Latest / M365.FM – Microsoft 365, Copilot & AI 팟캐스트 (한국어) / Microsoft Designer: AI로 레이아웃, 브랜드 색상, 협업에 드는 시간을 매주 몇 시간씩 줄이는 법 (AI 더빙)

Transcript

Microsoft Designer: AI로 레이아웃, 브랜드 색상, 협업에 드는 시간을 매주 몇 시간씩 줄이는 법 (AI 더빙) · M365.FM – Microsoft 365, Copilot & AI 팟캐스트 (한국어)

0:00
마이크로소프트 365, 코파일럿, AI, 에이저, 그리고 일의 미래를 만들어가는 사람들과 함께하는 10일간의 여정을 준비되셨나요?
0:08
오는 1월, M365 컨이더 커진 규모로 돌아옵니다.
0:12
전세계 MVP와 업계 전문가들이 선보이는 라이브 세션, 실무 데모, 실용적인 지식을 만나보세요.
0:18
뻔한 슬라이드는 없습니다. 지루한 유행어도 없습니다.
0:21
코파일럿 스튜디오, AI 에이전트, 패브릭, 보안, 거버넌스, 자동화 등 실제적인 과제들을 다룹니다.
0:29
IT 전문가든, 개발자든, 비즈니스 리더든 여러분을 위해 준비된 세션이 있습니다.
0:35
10일 동안 다양한 기술을 탐구하고 글로벌 커뮤니티와 교류할 수 있습니다.
0:40
라이브를 시청하고 실질적인 인사이트를 여러분의 조직에 적용해보세요.
0:44
2027년 1월, 10일간의 여정, 하나의 마이크로소프트 커뮤니티, 지금 등록이 시작되었습니다.
0:51
오늘 바로 여러분의 자리를 확보하세요.
0:55
M365 COM단넷에서 확인하실 수 있습니다.
0:59
M365 COM단넷에서 지금 참여하시고 1월 라이브에서 뵙겠습니다.
1:04
파워포인트 슬라이드를 완벽하게 맞추느라 몇 시간씩 보냈는데, 누군가 브랜드 색상을 바꿔버린 기억 있으신가요?
1:10
마이크로소프트 디자이너가 마우스를 잡을 필요도 없이 단 몇 초 만에 그 작업을 처리한다면 어떨까요?
1:15
그런데 더 중요한 건 단순히 빠르기만 한 게 아니라 작업하면서 여러분의 스타일을 학습한다는 점입니다.
1:20
오늘 이것이 어떻게 지루한 에셋 제작을 끝내고, 여러분의 마케팅팀 운영 방식을 영원히 바꿀 수 있는지 보여드리겠습니다.
1:26
여러분은 이제 브랜드 아이덴티티를 AI에 맡길 준비가 되셨나요?
1:32
수동 작업에서 지능형 자동화로 마케팅 전단지나 피치 데크 작업을 해보셨다면,
1:37
사소한 수정 몇 번의 오후 시간이 얼마나 빨리 지나가는지 아실 겁니다.
1:41
텍스트 상자를 사진과 맞추기 위해 0.5mm 조정하기, 경영진이 마음에 들어하지 않는다는 이유로 이미지 교체하기,
1:49
헤드라인 폰트 크기를 대충이 아닌 정확한 기업 규격으로 맞추기 등 말이죠.
1:53
진짜 문제는 그 다음부터 시작입니다.
1:56
다른 사람이 파일을 열어 수정을 가하면 무엇이 최종본인지 확인하느라 버전을 비교해야 합니다.
2:01
이건 단순히 지루한 게 아니라 창의적인 작업에 쏟아야 할 시간을 야금야금 갉아먹는 일입니다.
2:06
가장 시간이 많이 걸리는 부분은 큰 수정 사항이 아니라 로고를 조금 옮기거나 승인된 팔레트에 맞춰 파란색 음영을 조정하고,
2:16
글 머리 기호에 폰트 굵기를 맞추는 등 끝없는 피드백 루프입니다.
2:20
말 그대로 수천 번이 사소한 수정으로 지치게 되는데, 그룹 프로젝트에서는 이런 수정 사항이 배로 늘어납니다.
