Dataverse com Copilot: modelagem que potencializa (ou limita) a IA
Por Fernando Viana e SáPublicado em
20/10/2025
O Copilot “lê” sua solução pelo semântico do modelo: nomes de tabelas/colunas, descrições, tipos, relacionamentos e histórico de uso. Se o modelo é vago (ex.: Tbl1, ColA, Info), a IA precisa adivinhar. Se é explícito (ex.: SolicitaçãoCompra, StatusAprovacao, Fornecedor), a IA entende intenções, gera prompts melhores e reduz ambiguidade na criação de apps/fluxos/regras.
Benefícios diretos:
Geração mais assertiva de apps e fórmulas no Power Apps.
Fluxos com menos retrabalho no Power Automate.
Copilot Studio com entidades claras para Q&A e automações.
Nomes crípticos → renomeie com padrão consistente (PascalCase, PT-BR).
Checklist de migração/ajuste rápido
Revisar nomes de tabelas (singular, sem siglas obscuras).
Revisar nomes e descrições de colunas críticas.
Converter status/tipos para Option Set.
Transformar referências em Lookup para entidades mestres.
Criar chaves de negócio (NumeroSolicitacao, AnoFiscal).
Definir relacionamentos com nomes explícitos.
Revisar segurança por papéis e colunas sensíveis.
Popular dados faltantes e limpar valores inválidos.
Testar com prompts reais no Copilot (Power Apps / Automate).
Medir métricas (abaixo) e iterar.
Conclusão e próximos passos
A qualidade do Copilot começa no modelo do Dataverse. Ajustar nomes, descrições, tipos e relacionamentos destrava geração de apps e fluxos muito mais úteis — e com menos retrabalho.
Próximos passos sugeridos:
Rodar o checklist na sua solução atual.
Ajustar status/tipos para Option Set e referências para Lookup.
Documentar as colunas críticas e revisar papéis/segurança.