: İlke kuralları, ilke ihlallerini değerlendirmek ve tanımlamak için gereken kategorileri, eşikleri ve diğer meta verileri tanımlar.
Anomali kılavuzu: Finans ekibi, anomalileri işlemede tutarlılığı artırmak için, anomalileri işlemeye yönelik araştırma adımlarını ve yordamlarını özetleyen bir kılavuz belgesi oluşturdu.
Workflow
Extract financial transactions: ERP veya finansal sistem (Dynamics 365, SAP, Oracle ve diğerleri) ile bağlantı kullanarak işlem verileri Microsoft Fabric içine akar. Verileri almak için birden çok yöntem kullanabilirsiniz. Toplu işleme için, Microsoft Fabric Data Factory içindeki işlem hatları belirli bir program dahilinde faturaları ve satıcı verilerini ayıklayabilir. Gerçek zamanlı algılama için Microsoft Fabric'teki olay akışları işlemleri gerçekleştiği anda yakalayarak anında analiz yapılmasını sağlar. Veriler Microsoft Fabric Lakehouse içinde depolanır.
Anomali algılama işlemi: Azure Data Explorer eylemini kullanan bir ajan akışı, Fabric Eventhouse içindeki algılama mantığını kullanarak verileri analiz eder. Kusto Sorgu Dili (KQL) işlevleri, yinelenen fatura eşleştirme (aynı satıcı, tutar ve tarih yakınlığı), satıcı etkinliği anomalileri (birim artışları, olağan dışı kategori yayılması, yeni satıcı riski) ve ilke eşiği ihlalleri dahil olmak üzere işlemleri birden çok algılama düzenine göre değerlendirir. Her algılama, güvenilirlik düzeyini ve risk önceliğini belirten bir önem derecesi (0-1) oluşturur. Sistem, algılama sonuçlarını sorgulama için ayrılmış tablolarda depolar.
Proaktif uyarı: Aracı akışı, Microsoft Teams'de finans ekibinin Anomali kanalına göndererek araştırma gerektiren yeni öğeleri yönlendirir. Uyarılar arasında anomali türü, satıcı adı, risk altında olan tutar, önem düzeyi ve önerilen eylem yer alır. Kritik bulgular için sistem, Microsoft Planner veya kuruluşun görev izleme uygulamasında otomatik olarak araştırma görevleri oluşturabilir.
Interactive investigation: Finans ekibi üyeleri, Microsoft Teams veya Microsoft 365 Copilot aracılığıyla Anomali Harcama aracısı ile etkileşim kurar. Kullanıcılar "Şüpheli satıcıları göster" veya "Bu hafta yinelenen faturalar var mı?" gibi doğal dil soruları sorabilir. Veriyle ilgili tüm sorular için özel Spend Anomali Data aracısı kullanılır. Bu aracı, Lakehouse ve Eventhouse verilerini nasıl sorgulayacağını öğrenmesi için Fabric Çalışma Alanı'nda bir Fabric Veri Aracısı özelleştirilerek yapılandırıldı. Bu aracı soruları uygun sorgulara çevirir, Lakehouse veya Eventhouse'dan sonuçları alır ve bulguları özetlenmiş, eyleme dönüştürülebilir bir biçimde sunar. Aracı, önem derecesinin yorumlanması, tarihsel eğilimler ve önerilen sonraki adımlar dahil olmak üzere bağlam sağlar.
Eylem ve çözüm: Anomali araştırıldıktan sonra Spend Anomaly aracısı çözüm iş akışlarını destekler. Kullanıcılar öğeleri gözden geçirildi olarak işaretleyebilir, yönetime yükseltebilir, araştırma görevleri oluşturabilir veya doğrudan konuşma aracılığıyla hatalı pozitifler olarak işaretleyebilir. Aracı, ödemeleri tutmak, daha fazla belge istemek veya satıcı risk derecelendirmelerini güncelleştirmek için aracı akışları ve bağlayıcılar aracılığıyla diğer sistemlere bağlanabilir.
Components
ERP: Kuruluşun finansal verilerini izleyen sistemi. Örneğin, Dynamics 365, SAP, Oracle ve diğerleri. ERP sistemi analiz için finansal verilerin kaynağıdır ancak aracılar araştırma yapmak için doğrudan bu verilere erişmez.
Microsoft Fabric Workspace: Lakehouse ve Eventhouse içerir. Lakehouse, fatura ayrıntılarını, satıcı kayıtlarını ve ilke kurallarını depolayarak işlem verileri için merkezi depo görevi görür. Eventhouse, yinelenen faturalar ve şüpheli satıcı etkinlik desenleri gibi anomalileri tanımlamak için işlem verilerine karşı KQL (Kusto Sorgu Dili) algılama işlevlerini çalıştıran gerçek zamanlı analiz altyapısı olarak çalışır. Algılama sonuçları önem dereceleri ve durum izleme özelliklerine sahip ayrılmış Eventhouse tablolarında depolanır. Bu sayede Doku Veri Aracısı doğal dil aracılığıyla bulguları sorgular ve yüksek riskli anomaliler algılandığında döngüde insan iş akışlarını tetikler.