2:26
브랜드에 딱 맞는 결과물을 얻기 위해 10번, 12번씩 수정 과정을 거치는 건 흔한 일이죠.
2:31
바로 그 지점에서 마이크로소프트 디자이너에 탑재된 AI 가판도를 바꿉니다.
2:35
브랜드 키트, 색상, 글꼴, 로고, 이미지 스타일을 학습하면 AI 가 알아서 해당 요소를 자동으로 적용합니다.
2:43
텍스트와 이미지를 넣기만 하면 헤드라인 글꼴은 32포인트로, 버튼은 네이비 색상 코드로, 사진은 따뜻한 색감으로 구성된 네이아웃이 완성됩니다.
2:53
일일이 모든 디자인 요소를 확인할 필요 없이 처음부터 일관된 결과물을 얻을 수 있습니다.
2:58
구체적인 사례를 통해 그 차이를 생각해보세요.
3:01
과거에는 제품 출시 전단지를 만들려면 빈 파워포인트나 인디자인 파일에서 시작해 스타일을 입히고, 텍스트를 정렬하고 색상을 바꾸는 수작업이 필요했습니다.
3:13
하지만 디자이너, 디자이너에서는 헤드라인과 본문, 제품 이미지만 입력하면 AI가 브랜드 규칙에 맞는 세련된 초안을 몇 초 만에 5에서 6개씩 만들어냅니다.
3:22
요소의 순서를 조금 수정할 수는 있지만, 전체적인 구조는 이미 완벽하게 잡혀 있습니다.
3:27
최근에 만난 한 마케팅 매니저는 시즌 캠페인 작업으로 눈코 뜰 새 없이 바빴습니다.
3:33
디자이너를 쓰기 전에는 한 번 디자인할 때마다 주로 레이아웃을 정리하는데 6시간 정도를 써야 했습니다.
3:40
도구를 바꾼 뒤에는 스타일이나 품질을 포기하지 않고도 같은 작업을 1시간 남짓으로 단축했습니다.
3:47
반복적 인서식 작업만 줄여도 매주 하루치 근무 시간을 절약하는 셈입니다.
3:52
파일럿 프로그램에서도 비슷한 결과가 보고되었습니다.
3:55
일상적인 홍보물을 만들 때 디자이너를 사용한 팀들은 작업 처리량이 눈에 띄게 늘었고,
4:01
캠페인 기한 준수율이 높아졌으며, 사소한 수정 요청과 프로젝트 당 수정 횟수는 눈에 띄게 줄었습니다.
4:08
흥미로운 점은 창의성이 전혀 줄지 않았다는 것입니다.
4:10
오히려 세부적인 정렬 작업에 쏟던 에너지를 줄 이니 디자이너와 마케터들이 브레인스토밍과 콘셉트 개발에 더 집중할 수 있게 되었습니다.
4:19
그 이유 중 하나는 디자이너가 레이아웃을 제안하는 방식 때문입니다.
4:24
틀에 박힌 템플릿에 내용을 맞추게 하는 것이 아니라,
4:28
AI가 제공된 콘텐츠를 분석해 효과적인 시각적 계층 구조를 제안합니다.
4:33
따라서 처음부터 직접 만드는 고생 대신 어느 정도 완성된 초안을 바탕으로 작업을 시작할 수 있습니다.
4:38
창의적 피로를 줄여줄 만큼 충분한 가이드를 제공하지만, 최종 결정은 사용자의 몫으로 남겨둡니다.
4:43
여기에는 한 가지 근본적인 의문이 남습니다.
4:45
디자이너는 어떻게 당신의 스타일을 알고 있을까요?
4:48
답은 마이크로소프트 365를 통해 정의된 브랜드 키트를 전달받고,
4:52
사용자가 승인하거나 거절한 수정 내용을 통해 시간이 흐를수록 학습하기 때문입니다.
4:57
만약 일반적인 스톡 이미지를 특정 스타일의 이미지로 계속 교체하면,
5:01
AI는 다음 제안부터 해당 스타일을 우선적으로 적용합니다.
5:04
모델을 따로 훈련시키지 않더라도 팀이 작업하는 과정 자체가 곧 학습이 됩니다.
5:08
결국 이것이 핵심입니다.
