Microsoft Copilot Studio: een gids voor het bouwen van AI‑agenten voor enterprises
Leer hoe je krachtige AI‑agenten bouwt en uitrolt in Microsoft Copilot Studio. Beantwoord vragen met RAG, SharePoint‑integratie, LLM‑redenering en toolaanroepen.
Vorige maand zag ik een supportmanager drie uur besteden aan het bijwerken van de intentiebibliotheek van een chatbot. Iemand was "where's my stuff?" gaan vragen in plaats van "order status", en de bot bleef zeggen dat hij het niet begreep.
Dat is de oude wereld van enterprise‑chatbots. Je voorziet vragen, schrijft antwoorden en hoopt dat gebruikers zich aan het script houden. Dat doen ze nooit.
Microsoft Copilot Studio pakt het anders aan. Je beschrijft wat je agent moet afhandelen, wijst ‘m op de documenten en systemen van je bedrijf, en de AI bedenkt hoe hij moet reageren. Voor de meeste use‑cases hoef je niet langer vooral te vertrouwen op grote, handmatig onderhouden intentiebibliotheken of broze beslisbomen.
Ik bouw de afgelopen maanden agents in het platform en eerlijk? De leercurve verraste me. Niet omdat het moeilijk is. Omdat het sneller gaat dan verwacht. Iemand zonder programmeerachtergrond kan binnen een uur een werkende agent hebben die vragen beantwoordt op basis van SharePoint‑documenten.
In deze tutorial laat ik je zien wat Copilot Studio is, hoe je erin navigeert en hoe je stap voor stap een agent bouwt.
Je hebt misschien gehoord van Power Virtual Agents. Microsoft heeft dat omgedoopt tot Copilot Studio, de mogelijkheden uitgebreid, en het vormt nu het hart van hun agent‑strategie. Het platform verbindt met Power Automate, Power Apps, Dataverse en de Microsoft 365 Copilot‑ervaring.
Zo werkt Microsoft Copilot Studio in de basis:
Je vertelt het systeem wat je wilt dat je agent doet.
Je wijst het op je databronnen (SharePoint‑sites, geüploade documenten, Dataverse‑tabellen, externe systemen via connectors).
De agent leert vragen te beantwoorden met die informatie.
Een HR‑assistent die je benefits‑regelingen kent? Bouw er een. Een IT‑helpdeskbot die veelvoorkomende issues oplost voordat er wordt opgeschaald? Ook dat. Een klantenservice‑agent die orderinformatie uit Salesforce haalt? Zeker.
De volgende logische vraag is dan: waarom is dit anders dan de chatbots die vijf jaar geleden iedereen frustreerden?
Die oudere systemen vroegen je om elke mogelijke vraag te voorspellen. Specifieke intents voor elk geval te schrijven. Mis je een formulering, dan valt de bot terug op "I don't understand."
Copilot Studio gebruikt generatieve AI om te redeneren over wat gebruikers waarschijnlijk willen. Het LLM genereert antwoorden die zijn gegrond in je enterprise‑kennisbronnen in plaats van vooraf geschreven antwoorden op te halen.
Het platform verbindt met Microsofts ecosysteem:
Microsoft 365 Copilot: Agents kunnen de basiservaring van Copilot uitbreiden met custom skills en enterprise‑data.
Power Platform: Connectors, flows en Dataverse integreren direct
Azure AI: Breng je eigen modellen uit Azure AI Foundry mee of gebruik Azure AI Search voor custom RAG‑scenario's
Microsoft Graph: Toegang tot organisatiedata met de juiste machtigingen
Toegang en prijzen van Microsoft Copilot Studio
Voordat je iets bouwt, heb je toegang nodig. Microsoft biedt verschillende routes, afhankelijk van je situatie.
Proefversie
Als je een werk‑ of schoolaccount hebt, ga dan naar de Copilot Studio‑pagina en meld je daarmee aan. De proefversie biedt momenteel een beperkte pool Copilot Credits om mee te experimenteren—meestal genoeg om agents te bouwen en tests te draaien—maar de exacte hoeveelheid en voorwaarden kunnen in de tijd en per tenant variëren.
Heb je alleen een persoonlijk Microsoft‑account, dan kan toegang tot Copilot Studio wat meer dichtgetimmerd zijn, omdat de trial is ontworpen rond werk/school‑identiteiten. Een praktische workaround is een tijdelijke “sandbox”‑tenant opzetten met een Microsoft 365 Business Standard‑proef.
Begin met je persoonlijke e‑mail en maak tijdens de setup een nieuw domein aan.
Dit genereert een nieuw werk/school‑beheerder‑ID voor die tenant.
Gebruik dat nieuwe admin‑e-mailadres om je aan te melden op de Copilot Studio‑pagina en activeer de Copilot Studio‑proef.
Betaalde plannen
De standaardprijs is $200/maand voor 25.000 Copilot Credits, al kunnen regionale prijzen en kortingen gelden. Die credits worden verbruikt op basis van wat je agents doen:
Vragen beantwoorden kost credits
Externe systemen aanroepen gebruikt credits
Complexe multi‑step flows gebruiken meer dan simpele Q&A
Heb je meer volume of flexibelere inzet nodig, dan kun je Azure pay‑as‑you‑go‑billing inschakelen voor Copilot Credits, waarmee je per verbruikte credit betaalt en een extra vaste capaciteitspack‑verplichting vermijdt. Een goede keuze voor onvoorspelbare workloads of seizoenspieken.
