ms-ai-architect/skills/ms-ai-advisor/references/copilot-extensibility/copilot-prompt-engineering-governance.md

Prompt Engineering and Governance for Copilot

Last updated: 2026-05 Status: GA Category: Copilot Extensibility & Integration

---

Introduksjon

Prompt engineering er prosessen med å designe instruksjoner som gir presise og relevante responser fra large language models (LLMs) som ligger til grunn for Microsoft Copilot. I bedriftskontekst handler det ikke bare om å skrive gode prompts, men også om å etablere styring (governance) som sikrer at Copilot-interaksjoner er sikre, overholdende og sporbare.

Microsoft tilbyr prompt engineering-verktøy på tvers av hele Copilot-økosystemet – fra Copilot Studio og declarative agents i Microsoft 365 Copilot, til prompt builder i Power Platform og Azure AI Foundry. Samtidig er det kritisk å etablere governance-rammer som definerer hvem som kan opprette prompts, hvordan de valideres, og hvordan de monitoreres i produksjon.

Denne guiden dekker både tekniske beste praksis for å skrive effektive prompts, og organisatoriske kontroller for å sikre ansvarlig bruk av Copilot i virksomheten.

Kjernekomponenter

Prompt Engineering-verktøy i Microsoft-stakken

Verktøy	Plattform	Bruksområde	Kapabiliteter
Declarative agent instructions	Microsoft 365 Copilot	Custom agents i Teams/M365 Copilot	Definerer agent-personlighet, workflow, og step-by-step logikk (maks 8 000 tegn)
Prompt builder	Copilot Studio, Power Apps, Power Automate	Custom prompts for AI Builder	Visuell editor, prompt library med templates, input variables, knowledge integration
Prompt node	Copilot Studio topics	Custom logic i agent-dialoger	Agent-level eller topic-level prompts med custom instructions
Azure Copilot prompts	Azure Portal	Resource management, troubleshooting	Natural language interface til Azure-ressurser
Azure AI Foundry	Azure AI Studio	Custom model deployment	Full kontroll over system prompts, temperature, grounding

Governance-komponenter (Copilot Control System)

Komponent	Beskrivelse	Lisenskrav	Kapabiliteter
Data security	Kontroller for dataflyt og grunndata	A3/E3/G3 (foundational), A5/E5/G5 (optimized)	Sensitivity labels, DLP for Copilot, oversharing-kontroll
AI security	Beskyttelse mot AI-spesifikke trusler	Built-in (gratis), A5/E5/G5 (advanced)	Prompt injection-blokkering, harmful content filter, protected material detection
Compliance and privacy	Logging, audit, retention	A3/E3/G3 (foundational), A5/E5/G5 (optimized)	Purview Audit, eDiscovery, Communication Compliance, Legal Hold
Data loss prevention	Forhindre lekkasje av sensitiv info	Power Platform DLP policies	Blokkering av spesifikke data types, connector restrictions
Access controls	Hvem kan bruke/publisere Copilot-features	Microsoft 365 admin center, Power Platform admin center	Tenant-level toggles, environment-level policies, role-based publishing

Prompt Engineering Best Practices

1. Klar og spesifikk språkbruk

Do:

• Bruk presise verb: "ask", "search", "send", "check", "use"
• Fokuser på hva agenten skal gjøre, ikke hva den skal unngå
• Definer alle ikke-standardiserte begreper

Don't:

• Vage instruksjoner ("vær hjelpsom")
• Negative formuleringer ("ikke gjør X")
• Antagelser om implisitt kunnskap

Eksempel:

❌ BAD: "Hjelp brukere med IT-problemer"

✅ GOOD: "Når bruker rapporterer IT-problem:
1. Spør én avklarende oppfølgingsspørsmål om problemet
2. Sjekk ServiceNow for kjente utfall (field: 'sys_outage')
3. Hvis utfall funnet: del detaljer og ETA
4. Hvis ikke funnet: søk ServiceNow KB for løsning"