5:10
이것은 인간의 취향이나 판단력을 대체하려는 것이 아닙니다.
5:13
단순 반복 작업처럼 느껴지는 디자인 업무를 덜어내고,
5:17
판단이나 창의적인 도약, 고객의 공감을 이끌어내는 순간에 집중하게 하려는 것입니다.
5:23
그런 것들은 여전히 사람의 몫이니까요.
5:25
디자이너는 픽셀이 제자리에 있도록 미리 정렬해 주어,
5:27
여러분이 그런 곳에 에너지를 낭비하지 않게 해줍니다.
5:29
자동화된 비주얼은 시작일 뿐입니다.
5:32
더 큰 변화는 이러한 지능이 팀의 실제 협업 방식에 직접 통합될 때 일어납니다.
5:38
혼란 없는 협업이 가능해지는 것이죠.
5:41
공유 디자인 파일을 작업해본 적이 있다면,
5:43
버전 관리가 완전히 꼬여버리는 순간을 아실 겁니다.
5:47
누군가 바탕화면의 이전 사본을 수정해 최종 2로 저장하고,
5:51
이제 여러분은 SharePoint 폴더에 있는 최종 밑줄 이거 사용 파일과 비교해야 하는 상황 말입니다.
5:56
세 사람이 동시에 작업한다고 생각해보세요.
5:59
엉망이 되겠죠.
6:00
노력이 부족해서가 아닙니다.
6:02
협업이 실제로 이루어지는 방식과 동떨어진 방식으로 작업하도록 도구가 강요하기 때문입니다.
6:07
표실은 마이크로소프트 365를 완벽히 사용하는 기업조차 자산이 흩어져 있다는 것입니다.
6:12
지난 화요일 팀즈 채팅에 있는 버전,
6:15
누군가의 이메일 스레드에 숨겨진 버전,
6:17
SharePoint 깊숙한 곳에 묻힌 마스터 템플릿까지 제각각이죠.
6:21
올바른 파일을 찾으려면 동료 3명에게 연락해야 하고,
6:24
누군가 최신 업데이트를 덮어쓰지 않았길 바라야 합니다.
6:27
파일을 찾았을 때 쯤이면 이미 팀 절반이 잘못된 파일을 검토한 뒤일 겁니다.
6:32
이 지점이 바로 디자이너의 M365 생태계 통합이 변화를 만드는 곳입니다.
6:36
파일 공유 사이를 오갈 필요 없이,
6:38
디자이너를 열고 SharePoint,
6:41
OnDrive 또는 팀즈에 연결된 자산에서 바로 작업하면 됩니다.
6:45
편집은 모두가 보고 있는 동일한 버전 내에서 실시간으로 이루어집니다.
6:49
헤드라인을 변경하거나 이미지를 바꾸면 즉시 팀 전체에 반영됩니다.
6:53
파일을 따로 보낼 필요가 없습니다.
6:55
디자이너는 연결된 작업 공간 속에 또 다른 인터페이스일 뿐입니다.
6:58
상상해보세요.
7:00
당신과 동료가 디자이너에서 세일 이벤트 전단지를 함께 작업합니다.
7:04
브랜드 폰트와 색상이 미리 로드된 마케팅 시어포인트 라이브러리에서 바로 불러온 파일입니다.
7:09
당신이 대표 이미지를 조정하고 동료가 부제목을 다듬으면,
7:12
서로의 편집 내용이 즉시 나타나는 것을 볼 수 있습니다.
7:15
작업이 끝나면 업데이트된 파일은 원래 위치에 그대로 저장되며,
7:18
사용자 역할에 따라 버전 기록도 자동으로 보관됩니다.
7:20
되돌려야 할 때도 무작위 첨부 파일을 뒤질 필요가 없습니다.
7:24
올바른 체크포인트로 복원하기만 하면 됩니다.
7:26
이는 기존 템플릿 시스템에서 크게 달라진 점입니다.
7:29
부식 템플릿은 정적인 파일로 존재했습니다.
7:31
다운로드하고, 편집하고, 다시 업로드해야 했죠.
7:34
수정할 때 마다 사람들이 올바른 스타일을 수동으로 적용했는지 확인해야 했고,
7:38
누군가는 반드시 실수를 저질렀습니다.