Toegangsniveaus
Verschillende accounttypen krijgen verschillende mogelijkheden:
Accounttype
Toegangsniveau
Proefgebruikers
Volledige authoring, beperkte credits
Gelicenseerde gebruikers
Volledige authoring en publiceren
Organisatiebeheerders
Governance, omgevingsbeheer en DLP‑beleid
Eindgebruikers
Interactie met gepubliceerde agents (geen authoring)
Er is één ding om op te letten: als je organisatie al Power Platform‑licenties heeft, kan Copilot Studio‑toegang daarin gebundeld zijn. Check bij je IT‑beheerder voordat je los iets aanschaft.
Wat zijn LLM‑agents?
Het woord "agent" vliegt tegenwoordig overal rond en betekent afhankelijk van de context iets anders. Het is de moeite waard dit te verduidelijken voordat we verdergaan.
Een agent gaat verder dan vragen beantwoorden. Hij kan stappen plannen, door problemen redeneren en acties uitvoeren. Hij bestaat uit een brein met een groot taalmodel (LLM), geheugen, externe tools om aan te roepen en planningsmogelijkheden.
Als iemand vraagt: "What's the shipping status on my last three orders?" dan moet de agent uitzoeken:
Wie is deze gebruiker?
Welke bestellingen heeft diegene recent geplaatst?
Filter naar de laatste drie.
Check de verzendstatus voor elk.
Formatteer dat tot een antwoord.
Dat vereist planning. Complexe vragen worden opgedeeld. De agent identificeert subtaken, zet ze op volgorde en voert elke stap uit. Zonder planning krijg je alleen single‑turn Q&A.
Zo verschillen agents van traditionele chatbots:
Aspect
Traditionele chatbot
LLM‑agent
Logica
Vaste beslisbomen en trefwoordmatching
Dynamische redenering met taalmodellen
Antwoorden
Vooraf geschreven antwoordtemplates
Contextueel gegenereerd op basis van instructies en data
Acties
Meestal geen of zeer beperkt
Kan API's aanroepen, databases bevragen, workflows triggeren
Leren
Statisch na uitrol
Kan gedrag aanpassen op basis van conversatiecontext
Onbekenden afhandelen
Valt terug op "I don't understand."
Probeert door onbekende vragen heen te redeneren
Het langaalmodel verwerkt gebruikersverzoeken, bepaalt welke informatie of acties nodig zijn, kiest welke tools aan te roepen en syntheseert een antwoord. Maar agents combineren meerdere componenten die samenwerken.
Agents volgen tijdens context durin gesprekken. Kortetermijngeheugen bewaart wat er in de huidige sessie is besproken. Sommige implementaties ondersteunen langetermijngeheugen voor gebruikersvoorkeuren over sessies heen. Zonder geheugen zou elk bericht vanaf nul beginnen.
Hier worden agents echt nuttig. Tools laten ze met externe systemen interacteren. In Copilot Studio omvatten tools
Power Platform‑connectors met honderden API's
Power Automate‑flows voor complexe multi‑step‑automatisering)
Een agent zonder tools is in feite een chique zoekinterface.
Voor een diepere duik in hoe LLM‑agents conceptueel werken, bekijk onze Introduction to AI Agents‑cursus.
Navigeren in Microsoft Copilot Studio
Copilot Studio organiseert alles in vier fases: Create, Customize, Deploy en Manage. Ik neem je door elk onderdeel met concrete voorbeelden van wat je ziet en doet.
Create: je eerste agent bouwen
Wanneer je in Copilot Studio landt, heb je twee paden om een agent te maken.
De conversationele aanpak: Beschrijf in gewone taal wat je wilt. Typ iets als "I want an agent that helps employees find information about our benefits policies," en het systeem genereert een eerste structuur voor je.
De configure‑aanpak: Meer hands‑on. Je stelt direct vanaf het begin de naam, beschrijving, instructies en kennisbronnen in.
Hoe dan ook kom je op een ontwerpcanvas. De grafische interface toont gesprekflows als verbonden knooppunten. Triggers leiden naar vragen. Condities vertakken op basis van gebruikersinvoer. Berichten geven antwoorden. Acties roepen externe systemen aan.
Stap 1: Start een nieuwe agent
Klik op de startpagina op Create in de linker navigatie.
Kies "Describe your agent" of "Configure manually".
Geef je agent een naam en beschrijving.
Stap 2: Stel de configuratie in
Laten we illustreren hoe je een eenvoudige HR‑assistent maakt, met een naam, beschrijving en hoofdinstructies, plus het LLM dat hij moet gebruiken—de eerste velden om te configureren voor onze agent.
We geven ‘m de volgende beschrijving:
You are an HR assistant for Contoso. You help employees find information about benefits, PTO, policies, and company procedures. Keep responses clear and practical, and ask a quick follow-up question only when needed. If you're not sure or the request involves a sensitive/employee-specific case, say so and suggest contacting HR directly at [email protected]Mogelijk gemaakt door
Natuurlijk heeft onze agent een set instructies nodig:
Role: Act as Contoso's HR assistant for employees. Provide accurate, easy-to-follow answers about benefits, PTO, leave, payroll-related HR topics (high level), workplace policies, and internal procedures.
Tone: Friendly, professional, concise. Use plain language. Avoid legalese and long lectures.
How to respond:
Start with the direct answer (1-3 sentences), then add steps, links/where to find it, or bullets if helpful.
If a policy depends on location, union status, job level, or country, ask one targeted question (e.g., "Which country are you employed in?").
When explaining a process, include the exact "what to do next" (who to contact, what form/system, what information to include).
Boundaries & escalation:
If you don't know, say you don't know. Do not guess or invent policy details.
For employee-specific requests (eligibility decisions, disciplinary issues, compensation changes, accommodations, grievances, investigations), redirect to HR: [email protected]
For emergencies or immediate safety concerns, advise contacting local emergency services and then notifying HR.