2. Step-by-step workflows med transitions

Bryt komplekse workflows ned i modulære steg med tydelige overgangskriterier:

## Step 1: Gather Basic Details
- **Goal:** Identify the user's issue
- **Action:**
  - If description is clear, proceed
  - If unclear, ask one focused question
- **Transition:** Once clear, proceed to Step 2

## Step 2: Check for Outages
- **Goal:** Rule out known outages
- **Action:** Query `ServiceNow` for current outages
- **Transition:**
  - If outage found → share details and end
  - If none → proceed to Step 3

Hvorfor dette fungerer:

• Modellen forstår hvor den er i prosessen
• Reduserer hallucinations ved å eliminere tvetydighet
• Lar deg debugge spesifikke steg

3. Bruk Markdown for struktur

• #, ##, ### for section headers
• - for unordered lists, 1. for ordered lists (bare når rekkefølge er kritisk)
• Bold for kritiske instruksjoner
• `backticks` for tool/system-navn

4. Eksplisitt referanse til capabilities og actions

❌ "Finn relevant informasjon"
✅ "Bruk `ServiceNow KB` connector for å søke i artikler"

❌ "Hent brukerdata"
✅ "Bruk people capability for å hente brukers UPN (email)"

Tilgjengelige capabilities i declarative agents:

• Actions (API plugins)
• Copilot connector knowledge (ServiceNow, Jira, etc.)
• SharePoint/OneDrive knowledge
• Email messages
• Teams messages
• Code interpreter (for charts/data analysis)
• People knowledge (org chart, contact info)

5. Few-shot prompting for komplekse scenarios

For enkle oppgaver: eksempler er unødvendig For komplekse oppgaver: gi 2-3 eksempler som dekker edge cases

## Valid Example
**User:** "I can't connect to VPN."
**Assistant:**
- "Are you seeing a specific error?"
  (User: "DNS server not responding.")
- "Let me check for outages."
  (No outage.)
- "Searching knowledge base..."
  (Finds articles. Asks: "Are you on office Wi-Fi or home?")

## Invalid Example
- "Here are 15 articles I found..." (Overwhelms the user)

Vanlige prompt-feil og løsninger

Problem	Symptom	Løsning
Over-eager tool use	Modellen kaller API uten nødvendige inputs	Legg til: "Only call the tool if necessary inputs are available; otherwise, ask the user."
Repetitive phrasing	Modellen gjenbruker eksempel-setninger ordrett	Varierte eksempler (few-shot prompting), eller fjern eksempel for å spare tokens
Verbose explanations	Over-forklarer eller bruker mye formattering	Begrens verbosity eksplisitt: "Keep responses concise, 2-3 sentences max."
Hallucinations	Oppfinner data som ikke finnes	Legg til exit-strategi: "Respond with 'not found' if the answer isn't present in the data."

Arkitekturmønstre

Mønster 1: Agent-level prompts (Copilot Studio)

Bruksområde: Global oppførsel for agent på tvers av alle topics

Implementasjon:

1. Gå til agent → Tools → New tool → Prompt
2. Definer custom instructions (system prompt)
3. Konfigurer model settings (temperature, grounding, reasoning)
4. Test med sample inputs

Fordeler:

• Konsistent agent-personlighet på tvers av alle interaksjoner
• Enklere å vedlikeholde (ett sted)
• Kan bruke prompt library-templates som startpunkt

Ulemper:

• Mindre granularitet (kan ikke variere per topic)
• Token-limit påvirker alle interaksjoner (vær konsis)

Når bruke:

• Agent har tydelig single purpose (e.g., "IT helpdesk agent")
• Samme tone/stil ønskes i alle dialoger

Mønster 2: Topic-level prompts (Copilot Studio) (Verified MCP 2026-04)

Bruksområde: Spesialisert logikk for én spesifikk dialog-flow

Oppdatert implementasjon (nlu-prompt-node):

