로컬 워크플로에 맞게 Copilot을 구성하고 최적화하세요.

우리가 지역 데이터와 프로세스를 다루는 방식은 엄청난 속도로 변화하고 있습니다. 덕분에 인공 지능 다음과 같은 도구 마이크로소프트 부조종사점점 더 많은 기업들이 그러한 강력한 기능을 일상적인 업무 흐름에 직접 통합하고자 합니다. IA 문서, 애플리케이션 및 내부 시스템을 안전하게 관리하면서 보안 및 규정 준수에 대한 통제력을 유지합니다.

로컬 워크플로우에 맞게 Copilot을 구성하고 최적화하는 것은 단순히 기능을 "켜는" 것만이 아닙니다.Copilot은 자동화, 독점 데이터, 거버넌스 및 올바른 사용 습관을 결합함으로써 팀의 일원이 됩니다. 올바르게 구현되면 Copilot은 조직의 권한 및 규칙을 항상 준수하면서 문서를 작성하고, 내부 정보에 대한 복잡한 질문에 답변하고, 방대한 보고서를 요약하고, 운영 문제에 대한 해결책을 제시하는 등 다양한 기능을 수행합니다.

지능형 자동화와 지역 교통 흐름에서 Copilot의 역할

자동화는 더 이상 정해진 스크립트를 따르는 것만을 의미하지 않습니다.Copilot에 통합된 AI는 로컬 워크플로우가 데이터를 학습하고 패턴을 감지하며 상황 변화에 따라 적응할 수 있도록 합니다. 이는 문서 작성, 용량 계획, 품질 또는 공급 문제 대응과 같은 작업 관리 방식에 직접적인 영향을 미칩니다.

AI, RPA, 로우코드/노코드 플랫폼, 프로세스 마이닝의 조합은 하이퍼오토메이션이라고 불리는 기술로 이어집니다.거의 모든 반복적이거나 정보 기반 활동을 부분적으로 또는 완전히 자동화할 수 있는 시스템입니다. Copilot은 이러한 시스템 위에 지능형 레이어 역할을 합니다. 텍스트를 이해하고 콘텐츠를 생성하며 사용자가 기본 기술적 복잡성을 알 필요 없이 신속하게 의사 결정을 내릴 수 있도록 지원합니다.

로우코드 및 노코드 플랫폼은 로컬 워크플로우 생성 과정을 획기적으로 간소화합니다.기술적 배경 지식이 없는 비즈니스 담당자도 프로세스, 양식 및 AI 에이전트를 구성할 수 있도록 지원합니다. Copilot Studio는 마케팅, 재무, 법률, 운영 등 각 분야 전문가가 코드를 작성하지 않고 시각적 도우미와 템플릿을 활용하여 모델을 미세 조정하고 에이전트를 생성할 수 있는 "워크숍"과 같은 역할을 합니다(참조). 부조종사 활동 및 에이전트).

프로세스 및 작업 마이닝은 자동화할 대상을 결정하는 데 중요한 단서를 제공합니다.이 데이터는 워크플로가 정체되는 지점, 가장 시간이 많이 소요되는 활동, 그리고 Copilot 기반 에이전트가 적합한 지점을 보여줍니다. 이를 통해 효율성, 서비스 품질 또는 규정 준수에 실질적인 영향을 미치는 자동화의 우선순위를 정하고, 시간 경과에 따른 결과 변화를 추적할 수 있습니다. 또한, 이러한 기술은 다음과 같은 접근 방식으로 보완됩니다. Copilot을 이용한 의미 검색 임차인 내에서 관련 지식을 찾아냅니다.

이러한 고도 자동화 환경은 Copilot이 로컬에서 작동할 수 있는 길을 열어줍니다. 자체 데이터를 기반으로 대규모 언어 모델(LLM)의 장점과 이미 존재하는 지식을 결합합니다. 셰어, Microsoft 365ERP, 생산 시스템 또는 내부 애플리케이션.

Copilot 최적화란 무엇이며, 로컬 환경에서 왜 중요한가요?

Microsoft 365 Copilot 최적화는 사용자의 테넌트 데이터를 활용하여 LLM(Level Leadership Model)을 세밀하게 조정할 수 있는 기능입니다.Microsoft 365의 안전한 환경 외부로 정보를 유출하지 않고도 이러한 작업을 수행할 수 있습니다. 목표는 모델이 조직의 어조, 템플릿, 절차 및 특정 용어를 이해하여 내부 전문가가 사용하는 것과 동일한 스타일로 응답하도록 하는 것입니다.

