ms-ai-architect/skills/ms-ai-advisor/references/copilot-extensibility/copilot-studio-topics-and-entities.md

Topics and Entities in Copilot Studio

Last updated: 2026-02 Status: GA Category: Copilot Extensibility & Integration

---

Introduksjon

Topics og entities utgjør kjernen i samtalelogikken i Copilot Studio. En topic er en diskret samtaletråd mellom bruker og agent, strukturert som en samtaleflyt med noder. Entities er AI-drevne datatyper som identifiserer og ekstraherer spesifikk informasjon fra brukerens input — som navn, datoer, beløp eller egendefinerte verdier.

Sammen muliggjør de:

• Strukturerte samtaleflyter med spørsmål, betingelser, videresendinger og handlinger
• Intelligent informasjonsinnhenting via slot filling, hvor agenten automatisk gjenkjenner og husker nøkkelinformasjon
• Kontekstavhengig logikk som tilpasser samtalebanen basert på brukerens svar og entitetsverdier

Topics kan opprettes manuelt, ved AI-assistert beskrivelse (Copilot-generering), eller fra eksisterende innhold. Entities finnes både som prebuilt-varianter (age, money, email, phone number, etc.) og egendefinerte (closed list eller regex).

Verificert: Basert på Microsoft Learn-dokumentasjon (januar 2026).

---

Kjernekomponenter

Topics

Komponent	Beskrivelse	Modelltilknytning
Trigger phrases	Ord, fraser eller spørsmål som triggererer topic (kun i classic orchestration)	NLU-matching, krever 5-10 fraser for god trening
Topic description	Beskriver topicets formål (nødvendig i generative orchestration)	Brukes av GPT-modell til å velge riktig topic dynamisk
Conversation nodes	Byggeklosser i samtaleflyt: Message, Question, Condition, Variable management, Tool, Redirect, End	Hver node utfører en handling (sende melding, stille spørsmål, kalle flow, etc.)
Authoring canvas	Visuell editor med low-code-grensesnitt	Støtter drag-and-drop, betinget logikk og variabelhåndtering
Code editor (YAML)	Tekstbasert editor for eksport/import av topic-logikk	YAML-format, støtter kopiering og versjonering
Input/output parameters	Parametere som brukes ved videresending mellom topics eller i generative actions	Automatisk slot filling i generative mode

Entities

Type	Beskrivelse	Bruk
Prebuilt entities	30+ innebygde typer: age, boolean, city, color, country, date/time, email, money, number, phone, URL, etc.	Direkte tilgjengelig via entity picker i Question-noder
Closed list entities	Egendefinert liste med verdier og synonymer (f.eks. "hiking" med synonymer "trekking", "mountaineering")	Best for små, oversiktlige lister med forutsigbare verdier
Regex entities	Mønsterbasert matching med regulære uttrykk	For strukturerte formater som ordre-ID (INC000001), lisensplater, IP-adresser
Smart matching	Fuzzy logic for stavefeil og semantisk utvidelse (f.eks. "softball" → "baseball")	Aktiveres per closed list entity
External entities	Importerte entities fra CLU (Conversational Language Understanding) med custom JSON resolutions	For avanserte NLU-scenarier med komplekse datatyper

Sammenligning: Closed List vs. Regex

Kriterium	Closed List	Regex
Format	Liste med verdier + synonymer	Mønster (f.eks. ^INC\d{6}$)
Best for	Produkt-kategorier, valg, steder	Strukturerte data med fast format
Smart matching	Støttes (aktiveres per entity)	Nei (pattern må matche eksakt)
Vedlikehold	Enkelt å legge til/fjerne verdier	Krever regex-kompetanse
Eksempel	"Hiking" med synonymer "Trekking", "Mountaineering"	Tracking ID: [A-Z]{2}\d{8}

---

Arkitekturmønstre

Topic Design Patterns

1. Single-turn vs. Multi-turn Conversations

Mønster	Beskrivelse	Eksempel
Single-turn	Ett spørsmål, ett svar	"Hva er åpningstidene?" → svar med link til nettside
Multi-turn	Flere spørsmål i sekvens, med betinget logikk	"Hvilken butikk?" → "Hvilken dato?" → viser åpningstider for valgt butikk og dato

2. Branching Logic med Betingelser

- kind: ConditionGroup
  conditions:
    - condition: =Topic.State = "California" || Topic.State = "Washington"
      actions:
        - kind: SendMessage
          message: "Shipping is free to West Coast states."
  elseActions:
    - kind: SendMessage
      message: "Additional shipping charge of $27.50."

