Copilot Studio (2026 Release Wave 1)
2026 Release Wave 1
1) 🎯 Objetivo
- Mostrar cómo construir una solución de planificación de rutas end‑to‑end usando Copilot Studio y su ecosistema (MCP, Work IQ, Computer use, Power Automate). [learn.microsoft.com], [learn.microsoft.com]
- Explicar cómo un “proceso estructurado” (agent flow) puede invocar agentes cuando se requiere razonamiento o inteligencia contextual.
- Presentar capacidades recientes: selección de modelos (Anthropic/OpenAI), generación de documentos con prompts y evaluación conversacional multi‑turn. [learn.microsoft.com], [learn.microsoft.com], [learn.microsoft.com]
2) 🧠 Conceptos clave (explicación breve)
- Copilot Studio: plataforma para crear, probar, evaluar y publicar agentes con herramientas, conocimiento y orquestación generativa. [learn.microsoft.com], [learn.microsoft.com]
- Agent flows: flujos que coordinan pasos y “despliegan” agentes/herramientas donde se necesite inteligencia.
- Work IQ (MCP tools): capa de inteligencia que conecta señales de Microsoft 365 (correo, Teams, archivos, reuniones) y da contexto y acciones seguras al agente. [learn.microsoft.com]
- MCP (Model Context Protocol): estándar para conectar agentes con herramientas/datos mediante servidores MCP listos para usar (incluye Dataverse) o personalizados. [learn.microsoft.com]
- Computer use (preview): herramienta para automatizar UI en web/desktop con razonamiento y visión, útil cuando no hay API. [learn.microsoft.com], [learn.microsoft.com]
- Document output (preview): prompts que generan documentos Word usando plantillas con placeholders. [learn.microsoft.com]
- Evaluación multi‑turn: pruebas conversacionales de varios turnos para medir calidad, grounding, uso de herramientas y cumplimiento de instrucciones. [learn.microsoft.com]
3) 🧩 Flujo end‑to‑end del caso: Planificación de rutas (Northwind Traders)
3.1 Proceso general (agent flow)
El “flujo de agentes” gestiona la creación del plan de ruta:
- Recopila pedidos nuevos desde sistemas empresariales (ejemplo: ERP).
- Consulta sitios desconectados (clima, tráfico) usando Computer use. [learn.microsoft.com]
- Invoca un desktop flow de Power Automate para completar formularios rápidamente cuando se identifican en UI.
- Consolida información y la envía a un agente de planificación de rutas, que decide el plan final.
3.2 Human‑in‑the‑loop (intervención humana)
- Si falta información (pedido incompleto, reglas ambiguas), el agente puede solicitar asistencia humana al propietario de la conexión/supervisor.
- Este patrón coincide con el enfoque de seguridad de herramientas como Computer use (posibles acciones no deseadas si instrucciones son ambiguas). [learn.microsoft.com], [learn.microsoft.com]
4) 🤖 Modelos de IA: elección y razonamiento profundo
- Se destacó soporte de modelos adicionales (ej.: Anthropic) y su valor para escenarios de razonamiento profundo (como ruteo). [learn.microsoft.com]
- En Computer use, Microsoft indica soporte y enfoque “computer‑using agents” con razonamiento + visión para operar interfaces y adaptarse a cambios. [learn.microsoft.com], [microsoft.com]
5) 🔗 Work IQ + MCP: contexto organizacional y acceso a herramientas
5.1 ¿Qué aporta Work IQ?
- Conecta el agente con señales de Microsoft 365 (archivos, emails, chats, reuniones) para respuestas más relevantes y acciones alineadas al trabajo real. [learn.microsoft.com]
- Work IQ ofrece herramientas (MCP) con gobernanza centralizada y requisitos de licencia (Microsoft 365 Copilot). [learn.microsoft.com]
5.2 MCP listos para usar + MCP personalizados
- Dataverse puede conectarse a Copilot Studio mediante MCP Server y permite consultas en lenguaje natural (listar tablas, describir tabla, contar registros). [learn.microsoft.com]
- Se presentó el enfoque de MCP custom para encapsular reglas propias de enrutamiento, restricciones y fuentes de datos internas.