모든 머신 러닝 및 인공지능 처리는 Microsoft 365 테넌트 내에서 이루어집니다.최적화된 모델은 기존 보안 및 규정 준수 정책을 존중하면서 학습 데이터의 권한을 상속받아, 구성된 그룹에 접근 권한이 없는 정보를 보거나 사용하지 않도록 합니다. 이는 민감하거나 규제 대상이거나 감사 대상인 데이터를 처리하는 로컬 워크플로에 필수적입니다.

이러한 최적화된 모델을 기반으로 특정 선언 에이전트를 생성할 수 있습니다.이러한 기능은 Microsoft 365 Copilot에 직접 통합되어 다음과 같은 애플리케이션에 나타납니다. 워드Outlook, Teams 또는 Excel과 같은 도구를 사용합니다. 이러한 에이전트는 일반적인 챗봇이 아니라 법률 조항 작성, 사건 보고서 요약, 사업 제안서 준비 또는 내부 정책의 정확한 설명과 같은 특정 작업을 위해 설계되었습니다.

가장 큰 장점은 Copilot Studio에서 코드를 작성하지 않고도 인터페이스를 통해 모델을 조정할 수 있다는 점입니다.따라서 비즈니스 분석가나 기능 전문가가 IT 지원이 제한적인 상황에서도 프로세스를 주도할 수 있습니다. 데이터 과학자가 될 필요는 없으며, 해당 분야, 문서 유형 및 예상 결과에 대한 충분한 이해만 있으면 됩니다.

실제로 Copilot 최적화 기능을 통해 Copilot은 일반적인 도구에서 심층적으로 맞춤화된 도우미로 변모합니다. 사내 업무 흐름에 맞춰 소통하세요. 회사에서 사용하는 용어를 그대로 사용하고, 적절한 템플릿을 활용하고, 논리적인 근거를 적용하고, 조직 내에 이미 존재하는 규칙에 부합하도록 하세요.

Copilot 최적화 활성화를 위한 필수 조건 및 기본 관리 지침

Copilot 최적화 기능을 구성하고 관리하려면 먼저 특정 기술 및 역할 요구 사항을 충족해야 합니다.이 서비스는 초기에는 상당한 양의 라이선스를 보유하고 있으며 AI 관리자가 명확하게 정의된 조직을 대상으로 설계되었습니다.

먼저, 임차인은 Copilot Optimization의 조기 액세스 프로그램(EAP)에 등록해야 합니다.이를 위해서는 무엇보다도 테넌트에 일정 수 이상의 활성 Microsoft 365 Copilot 추가 기능 라이선스가 있어야 합니다. 또한 AI 관리자 역할을 가진 담당자가 조직을 대표하여 프로그램 약관에 동의해야 합니다.

Copilot 확장 기능이 Microsoft 365 관리 센터에서 활성화되어 있어야 합니다.Copilot 설정 섹션에서 최적화 서비스 활성화와 게시 및 에이전트 액세스 옵션을 모두 관리할 수 있습니다. 조직에서 새 Power Platform 커넥터를 차단하는 DLP 정책을 적용하는 경우 [적절한 방법]을 사용하여 "Tenant Copilot" 커넥터를 재분류해야 합니다. PowerShell을 적절한 분류 체계와 함께 사용할 수 있도록 하기 위함입니다.

AI 관리자 역할을 가진 사용자만 Copilot Optimization 거버넌스 제어를 관리할 수 있습니다.누가 모델을 생성할 수 있는지, 어떤 사용자 또는 그룹이 모델에 접근할 수 있는지, 어떤 모델이 게시된 상태로 유지되고 어떤 모델이 삭제되는지 등 모든 것을 관리자 센터의 Copilot 최적화 섹션에서 제어할 수 있습니다.

Copilot 최적화 기능을 활성화하면 특정 사용자 또는 그룹으로 서비스 이용을 명시적으로 제한할 수 있습니다.소규모 그룹(예: 법무팀, 연구 개발팀 또는 공급망팀)으로 시작하여 결과가 검증되고 AI의 책임 있는 사용에 대한 규율이 ​​확립됨에 따라 점진적으로 확대하는 것이 좋습니다.