• Prompts kan legges til på agent-nivå (Tools → New tool → Prompt) eller topic-nivå (Add node → Add a tool → New prompt)
• Prompts kan også legges til som noder i agent flows (Insert new action → AI capabilities → Run a prompt)
• Prompt-editoren støtter: manuell instruksjonsskrift, Copilot-genererte instruksjoner, og preset-maler fra prompt library
• Konfigurerbart: modell (inkl. Azure AI Foundry-modeller), temperature, knowledge retrieval, code interpreter, reasoning
• Agenter konfigurert for anonym bruk (no auth) kan ikke bruke Dataverse som knowledge source i prompts

Implementasjon:

1. Åpne topic → Add node → Add a tool → New prompt
2. Definer prompt med context fra topic variables
3. Bruk dynamic inputs fra tidligere steg i dialogen

Fordeler:

• Finkornet kontroll per use case
• Kan bruke topic-spesifikk context som input
• Enklere å teste isolert

Ulemper:

• Kan bli fragmentert hvis mange topics deler samme logikk
• Høyere vedlikeholdsbyrde

Når bruke:

• Agent har flere distinkte workflows (e.g., "Onboarding", "Offboarding", "Password reset")
• Hvert workflow krever unik prompt-logikk

Mønster 3: Declarative agents med step-by-step instructions (Microsoft 365 Copilot)

Bruksområde: Custom agents i Microsoft 365 Copilot/Teams

Implementasjon:

1. Bruk Microsoft 365 Agents Toolkit eller Copilot Studio
2. Definer instructions (maks 8 000 tegn) i manifest
3. Struktur i seksjoner: Purpose → Guidelines → Skills → Workflows → Examples

Fordeler:

• Ingen UI – ren tekst-basert konfigurasjon (versionerbar, code-review-bar)
• RAI-validering built-in (Responsible AI checks)
• Kan kombinere med API plugins for external actions

Ulemper:

• Token-limit (4 096 tokens for context + response)
• Grounding-limit (50 items)
• Timeout (45 sekunder)
• Ikke egnet for komplekse multi-step operations med looping

Når bruke:

• Agent skal være tilgjengelig i Microsoft 365 Copilot/Teams
• Workflow er lineær (single grounding + external tool call)

Eksempel-struktur:

# OBJECTIVE
Guide users through issue resolution by gathering info, checking outages, and creating tickets.

# RESPONSE RULES
- Ask one question at a time
- Present info as bullet points or tables
- Confirm before moving to next step

# WORKFLOW

## Step 1: Gather Details
- **Goal:** Identify issue
- **Action:** If unclear, ask clarifying question
- **Transition:** Proceed to Step 2

## Step 2: Check Outages
...

# EXAMPLES
[Valid + Invalid examples]

Beslutningsveiledning

Velge riktig prompt-verktøy

Scenario	Anbefalt verktøy	Hvorfor
Custom agent i Microsoft Teams	Declarative agent (M365 Copilot)	Native Teams-integrasjon, RAI-validering
AI-powered Power Automate flow	Prompt builder (AI Builder)	Visual editor, prompt library, Dataverse knowledge
Custom logic i Copilot Studio topic	Prompt node (topic-level)	Tilgang til topic variables, finkornet kontroll
Global agent-oppførsel i Copilot Studio	Prompt tool (agent-level)	Konsistens på tvers av topics
Azure resource management	Azure Copilot (natural language)	Built-in, ingen konfigurasjon nødvendig

Governance decision tree

START: Skal vi tillate Copilot i virksomheten?
├─ Ja → Hvilke data kan Copilot få tilgang til?
│  ├─ Alt (default): Implement DLP policies for sensitiv data
│  ├─ Bare godkjente SharePoint sites: Configure knowledge sources
│  └─ Ingen ekstra data: Bruk bare pre-trained model knowledge
│
├─ Hvem kan publisere custom agents?
│  ├─ Bare IT: Disable publishing for users (Power Platform admin center)
│  ├─ Godkjente makers: Environment-level permissions, mandatory review
│  └─ Alle ansatte: Enable med pre-deployment RAI validation
│
└─ Hvordan monitorere bruk?
   ├─ Gratis: Purview Audit (A3/E3/G3) – basic logging
   ├─ Standard: Purview eDiscovery + Communication Compliance (A5/E5/G5)
   └─ Advanced: DSPM for AI + Insider Risk Management (A5/E5/G5)