6) 🧾 Prompts avanzados: generación de documentos (Word) desde plantillas
6.1 ¿Qué se construyó?
- Se agregó un prompt que produce un documento de planificación de ruta, no solo texto/JSON. [learn.microsoft.com]
- Se usó una plantilla de planificación (Word), mapeando campos con placeholders
{{campo}}/{{tabla.columna}}. [learn.microsoft.com]
6.2 Beneficios del output tipo documento
- Estandariza entregables (plan de ruta) con formato corporativo.
- Reduce el “copiar/pegar” manual y mejora consistencia.
🔎 Refuerzo Microsoft: Document output permite generar Word desde prompts con layout y placeholders; incluye reglas y limitaciones (tamaño máximo, placeholders sin espacios, etc.). [learn.microsoft.com]
6.3 Edición “en línea” del prompt
- Se destacó que los prompts pueden ajustarse rápidamente (profundidad de razonamiento, instrucciones) y retestear en el mismo entorno. [learn.microsoft.com]
7) 🖥️ Computer use: cerrar la “brecha” cuando no hay API
7.1 ¿Qué es y por qué importa?
- Permite al agente operar apps web y desktop como lo haría un usuario (mouse/teclado) usando instrucciones en lenguaje natural. [learn.microsoft.com], [learn.microsoft.com]
- Está orientado a escenarios donde no existe API, típico de sistemas heredados. [learn.microsoft.com],
7.2 Buenas prácticas en instrucciones
- El generador de instrucciones ayuda a convertir descripciones en pasos claros y alerta si falta precisión. [learn.microsoft.com]
- Microsoft advierte que es una herramienta potente con consideraciones de seguridad si instrucciones son ambiguas. [learn.microsoft.com]
7.3 Human‑in‑the‑loop en Computer use
- Se reforzó que siempre hay supervisión humana definida para aclaraciones o permisos; el agente puede solicitar definiciones (ej.: umbrales de alerta de lluvia). [learn.microsoft.com]
8) ✅ Evaluación y pruebas: multi‑turn + métricas
8.1 ¿Qué se evaluó?
- Antes de producción, se validó el comportamiento con evaluaciones basadas en conversaciones reales y simulaciones extendidas. [learn.microsoft.com]
- Las pruebas multi‑turn simulan ciclos completos (hasta 20 casos, con múltiples mensajes por caso) y miden distintos criterios (calidad, palabras clave, capacidades, etc.). [learn.microsoft.com]
8.2 Interpretación de resultados
- Se revisan:
- “Pass/Fail” por caso.
- Trazas de conversación.
- Fuentes de conocimiento utilizadas.
- Si falla: se mejora agregando conocimiento, instrucciones, prompts, o herramientas y se re‑ejecuta. [learn.microsoft.com]
9) 🔄 Ejecución end‑to‑end y “última milla” con agentes de flujos de trabajo
- Se demostró el ciclo completo:
- Trigger (pedido nuevo) → recopilación de datos → razonamiento multi‑paso → documento → revisión/aprobación.
- Se introdujo el concepto de un “agente de flujos de trabajo” en Microsoft 365:
- El usuario describe la automatización en lenguaje cotidiano.
- El agente la convierte en pasos.
- Si algo no está claro, pide aclaración y luego activa el flujo.
🗣️ Preguntas y respuestas destacadas (con refuerzo oficial)
Nota: La transcripción contiene pocas preguntas explícitas, pero sí aparecen “situaciones problema” y respuestas/decisiones. A continuación se extraen las más relevantes como Q&A didáctico.
1) “¿Qué hacer cuando los sistemas están desconectados y no hay API?”
✅ Usar Computer use para navegar y recopilar información; y complementar con desktop flows cuando se requiera completar formularios rápidamente.
🔎 Microsoft: Computer use permite automatizar web/desktop con mouse/teclado cuando no hay API, y se guía por instrucciones en lenguaje natural.[learn.microsoft.com], [learn.microsoft.com]
2) “¿Cómo evitar que el agente actúe con información incompleta o ambigua?”