Privacy & confidentiality:
Don't request unnecessary personal data. If identity verification is required, direct the employee to the official HR channel/system.
Don't provide guidance that would help someone bypass internal controls (e.g., "how to access someone else's PTO balance").
Consistency:
Use Contoso terminology (PTO, leave of absence, employee handbook, HR portal, manager approval).
Prefer current policy sources if available; if sources conflict, flag it and route to HR.Mogelijk gemaakt door
Na het invullen van de bijbehorende velden heb je iets als dit:
Onderaan vind je een sectie Suggested prompts. Daar kun je een korte titel en de exacte prompttekst toevoegen die de gebruiker zou sturen. Zie dit als startvoorbeelden van de meest voorkomende verzoeken waar mensen de agent voor gebruiken.
Suggested prompts zouden er bijvoorbeeld zo uit kunnen zien:
Title: Request PTO
Prompt: How do I request PTO in Contoso, and what are the approval steps?
Title: PTO vs Sick vs Leave of Absence
Prompt: What's the difference between PTO, sick leave, and a leave of absence at Contoso?
Title: Find the Employee Handbook
Prompt: Where can I find Contoso's employee handbook, code of conduct, and key HR policies?Mogelijk gemaakt door
Stap 3: Test de agent
Het testpaneel staat aan de rechterkant van het canvas. Stel een vraag, kijk hoe de agent reageert, verfijn je instructies, herhaal. Elke wijziging kun je direct testen.
Een handige functie is search sources, die laat zien waar het model informatie vandaan haalt voor elk antwoord. We hebben nu alleen de basis ingevuld, dus de reacties steunen volledig op de algemene kennis van het model en niet op je gekoppelde documenten of systemen. Je kunt ook de redenering zien die het model gebruikte voor zijn antwoord.
Triggers en topics
Triggers bepalen hoe gesprekken starten. Een gebruiker kan typen "I need IT help", of het gesprek kan beginnen vanuit een systeemgebeurtenis (bestand geüpload, Teams‑bericht in een specifiek kanaal, dat soort dingen).
Topics zijn de bouwstenen van agentgedrag. Je kunt topics handmatig maken met specifieke triggers en flows, of de AI het dynamisch laten orkestreren.
Copilot Studio ondersteunt twee orkestratiemodi:
Klassieke orkestratie: Topics vuren op basis van overeenkomst met triggerzinnen. Voorspelbaarder en makkelijker te debuggen. Maar je moet wel anticiperen op hoe gebruikers zich uitdrukken.
Generatieve orkestratie (standaard voor nieuwe agents): De AI selecteert dynamisch topics, tools en kennisbronnen op basis van de conversatiecontext. Flexibeler. Gaat beter om met onverwachte vragen.
Voor compliance‑scenario's waar stappen exact moeten zijn (wachtwoordresets, veiligheidsverificatie) wil je waarschijnlijk klassieke topics met gedefinieerde flows. Voor algemene Q&A of verkennende taken gaat generatieve orkestratie beter met ambiguïteit om.
Customize: kennisbronnen en acties
Na het bouwen van een eenvoudige agent geven we ‘m nu kennis en tools.
Retrieval‑augmented generation (RAG)
Standaard kan een agent alleen vertrouwen op de ingebouwde algemene kennis van het taalmodel. Wil je ‘m echt nuttig maken binnen je organisatie, koppel ‘m dan aan je eigen databronnen. Klik op Knowledge in de bovenste navigatiebalk; er opent een paneel zoals hieronder:
Retrieval Augmented Generation (RAG) is de technische term. In plaats van puur te steunen op trainingsdata, haalt de agent relevante informatie op uit je bronnen en gebruikt die om onderbouwde antwoorden te genereren.
De simpelste manier om kennis toe te voegen is het uploaden van een tekstbestand (PDF, CSV, enz.). Sleep gewoon een document vanaf je computer; Copilot Studio neemt het op als contextbron waar de agent naar kan verwijzen bij het beantwoorden.
Na het uploaden van de PDF, als we dezelfde test opnieuw draaien, bevat het antwoord van het model nu de PDF als referentie bij de zoekbronnen, zoals we in de search sources‑weergave zien:
SharePoint is meestal de snelste winst, omdat dit de plek is waar de meeste organisaties hun “single source of truth” bewaren: HR‑beleid, interne procedures, templates, onboardingdocs en FAQ's. Door een SharePoint‑site te koppelen, vertel je de agent waar hij moet kijken voor een gezaghebbend antwoord, in plaats van te vertrouwen op generieke modelkennis.
Om een nieuwe SharePoint‑site toe te voegen, klik je opnieuw op Add knowledge
Selecteer SharePoint.
Voer de site‑URL in.
Kies specifieke documentbibliotheken of mappen.
Naast alle genoemde bronnen ondersteunt Copilot Studio verschillende andere typen kennisbronnen:
Publieke websites: URL's die de agent kan doorzoeken (vereist eigendomsverificatie)
Dataverse‑tabellen: Power Platform‑data direct bevragen
Power Platform‑connectors: Toegang tot Salesforce, ServiceNow, Zendesk, SAP en honderden andere systemen
Azure AI Search: Neem je eigen vectorindexen mee voor custom RAG‑scenario's
Als een gebruiker een vraag stelt, doorzoekt de agent de geconfigureerde kennisbronnen, haalt relevante passages op en gebruikt die als context voor het genereren van het antwoord. Hij voegt automatisch citaties toe zodat gebruikers precies kunnen zien uit welke documenten het antwoord komt.
Eén praktische noot: de kwaliteit van de kennis is heel belangrijk. Als je SharePoint‑site verouderd beleid en conflicterende informatie bevat, zal je agent die rommel ophalen en presenteren. RAG versterkt wat er in je databronnen staat, goed of slecht. Ruim je kennisbank op voordat je ‘m koppelt.