Vanlige feil

Feil	Konsekvens	Unngå ved å
For lange prompts	Latency, timeouts, token-limit overskridelse	Hold instructions under 2 000 tegn for Copilot Studio, under 8 000 for declarative agents
Manglende exit-strategi	Hallucinations, påstander om data som ikke finnes	Alltid inkluder: "If answer not found, respond with 'I don't have that information.'"
Ingen RAI-validering	Publisering av agents som bryter etiske retningslinjer	Bruk built-in RAI validation i Microsoft 365 Copilot, test med edge cases
Oversharing av sensitiv data	Compliance-brudd, GDPR-violations	Implement DLP policies før enabling Copilot, test med sensitive documents
Manglende audit trail	Kan ikke etterforske incidents	Enable Purview Audit for Copilot, configure retention policies

Røde flagg

• Prompt spør om personlig identifiserbar informasjon (PII) uten business justification → Risk for GDPR/privacy violations
• Ingen versjonering av prompts → Kan ikke roll back ved problemer
• Prompt er skrevet av én person uten review → Risk for bias, suboptimale resultater
• Testing er begrenset til "happy path" → Will fail in production edge cases

Integrasjon med Microsoft-stakken

Copilot Studio + Power Platform

Prompt builder i Copilot Studio er samme verktøy som i Power Apps og Power Automate (AI Builder). Dette gir:

• Gjenbruk av prompts på tvers av plattformer: Lag én prompt i Copilot Studio, bruk i Power Automate flow
• Dataverse knowledge integration: Prompt kan grunde i Dataverse tables (krever autentisering)
• Prompt library: 40+ pre-built templates for vanlige scenarios (document extraction, text transformation, content generation)

Integrasjonsmønster (Verified MCP 2026-04):

1. Opprett prompt i Copilot Studio (Tools → New tool → Prompt)
2. Konfigurer input variables (text, image, document)
3. Legg til knowledge source (Dataverse table, SharePoint site)
4. Test med sample data
5. Bruk i topic (Add node → Add a tool → [din prompt])

Prompt library (oppdatert):

• Tilgjengelig via Copilot Studio (Tools → New tool → Prompt → Prompt library) eller AI Hub i Power Apps/Power Automate
• Maler dekker kategorier: Common, Customer service, Legal, Marketing, Communications, IT, Learning, HR, Finance, Architecture, Sales
• Oppgavetyper: Analyze, Classify, Create, Extract, Summarize
• Maler kan redigeres og lagres med nytt navn; støtter Text og JSON output-format
• Valg av GPT-modell og temperature per mal

Microsoft 365 Copilot + Declarative Agents

Declarative agents bruker app manifest (JSON) til å definere instructions, knowledge sources, og actions (API plugins). Dette integrerer med:

• Microsoft Graph: Access til emails, Teams messages, calendar, org chart
• SharePoint/OneDrive: Custom knowledge sources (maks 50 items returned per grounding)
• API plugins: Custom APIs via OpenAPI spec (REST-baserte integrations)

Governance-kontroll:

• Admin kan disable publisering av agents via Microsoft 365 admin center → Settings → Copilot
• RAI validation er mandatory for alle agents publisert til Teams store

Azure AI Foundry + Copilot Studio

For advanced scenarios kan du deploye custom model fra Azure AI Foundry og bruke i Copilot Studio:

1. Deploy model til Azure AI endpoint (Azure OpenAI eller Azure AI Foundry)
2. Konfigurer Copilot Studio til å bruke custom endpoint (Settings → AI capabilities → Generative AI)
3. Definer custom system prompt i Azure AI Foundry
4. Copilot Studio sender user prompts til din endpoint

Fordeler:

• Full kontroll over model, parameters, grounding
• Kan bruke Semantic Kernel for orchestration
• Bedre logging/telemetry via Azure Monitor

Ulemper:

• Høyere kompleksitet, krever Azure-kompetanse
• Ekstra kostnader (Azure AI compute)

Offentlig sektor (Norge)

GDPR og datasuverenitet

Utfordring: Copilot sender data til Azure OpenAI Service (multi-region). For offentlig sektor må data forbli i EU.