역할 설계: 관리자, 모델 제작자 및 최종 사용자

로컬 워크플로우를 위한 안정적인 Copilot 설정을 위해서는 명확하게 정의된 역할이 필요합니다. 이는 "모든 사람이 모든 것을 하는 것"을 방지하고 누가 모델을 만들고 게시할 수 있는지 추적할 수 있도록 개입하는 것입니다.

인공지능 관리자는 거버넌스 계층을 담당합니다.이들은 코파일럿 최적화 기능을 활성화 또는 비활성화하고, 참여 부서를 결정하고, 모델 수명 주기를 관리하고, 보안 및 개인정보 보호 정책 준수 여부를 검토합니다. 또한 게시된 모델이 더 이상 유효하지 않거나 내부 규정에 부합하지 않을 경우 삭제할 수 있습니다.

모형 제작자들은 각 분야의 전문가입니다. 마케팅, 재무, 법무 또는 운영 부서 담당자와 같은 사람들이 데이터 소스를 선택하고, 작업을 구성하고, 결과를 검토할 수 있습니다. 이들은 관리 센터에서 Copilot Optimization 사용 권한을 부여받으며, 일반적으로 제한된 그룹(기본적으로 조직당 최대 10명, 필요한 경우 Microsoft 지원을 통해 확장 가능)으로 구성됩니다.

새로운 모델 제작자가 가입하면 안내 사항이 담긴 이메일을 받게 됩니다. Copilot Studio 시작하기: Copilot 최적화 섹션 위치, 생성할 수 있는 작업 유형, 지식 소스 선택 방법, 그리고 생성된 에이전트에 다른 사용자에게 액세스 권한을 부여하는 방법을 알아보세요.

최종 사용자는 Microsoft 365 애플리케이션 내에서 최적화된 에이전트와 직접 상호 작용합니다. (Word, Teams, Outlook 등)에서 표준 Copilot과 마찬가지로 사용할 수 있지만, 학습된 모델이 제공하는 특정 지식을 활용할 수 있다는 장점이 있습니다. 구성 세부 정보는 알 필요가 없으며, 에이전트의 범위와 효과적인 지침을 작성하는 방법만 명확히 이해하면 됩니다.

최적화된 모델 생성: 질문 및 답변 작업, 생성 및 요약

Copilot Optimization은 현재 세 가지 주요 유형의 작업을 지원합니다. 이는 전문가 질문 및 답변(Q&A), 문서 생성 및 문서 요약과 같은 대부분의 로컬 문서 기반 워크플로를 포괄합니다.

질의응답의 경우, 목표는 상담원이 전문가처럼 행동하는 것입니다. .docx, .pdf, .html 등의 형식으로 저장된 콘텐츠를 활용하여 규정을 설명하고, 정책을 비교하고, 조항의 정당성을 제시하고, 절차를 명확히 할 수 있습니다. 규정, 세법, 기술 매뉴얼, 과학 논문, 내부 정책 등 밀도 높고 안정적인 텍스트 자료에 이상적입니다.

문서 생성 작업은 고품질의 초안을 생성하도록 설계되었습니다. 이는 참조 문서와 구조화된 변경 사항을 기반으로 합니다. 예를 들어, 정기 계약서, 사업 제안서, 직무 설명서, 규정 준수 양식 또는 제품 설명서 등이 있습니다. 여기서 중요한 것은 "원본 문서 + 최종 수정 버전" 쌍을 잘 정렬하는 것입니다.

요약하자면, 이 모델은 복잡한 문서를 압축하는 방법을 학습합니다. 조직의 어조, 형식 및 내용 우선순위를 존중합니다. 일관성과 정확성이 시간 절약만큼 중요한 고위험 또는 대량의 업무(규제 보고서, 요약 보고서, 품질 보고서 또는 감사)에서 매우 유용합니다.

적합한 업무 유형을 선택하는 것이 첫 번째 중요한 결정입니다. 최적화된 모델을 구성할 때, Copilot에게 계약서를 처음부터 생성하도록 요청하는 것과 기존 계약서의 요약을 요청하거나 계약 내용에 대한 복잡한 질문에 답변하도록 요청하는 것은 다릅니다. 비즈니스 작업을 명확하게 정의하면 데이터, 지침 및 평가를 조정하는 데 도움이 됩니다.