Power Platform ortamı: Copilot Studio'da yerleşik aracı gibi Power Platform kaynaklarını içerir. Geliştirme ve test etme gibi kaynakları bir ortamdan diğerine taşımak için çözümleri kullanın.
Copilot Studio aracıları: Çözümde aracıları uygulamak için Copilot Studio kullanın. Birincil aracı olan Spend Anomaly aracısı, kullanıcılarla doğrudan etkileşim kurar veya otonom olarak tetiklenebilir. Harcama Anomalisi aracısını bilgi kaynaklarıyla yapılandırın; böylece finans ekibinin anomalileri araştırma ve çözme yordamları hakkında kurumsal bilgi sahibi olur. Copilot Studio'nun harici aracıya bağlan özelliğini kullanarak Harcama Anomalisi Verileri aracısıyla Harcama Anomalisi aracısı arasında bağlantı kurun. Bu bağlantıyı kurmadan önce, Fabric Çalışma Alanı'nda Harcama Anomali Verisi aracısını yapılandırın.
Microsoft Fabric veri aracıları: Microsoft Fabric'daki veri aracısı kendi konuşma soru-cevaplarınızı oluşturmanıza olanak tanır Üretken yapay zeka kullanan sistemler. Doku veri aracısı, veri içgörülerini kuruluşunuzdaki herkes için daha erişilebilir ve eyleme dönüştürülebilir hale getirir. Yapılandırıldıktan sonra, diğer Copilot Studio aracıları doku veri aracılarını kullanarak bu aracıya özel veri özellikleri ekleyebilir. Bir Fabric veri aracısı ile ekibiniz Fabric OneLake'teki veriler hakkında düz İngilizce konuşmalar yapabilir ve ilgili yanıtları alabilir. Bu senaryo için Spend Anomaly Lakehouse ve Eventhouse, veri aracısı tarafından erişim için yapılandırıldı. Aracı yönergeleri, aracıyı kullanıcılarla yapılan harcama anomalisi soruşturması etkileşimlerine göre uyarlamak üzere özelleştirilmiştir. Yaygın kullanıcı sorguları için örnek istemler de yapılandırıldı.
Anomali algılama: Doku Eventhouse'daki KQL işlevleri kullanılarak kural tabanlı anomali algılama uygulandı. Bu işlevler anomalileri algılama mantığını yönetmek için yeniden kullanılabilir bir bileşen sağlar. Doku Verileri aracısı ayrıca bu işlevleri doğrudan çağırarak kullanıcıların "yinelenen algılamayı çalıştır" istemesine ve isteğe bağlı olarak yeni sonuçlar almasına olanak tanır. Aracı akışları, işlevleri de çalıştırabilir. Verilerin Fabric'te olması, Doku'nun veri bilimi özelliklerini kullanarak daha gelişmiş anomali algılamasını da sağlar. Örneğin, bir anomali algılama modelini 12 aydan daha fazla geçmiş işlem verileri üzerinde eğitmek ve ardından bu modeli kullanarak gerçek zamanlı puanlama yapmak için kullanın. Real-Time Intelligence'da anomali algılama hakkında daha fazla bilgi edinin.
Microsoft 365 belge kitaplığı: Finans ekibinin anomali kılavuzunu ve diğer bilgi bilgilerini bir belge kitaplığında depolayarak aracıların bu varlıklara bilgi kaynağı olarak kolayca erişebilmesini sağlayın.
Senaryo ayrıntıları
Uyarı
Bu çözüm fikri, Microsoft Senaryo Kitaplığı'ndanbir harcama anomali tanımlama aracısı senaryosu oluşturmak için Yapay Zeka Aracılarını Kullanma senaryosunun nasıl tasarlanabilir olduğunu gösterir. İş etkisi ve önemli performans göstergeleri (KPI) hakkında daha fazla bilgi edinmek için senaryo kitaplığındaki ayrıntılara bakın.
Bu aracı, finansal işlemler genelinde şüpheli veya anormal harcama etkinliğinin algılanması işlemini otomatikleştirir. ERP sistemlerinden sürekli olarak veri çeker, analiz için standartlaştırır ve olağan dışı satıcı davranışlarını, yinelenen faturaları veya anormal ödemeleri belirlemek için kural tabanlı ve desen tabanlı anomali algılama uygular. Aracı daha sonra riski değerlendirir, ilkeler ve düzenlemelere uyumluluğu denetler ve sorunları çözmek ve yinelenmeyi önlemek için açık bir sonraki adım kılavuzu sağlar.