✅ Mantener human‑in‑the‑loop; el agente pide ayuda/clarificaciones y continúa con mejor criterio.
🔎 Microsoft: el FAQ de Computer use advierte riesgos por instrucciones ambiguas y resalta la necesidad de salvaguardas y claridad.[learn.microsoft.com]
3) “¿Cómo conectar el agente a datos empresariales (Dataverse) sin construir integraciones complejas?”
✅ Usar servidores MCP (ej.: Power Apps/Dataverse MCP), y si se requiere, construir MCP personalizado con reglas propias.
🔎 Microsoft: guía oficial para conectar Copilot Studio a Dataverse vía MCP server y consultar tablas/metadata con lenguaje natural. [learn.microsoft.com]
4) “¿Cómo generar un entregable formal (documento) y no solo texto?”
✅ Usar prompts con salida en documento, basado en una plantilla.
🔎 Microsoft: Document output permite generar Word con placeholders {{ }} y usarlo en agent/cloud flows. [learn.microsoft.com]
5) “¿Cómo validar que el agente se comporta bien antes de producción?”
✅ Usar evaluaciones con conversaciones reales y simulaciones multi‑turn, revisar pass/fail y ajustar conocimiento/instrucciones.
🔎 Microsoft: las pruebas multi‑turn evalúan comportamiento conversacional, mantenimiento de contexto y tareas multi‑paso con métodos de evaluación configurables.[learn.microsoft.com]
✅ Conclusiones
- Copilot Studio está orientado a agentes que no solo responden, sino que razonan, actúan y se adaptan dentro de un proceso estructurado. [learn.microsoft.com]
- La combinación Work IQ + MCP habilita agentes “con contexto organizacional” y acceso seguro a herramientas/datos empresariales. [learn.microsoft.com], [learn.microsoft.com]
- Computer use cubre escenarios donde no existe API y permite automatización basada en UI con seguridad y supervisión. [learn.microsoft.com], [learn.microsoft.com]
- La generación de documentos desde prompts estandariza entregables y acelera procesos de operación. [learn.microsoft.com]
- Las evaluaciones multi‑turn establecen un ciclo de mejora continua, esencial para confiabilidad antes de producción. [learn.microsoft.com]
🛠️ Recomendaciones (para estudiantes y proyectos reales)
- Diseñar con proceso + agente (no solo chatbot): define el flujo general y dónde el agente agrega valor (decisiones complejas). [learn.microsoft.com]
- Aplicar human‑in‑the‑loop en puntos críticos (datos incompletos, permisos, criterios de riesgo). [learn.microsoft.com], [learn.microsoft.com]
- Preferir MCP para acceso a datos empresariales (Dataverse) y escalar con MCP personalizado cuando haya reglas propias complejas. [learn.microsoft.com], [learn.microsoft.com]
- Usar Document output para entregables (rutas, reportes, RFPs) con plantillas corporativas. [learn.microsoft.com]
- Implementar evaluaciones multi‑turn como “QA” del agente antes de publicar: detectar regresiones y mejorar grounding. [learn.microsoft.com]
📚 Referencias (solo Microsoft)
- Work IQ MCP overview (preview): https://learn.microsoft.com/en-us/microsoft-copilot-studio/use-work-iq [learn.microsoft.com]
- Computer use (preview): https://learn.microsoft.com/en-us/microsoft-copilot-studio/computer-use [learn.microsoft.com]
- FAQ computer use: https://learn.microsoft.com/en-us/microsoft-copilot-studio/faqs-computer-use [learn.microsoft.com]
- Document output (preview): https://learn.microsoft.com/en-us/microsoft-copilot-studio/generate-document-output-prompt [learn.microsoft.com]
- Multi‑turn evaluations: https://learn.microsoft.com/en-us/microsoft-copilot-studio/analytics-agent-evaluation-multi-turn [learn.microsoft.com]
- Dataverse MCP in Copilot Studio: https://learn.microsoft.com/en-us/power-apps/maker/data-platform/data-platform-mcp-copilot-studio [learn.microsoft.com]
