AI Builder

Wat is AI Builder?

AI Builder is een mogelijkheid binnen Microsoft Power Platform waarmee je AI-functies gebruikt in Power Apps en Power Automate. Je kan vooraf gebouwde modellen inzetten, een model voor je eigen gegevens configureren of een prompt maken die tekst verwerkt.

Het platform neemt training, hosting en aanroepen van ondersteunde modellen grotendeels over. Daardoor hoeft een maker geen aparte modelserver of machine-learningpijplijn te bouwen. Je blijft wel verantwoordelijk voor geschikte invoer, het testen van resultaten en de handelingen die op een voorspelling volgen.

Een AI Builder-model wordt meestal één stap in een groter proces. Een flow leest bijvoorbeeld een factuur, controleert de herkende velden en stuurt uitzonderingen naar een medewerker.

Welke soorten toepassingen zijn er?

Documentverwerking haalt velden, tabellen en tekst uit documenten. Dit past bij facturen, formulieren, ontvangstbewijzen en andere documenten met terugkerende informatie.

Tekstverwerking classificeert tekst, herkent informatie of analyseert inhoud. Een organisatie kan binnenkomende berichten bijvoorbeeld verdelen over support, facturatie en verkoop.

Voorspellende modellen gebruiken historische tabelgegevens om een uitkomst of categorie te voorspellen. Het resultaat is een waarschijnlijkheid, geen zekerheid.

Prompts sturen een generatief model aan om tekst samen te vatten, om te zetten of gestructureerd terug te geven. Een prompt kan in Power Apps, Power Automate en Copilot Studio worden gebruikt.

Welke modeltypes en mogelijkheden beschikbaar zijn, kan per regio, licentie en productversie verschillen. Controleer daarom de actuele productdocumentatie voordat je een oplossing ontwerpt.

Hoe gebruik je AI Builder in een proces?

Stel dat een financiële mailbox dagelijks facturen ontvangt. Een cloud flow bewaart de bijlage en stuurt het document naar een AI Builder-model. Het model geeft onder meer leverancier, factuurnummer, datum en totaalbedrag terug.

De flow controleert of verplichte velden aanwezig zijn en of het model voldoende vertrouwen rapporteert. Bij twijfel komt de factuur in een wachtrij voor menselijke controle. Pas daarna schrijft het proces de gegevens naar het boekhoud- of dossiersysteem.

Een tweede voorbeeld is een contactformulier. AI Builder classificeert het bericht. Klachten gaan naar support, offertevragen naar verkoop en onduidelijke berichten naar een algemene werkbak. Medewerkers kunnen fout geclassificeerde voorbeelden registreren om het proces later bij te sturen.

De waarde zit niet alleen in de voorspelling. Een bruikbare oplossing beschrijft ook wat er gebeurt bij ontbrekende invoer, lage zekerheid, time-outs en een onbeschikbaar model.

AI Builder versus een maatwerkmodel

AI Builder past wanneer een ondersteund modeltype aansluit op het probleem en de oplossing al in Power Platform leeft. Integratie met apps, flows en Dataverse is dan direct beschikbaar. Makers hoeven de technische modelinfrastructuur niet zelf te beheren.

Een maatwerkmodel geeft een data-scienceteam meer controle over architectuur, trainingsproces, evaluatiematen en implementatie. Dat kan nodig zijn voor eigen beeld- of taalproblemen, zeer grote volumes of technische eisen die AI Builder niet ondersteunt.

De keuze hoeft niet absoluut te zijn. Een Power Automate-flow kan via een connector of API ook een extern model aanroepen. Vergelijk niet alleen de eerste bouwtijd, maar ook datavoorbereiding, monitoring, capaciteit, wijzigingen en foutafhandeling.

Kwaliteit en menselijke controle

Test een model met voorbeelden die niet voor configuratie of training zijn gebruikt. Neem gewone documenten op, maar ook slechte scans, afwijkende lay-outs, ontbrekende velden en onverwachte talen. Een gemiddeld resultaat verbergt anders waar het proces faalt.

Leg drempels vast voor automatische verwerking. Een lage zekerheid kan naar menselijke controle gaan. Bij betalingen, personeelsbeslissingen of andere gevoelige handelingen is controle vaak ook bij een hoge modelscore nodig.

Meet fouten in de context van het proces. Een verkeerd gelezen postcode heeft andere gevolgen dan een verkeerd bedrag of rekeningnummer. Precision en recall kunnen helpen bij classificatie, maar de operationele kost van ieder fouttype bepaalt de juiste grens.

Beheer, data en capaciteit

AI Builder gebruikt Power Platform-omgevingen en heeft capaciteit- en licentievoorwaarden. Houd ontwikkeling en productie gescheiden en volg verbruik op. Een model dat goed werkt in een proef kan bij dagelijks volume andere kosten of wachttijden geven.

Controleer welke data naar het model gaat, waar die wordt bewaard en wie model- en promptcomponenten mag wijzigen. Data policies, rollen en bewaartermijnen blijven van toepassing. Vermijd persoonsgegevens die niet nodig zijn voor de voorspelling.

Modelkwaliteit kan veranderen wanneer documenten, klanten of werkmethodes veranderen. Bewaar daarom een vaste evaluatieset, volg uitzonderingen op en plan herbeoordeling. AI Builder neemt modelbeheer uit handen, maar niet het eigenaarschap over de beslissing die je ermee automatiseert.