Aracı, şu şekilde operasyonel ve mali değeri sağlar.
- Sahtekarlık, yinelenen faturalar ve olağan dışı harcama düzenlerinin erken belirlenmesiyle finansal riski azaltma.
- İşlemleri iç ilkelere ve mevzuat gereksinimlerine göre doğrulayarak uyumluluğu iyileştirme.
- El ile yapılan harcama analizini otomatikleştirerek verimliliği artırmak, finans ekiplerini yüksek değerli gözden geçirme ve karar alma sürecine odaklanmak için serbest bırakmak.
- Reaktif araştırma yerine proaktif izleme yoluyla finansal denetimleri güçlendirmek.
- Yapılandırılmış belgeler ve net çözüm iş akışlarıyla denetim hazırlığını geliştirme.
Değerlendirmeler
Bu değerlendirmeler, bir iş yükünün kalitesini artıran bir dizi rehber ilke olan Power Platform Well-Architected'ın temellerini uygular. daha fazla bilgi için bkz. Microsoft Power Platform Well-Architected.
Reliability
Gereksiz karmaşıklığı önlemek için iş yükünüzü tasarlayın: Copilot Studio aracıları ile Microsoft Fabric arasındaki sorumlulukları ayırarak, gereksiz karmaşıklığı önler ve her platformun güçlü yönlerini kullanırsınız. Anomali algılamayı aracı yönergeleri ve araçlarının bir parçası olarak uygulayabilseniz de Fabric, bu tür işlem için daha doğal bir çözüm sunar. Aracının ham işlem verilerini sorgulaması, algılama mantığını uygulaması ve önem derecelerinin gerçek zamanlı olarak hesaplanması büyük olasılıkla karmaşık istemlere, daha yavaş yanıt sürelerine ve olası tutarsız sonuçlara neden olabilir.
Dayanıklılık ve kullanılabilirlik testi: Birden çok tümleşik sistemle, bu sistemlerle yapılan ve süreci etkileyebilecek tüm etkileşimler için hata işleme ve geçici hata işleme uygulamak önemlidir.
Sistem durumu göstergelerini ölçme ve yayımlama: Aracı çalışma zamanından alınan telemetri, aracının sistem durumunun yeterli göstergelerini sağlamalıdır. Aracıyı Application Insights'ta yayımlayacak şekilde de yapılandırabilirsiniz. Application Insights'taki telemetri ile verileri sorgulayabilir ve konularınızdan özel telemetri olayları ekleyebilirsiniz.
Operasyonel Mükemmellik
Güvenli dağıtım uygulamalarını benimseme: İşlem hatları gibi otomatik dağıtım işlemlerini kullanarak uygulamalarda ve aracılarda yapılan tüm değişikliklerin dağıtımını standartlaştırın. Uygulamayı yalnızca değişiklikleri test ettikten sonra üretime yükseltin. Power Platform özel bağlayıcıları da çözüm bileşenleridir ve uygulamalar ve aracılarla birlikte dağıtılır. Ancak, bunları kendi çözümlerinde tutun. Aracılar, uygulamalardan ve özel bağlayıcılardan ayrı olarak kendi çözümlerinde yaşayabilir. Ancak, bu ayrım dağıtım karmaşıklığını artırabilir. Aracıları, uygulamanın zaman çizelgesinden ayrı bir zaman çizelgesinde teslim etmek için ayrı tutun. Kumaş varlıklarının ve yaşam döngülerinin Copilot Studio aracısını nasıl etkileyebileceğini düşünün. Daha fazla bilgi için bkz. Uygulama yaşam döngüsü yönetimi stratejisi oluşturma.
İnsan müdahalesinin içgörüsünden ve uyarlanabilirliğinden yararlanmamış tüm görevleri otomatikleştirin: Soruların doğruluğunu, alaka düzeyini ve yanıt kalitesini ölçmek, devam eden önemli bir etkinliktir. Copilot Studio'da aracı için gerçek dünya senaryolarını simüle eden test kümeleri oluşturun. Modellerin kullanımdan kaldırması ve değiştirilmesi veya aracınızın kullanıcı sorgularını başarıyla yanıtlayıp yanıtlamadığını doğrulamak istediğinizde değişiklikleri dağıtırken bu işlemi otomatikleştirmek ve yinelemek için değerlendirme özelliğini kullanın.