Løsning:

• Copilot Studio: Disable "data movement across geographic locations" (Settings → Security → Data residency)
• Azure OpenAI: Bruk Sweden Central eller West Europe region for deployment
• Microsoft 365 Copilot: Data residency sikres via Microsoft 365 Multi-Geo (krever E5-lisens)

Viktig: Prompts og responses lagres ikke for training av foundation models (per Microsoft's committment). Men de kan logges for audit purposes (Purview).

Schrems II og cloud act

Risiko: US Cloud Act gir amerikanske myndigheter rett til å kreve tilgang til data hostet av US-selskaper, også i EU.

Mitigering:

• Bruk EU Data Boundary (Microsoft 365 E5 feature) som begrenser dataflyt til EU
• For sensitive prompts: Deploy custom model i Azure Switzerland (Swiss privacy laws)
• Implementer Customer Lockbox for å kreve godkjenning før Microsoft-ansatte får tilgang til data

AI Act (EU)

Klassifisering: Copilot-baserte HR- eller rekrutteringssystemer kan være high-risk AI systems under EU AI Act.

Compliance-krav:

• Dokumentere prompt engineering-prosess (versjonering, testing, validation)
• Bias-testing for prompts som påvirker ansettelser/evalueringer
• Transparency: Informer brukere om at de interagerer med AI
• Human oversight: Ikke la AI ta endelige HR-beslutninger uten menneskelig review

Microsoft compliance-verktøy:

• Responsible AI Impact Assessment (template fra Microsoft)
• Purview Communication Compliance for å detektere bias/uetisk bruk
• Fairness-evaluering i Azure AI Studio (test prompts for demographic bias)

Forvaltningsloven og saksbehandling

Problem: Hvis Copilot brukes i saksbehandling (e.g., "generer vedtaksbrev"), må prosessen være sporbar og etterprøvbar.

Governance-krav:

• Audit logging: All Copilot-bruk i saksbehandling må logges (Purview Audit)
• Versjonering av prompts: Hver prompt-versjon må kunne knyttes til saker behandlet med den
• Human-in-the-loop: Vedtak må alltid godkjennes av saksbehandler (AI er bare kladd-generator)

Best practice:

• Bruk watermark i AI-genererte dokumenter ("Generated by Copilot, reviewed by [navn]")
• Lagre både prompt og output i saksbehandlingssystem (ikke bare ferdig dokument)

Kostnad og lisensiering

Prompt Engineering-verktøy

Verktøy	Lisenskrav	Ekstra kostnad
Declarative agents (M365 Copilot)	Microsoft 365 Copilot-lisens	Ingen (inkludert i lisens)
Copilot Studio prompt builder	Power Apps/Power Automate-lisens	AI Builder credits (varierer per region)
Azure Copilot prompts	Azure-abonnement	Ingen (gratis preview per feb 2026)
Azure AI Foundry custom prompts	Azure-abonnement	Token-based pricing (GPT-4: $30/1M input tokens)

Governance-verktøy

Komponent	Lisenskrav	Beskrivelse
Foundational governance	Microsoft 365 A3/E3/G3	Purview Audit, eDiscovery, SharePoint Advanced Management
Optimized governance	Microsoft 365 A5/E5/G5	DLP for Copilot, Insider Risk Management, Communication Compliance, DSPM for AI
Power Platform governance	Power Platform admin access (ingen ekstra lisens)	DLP policies, environment-level publishing controls