7:41
여전히 파일 이름 지점, 색상 코드, 로고 비율이 맞는지 감시할 관리자가 필요했습니다.
7:46
디자이너가 다른 M365 콘텐츠와 같은 공간에 있고,
7:50
AI가 백그라운드에서 브랜드 규칙을 적용함에 따라,
7:54
그런 감시 업무는 자연스럽게 사라집니다.
7:57
하지만 무엇이 부족한지 미리 파악한다는 예상치 못한 장점도 있습니다.
8:02
AI가 회사의 아울룩 캘린더에 있는 이벤트용 캠페인 자산을 만들고 있음을 감지하면,
8:08
위치 관련 이미지를 제안하거나,
8:10
이벤트 슬로건을 가져오는 등 작업을 더 빠르게 완료할 수 있도록
8:14
디자인 프롬프트를 표시할 수 있습니다.
8:16
팀즈 회의 메모에 제품 초점에 대한 내용이 포함되어 있다면,
8:20
이를 바탕으로 텍스트 블록이나 이미지에 대한 권장사항을 제시할 수 있습니다.
8:24
그 위도는 사용자가 일일이 맥락을 찾으러 다닐 필요 없이,
8:27
대화와 실행 사이의 간극을 좁히는 것입니다.
8:29
하지만 그렇다면 AI 가부서별 어조와 스타일의 미묘한 차이를 실제로 이해할 수 있을까 하는 의문이 자연스럽게 생깁니다.
8:36
마케팅 부서의 언어가 항상 인사팀의 언어와 일치하는 것은 아니기 때문입니다.
8:40
고객 대상 광고에는 완벽한 디자인이 내부 커뮤니케이션 자료에는 너무 비격식적으로 느껴질 수 있습니다.
8:46
AI 는 패턴을 파악하는 데 능숙하지만 인간의 어조는 다루기 까다로워서,
8:51
자동 제한이 약간 어색하게 느껴지기 쉽습니다.
8:54
그래서 학습 루프가 중요합니다.
8:56
디자이너는 브랜드 키트에 고정된 규칙만 적용하는 것이 아니라,
8:59
AI 가초안을 만든 후 사용자가 수정하는 내용도 기록합니다.
9:02
AI 가 내부 메모 레이아웃을 계속 제한하는데,
9:05
인사팀에서 이를 지속적으로 수정한다면,
9:07
시간이 지남에 따라 해당 맥락에 더 잘 맞게 제한을 변경할 수 있습니다.
9:11
완벽하지는 않지만,
9:12
실제 사용자 행동과 상호작용할수록 동일한 실수를 반복하지 않게 됩니다.
9:17
이제 우리는 도구가 혼란을 관리하고,
9:19
팀은 메시지와 디자인에 집중하는 협업 모델에 더 가까워지고 있습니다.
9:23
하지만 완벽한 해결책이라고 생각하기 전에,
9:26
AI가 여전히 이상한 선택을 할 수 있다는 점을 기억해야 합니다.
9:29
그러한 사각지대가 바로 이야기의 다음 부분이 시작되는 곳입니다.
9:33
AI가 여전히 잘못된 결과를 내놓을 때입니다.
9:36
AI 도구가 캠페인용 이미지를 제한했는데,
9:39
완전히 다른 대상을 겨냥한 것 같아 위하했던 적이 있다면,
9:42
그 느낌을 아실 겁니다.
9:44
기업 교육 프로그램을 알리려는데,
9:46
AI가 이벤트 날짜를 입력할 공간이 마련된,
9:49
열대해변 이미지를 당당하게 제시하는 상황을 생각해보세요.
9:53
기술적 인 관점에서는 틀린 게 아니지만,
9:55
귀하의 상황에는 전혀 맞지 않는 것입니다.
9:57
이런 순간들은 마이크로소프트 데모에서는 볼 수 없는 장면입니다.
10:01
실제 프레젠테이션은 대개 가장 이상적인 시나리오만 보여주기 때문입니다.
10:04
브랜드 팔레트가 완벽하게 적용되고,
10:06
텍스트는 페이지에 균형있게 배치되며,
10:08
마치 사내 라이브러리에서 가져온 듯한 이미지가 사용되는 모습 말입니다.