Otomasyonu önceden tasarlayıp uygulayın: Çözümünüzdeki aracıların otomatik olarak değerlendirilmesini sağlamak için aracı geliştirmenin erken aşamalarında test kümeleri oluşturun . Aracı için ihtiyacınız olan tüm testleri önceden bilmiyor olabilirsiniz. Copilot Studio, geliştirme sürecinin başlarında yapılandırılmış bilgi kaynaklarınızdan test kümeleri oluşturabilir. Kullanıcıların kullanabilecekleri yaygın sorguları gerçekleştirerek veri aracısından gelen yanıtları test etmek için test kümeleri geliştirin.
Performans Verimliliği
Performans gereksinimlerini karşılayacak tasarım: Çözüm performansınızı ve veri hacmi gereksinimlerinizi değerlendirin. Çözüm mimarisi hem kullanıcı etkileşimli hem de otonom aracı işlemeyi içerir. Bu işleme türleri farklı performans inceleme düzeyleri gerektirir. Kullanıcı etkileşimli mantığı yanıt süresine karşı daha hassasken, otonom aracıların tüketimiyle ilgilenme olasılığınız işleme süresine kıyasla daha fazladır. Performans testi, her iki işleme türünün de test gereksinimlerini karşılamalıdır. Mantıklardan herhangi biri aracı akışları kullanılarak uygulanıyorsa, bunların işlemeyi hızlandırmak ve aracı yanıt bekleme süresini kısaltmak için hızlı mod için uygun olup olmadığını değerlendirin. Gerektiğinde, veri işlemlerini iyileştirmek ve etkileşimli sorgu performansını geliştirmek için Doku çalışma alanında ek veri işleme gerçekleştirin. Daha fazla bilgi için Aracılarınız için test stratejisi tasarlama bölümüne bakın.
Mantığı iyileştirme: Aracı yönergeleri bir mantık biçimidir. Aracın kullanıcıyı nasıl yönlendirmesi gerektiğine dair yönergeleri sağlar. Bir aracının içindeki yönergeleriniz daha karmaşık hale geldikçe, aracı bu yönergeleri izlemekte o kadar kesin olmayabilir ya da çakışan yönergeler nedeniyle kafası karışabilir. Sorumluluğun bir kısmını başka bir aracıya, istem, özel bağlayıcı veya Model Bağlam Protokolü (MCP) gibi bir araca taşıyın. Daha belirleyici bir yürütme yoluna ihtiyacınız olduğunda aracı akışlarını kullanın. Aracılar, aracı akışlarını araç olarak görür ve belirli araçları kullanma yönergelerini içerebilir. Örneğin, Satıcıyı Askıya Al'ı giriş olarak satıcı bilgilerini alan ve araştırma tamamlanana kadar satıcıyı askıya almak için kuruluşun diğer sistemlerine bağlayıcılar kullanan bir aracı akışı olarak uygulayabilirsiniz. Aracılarınızı genişletmek, otomatikleştirmek ve geliştirmek için aracı araçlarını kullanma bölümünde daha fazla bilgi edinin.
Test performansı: İşlevsellik ve hata testlerinin yanı sıra performans için bir taban çizgisi test etmek ve geliştirmek ve bunu yayın döngünüzün bir parçası olarak değerlendirmek önemlidir.
Sorumluluk sahibi yapay zeka
Adil muameleyi güvence altına alın: Her etkileşimde yanlılığı aktif olarak ele alarak ve eşitliği koruyarak tüm satıcılar arasında adil davranılmasını sağlayın. Veri kaynaklarını uygun bağlantılarla şeffaf bir şekilde açıklayıp katı veri gizliliği ve güvenlik protokollerini zorunlu tutabilirsiniz.
Saydamlık ve güven: Kullanıcıların yapay zeka özelliklerini kullanan bir iş yükünü ne zaman kullandıklarını bilmelerini sağlayın. Örneğin, yanıtlar mümkün olduğunda belirli bir bilgi kaynağına başvurmalıdır. Aracılar, bir kullanıcı bir aracıyla etkileşimde bulunduğunda ve bir insandan yanıt aldığında kullanıcının bunu net bir şekilde ayırt edebilmesini sağlamalıdır.
Geri bildirim döngüleri: Aracılar, etkileşimleriyle ilgili olarak kullanıcılardan gelen geri bildirimleri kolayca kabul edebilir. Kullanıcılar geri bildirim denetimini kullanarak başparmakları yukarı veya aşağı verebilir. Copilot Studio, incelemeniz için bu geri bildirimi toplar ve sunar. Yanlılık veya eşitlik sorunlarını belirlemek için bu geri bildirimi gözden geçirmeye yönelik süreçler uygulayın.
İnsan müdahalesi: Anomali algılama her zaman belirleyici değildir ve yanlış iddialar tedarikçiyi önemli ölçüde etkileyebilir. Yeterli incelemenin yapıldığından ve bir gerçek bir kişi olan uzmana yönlendirilmenin sağlandığından emin olun.