Voor meer inspiratie over RAG met meerdere soorten bestanden, bekijk onze tutorial over Multimodal RAG.
Tools toevoegen
Kennisbronnen laten agents informatie ophalen. Tools laten ze daadwerkelijk dingen doen—een groot verschil.
Met tools kan je agent:
Een ticket in Jira aanmaken wanneer iemand een issue meldt
Een klantrecord opzoeken in Salesforce
Een e‑mailnotificatie versturen
Een Dataverse‑record bijwerken
Een Power Automate‑flow triggeren die iets complex doet
Een nieuwe tool toevoegen doe je zo:
Stap 1: Voeg een kant‑en‑klare connector toe
Ga naar Tools in je agentinstellingen.
Klik op Add tool.
Blader of zoek in de connectorbibliotheek (meer dan 1.400 beschikbaar).
Selecteer de connector en voer de authenticatie uit.
Stap 2: Maak een Power Automate‑flow
Voor multisteplogica (data opzoeken in het ene systeem, transformeren, een ander systeem bijwerken, een notificatie sturen) bouw je een flow in Power Automate en roep je die aan vanuit je agent.
Klik in het Actions‑paneel op Add tool > Power Automate.
Maak een nieuwe flow of selecteer een bestaande.
Definieer invoerparameters die de agent aan de flow doorgeeft.
Definieer uitgangen die de flow retourneert.
Stap 3: Test de actie
Stel in het testpaneel een vraag die de actie zou moeten triggeren. Controleer of hij correct vuurt en de verwachte resultaten teruggeeft.
Deploy: publiceren naar kanalen
Als je agent in de test goed werkt, publiceer je ‘m zodat gebruikers erbij kunnen.
Stap 1: Publiceer je agent
Klik op Publish rechtsboven en selecteer opnieuw Publish in de bevestiging Publish this agent. Als het lukt, zie je een groene banner bovenaan de pagina.
Dit maakt een nieuwe versie aan. Als je de agent later wijzigt maar niet opnieuw publiceert, blijven gebruikers met de oude versie werken.
Stap 2: Configureer kanalen
Ga naar Channels in de instellingen. Copilot Studio ondersteunt met één klik uitrol naar meerdere kanalen tegelijk.
Microsoft Teams (meest gebruikelijk voor interne agents):
Klik op Microsoft Teams
Zet de toggle aan
Kies of je ‘m toevoegt als persoonlijke app, teamkanaal of beide
Dien in voor admin‑goedkeuring als je organisatie dat vereist
Gebruikers kunnen daarna rechtstreeks in Teams met de agent chatten. Single sign‑on werkt automatisch omdat gebruikers al zijn geauthenticeerd.
Aangepaste websites:
Klik op Custom website
Kopieer de embedcode (HTML‑snippet)
Voeg toe aan de HTML van je site
Dit werkt goed voor scenario's aan de klantzijde waar je self‑service support wilt bieden.
Aanvullende kanalen zijn Microsoft 365 Copilot Chat en andere Microsoft 365‑oppervlakken, SharePoint, Power Pages, custom apps via de Direct Line API en third‑party kanalen zoals Facebook Messenger of Slack.
Authenticatie gedraagt zich anders per kanaal. Teams‑gebruikers authenticeren automatisch. Webbezoekers kunnen anoniem zijn, via je identity provider authenticeren of worden gevraagd in te loggen bij toegang tot beschermde resources.
Een paar deploy‑tips:
Test in elk kanaal dat je wilt gebruiken. De ervaring verschilt net iets.
De demo‑website is handig voor review door stakeholders vóór bredere uitrol.
Vergeet niet te publiceren na een belangrijke wijziging. Ongepubliceerde edits bereiken gebruikers niet.
Manage: analytics en governance
Een agent uitrollen is pas het begin. Copilot Studio biedt tools om prestaties te monitoren en hiaten te identificeren.
Prestatie‑analytics
Er worden een paar heel belangrijke metrics gemeten:
Oplossingsgraad: Kregen gebruikers antwoord op hun vragen?
CSAT‑scores: Hoe tevreden zijn gebruikers met de interactie?
Afhaakpercentage: Waar haken gebruikers af?
Deflection: Hoeveel supporttickets of calls heeft de agent voorkomen?
Het dashboard laat zien welke topics goed werken en welke worstelen. Hoge afhakers bij een specifiek topic? Dat is een signaal om te onderzoeken. Misschien ontbreekt er informatie in de kennisbron. Misschien moeten instructies worden aangescherpt.
Analytics van kennisbronnen
Zie welke bronnen worden gebruikt en hoe vaak. Documenten die nooit worden opgehaald, zijn mogelijk slecht geïndexeerd of niet relevant. Queries die consequent geen relevante content vinden, vragen om aandacht.
Gesprekstranscripten
Bekijk echte interacties. Echte gebruikers stellen vragen op manieren die je niet had voorzien. Transcripten lezen onthult die hiaten.
Governance‑controls
Voor organisaties die Copilot Studio op schaal uitrollen:
Omgevingsbeheer: Scheid dev‑, test‑ en productieomgevingen.
Toegangsbeheer: Wie agents kan bewerken, wie kan publiceren, wie analytics kan bekijken.
Data loss prevention (DLP): Beleid dat voorkomt dat gevoelige data naar ongeautoriseerde connectors stroomt.
Compliance: Integratie met Microsoft Purview voor auditing en datagovernance.
Het Power Platform‑admincenter regelt het meeste governance. Als jij verantwoordelijk bent voor de Copilot Studio‑uitrol binnen je organisatie, is dat je thuisbasis.