Copilot Studio에서 모델을 단계별로 사용자 지정하는 방법

모델 맞춤 설정 워크플로는 Copilot Studio에서 전적으로 관리됩니다.브라우저에서 접속할 수 있습니다. 모델 제작자는 여기에서 안내에 따라 일련의 단계를 거쳐 처음부터 끝까지 프로세스를 진행합니다.

먼저, 새로운 모델을 생성하고 명확한 이름과 설명을 지정합니다. 제품의 정확한 기능과 사용 용도를 설명해야 합니다. 최종 사용자가 이해할 수 있는 언어를 사용하고, 아무도 알아듣지 못하는 전문 용어는 피하는 것이 좋습니다.

그런 다음 지식의 원천을 선택합니다.일반적으로 이러한 데이터 세트는 SharePoint에 저장된 문서 모음입니다. 승인된 템플릿, 완료된 보고서, 서명된 계약서, 유효한 규정 준수 양식 등 이러한 데이터 세트는 모델 학습의 기반이 됩니다. 이 데이터의 품질과 최신성은 모델의 품질에 직접적인 영향을 미칩니다.

권한 섹션에서는 모델을 사용할 수 있는 보안 그룹 또는 사용자를 정의합니다.Copilot Optimization은 특정 그룹에 접근 권한이 없는 교육 문서를 필터링하고, 각 파일의 접근 제어 목록(ACL)을 항상 준수하면서 지식의 도달 범위를 극대화하기 위해 추가 그룹을 제안할 수 있습니다.

다음으로 작업 유형(질의응답, 생성 또는 요약)을 선택하고 모델 지침을 작성합니다.이 지침은 시스템의 어조("격식 있는 어조", "친절하면서도 전문적인 언어"), 품질 기준("규정을 임의로 만들지 마십시오", "문서 참조를 항상 명시하십시오"), 그리고 출력 기대치에 대한 지침을 제공합니다. 이러한 지침이 더욱 정확하고 현실적일수록 모델의 동작은 비즈니스 요구 사항에 더욱 잘 부합하게 됩니다.

이러한 요소들이 구성되면 라벨링을 위한 데이터 준비가 시작됩니다.Copilot은 문서 접근 제어 목록을 분석하고 향후 학습에 사용할 수 있도록 데이터 세트를 구성합니다. 이 단계는 몇 시간(처리량에 따라 최대 24시간)이 소요될 수 있으며, 준비가 완료되면 시스템에서 이메일로 알려줍니다.

최적화된 모델의 라벨링, 학습 및 평가

데이터 라벨링 단계는 어떤 예시가 진정으로 좋은 예시인지 식별하는 것을 목표로 합니다. 모델에게 고품질 출력물이 어떤 모습이어야 하는지를 학습시키는 것입니다. 처음부터 대규모 수동 작업을 요구하는 대신, Copilot Optimization은 관련성이 있다고 판단되는 쌍 또는 예제를 자동으로 선택하고 전문가에게 해당 예제가 좋은지 또는 좋지 않은지 레이블을 지정하도록 요청합니다.

라벨링 양식에는 후보 문서 또는 초안이 표시됩니다. 모델 개발자는 데이터가 원하는 표준을 정확하게 나타내는지 여부를 표시합니다. 이 과정은 작업의 복잡성에 따라 시스템이 안정적으로 학습할 수 있는 충분한 참조 데이터를 확보할 때까지 여러 번 반복될 수 있습니다.

데이터 준비가 완료되면 Azure AI Foundry에서 모델 학습이 시작됩니다.이 모든 과정은 Copilot Studio 인터페이스를 통해 관리됩니다. 세부 조정 과정은 데이터 양에 따라 몇 시간 더 소요될 수 있습니다. 완료되면 도구에서 테스트 결과를 생성하여 게시하기 전에 검토할 수 있도록 합니다.

평가는 매우 중요한 단계입니다. 모델이 "어느 정도 작동한다"는 것만으로는 충분하지 않습니다.어조가 일관적인지, 민감한 데이터가 조작되지 않았는지, 템플릿을 준수했는지, 타당한 비즈니스 기준이 적용되었는지, 핵심 정보가 누락되지 않았는지 확인하는 것이 중요합니다. 만약 문제가 있다면, 데이터 소스를 추가하거나, 지침을 수정하거나, 예시를 더하거나, 매핑 파일을 개선하는 등 되돌릴 수 있습니다.