10:11
현실 세계에서 AI가 항상 의도한 대로 작동하는 것은 아닙니다.
10:14
AI는 목표로 하는 어조를 오해하여,
10:17
청중이나 문화에 맞지 않는 시각자료를 제시할 수 있습니다.
10:20
이러한 불일치는 진지한 보도자료에 비해,
10:22
배경 이미지가 지나치게 장난스러운 정도의 사소한 것일 수도 있고,
10:26
전혀 다른 업종을 연상시키는 스톡 사진을 사용하는 것처럼 눈에 띄는 것일 수도 있습니다.
10:32
제가 인터뷰한 한 마케팅팀은 내부 윤리 규정 도입 과정에서 이런 일을 겪었습니다.
10:37
AI는 개방형 사무실에서 웃으며,
10:39
하이파이브를 하는 직원들의 이미지를 제안했습니다.
10:42
분위기는 밝았지만,
10:44
경영진이 의도했던 진지한 어조와는 거리가 멀었습니다.
10:47
또 다른 사례는 전문 서비스 기업의 고객 프레젠테이션에서 나타났습니다.
10:50
AI는 보수적인 금융권 청중을 대상으로 한 슬라이드에 밝은 색상의 스타트업 작업 공간을 자동으로 선택했습니다.
10:58
메시지, 사실관계, 레이아웃까지 모두 훌륭했습니다.
11:01
하지만 시각적 구성이 잘못된 신호를 전달했습니다.
11:04
초기 전문 사용자들은 수정 작업에서 나타나는 몇 가지 패턴을 보고하고 있습니다.
11:09
종종 AI가 부차적인 세부사항에 너무 많은 강조를 두거나,
11:13
핵심 메시지를 축소할 때 레이아웃 계층 구조를 미세 조정하는 경우가 많습니다.
11:17
때로는 AI가 스타일과 어울린다고 판단하여 추가한 장식 요소들이 특정 상황에서는 오히려 산만함을 줄 때 이를 제거하기도 합니다.
11:25
또한, 예상보다 자주 발생하는 일인데,
11:28
브랜드 가이드라인을 시스템에 입력했음에도 이를 완전히 준수하지 않는 자동선택 스톱 이미지를 교체하는 작업이 필요합니다.
11:35
브랜드 템플릿 자체가 항상 방어막이 되어주는 것은 아닙니다.
11:38
AI 위 제안은 미묘한 방식으로 템플릿을 무시할 수 있습니다.
11:41
공식 색상보다 약간 밝은 색조가 사용되거나 폰트 굵기가 살짝 달라지는 식입니다.
11:46
문서상으로는 그런 변화를 알아채지 못할 수도 있지만,
11:50
수년간 브랜드 무결성을 지켜온 사람에게는 즉시 눈에 띕니다.
11:54
최종 결과물을 세심하게 검토하는 사람이 없다면,
11:57
이러한 미세한 편차는 실제 제작물에 그대로 반영됩니다.
12:00
그렇기에 인간의 감독이 절대적으로 필요한 것입니다.
12:03
생성 단계가 점점 빠르고 정확해지더라도,
12:06
누군가는 여전히 브랜드 관리자 역할을 해야 합니다.
12:09
이는 AI를 불신하라는 이야기가 아닙니다.
12:11
브랜드의 역사, 목표 시장, 청중의 민감도를 이해함으로써 얻을 수 있는 문화적,
12:17
전략적 통찰력이 AI에게는 부족하다는 것을 인정해야 한다는 것입니다.
12:21
스타일 준수는 자동화할 수 있습니다.
12:23
하지만 직관은 자동화할 수 없습니다.
12:25
네, 여기서 발생하는 마찰의 일부는 단순히 머신러닝의 본질적인 특성 때문이기도 합니다.
12:28
AI는 학습 데이터, 제공된 사용자 행동,
12:31
그리고 사용자가 입력한 데이터를 기반으로 작동합니다.
12:33
이러한 신호들이 충돌하거나 요청이 이전에 학습한 범위를 벗어나면,
12:37
추측의 영역이 커집니다.