Een complete agent bouwen: stapsgewijs voorbeeld
Ik loop door het bouwen van een echte agent vanaf nul. We maken een IT‑helpdeskassistent die veelgestelde vragen beantwoordt en supporttickets kan aanmaken.
Doel: bouw een agent die medewerkers helpt met IT‑vragen en kan opschalen door tickets aan te maken in een ticketsysteem.
We gebruiken de volgende configuratie voor onze IT Helpdesk Assistant.
Beschrijving:
Helps employees troubleshoot IT issues and submit support tickets.Mogelijk gemaakt door
Instructies:
You are an IT helpdesk assistant for [Company Name]. You help employees with common
IT issues, including:
- Password resets and account access
- VPN and network connectivity
- Software installation requests
- Hardware issues
Be patient and ask clarifying questions when needed. If you can't resolve an issue,
offer to create a support ticket.
Always verify the user's department before creating tickets.Mogelijk gemaakt door
Na deze basisconfiguratie heb je iets als dit:
Screenshot door de auteur. Agent‑setup.
Stap 3: Voeg kennisbronnen toe
Koppel je IT‑documentatie:
Ga naar Knowledge > Add knowledge
Voeg je IT‑SharePoint‑site toe met procedures voor wachtwoordreset, VPN‑handleidingen, softwareaanvraagformulieren en hardware‑troubleshootinggidsen
Stap 4: Voeg acties toe
Verbind met je ticketsysteem:
Ga naar Actions > Add action
Zoek je ticketing‑connector (ServiceNow, Jira, Zendesk, enz.)
Authenticeer met beheerdersgegevens
Schakel de actie "Create ticket" in
Stap 5: Test grondig
Probeer in het testpaneel verschillende scenario's:
"How do I reset my password?"
"I can't connect to VPN."
Stap 6: Publiceer en rol uit
Publiceer tot slot je agent.
Klik op Publish
Ga naar Channels > Microsoft Teams
Schakel in en configureer
Test in Teams voordat je ‘m bij gebruikers aankondigt
Toepassingen in de praktijk
Hoe zien echte implementaties eruit? Dit zijn patronen die ik goed heb zien werken.
IT‑helpdeskautomatisering
Medewerkers stellen veelvoorkomende vragen (wachtwoord resetten, VPN‑setup, printerdrivers) en de agent antwoordt vanuit IT‑documentatie. Voor issues die actie vereisen, maakt hij automatisch tickets in ServiceNow of Jira aan. Organisaties zien typisch 30–40% deflection van Tier‑1‑supportvolume.
HR‑beleidsassistent
Nieuwe en bestaande medewerkers vragen naar benefits, PTO‑beleid en declaratieprocedures. De agent zoekt in HR‑documentatie op SharePoint en geeft nauwkeurige, onderbouwde antwoorden. Kan ook workflows starten zoals PTO‑verzoeken of benefits‑inschrijving.
Klantenservice
Externe klanten krijgen direct antwoord op productvragen, orderstatus en basis‑troubleshooting. De agent haalt uit productdocumentatie en CRM‑data. Complexe issues schalen door naar menselijke agents met volledige conversatiecontext.
Finance en inkoop
Medewerkers checken budgetstatus, dienen onkosten in en zoeken leveranciersinformatie op. De agent verbindt met ERP‑systemen en financiële databases om realtime data op te halen.
Als je onderzoekt hoe AI‑assistenten platformen overstijgend vergelijken, biedt het artikel ChatGPT vs. Copilot nuttige context.
Conclusie
Microsoft Copilot Studio zit op een interessant kruispunt in enterprise‑AI‑tools. Toegankelijk genoeg zodat businessanalisten zonder code nuttige agents kunnen bouwen. Uitbreidbaar genoeg zodat developers geavanceerde integraties kunnen maken.
Het platform regelt natural language understanding, kennisophaling, multikanaals uitrol en governance‑controls. Jij focust op businesslogica en contentkwaliteit.
Of het de investering waard is, hangt af van je situatie, zeker als je al Microsoft‑producten gebruikt. Als je repetitieve vragen bij supportteams hebt, kennis verspreid over SharePoint‑sites of workflows die conversationeel getriggerd kunnen worden, biedt Copilot Studio een snellere route dan vanaf nul bouwen.
Als je algemeen geïnteresseerd bent in het ontwikkelen van AI‑applicaties, raad ik je van harte aan je in te schrijven voor onze AI Engineering with LangChain‑skilltrack. De lesinhoud is AI‑native, wat betekent dat je een persoonlijke tutor krijgt die je precies de skills bijbrengt die je nodig hebt om vanaf jouw niveau uit te groeien tot een echte pro in het engineeren van AI‑workflows.
Microsoft Copilot Studio FAQ's
Wat is Microsoft Copilot Studio?⌄
Microsoft Copilot Studio is een end‑to‑end platform voor het bouwen van AI‑agenten met een grafische interface of natuurlijke taal. Je kunt agents maken die vragen beantwoorden op basis van je enterprise‑data, taken automatiseren of autonoom werken. Voorheen heette dit Power Virtual Agents.
Moet ik kunnen coderen om agents te maken in Microsoft Copilot Studio?⌄
Niet voor basisagents. Het grafische canvas en low‑code‑tools behandelen gesprekflows visueel. Maar als je wilt koppelen met custom API's of complexe logica wilt bouwen, kun je uitbreiden met Power Automate‑flows, connectors of eigen code.
Wat is het verschil tussen een agent en een chatbot?
⌄
Ouderwetse chatbots matchen trefwoorden met vooraf geschreven reacties. Agents gebruiken grote taalmodellen om te redeneren, multisteptaken te plannen, externe tools aan te spreken en contextuele antwoorden te genereren. Ze passen zich aan vragen aan die ze nog nooit hebben gezien.