선택적으로 mapping.csv 파일을 준비할 수 있습니다. "선행-대상" 문서 쌍을 사용하여 어떤 원본 파일이 어떤 최종본에 해당하는지 나타냅니다. 이 CSV 파일은 지식 소스 루트에 저장되며, 특히 생성 및 요약 작업에서 모델이 입력과 출력 간의 관계를 더 잘 이해하는 데 도움이 됩니다.

Copilot 최적화를 활용한 고급 문서 생성 기능

Copilot의 가장 강력한 기능 중 하나는 로컬 워크플로에서 문서 생성을 지원하는 것입니다. 템플릿과 과거 사례를 기반으로 AI를 사용하여 최종 버전과 매우 유사한 초안을 생성함으로써 프로세스를 획기적으로 단축합니다. 시간 수동 제도.

이 접근 방식은 문서들이 식별 가능한 패턴을 따를 때 특히 효과적입니다. 직무 설명서, 서비스 계약서, 구매 주문서, 규정 준수 양식 또는 제품 문서와 같은 특정 세부 사항이나 조항만 변경됩니다. 이 모델은 조직의 구조와 스타일을 파악하고 사용자가 제공하는 사양에 따라 일관된 변경 사항을 적용합니다.

최대한의 효과를 얻으려면 참조 문서와 대상 버전 간의 정렬이 잘 된 쌍을 20개 이상 확보하는 것이 좋습니다.SharePoint에 저장된 이러한 쌍은 시스템에서 처리할 것으로 예상되는 다양한 변형(예: 다양한 계약 유형, 서로 다른 제품군, 정기적인 규제 변경 등)을 포괄해야 합니다.

필요한 변경 사항은 Copilot Optimization 내의 구조화된 필드에 제공됩니다.이렇게 하면 모델이 어떤 부분을 어떻게 수정해야 하는지 더 쉽게 이해할 수 있습니다. 따라서 생성된 초안에는 기존 형식, 용어 및 내부 스타일을 유지하면서 새로운 정보가 이미 반영되어 있습니다.

그 결과 훨씬 더 민첩한 로컬 워크플로우를 구현할 수 있습니다.인사부는 회사 문화에 부합하는 채용 제안서를 작성하고, 법무팀은 최소한의 검토만 거치면 정기 계약서를 작성하며, 준법감시팀은 승인된 템플릿을 기반으로 새로운 양식을 만들고, 구매팀은 최종 확인만 필요한 주문서 초안을 준비합니다.

팀즈에서 회의 및 협업 작업 시 보조 역할을 수행합니다.

협업 측면에서 Copilot은 다음과 통합됩니다. Microsoft 팀 핵심 동맹국이 되었습니다. 더 짧고, 집중적이며, 실행 가능한 회의를 관리하기 위해서입니다. 이러한 회의는 내부 데이터 처리라는 고전적인 의미의 "로컬 워크플로"는 아니지만, 회의에서 활용된다는 점에서 매우 중요한 일상 업무 워크플로입니다.

Teams에서 Copilot을 사용하려면 호환되는 Microsoft 365 라이선스가 필요합니다. (예: E3, E5 또는 Business Premium) 버전을 선택하고 회의록 작성 또는 녹음 기능을 활성화하십시오. 회의록 작성 또는 녹음 기능이 없으면 Copilot은 상세한 요약이나 신뢰할 수 있는 실행 목록을 생성하는 데 필요한 원자료가 부족하여 기능이 제한됩니다.

회의 중에 사용자는 팀즈 도구 모음에서 코파일럿을 활성화합니다. 또한 실시간 요약, 할 일 목록, 이견 사항 또는 질문을 요청할 수 있습니다. 이는 특히 늦게 합류하는 사람들에게 유용합니다. 대화의 흐름을 방해하지 않고 1분도 채 안 되는 시간에 상황을 파악할 수 있기 때문입니다.

마지막으로 Copilot은 세션을 명확하게 마무리하는 데 도움을 줍니다.업무, 담당자, 다음 단계를 파악합니다. 이러한 모든 요소는 팀즈의 회의 요약 탭에서 확인할 수 있으므로, 합의 사항이 끝없는 채팅이나 흩어진 개인 메모 속에 묻히는 것을 방지할 수 있습니다.

