Power Automate 中的 AI Builder 可节省时间
本部分描述可通过使用 AI Builder 和 Power Automate 实现的各种用例。
先决条件
Power Automate 的访问权限。
AI Builder 的许可证或试用版。
包含 Microsoft Dataverse 数据库的环境。 （仅适用于工作或学校帐户）
建议对 Power Automate 有基本了解并具有创建流的经验。
发票处理
企业经常处理通过邮件、电子邮件、传真和本人提交等各种渠道收到的大量发票。 手动将此类数据输入数据库非常耗时。 但是，我们可以通过更加高效的方法来管理此流程：
利用 AI Builder 的文档处理模型自动从发票中提取相关信息，包括列和表格。
实施 Power Automate 流，将提取的数据无缝传输到数据库中。
自动化步骤可以显著减少发票处理工作流中的手动工作量、提高准确度和工作效率。
分析电子邮件情绪
员工可能希望根据内容中传达的情绪来管理他们的电子邮件。 例如：
如果老板表现出沮丧的情绪，您能可能会想要立即了解原因。
如果客户表达了不满，快速回复或许可以防止不满情绪升级。
共享单据后，您想要跟踪正面反馈和负面反馈。
AI Builder 通过分析文本的整体情绪，甚至逐句分析来提供帮助。 通过 Power Automate 流，您可以在收到电子邮件时自动应用 AI Builder 的情绪分析模型。 这样，您就可以即时洞察重要电子邮件的情绪语调。
不仅如此，您还可以使用 AI Builder 的关键短语提取模型识别电子邮件中的关键主题或短语，进一步增强情绪分析。
对单据进行去物质化
某些公司同时拥有多个物理站点，主要以纸质形式收集重要信息。 随后，代理必须煞费苦心地将纸质数据转录到中央系统。
使用 Power Automate 和 AI Builder 增强此流程的方法如下：
代理可以拍摄每份纸质审核记录的照片并将其存储到指定的文件夹中。
接下来由 Power Automate 继续处理文件夹中的所有新图像。 它采用 AI Builder 文本识别模型从这些表单中提取信息，然后将数据安全存储在中央工具中。
借助 AI Builder 名片读取器模型，我们可以使用类似方法批量实现名片数字化。 这种技术组合可以精简数据采集并减少手动数据输入，从而节省时间并大幅减少错误。
按语言筛选支持请求
在客户支持中，团队经常收到全球各地客户的请求。 挑战在于不同团队要处理不同语言的请求。 因此，有必要快速识别传入请求的语言，以确保能够将其定向到正确的团队。
为处理这种情况，您可以创建 Power Automate 流：
使用 AI Builder 语言检测模型分析传入电子邮件的语言。
根据检测到的语言将电子邮件路由到相应团队的邮箱。
此解决方案可以精简流程，确保客户请求从一开始就定向到正确的团队，从而提高效率并改善客户服务。
对反馈进行分类
谈到客户反馈，一家知名公司可能会收到涉及各个方面的不同评论，例如入住、房间、员工或餐厅质量。 为充分理解所有反馈，他们可以采取以下措施：
获取新反馈
- Power Automate 收集数据：它可以从不同来源获取新反馈，例如提及公司名称的新 Twitter 消息。 或者，从集中式数据存储库（如 Microsoft Dataverse 中的表）获取新反馈。 例如，当出现新推文或添加新记录时，会触发流。
使用 AI Builder 对反馈进行排序
- AI Builder 类别分类模型：这一智能工具可以捕获收集到的反馈并将其分类。 因此，它会自动判断评论是关于入住、房间、员工还是餐厅，从而简化反馈的组织和处理。
这种设置可以帮助公司掌握收到的反馈，确保他们能够有效响应并改进服务。 这就相当于是用于处理客户评论的智能助手！
这就是本单元介绍的内容！ 现在，您了解了有关 Power Automate 和 AI 如何帮助简化各种业务流程的详细信息，您已准备好使用 AI 连接器生成自定义流。 转到下一个单元，即练习 - 在 Power Automate 中使用 AI Builder 操作，以继续您的学习路径。