Waar kan ik agents die in Copilot Studio zijn gebouwd, uitrollen?⌄
Microsoft Teams, SharePoint, Microsoft 365 Copilot, aangepaste websites, mobiele apps, Facebook, Slack en elk kanaal dat door Azure Bot Service wordt ondersteund. Je publiceert één keer en rolt uit naar meerdere platforms.
Hoeveel kost toegang tot Microsoft Copilot Studio?⌄
$200/maand voor 25.000 Copilot Credits, of pay‑as‑you‑go‑prijzen via Azure. Er is ook een gratis proef beschikbaar. Het gebruik wordt gemeten op basis van de acties en antwoorden die je agent uitvoert.
Josep is een freelance Data Scientist die zich richt op Europese projecten, met expertise in dataopslag, -verwerking, geavanceerde analyses en impactvolle data storytelling.
Als docent geeft hij Big Data in de masteropleiding aan de Universiteit van Navarra en deelt hij inzichten via artikelen op platforms als Medium, KDNuggets en DataCamp. Josep schrijft ook over Data en Tech in zijn nieuwsbrief Databites (databites.tech).
Hij heeft een bachelor in Engineering Physics van de Polytechnische Universiteit van Catalonië en een master in Intelligent Interactive Systems van de Pompeu Fabra-universiteit.
Vorige maand zag ik een supportmanager drie uur besteden aan het bijwerken van de intentiebibliotheek van een chatbot. Iemand was "where's my stuff?" gaan vragen in plaats van "order status", en de bot bleef zeggen dat hij het niet begreep.
Dat is de oude wereld van enterprise‑chatbots. Je voorziet vragen, schrijft antwoorden en hoopt dat gebruikers zich aan het script houden. Dat doen ze nooit.
Microsoft Copilot Studio pakt het anders aan. Je beschrijft wat je agent moet afhandelen, wijst ‘m op de documenten en systemen van je bedrijf, en de AI bedenkt hoe hij moet reageren. Voor de meeste use‑cases hoef je niet langer vooral te vertrouwen op grote, handmatig onderhouden intentiebibliotheken of broze beslisbomen.
Ik bouw de afgelopen maanden agents in het platform en eerlijk? De leercurve verraste me. Niet omdat het moeilijk is. Omdat het sneller gaat dan verwacht. Iemand zonder programmeerachtergrond kan binnen een uur een werkende agent hebben die vragen beantwoordt op basis van SharePoint‑documenten.
In deze tutorial laat ik je zien wat Copilot Studio is, hoe je erin navigeert en hoe je stap voor stap een agent bouwt.
Wil je een hands‑on introductie tot het bredere Copilot‑ecosysteem, dan raad ik onze Introduction to Microsoft Copilot‑cursus aan.
Wat is Microsoft Copilot Studio?
Je hebt misschien gehoord van Power Virtual Agents. Microsoft heeft dat omgedoopt tot Copilot Studio, de mogelijkheden uitgebreid, en het vormt nu het hart van hun agent‑strategie. Het platform verbindt met Power Automate, Power Apps, Dataverse en de Microsoft 365 Copilot‑ervaring.
Zo werkt Microsoft Copilot Studio in de basis:
Een HR‑assistent die je benefits‑regelingen kent? Bouw er een. Een IT‑helpdeskbot die veelvoorkomende issues oplost voordat er wordt opgeschaald? Ook dat. Een klantenservice‑agent die orderinformatie uit Salesforce haalt? Zeker.
De volgende logische vraag is dan: waarom is dit anders dan de chatbots die vijf jaar geleden iedereen frustreerden?
Die oudere systemen vroegen je om elke mogelijke vraag te voorspellen. Specifieke intents voor elk geval te schrijven. Mis je een formulering, dan valt de bot terug op "I don't understand."
Copilot Studio gebruikt generatieve AI om te redeneren over wat gebruikers waarschijnlijk willen. Het LLM genereert antwoorden die zijn gegrond in je enterprise‑kennisbronnen in plaats van vooraf geschreven antwoorden op te halen.
Het platform verbindt met Microsofts ecosysteem:
Toegang en prijzen van Microsoft Copilot Studio
Voordat je iets bouwt, heb je toegang nodig. Microsoft biedt verschillende routes, afhankelijk van je situatie.
Proefversie
Als je een werk‑ of schoolaccount hebt, ga dan naar de Copilot Studio‑pagina en meld je daarmee aan. De proefversie biedt momenteel een beperkte pool Copilot Credits om mee te experimenteren—meestal genoeg om agents te bouwen en tests te draaien—maar de exacte hoeveelheid en voorwaarden kunnen in de tijd en per tenant variëren.
Heb je alleen een persoonlijk Microsoft‑account, dan kan toegang tot Copilot Studio wat meer dichtgetimmerd zijn, omdat de trial is ontworpen rond werk/school‑identiteiten. Een praktische workaround is een tijdelijke “sandbox”‑tenant opzetten met een Microsoft 365 Business Standard‑proef.
Gebruik dat nieuwe admin‑e-mailadres om je aan te melden op de Copilot Studio‑pagina en activeer de Copilot Studio‑proef.
Betaalde plannen
De standaardprijs is $200/maand voor 25.000 Copilot Credits, al kunnen regionale prijzen en kortingen gelden. Die credits worden verbruikt op basis van wat je agents doen:
Heb je meer volume of flexibelere inzet nodig, dan kun je Azure pay‑as‑you‑go‑billing inschakelen voor Copilot Credits, waarmee je per verbruikte credit betaalt en een extra vaste capaciteitspack‑verplichting vermijdt. Een goede keuze voor onvoorspelbare workloads of seizoenspieken.