Noota와 같은 보완 도구는 이러한 기능을 확장해 줍니다.보다 체계적인 회의록 작성, 고급 검색 기능을 갖춘 파일 관리, 회의 유형별 맞춤 설정 기능을 제공합니다. Teams와 통합되어 회의록을 작성하고, 내용을 기록하고, 맞춤 요약을 생성할 수 있어 후속 조치 및 협업을 개선합니다.

브라우저 기반 코파일럿: 일상생활에 AI를 도입하기 위한 첫걸음

많은 조직에게 있어 Copilot을 도입하는 것은 다음과 같은 과정을 통해 이루어집니다. 마이크로 소프트 에지 이는 유연한 도입 전략입니다.이를 통해 사용자는 이미 매일 사용하는 환경(브라우저)에서 AI에 익숙해진 후 Copilot의 고급 기능을 Microsoft 365 전체로 확장할 수 있습니다.

Edge의 Copilot에 초점을 맞춘 교육 세션에서는 이 도구가 작업을 어떻게 간소화하는지 보여주었습니다. 스프레드시트 작성, 이메일 작성, 긴 웹페이지 요약, 관련 정보 검색 속도 향상 등 다양한 작업을 손쉽게 처리할 수 있습니다. 이 모든 기능에 더해 OneDrive 연동을 통해 파일을 자동으로 저장하고 데이터 손실을 방지할 수 있습니다.

이러한 유형의 교육은 실습 비중이 높습니다.참가자들은 AI가 반복적인 작업을 어떻게 줄여주는지, 작은 프로세스를 어떻게 자동화하는지, 그리고 Copilot이 일상적인 프로젝트 관리 문제를 해결하기 위한 구체적인 단계를 어떻게 제시하는지 실시간으로 경험합니다.

그 영향은 개인뿐 아니라 조직에도 미칩니다.반복적인 작업에서 시간을 절약함으로써 팀은 창의성, 전략 및 고차원적인 의사 결정에 더 많은 시간을 할애할 수 있습니다. 이는 결과적으로 점점 더 디지털화되는 시장에서 중소기업 및 대기업의 경쟁력을 강화합니다.

성숙도가 높아짐에 따라 고급 및 개인 맞춤형 세션을 진행하는 것이 일반적입니다. 특정 부서의 경우, 이는 Edge의 Copilot을 Microsoft 365의 Copilot과 연결하고 로컬 워크플로에 최적화된 모델을 적용하는 것을 의미합니다. 이러한 방식으로 AI는 더 이상 새로운 기술이 아니라 일상 업무의 구조적인 부분으로 자리 잡게 됩니다.

Copilot Optimization의 보안, 규정 준수 및 관리

보안 및 거버넌스는 로컬 데이터를 사용하여 Copilot을 최적화할 때 필수적인 요소입니다.단순히 "잘 작동하게 만드는 것"만이 중요한 것이 아니라, 데이터 보호 규정, 지적 재산권 및 회사 내부 정책을 준수하는 것이 중요합니다.

Copilot 최적화는 Microsoft 365 테넌트 내의 격리된 환경에서 실행됩니다.학습된 모델은 기본 문서의 권한을 상속합니다. 학습 과정에서 고객 데이터는 테넌트의 보안 클라우드 외부의 외부 서비스로 전송되지 않으므로 GDPR 또는 CCPA와 같은 표준을 준수하는 데 도움이 됩니다.

관리자는 모델과 에이전트 모두에 대한 접근 권한을 제어할 수 있습니다. 이는 보안 그룹을 통해 구현되며, 특정 팀(예: 연구 개발팀 또는 법무팀)만 서비스를 이용할 수 있도록 하고, 각 에이전트를 생성, 사용 및 조회할 수 있는 사용자를 정밀하게 제어할 수 있습니다. 관리 센터에서는 프로젝트를 모니터링하고, 활성 사용자 지정 템플릿을 검토하고, 더 이상 적합하지 않은 템플릿을 제거할 수 있습니다.

규정 준수 정책은 Copilot이 Microsoft Graph를 기반으로 생성하는 응답에도 적용됩니다.이 시스템은 Microsoft 365의 일반 검색과 마찬가지로 권한이 없는 사용자에게는 문서나 스니펫을 표시하지 않습니다. 또한 Copilot Optimization은 관련 그룹에 액세스 권한이 없는 파일을 학습에서 제외합니다.