Arkitekturprinsipp: Bruk ConditionGroup-noder for å route samtalen basert på entity-verdier, brukerinput eller globale variabler.

3. Topic Redirect og Subtopics

- kind: RedirectToTopic
  targetTopic: "StoreClosureInformation"

Scenario	Redirect-strategi
Underemne	Redirect til subtopic, fortsett original topic etter
Avslutning	Redirect til system-topics (End of Conversation, Escalate, Goodbye)
Globale topics	System fallback-topic for ugjenkjente forespørsler

4. Slot Filling Patterns

Pattern A: Sequential Slot Filling (tradisjonell)

Agent stiller spørsmål i rekkefølge for å samle informasjon:

1. "Hvilken aktivitet?" → "hiking"
2. "Hvor lenge?" → "2 timer"
3. "Budsjett?" → "under $100"

Pattern B: Proactive Slot Filling (intelligent)

Bruker sier: "I want to buy hiking boots under $100 for a weekend trip"

Agent gjenkjenner automatisk:

• Activity: hiking
• Product: boots
• Budget: $100
• Duration: weekend (implisitt)

Agent hopper over allerede besvarte spørsmål.

Merk (oppdatert 2026): Proactive slot filling er aktivert som standard. Deaktiver per node via Skip question → Ask every time i Question-noden Properties. Agenten lytter aktivt og husker informasjon gjennom hele samtalen.

Arkitekturvalg:

Funksjon	Beskrivelse	Kontroll
Skip question (default)	Agent hopper over spørsmål hvis slot allerede er fylt	alwaysPrompt: false (YAML)
Ask every time	Tving spørsmål uavhengig av om slot er fylt	alwaysPrompt: true (YAML) eller via node properties

5. Multiple Entity Recognition

En Question-node kan akseptere opptil 5 forskjellige entities:

- kind: Question
  prompt: "Provide your account number or phone number"
  entity:
    - AccountNumber (regex)
    - PhoneNumber (prebuilt)
    - UnknownOption (closed list: "I don't know")

Variable type: Record med ett element per entity (f.eks. Identifier.account, Identifier.phone, Identifier.unknown).

Begrensning: Agent identifiserer kun første matchende entity i listen ved multiple matches.

---

Beslutningsveiledning

Når bruke Topics vs. Generative Answers

Scenario	Anbefaling	Begrunnelse
Strukturert prosess (bestilling, onboarding)	Topics	Full kontroll over samtaleflyt, validering, betingelser
Åpne spørsmål fra kunnskapsbase	Generative Answers	AI genererer svar fra knowledge sources (websites, SharePoint, Dataverse)
Hybrid (prosess + fleksibilitet)	Generative Orchestration	AI velger automatisk mellom topics, tools og knowledge
Task automation (e-post, CRM-oppdatering)	Topics med Tools	Topic kaller Power Automate flow eller connector

Når bruke Prebuilt vs. Custom Entities

Kriterium	Prebuilt	Custom (Closed List)	Custom (Regex)
Datatye er standard (email, phone, date)	✅ Ja	-	-
Domene-spesifikk liste (produkter, lokasjoner)	-	✅ Ja	-
Fast format (ordre-ID, tracking code)	-	-	✅ Ja
Trenger synonymer	Nei (innebygd)	✅ Ja	Nei
Smart matching/fuzzy logic	Automatisk	Valgfritt (toggle)	Nei

Topic Design Checklist

1. Identifiser topic-formål: Informasjon, oppgavegjennomføring eller feilsøking?
2. List alle scenarioer: Hvilke varianter av samtalen kan oppstå?
3. Design samtaletreet: Tegn flyt på høyt nivå med betingelser og veivalg
4. Minimér antall spørsmål: Bruk slot filling for å samle flere verdier fra én input
5. Valider og iterer: Test med ekte brukere, les session transcripts i Analytics

Anti-patterns:

• ❌ Replikere funksjonalitet som allerede finnes på nettside/app (brukere kan gjøre dette selv)
• ❌ Bygge topics for "long tail"-scenarioer før høyvolum-issues er dekket
• ❌ Bruke periods (.) i topic-navn (blokkerer solution export)

---

Integrasjon med Microsoft-stakken

Power Automate Integration

Topics kan kalle Power Automate flows via Tool-noder:

- kind: CallAction
  id: call-flow-get-weather
  action: GetWeatherForecast
  inputs:
    city: =Topic.City
    zipcode: =Topic.ZipCode
  output: Topic.WeatherData

Brukstilfeller:

• Send e-post med data samlet i topic
• Oppdater Dataverse-record
• Trigger external API (via HTTP action i flow)
• Hente data fra SharePoint eller SQL

Dynamics 365 og Dataverse

Topics kan referere til Dataverse-tables via:

• Generative answers fra Dataverse knowledge sources
• Power Automate flows som oppretter/leser records
• Copilot Studio connectors (Dataverse connector i Tool-node)

Eksempel: Topic som oppretter sample account records med lat/long-koordinater (se code samples i dokumentasjon).

Microsoft 365 Copilot Handoff

Topics kan videresende samtale til Microsoft 365 Copilot via continuation token:

await context.sendActivities([
  { type: ActivityTypes.Message, text: "Continuing conversation from copilot..." },
  { type: ActivityTypes.Message, text: `Fetching more details using continuation token: ${token}` },
  { type: ActivityTypes.Message, text: "Handoff successful!" }
]);

Brukstilfeller:

• Copilot Studio-agent starter samtale, M365 Copilot tar over for dype spørsmål i organisasjonens data
• Agent i Teams/M365 redirecter til Copilot Studio for strukturerte workflows

Azure Bot Service Channels

Topics kan publiseres til eksterne kanaler (SMS, Facebook, Slack, WhatsApp) via Azure Bot Service integration (GA):

1. DirectLineClient starter Copilot Studio-samtale via DirectLine API
2. OnMessageActivityAsync handler i bot-relay sender brukermelding til Copilot Studio
3. Watermark tracker turntaking i samtalen
4. Token refresh kreves hver 30. minutt (håndteres i relay-logikk)

WhatsApp (GA jul 2025): Copilot Studio støtter nå direkte publisering til WhatsApp-nummer — ingen mellomlagring via Azure Bot Service nødvendig.

---

Offentlig sektor (Norge)

Compliance og Datahåndtering

Krav	Implementasjon via Topics og Entities
GDPR	Entities (email, phone, name) lagres i Dataverse med compliance-settings; variable retention via "Clear variable" node
Arkivloven	Topic session transcripts kan eksporteres til arkivsystem via Power Automate (Azure Blob/Sharepoint)
Personvern	Bruk regex entities for sensitive ID-formater (fødselsnummer, passnummer) med masking i logs
Tilgjengelighet (UU)	Topics støtter SSML for voice-kanaler; adaptive cards følger accessibility-standarder

Flerspråklig Support

Topics og trigger phrases kan defineres per språk:

Språk	Støtte	NLU-kvalitet
Norsk bokmål	✅ GA	God (prebuilt entities, GPT-modell)
Norsk nynorsk	Delvis (via custom entities)	Moderat (krever custom training)
Samisk	Nei (bruk engelsk som fallback)	Ikke støttet

Anbefalinger for norsk offentlig sektor:

1. Bruk engelsk for entity-navn og variable-navn (code readability)
2. Bruk norsk i trigger phrases og meldinger til brukere
3. Definer custom closed list entities for norske geografiske navn, organisasjoner og termer
4. Test med ekte innbyggerhenvendelser for å iterere på trigger phrases

---

Kostnad og lisensiering

Lisenskriterier

Lisens	Topics-kapabilitet	Entities-kapabilitet
Copilot Studio (standalone)	Ubegrenset topics, 25 000 messages/måned per $200 capacity	Alle prebuilt + custom entities, external entities (NLU+)
Power Apps Premium	Inkludert (inntil 250 messages/bruker/måned)	Alle prebuilt + custom entities
Microsoft 365 Copilot	Topics via Copilot Studio extension	Entities støttes i generative orchestration