Toegangsniveaus
Verschillende accounttypen krijgen verschillende mogelijkheden:
Accounttype
Toegangsniveau
Proefgebruikers
Volledige authoring, beperkte credits
Gelicenseerde gebruikers
Volledige authoring en publiceren
Organisatiebeheerders
Governance, omgevingsbeheer en DLP‑beleid
Eindgebruikers
Interactie met gepubliceerde agents (geen authoring)
Er is één ding om op te letten: als je organisatie al Power Platform‑licenties heeft, kan Copilot Studio‑toegang daarin gebundeld zijn. Check bij je IT‑beheerder voordat je los iets aanschaft.
Wat zijn LLM‑agents?
Het woord "agent" vliegt tegenwoordig overal rond en betekent afhankelijk van de context iets anders. Het is de moeite waard dit te verduidelijken voordat we verdergaan.
Een agent gaat verder dan vragen beantwoorden. Hij kan stappen plannen, door problemen redeneren en acties uitvoeren. Hij bestaat uit een brein met een groot taalmodel (LLM), geheugen, externe tools om aan te roepen en planningsmogelijkheden.
Als iemand vraagt: "What's the shipping status on my last three orders?" dan moet de agent uitzoeken:
Dat vereist planning. Complexe vragen worden opgedeeld. De agent identificeert subtaken, zet ze op volgorde en voert elke stap uit. Zonder planning krijg je alleen single‑turn Q&A.
Zo verschillen agents van traditionele chatbots:
Aspect
Traditionele chatbot
LLM‑agent
Logica
Vaste beslisbomen en trefwoordmatching
Dynamische redenering met taalmodellen
Antwoorden
Vooraf geschreven antwoordtemplates
Contextueel gegenereerd op basis van instructies en data
Acties
Meestal geen of zeer beperkt
Kan API's aanroepen, databases bevragen, workflows triggeren
Leren
Statisch na uitrol
Kan gedrag aanpassen op basis van conversatiecontext
Onbekenden afhandelen
Valt terug op "I don't understand."
Probeert door onbekende vragen heen te redeneren
Het langaalmodel verwerkt gebruikersverzoeken, bepaalt welke informatie of acties nodig zijn, kiest welke tools aan te roepen en syntheseert een antwoord. Maar agents combineren meerdere componenten die samenwerken.
Agents volgen tijdens context durin gesprekken. Kortetermijngeheugen bewaart wat er in de huidige sessie is besproken. Sommige implementaties ondersteunen langetermijngeheugen voor gebruikersvoorkeuren over sessies heen. Zonder geheugen zou elk bericht vanaf nul beginnen.
Hier worden agents echt nuttig. Tools laten ze met externe systemen interacteren. In Copilot Studio omvatten tools
Een agent zonder tools is in feite een chique zoekinterface.
Voor een diepere duik in hoe LLM‑agents conceptueel werken, bekijk onze Introduction to AI Agents‑cursus.
Navigeren in Microsoft Copilot Studio
Copilot Studio organiseert alles in vier fases: Create, Customize, Deploy en Manage. Ik neem je door elk onderdeel met concrete voorbeelden van wat je ziet en doet.
Create: je eerste agent bouwen
Wanneer je in Copilot Studio landt, heb je twee paden om een agent te maken.
Hoe dan ook kom je op een ontwerpcanvas. De grafische interface toont gesprekflows als verbonden knooppunten. Triggers leiden naar vragen. Condities vertakken op basis van gebruikersinvoer. Berichten geven antwoorden. Acties roepen externe systemen aan.
Stap 1: Start een nieuwe agent
Stap 2: Stel de configuratie in
Laten we illustreren hoe je een eenvoudige HR‑assistent maakt, met een naam, beschrijving en hoofdinstructies, plus het LLM dat hij moet gebruiken—de eerste velden om te configureren voor onze agent.
We geven ‘m de volgende beschrijving:
Natuurlijk heeft onze agent een set instructies nodig:
Na het invullen van de bijbehorende velden heb je iets als dit:
Onderaan vind je een sectie Suggested prompts. Daar kun je een korte titel en de exacte prompttekst toevoegen die de gebruiker zou sturen. Zie dit als startvoorbeelden van de meest voorkomende verzoeken waar mensen de agent voor gebruiken.
Suggested prompts zouden er bijvoorbeeld zo uit kunnen zien:
Stap 3: Test de agent
Het testpaneel staat aan de rechterkant van het canvas. Stel een vraag, kijk hoe de agent reageert, verfijn je instructies, herhaal. Elke wijziging kun je direct testen.
Een handige functie is search sources, die laat zien waar het model informatie vandaan haalt voor elk antwoord. We hebben nu alleen de basis ingevuld, dus de reacties steunen volledig op de algemene kennis van het model en niet op je gekoppelde documenten of systemen. Je kunt ook de redenering zien die het model gebruikte voor zijn antwoord.
Triggers en topics
Triggers bepalen hoe gesprekken starten. Een gebruiker kan typen "I need IT help", of het gesprek kan beginnen vanuit een systeemgebeurtenis (bestand geüpload, Teams‑bericht in een specifiek kanaal, dat soort dingen).
Topics zijn de bouwstenen van agentgedrag. Je kunt topics handmatig maken met specifieke triggers en flows, of de AI het dynamisch laten orkestreren.
Copilot Studio ondersteunt twee orkestratiemodi:
Voor compliance‑scenario's waar stappen exact moeten zijn (wachtwoordresets, veiligheidsverificatie) wil je waarschijnlijk klassieke topics met gedefinieerde flows. Voor algemene Q&A of verkennende taken gaat generatieve orkestratie beter met ambiguïteit om.