조직이 데이터와 모델의 사용에 대한 책임을 져야 한다는 점을 명심해야 합니다.AI 관리자는 학습 데이터 세트가 저작권을 준수하는지, 개인에게 데이터 처리 과정에 대해 적절히 알리는지, 그리고 유효한 삭제 요청이 처리되는지 확인해야 합니다. 삭제권을 행사하는 개인의 데이터를 사용하여 모델을 학습시킨 경우, 최적화된 모델을 재학습시키거나 삭제하고 처리 방식을 검토해야 할 수 있습니다. Copilot 메모리 활성화 또는 비활성화.

마지막으로, 결과물에 대한 사람의 검토 절차를 수립하는 것이 좋습니다.특히 민감한 분야(법률, 규제, 금융)에서 AI는 업무 속도를 높일 수 있지만, 정확성, 적합성 및 규정 준수를 보장하기 위해서는 전문가의 검증이 여전히 필요합니다.

로컬 워크플로우에서 Copilot을 설정하고 사용하는 모범 사례

Copilot이 현지 환경에서 진정한 가치를 제공하려면 일련의 모범 사례를 따르는 것이 좋습니다. 기대치, 데이터, 프로세스 및 보안을 일치시키는 것입니다. 이는 단순히 기술적인 문제가 아니라 문화와 업무 방식도 포함합니다.

명확한 사업 목표부터 시작하세요. 이는 사용 사례의 우선순위를 정하는 데 도움이 됩니다. 계약서 작성 시간을 단축하고 싶은가요? 보고서 생성 속도를 높이고 싶은가요? 공급망 문제에 대한 대응력을 향상시키고 싶은가요? 아니면 경영진 요약 보고서를 표준화하고 싶은가요? 명확한 목표 설정은 투자 수익률을 측정하고 설정을 조정하는 데 도움이 됩니다.

품질이 우수하고 잘 관리된 훈련 데이터를 선택하세요. 이것은 매우 중요한 점입니다. 모델은 관찰한 내용을 바탕으로 학습합니다. 문서가 오래되었거나, 형식이 잘못되었거나, 일관성이 없다면 출력 결과에도 이러한 문제가 반영됩니다. 방대하고 체계적이지 않은 데이터 모음보다는 규모는 작지만 대표성이 높은 데이터 세트가 더 바람직합니다.

특정 모델 지침 및 시작 프롬프트를 정의합니다. 이는 상담원의 행동을 크게 개선합니다. "친절하면서도 전문적인 어조를 사용하십시오", "존재하지 않는 정책을 만들어내지 마십시오", "원본 문서의 출처와 날짜를 항상 명시하십시오"와 같은 지침은 실제 업무에 상당한 영향을 미칩니다.

사용자들이 명확한 지침을 작성하고 후속 질문을 하도록 장려하십시오. 무형의 요소일지라도, 이는 전체적인 설정 과정의 일부입니다. Copilot은 여러 차례에 걸친 대화를 지원하므로, 질문을 다듬거나, 추가적인 예시를 요청하거나, 참고 자료로 다른 문서를 사용하도록 요청하는 것은 결과의 질을 향상시키는 전략입니다.

마지막으로, 반복적이고 피드백 기반의 사고방식을 채택하십시오. 이를 통해 Copilot은 시간이 지남에 따라 성능을 향상시킬 수 있습니다. 어떤 대응 방식이 효과적인지, 어떤 오류가 반복되는지, 어떤 새로운 데이터가 필요한지, 그리고 모델을 재학습해야 할 시점은 언제인지 등을 분석합니다. Copilot은 일회성 프로젝트가 아니라 조직의 프로세스와 함께 발전하는 살아있는 역량입니다.

Copilot과 로컬 데이터를 활용한 최적화 기능을 통합하는 것은 우리가 일하는 방식에 질적인 변화를 가져옵니다.워크플로는 더욱 민첩해지고, 핵심 정보에 대한 접근성은 높아지며, 의사 결정은 더욱 체계적으로 문서화되고, 협업은 더욱 심화됩니다. 견고한 거버넌스 기반, 신중하게 선별된 데이터, 그리고 적절한 활용 사례를 통해 AI는 추상적인 약속이 아닌, 조직의 생산성, 품질 및 적응력을 향상시키는 일상적인 동반자가 됩니다.