Kostnadsoptimalisering

Kostnadsfaktor	Påvirkning	Optimalisering
Antall topic-traversals	Hver gang topic redirectes eller topic kaldes, telles som én turn	Konsolider logikk i færre topics
Generative answers calls	GPT API calls koster mer enn statiske svar	Bruk topics for kjente scenarioer, generative answers for "long tail"
Tool calls (Power Automate)	Hver flow-kjøring teller mot Power Automate kvote	Batch flere handlinger i én flow
Session lengde	Lengre samtaler (flere turns) øker message-forbruk	Design topics for å løse brukerens behov raskt

Estimert kostnad (norsk offentlig virksomhet, 1000 brukere):

• Basis Copilot Studio lisens: $200/måned (25 000 messages)
• Ekstra kapasitet: $100 per 10 000 messages
• Typisk forbruk: 3-5 messages per samtale (én topic med 2-3 spørsmål)
• Estimert månedlig kostnad: $200-$400 for 5000-10 000 samtaler

---

For arkitekten (Cosmo)

Designprinsipper for Topics

1. Start med high-impact topics: Analyser support-volum og bygg topics for topp 5-10 henvendelser først.
2. Bruk slot filling aggressivt: La brukere gi flere opplysninger i én setning, unngå unødvendige spørsmål.
3. Design for fallback: Alltid ha fallback-logikk (system fallback topic, escalate til agent, eller generative answers).
4. Test med ekte data: Bruk Analytics-transcripts for å iterere på trigger phrases og betingelser.
5. Versjonskontroll topics: Eksporter topics som YAML til git for versjonering og code review.

Entity-strategi

Scenario	Entity-valg	Rationale
Persondata (navn, e-post, telefon)	Prebuilt	Innebygd validering og global NLU-støtte
Norske stedsnavn	Custom closed list med smart matching	Fuzzy logic håndterer stavefeil ("Tronsheim" → "Trondheim")
Interne ordre-ID, sak-ID	Regex	Fast format (f.eks. SAK-\d{6}) garanterer korrekt parsing
Kategori-valg (f.eks. tjenestetype)	Custom closed list	Synlig for brukere som knapper, støtter synonymer

Integrasjonsarkitektur

User → Copilot Studio Agent (Topic)
         ↓
      [Question Node med Entity]
         ↓
      [Slot Filling + Betingelser]
         ↓
      [Tool Node → Power Automate Flow]
         ↓
      [Dataverse / Azure / SAP / Custom API]
         ↓
      [Svar til bruker + Redirect eller End]

Key Decisions:

• Generative vs. Classic Orchestration: Velg generative hvis brukerforespørsler er uforutsigbare; classic hvis du trenger deterministisk flyt.
• Topic granularity: En topic per brukerforspørsel (f.eks. "Book møterom") vs. flere topics per domene (f.eks. "Møterom: søk", "Møterom: bestill", "Møterom: kanseller").
• Entity scope: Globale entities (gjenbrukes på tvers av topics) vs. topic-spesifikke entities (scope-isolasjon).

Testing og Iterasjon

1. Test-panel i Copilot Studio: Bruk "Track between topics" for å debugge samtaleflyt.
2. Variable watch window: Inspiser entity-verdier real-time under testing.
3. Analytics: Analyser "unanswered queries" og "generative answer quality" for å forbedre topics.
4. A/B-testing: Lag to versjoner av samme topic med ulike trigger phrases, sammenlign CSAT-score.

Når Bruke Code Editor (YAML)

• ✅ Kopiering av topics mellom agents
• ✅ Versjonering i git (diffing, code review)
• ✅ Bulk-editing av betingelser eller meldinger
• ✅ Import av komplekse topics fra andre teams
• ❌ IKKE for å designe nye topics fra scratch (bruk GUI først, eksporter YAML etter)

---

Kilder og verifisering

Primærkilder (Verified)

Alle referanser er hentet fra offisiell Microsoft Learn-dokumentasjon via MCP (microsoft-learn server), april 2026:

1. Create and edit topics https://learn.microsoft.com/en-us/microsoft-copilot-studio/authoring-create-edit-topics Comprehensive guide til topic authoring, node types, code editor (YAML), input/output parameters.

2. Use entities and slot filling in agents https://learn.microsoft.com/en-us/microsoft-copilot-studio/advanced-entities-slot-filling Detaljer om prebuilt entities, custom entities (closed list, regex), slot filling, proactive slot filling, multiple entity recognition.