Customize: kennisbronnen en acties
Na het bouwen van een eenvoudige agent geven we ‘m nu kennis en tools.
Retrieval‑augmented generation (RAG)
Standaard kan een agent alleen vertrouwen op de ingebouwde algemene kennis van het taalmodel. Wil je ‘m echt nuttig maken binnen je organisatie, koppel ‘m dan aan je eigen databronnen. Klik op Knowledge in de bovenste navigatiebalk; er opent een paneel zoals hieronder:
Retrieval Augmented Generation (RAG) is de technische term. In plaats van puur te steunen op trainingsdata, haalt de agent relevante informatie op uit je bronnen en gebruikt die om onderbouwde antwoorden te genereren.
De simpelste manier om kennis toe te voegen is het uploaden van een tekstbestand (PDF, CSV, enz.). Sleep gewoon een document vanaf je computer; Copilot Studio neemt het op als contextbron waar de agent naar kan verwijzen bij het beantwoorden.
Na het uploaden van de PDF, als we dezelfde test opnieuw draaien, bevat het antwoord van het model nu de PDF als referentie bij de zoekbronnen, zoals we in de search sources‑weergave zien:
SharePoint is meestal de snelste winst, omdat dit de plek is waar de meeste organisaties hun “single source of truth” bewaren: HR‑beleid, interne procedures, templates, onboardingdocs en FAQ's. Door een SharePoint‑site te koppelen, vertel je de agent waar hij moet kijken voor een gezaghebbend antwoord, in plaats van te vertrouwen op generieke modelkennis.
Om een nieuwe SharePoint‑site toe te voegen, klik je opnieuw op Add knowledge
Naast alle genoemde bronnen ondersteunt Copilot Studio verschillende andere typen kennisbronnen:
Als een gebruiker een vraag stelt, doorzoekt de agent de geconfigureerde kennisbronnen, haalt relevante passages op en gebruikt die als context voor het genereren van het antwoord. Hij voegt automatisch citaties toe zodat gebruikers precies kunnen zien uit welke documenten het antwoord komt.
Eén praktische noot: de kwaliteit van de kennis is heel belangrijk. Als je SharePoint‑site verouderd beleid en conflicterende informatie bevat, zal je agent die rommel ophalen en presenteren. RAG versterkt wat er in je databronnen staat, goed of slecht. Ruim je kennisbank op voordat je ‘m koppelt.
Voor meer inspiratie over RAG met meerdere soorten bestanden, bekijk onze tutorial over Multimodal RAG.
Tools toevoegen
Kennisbronnen laten agents informatie ophalen. Tools laten ze daadwerkelijk dingen doen—een groot verschil.
Met tools kan je agent:
Een nieuwe tool toevoegen doe je zo:
Stap 1: Voeg een kant‑en‑klare connector toe
Stap 2: Maak een Power Automate‑flow
Voor multisteplogica (data opzoeken in het ene systeem, transformeren, een ander systeem bijwerken, een notificatie sturen) bouw je een flow in Power Automate en roep je die aan vanuit je agent.
Stap 3: Test de actie
Stel in het testpaneel een vraag die de actie zou moeten triggeren. Controleer of hij correct vuurt en de verwachte resultaten teruggeeft.
Deploy: publiceren naar kanalen
Als je agent in de test goed werkt, publiceer je ‘m zodat gebruikers erbij kunnen.
Stap 1: Publiceer je agent
Klik op Publish rechtsboven en selecteer opnieuw Publish in de bevestiging Publish this agent. Als het lukt, zie je een groene banner bovenaan de pagina.
Stap 2: Configureer kanalen
Ga naar Channels in de instellingen. Copilot Studio ondersteunt met één klik uitrol naar meerdere kanalen tegelijk.
Microsoft Teams (meest gebruikelijk voor interne agents):
Gebruikers kunnen daarna rechtstreeks in Teams met de agent chatten. Single sign‑on werkt automatisch omdat gebruikers al zijn geauthenticeerd.
Aangepaste websites:
Aanvullende kanalen zijn Microsoft 365 Copilot Chat en andere Microsoft 365‑oppervlakken, SharePoint, Power Pages, custom apps via de Direct Line API en third‑party kanalen zoals Facebook Messenger of Slack.
Authenticatie gedraagt zich anders per kanaal. Teams‑gebruikers authenticeren automatisch. Webbezoekers kunnen anoniem zijn, via je identity provider authenticeren of worden gevraagd in te loggen bij toegang tot beschermde resources.
Een paar deploy‑tips:
Manage: analytics en governance
Een agent uitrollen is pas het begin. Copilot Studio biedt tools om prestaties te monitoren en hiaten te identificeren.
Prestatie‑analytics
Er worden een paar heel belangrijke metrics gemeten:
Het dashboard laat zien welke topics goed werken en welke worstelen. Hoge afhakers bij een specifiek topic? Dat is een signaal om te onderzoeken. Misschien ontbreekt er informatie in de kennisbron. Misschien moeten instructies worden aangescherpt.
Analytics van kennisbronnen
Zie welke bronnen worden gebruikt en hoe vaak. Documenten die nooit worden opgehaald, zijn mogelijk slecht geïndexeerd of niet relevant. Queries die consequent geen relevante content vinden, vragen om aandacht.
Gesprekstranscripten
Bekijk echte interacties. Echte gebruikers stellen vragen op manieren die je niet had voorzien. Transcripten lezen onthult die hiaten.
Governance‑controls
Voor organisaties die Copilot Studio op schaal uitrollen:
Het Power Platform‑admincenter regelt het meeste governance. Als jij verantwoordelijk bent voor de Copilot Studio‑uitrol binnen je organisatie, is dat je thuisbasis.