Classificação de texto no Power Automate: modelos AI Builder vs HTTP → Jev

No Power Automate, classificar costuma ser um roteamento: pegue texto de entrada, peça uma categoria ao modelo e ramifique com Condição/Switch antes de escrever no Dataverse, Service Bus ou tickets. Duas vias AI Builder documentadas: (1) modelo personalizado treinado; (2) classificação predefinida. A terceira é o conector HTTP para uma API externa como o JevModel. Nenhuma substitui um holdout rotulado do seu próprio tráfego.

A Microsoft Learn documenta “Classify text into categories with one of your custom models”: escolha o modelo AI publicado, mapeie Text e Language, e obtenha Classification + Confidence 0–1. Pontos fortes: dados no tenant; Condições no portal. Limites: rotulagem, qualidade e republicação são suas; confiança não é contrato Choice/Score/Noul portátil; créditos de análise avançada (por 1k caracteres) e fluxo premium. Calibre o score na sua amostra.

A ação predefinida “with the standard model” pede Text e Language e devolve a mesma forma Classification + Confidence, sem publicar modelo custom. Use em protótipos e roteamento grosso. Prefira custom se a taxonomia é de domínio e erro de rota é caro. Em ambos: créditos por 1k caracteres e fluxo premium. Fora do Microsoft 365, compare Zapier, Make, n8n e Pipedream.

A tabela contrasta forma do fluxo e contrato de decisão, não notas de marketing. Calibre qualquer confiança na sua amostra rotulada.

Fique no AI Builder se há poucos rótulos estáveis, erro de rota é barato, tudo vive no Power Platform e você quer mapeamento nativo mais créditos Microsoft. Mantenha ramo Other, registre Classification e Confidence, recalibre após mudanças. Predefinido para velocidade; custom se o treino deve ficar no tenant.

Padrão comum: gatilho → Compose/Parse para state → HTTP POST em /api/v1/systemone com Choice (2–12) e Score/Noul opcional → Condição → efeitos só com alta confiança → fila humana senão. Chaves no Key Vault ou referência segura. Orçamento: ~8000 caracteres após validação, 1–8 perguntas, cota diária (5/dia UTC) em contas gratuitas verificadas. JevModel hospeda typesafe/jev-1.13 via OpenRouter; independente da TypeSafe AI; não multimodal nem pesos baixáveis aqui. Para um padrão HTTP semelhante em fluxos event-driven, veja pipedream-text-classification.

// Illustrative only — configure the HTTP action in Power Automate; keep secrets in Key Vault.
POST https://jevmodel.app/api/v1/systemone
Authorization: Bearer <API_KEY_FROM_CONSOLE>
Content-Type: application/json

{
  "state": "Customer asks for a refund on order #1842 after late delivery.",
  "questions": [
    {
      "id": "route",
      "type": "choice",
      "prompt": "Support route",
      "labels": ["billing", "shipping", "product", "other"]
    }
  ]
}

Calibre qualquer confiança—score AI Builder 0–1 ou Score/Noul do Jev—antes de autoaplicar. Política: faixa alta automática; média para humanos com sugestões; abaixo do piso, revisão forçada. Ligue essas Condições antes de escritas. A fórmula Choice da TypeSafe é (p − 1/n)/(1 − 1/n); não é accuracy calibrada.

1) Congele um dicionário de rótulos com casos-limite. 2) Other vs descartar. 3) AI Builder custom, predefinido ou API Jev conforme reuso, tenant e abstenção. 4) Chaves só no Key Vault. 5) Confirme créditos e fluxo premium com seu admin. 6) Meça precisão/recall em holdout após cada mudança. 7) Ações destrutivas atrás de limiares e ramo humano. 8) Não afirme ganhos de ranking ou precisão sem medir.