Kostnadsoptimalisering

1. Bruk prompt library i stedet for å skrive fra scratch

• Spart tid = lavere utviklingskostnad
• Pre-tested templates = færre iterations

2. Optimaliser token usage:

• Hold instructions konsise (under 2 000 tegn for Copilot Studio)
• Bruk få eksempler (2-3, ikke 10)
• Unngå repetisjon i prompt

3. Velg riktig model:

• GPT-3.5 for enkle prompts (billigere)
• GPT-4 for komplekse reasoning-tasks
• Azure AI Foundry lar deg velge model per prompt

4. Reuse prompts på tvers av agents:

• Opprett "shared prompts" i Copilot Studio Tools (ikke topic-level)
• Reduserer duplikasjon og vedlikehold

For arkitekten (Cosmo)

Spørsmål å stille kunden

1. Hvilket problem skal Copilot løse?

   • Generic productivity boost vs. spesifikk workflow-automatisering?
   • Hvis generic: declarative agent i M365 Copilot
   • Hvis spesifikk workflow: Copilot Studio med custom prompts

2. Hvor skal agenten være tilgjengelig?

   • Bare Microsoft Teams → declarative agent
   • Også på web/mobile app → Copilot Studio med Bot Framework
   • Embedded i Power App → Prompt builder i Power Apps

3. Hvilke data skal agenten få tilgang til?

   • Bare M365 data (emails, Teams, SharePoint) → M365 Copilot knowledge sources
   • Også eksterne systemer (SAP, ServiceNow) → API plugins + Copilot connectors
   • Sensitive data → Implement DLP før enabling Copilot

4. Hvem skal kunne publisere agents?

   • Bare IT → Disable publishing for users, centralized deployment
   • Makers i citizen developer-program → Environment-level permissions, mandatory peer review
   • Alle ansatte → Enable med RAI validation, monitor med Purview

5. Hvordan skal bruk monitoreres?

   • Basic audit trail → Purview Audit (A3/E3/G3)
   • Compliance-overvåking → Communication Compliance (A5/E5/G5)
   • Security-incidents → Insider Risk Management + DSPM for AI (A5/E5/G5)

6. Hva er compliance-krav?

   • GDPR → Data residency settings, EU Data Boundary
   • AI Act → Bias testing, Responsible AI Impact Assessment
   • Forvaltningsloven → Audit logging, human-in-the-loop

7. Hva er budsjettet?

   • Gratis tier → Bruk M365 Copilot-lisenser kunden allerede har
   • Standard tier → A3/E3/G3 for foundational governance
   • Premium tier → A5/E5/G5 for advanced governance (DLP, Insider Risk)

8. Hvilken modenhet har organisasjonen?

   • Low maturity → Start med declarative agents (enklere), disable publishing for users
   • Medium maturity → Copilot Studio med governance-rammer, pilot med makers
   • High maturity → Full self-service, monitoring med DSPM for AI

Fallgruver å unngå

1. Over-engineering av prompts

   • Symptom: 5 000-tegns instructions med 20 edge cases
   • Konsekvens: Latency, confusion, token limits
   • Unngå: Start med 500 tegn, iterer basert på real usage

2. Under-engineering av governance

   • Symptom: "La oss teste Copilot uten policyer først"
   • Konsekvens: Data leaks, compliance-brudd, skal skrus av i panikk
   • Unngå: Implement DLP + Purview Audit før pilot

3. Manglende testing av edge cases

   • Symptom: "Virker bra når jeg tester med vanlige spørsmål"
   • Konsekvens: Fails i produksjon, brukere mister tillit
   • Unngå: Test med adversarial inputs, uklare spørsmål, utenfor scope

4. Ingen versjonering

   • Symptom: "Jeg bare overskriver instructions når jeg forbedrer"
   • Konsekvens: Kan ikke roll back, ikke reproducerbart
   • Unngå: Bruk git for declarative agents, Copilot Studio's versioning for prompts

5. For mye hallucinations

   • Symptom: "Copilot svarer med feil informasjon"
   • Konsekvens: Brukere slutter å stole på agenten
   • Unngå: Alltid inkluder: "If answer not found, say 'I don't have that information.'"