3. Topics in Copilot Studio (Guidance) https://learn.microsoft.com/en-us/microsoft-copilot-studio/guidance/topics-overview Overview av topic-konseptet, trigger phrases, conversation nodes, AI-generering.

4. Defining agent topics (Guidance) https://learn.microsoft.com/en-us/microsoft-copilot-studio/guidance/defining-chatbot-topics Topic design process, single-turn vs. multi-turn, best practices.

5. Variables overview (Entities table) https://learn.microsoft.com/en-us/microsoft-copilot-studio/authoring-variables-about Fullstendig tabell over prebuilt entities og variable base types.

6. Implement slot-filling best practices (Guidance) https://learn.microsoft.com/en-us/microsoft-copilot-studio/guidance/slot-filling-best-practices Best practices for entity-bruk, closed list vs. regex, user experience-forbedringer.

7. Training: Manage topics in Microsoft Copilot Studio https://learn.microsoft.com/en-us/training/modules/manage-power-virtual-agents-topics/ Strukturert læringssti for topic management, branching, fallback topics.

8. Training: Work with entities and variables https://learn.microsoft.com/en-us/training/modules/power-virtual-agents-entities/ Praktisk trening i entity-bruk og variable-håndtering.

Code Samples (Verified)

YAML-eksempler hentet fra Microsoft Learn code samples:

1. AdaptiveDialog topic med conditional logic og entities https://learn.microsoft.com/en-us/microsoft-copilot-studio/authoring-create-edit-topics#edit-a-topic YAML-eksempel med Question nodes, ConditionGroup, StatePrebuiltEntity, BooleanPrebuiltEntity.

2. Power Automate integration i topic https://learn.microsoft.com/en-us/microsoft-copilot-studio/advanced-use-flow Eksempel på Tool node som kaller flow med inputs/outputs.

3. Azure Bot Service DirectLineClient integration https://learn.microsoft.com/en-us/microsoft-copilot-studio/publication-connect-bot-to-azure-bot-service-channels C#-eksempel på session management, conversation routing.

4. Dynamics 365 account creation via topic https://learn.microsoft.com/en-us/dynamics365/guidance/resources/field-service-deploy-copilot-studio-create-sample-data YAML-eksempel med SearchAndSummarizeContent node, Question nodes for lat/long, ConditionGroup.

Baseline (modellkunnskap)

Følgende informasjon er basert på modellens treningsdata (januar 2025) og bekreftet mot Microsoft Learn januar 2026:

• Generative orchestration vs. classic orchestration
• Topic lifecycle (draft, published, deprecated)
• Topic vs. Generative Answers use cases
• Entity types og variable base types
• Power Fx expressions i betingelser

Confidence Rating

Seksjon	Confidence	Kilde
Kjernekomponenter	Verified	Microsoft Learn (fetch + search)
Arkitekturmønstre	Verified	Microsoft Learn + code samples
Beslutningsveiledning	Baseline	Modellkunnskap, bekreftet mot docs
Microsoft-integrasjon	Verified	Microsoft Learn (code samples)
Offentlig sektor (Norge)	Baseline	Modell-ekstrapolasjon basert på general GDPR/compliance-kunnskap
Kostnad og lisensiering	Baseline	Modellkunnskap (januar 2025), kan ha endret seg i 2026

Sist verifisert: 2026-04-10 (via MCP microsoft-learn server)

---

For Cosmo:

Når du rådgir om topics og entities, vurder:

1. Topic granularity: Hvor mange topics trenger løsningen? (Tommelfingerregel: 1 topic per høynivå-brukerforspørsel)
2. Entity-strategi: Hvilke entities er kritiske for slot filling? Prebuilt vs. custom?
3. Orchestration mode: Classic (deterministisk) vs. Generative (fleksibel)?
4. Integration points: Trenger topics å kalle Power Automate, Dataverse, eller eksterne APIer?
5. Fallback-strategi: Hva skjer ved ugjenkjente forespørsler? (Generative answers, escalate, eller redirect?)

Bruk dette dokumentet som referanse når du designer samtaleflyt, evaluerer entity-behov, og planlegger integrasjoner.