Prompt e AI model: due oggetti, non due nomi per la stessa cosa

Il sotto-dominio chiede quattro cose che a prima vista sembrano due: consumare un prompt in un’app e in un cloud flow, consumare un AI model in un’app e in un cloud flow. Sono quattro combinazioni proprio perché prompt e modello restano oggetti distinti, con pagine di documentazione, superfici di creazione e azioni diverse.

Un prompt è un’istruzione in linguaggio naturale che dice a un modello generativo quale compito svolgere; si costruisce, si prova e si salva nel prompt builder, ed è riutilizzabile in agenti, flussi e app. Un modello di AI Builder è invece un modello tipizzato: la pagina “AI models and business scenarios” li organizza per Data type (Documents, Text, Structured data, Images) e per Build type, cioè Prebuilt (pronti all’uso, come Sentiment analysis, Language detection, Receipt processing) oppure Custom (che costruisci, addestri e pubblichi, come Document processing, Object detection, Prediction).

La confusione tipica è trattare “prompt” come se fosse un modello prebuilt di testo. Non lo è: il prompt lo scrivi tu, il modello lo scegli o lo addestri. Le due strade si sfiorano solo sui prebuilt prompts — AISummarize, AISentiment, AIReply, AITranslate, AIClassify, AIExtract — che la doc di AI Builder presenta come prompt già confezionati e utilizzabili nelle formule di Power Apps, in Power Automate e nei low-code plug-in di Dataverse.

Il prompt: funzione Power Fx nell’app, azione “Run a prompt” nel flow

In una canvas app il prompt si aggiunge come sorgente dati dal riquadro Data con +Add Data, scegliendolo per nome. Da quel momento si invoca come funzione Power Fx chiamando .Predict sul nome del prompt e passando gli argomenti richiesti; la funzione restituisce la risposta generata dal modello. L’esempio di “Use your prompt in Power Apps” mette la chiamata sulla proprietà OnSelect di un Button e legge il risultato in una label con result.text.

Set(result, 'Task identifier'.Predict(TextInput1.Text));  // prompt in una canvas app
'Language detection'.Predict(TextInput1.Text).Language    // AI model nella formula bar

In un cloud flow il prompt non è una funzione ma un’azione, e qui sta il tranello di nomenclatura. L’azione oggi si chiama Run a prompt: la pagina “Use your prompt in Power Automate” segnala esplicitamente che il nome precedente era Create text with GPT using a prompt. Nel campo Prompt si sceglie il prompt dal menu a discesa, oppure New custom prompt per crearne uno sul posto; se il prompt ha input, questi compaiono sotto e si riempiono con il contenuto dinamico delle azioni precedenti. L’azione genera variabili di flow riutilizzabili a valle — nell’esempio della doc la variabile Text finisce nel corpo di un messaggio Teams. Attenzione però: la tabella riepilogativa di “AI Builder in Power Automate overview” elenca ancora l’azione con il nome vecchio. Se in una domanda incontri entrambe le diciture, si tratta della stessa azione.

Gli input di un prompt sono di tre tipi — Text, Image or document, Power Fx — e si aggiungono nel pannello Instructions digitando / oppure con Add content. Un input Power Fx referenzia gli altri input con la sintassi Input.'Your input name', e ammette qualsiasi funzione Power Fx non legata ai connettori.

Il modello AI: formula bar, componenti e azione predict

Nelle app la pagina “Overview of AI Builder in Power Apps” descrive due strade: usare i modelli nella formula bar, oppure aggiungere gli AI Builder components. I componenti si trovano nella scheda Insert di Power Apps Studio: Business card reader, Receipt processor e Text recognizer per i prebuilt, Form processor e Object detector per i custom. La strada della formula bar è simmetrica a quella dei prompt: Data > Add data > AI models, poi la stessa chiamata .Predict sul nome del modello. Sullo stato, meglio non essere secchi: la pagina di overview presenta il consumo via Power Fx come preview, mentre la pagina di dettaglio “Use AI Builder models in Power Apps” non porta lo stesso segnale.

Due buone pratiche documentate: far scattare la predizione da un’azione singola come OnSelect di un pulsante invece che da OnChange di un text input, e salvare l’esito in una variabile globale con Set per riusarlo in più punti anziché richiamare il modello ogni volta.

Nei flow ogni modello ha la sua azione dedicata, ma esiste anche l’azione generica predict, che copre molti tipi di modello. Cercando “predict” compaiono Predict from AI Builder e Predict using AI Builder models from Microsoft Dataverse: la doc dichiara che offrono le stesse funzionalità. Il modello si sceglie nell’input Model. Due dettagli molto esaminabili: per qualunque azione AI Builder in un cloud flow va lasciata l’impostazione Asynchronous Pattern su On, altrimenti i risultati non tornano correttamente; e il passaggio dinamico del model ID è supportato solo per document processing e non è supportato per i prompt. Quest’ultima nota è la prova più netta che le due famiglie non sono intercambiabili.

Le funzioni AI di Power Fx e che cosa verifica l’esame

Esiste una terza via, a metà strada: le funzioni AI di Power Fx — AIClassify, AIExtract, AIReply, AISentiment, AISummarize, AISummarizeRecord, AITranslate. Nelle canvas app non si chiamano nude: occorre aggiungere la sorgente dati Environment e invocarle nel namespace Environment, per esempio Environment.AISummarize( ... ).SummarizedText. Gli argomenti vanno passati come colonne nominate di un unico record, e il valore di ritorno è sempre un record con una sola colonna, il cui nome cambia per funzione: SummarizedText, AnalyzedSentiment, PreparedResponse, Classification, ExtractedData, TranslatedText. Sono behavior function: non puoi metterle nella proprietà Text di un controllo, devi passare da Set e poi leggere la variabile. Su AIExtract la doc avverte che la funzione è ancora in sviluppo e potrebbe non comportarsi correttamente: non presentarla come soluzione consolidata.

L’esame verifica soprattutto la scelta della superficie e la precisione dei nomi: sapere che nell’app si aggiunge una sorgente dati e si chiama .Predict, che nel flow serve Run a prompt per un prompt e un’azione dedicata o predict per un modello, e che le funzioni AI in canvas vivono nel namespace Environment. Se una risposta ti propone di “chiamare un AI model come funzione Power Fx dopo averlo aggiunto con Run a prompt”, stai guardando due oggetti mescolati.