Anbefalinger per modenhetsnivå

Level 1: Getting started (0-3 måneder Copilot-erfaring)

Do:

• Start med declarative agents (enklere enn Copilot Studio)
• Bruk prompt library templates i stedet for å skrive fra scratch
• Implement basic governance: Purview Audit + DLP for Copilot
• Disable publishing for users (admin-controlled deployment)

Don't:

• Bygg custom API plugins før du mestrer basic prompts
• Enable Copilot for hele organisasjonen uten pilot
• Ignorer RAI validation-feil ("vi fikser det senere")

Success criteria:

• 3-5 pilot-agenter deployed og brukt av 50-100 brukere
• Zero security incidents i pilot-perioden
• 80%+ user satisfaction score

Level 2: Scaling (3-12 måneder erfaring)

Do:

• Flytt til Copilot Studio for mer komplekse workflows
• Implement environment-level governance (dev, test, prod)
• Train makers i prompt engineering best practices
• Deploy Communication Compliance for å detektere misbruk

Don't:

• Gi alle tilgang til production-environment uten review
• Bygge agenter uten dokumenterte use cases
• Ignorer kostnader (monitor AI Builder credits)

Success criteria:

• 20+ agents i produksjon
• Documented governance-prosess (prompt review, publishing approval)
• 90%+ compliance score (ingen DLP-violations)

Level 3: Center of Excellence (12+ måneder erfaring)

Do:

• Etabler CoE-team med dedikerte prompt engineers
• Implement DSPM for AI for advanced monitoring
• Bruk Azure AI Foundry for custom models ved behov
• Bidra til prompt library med organisasjons-spesifikke templates

Don't:

• Bli rigid (bureaucracy kills innovation)
• Ignorer feedback fra makers (de vet hva som fungerer)
• Overse kostnader (optimize token usage, reuse prompts)

Success criteria:

• 100+ agents i produksjon
• Self-service publishing med automated RAI checks
• Documented ROI (time saved, costs avoided)
• Zero critical compliance incidents

Kilder og verifisering

Microsoft Learn-dokumentasjon (Verified via MCP 2026-02)

Prompt engineering:

• Write effective instructions for declarative agents – Verified (detailed best practices, example instructions)
• Use prompts in Copilot Studio – Verified (agent-level vs topic-level prompts) (Verified MCP 2026-04)
• Write effective prompts for Azure Copilot – Verified (Azure-specific prompt guidance)
• Prompt library in Copilot Studio – Verified (40+ templates, job types) (Verified MCP 2026-04)
• Best practices for declarative agents – Verified (component-level guidance)

Governance:

• Copilot Control System security and governance – Verified (foundational vs optimized controls)
• Copilot governance in Power Platform – Verified (admin capabilities, compliance)
• Data loss prevention for Copilot Studio – Verified (DLP policies, tenant-level controls) (Verified MCP 2026-04)
• Managed scheduled prompts for M365 Copilot – Verified (admin management)

Responsible AI:

• RAI validation for agents – Verified (mandatory checks for Teams store)
• Prompt Coach template – Verified (built-in agent for teaching prompt engineering)

Konfidensnivå per seksjon

Seksjon	Konfidens	Kilde
Prompt engineering best practices	Verified	Microsoft Learn docs (feb 2026), code samples
Governance-komponenter	Verified	Copilot Control System docs (feb 2026)
Arkitekturmønstre	High	Documented patterns + baseline model knowledge
Offentlig sektor (Norge)	Baseline	GDPR/AI Act requirements (public info), Microsoft Multi-Geo docs
Kostnadsestimat	Baseline	Azure pricing (public), AI Builder credits (documented)

Note: "Verified" = hentet fra Microsoft Learn via MCP (feb 2026). "Baseline" = model knowledge + public sources (ikke MCP-verifisert).