12:38
AI가 올바른 선택을 했을 때 그 추측 과정은 눈에 보이지 않을 수 있습니다.
12:42
하지만 실수를 할 때면 그 과정은 매우 명확하게 드러납니다.
12:45
흥미롭게도 이러한 인간 개입의 필요성은 디자인 분야만의 문제가 아닙니다.
12:49
데이터 관리와 같은 분야도 마찬가지인데,
12:52
도구가 반복적 인 작업의 80%를 자동화할 수 있지만,
12:55
실제 적용 전에는 여전히 전문가의 검토가 필요합니다.
12:58
두 경우 모두 AI가 엄청나게 많은 힘든 작업을 처리할 수 있습니다.
13:02
하지만 의미를 해석하거나, 문맥을 확인하거나,
13:05
미묘한 오류를 잡아내는 것은 인간의 검토가 있어야 제대로 이루어집니다.
13:09
따라서 디자이너가 콘텐츠 제작 시간을 확실히 줄여주고는 있지만,
13:13
크리에이티브 리뷰어의 역할을 대체한 것은 아닙니다.
13:16
이제 오타를 수정하거나 박스를 재정렬하는 것에서 벗어나,
13:20
메시지와 톤, 적합성에 대한 더 높은 수준의 판단을 내리는 역할로 변화했습니다.
13:24
효율성은 분명히 향상되었지만,
13:26
최종 결과물이 나오기 전 내부 검토 과정은 여전히 필수적입니다.
13:30
디자인 영역 밖에서 AI가 어떻게 사용되는지 살펴보면,
13:35
자동화와 감독의 결합이 의외의 곳에서 나타나는데,
13:38
특히 전통적으로 수동 디자인 작업만큼이나 지루했던 데이터 워크플로우 세계에서 그렇습니다.
13:45
ETL의 고통에서 데이터 플로우즈 인투 위 이점으로,
13:48
구식 방식으로 데이터 파이프라인을 관리해본 적이 있다면,
13:51
그것이 얼마나 취약한지 잘 아실 겁니다.
13:53
이상한 시간에 예약된 크론 잡, 몇 달 전 퇴사한 사람이 급하게 작성한 배시 스크립트,
13:59
그리고 CSV 위 작은 서식 변경 하나의 전체가 멈춰버리는 긴 의존성 체인 같은 것들 말이죠.
14:05
그저 복잡한 것이 아니라 매우 불안정했습니다.
14:08
상위 단계에서 작은 문제만 생겨도,
14:10
데이터를 다 보지도 못한 채,
14:11
어젯밤 어느 서버가 작업을 실행했는지 고민하게 됩니다.
14:14
가장 최악인 점은,
14:15
오류는 항상 불편한 시간에 발생한다는 것입니다.
14:18
새벽 2시에 어제 데이터 로드에 실패했다는 알람을 받게 되는데,
14:21
원본 시스템 담당자는 아침까지 연락이 안됩니다.
14:24
파이프라인을 다시 시작할 때쯤이면,
14:26
이미 데시보드 사용자의 절반은 왜 여기가 비어있죠?
14:28
라며 이메일을 보내고 있을 겁니다.
14:30
디버깅에 허비한 그 시간들은 실제 데이터 가치와는 아무런 상관이 없는 경우가 많습니다.
14:34
로그를 뒤지고, 정규식을 수정하고,
14:37
원래 상태로 되돌리기 위해 단계를 다시 실행하는 데 시간을 닫습니다.
14:40
마이크로소프트 패브릭 위 데이터 플로우즈 인투는 이러한 부담을 크게 덜어주고 있습니다.
14:45
맞춤형 파이프라인을 한 줄씩 직접 구축하고 유지하는 대신,
14:48
노코드나 로우코드 인터페이스에서 많은 작업을 처리할 수 있습니다.
14:53
이미 많은 분들이 엑셀과 파워BI에서 사용 중인 기술인 파워커리 가추출 및 변환 단계를 처리합니다.
15:00
즉, 세 가지 다른 파일 형식을 결합하기 위해 처음부터 파설을 만들 필요가 없다는 뜻입니다.
15:05
소스를 연결하고, 필드를 지정하고,
15:08
데이터를 시각적으로 구성하기만 하면 나머지는 서비스가 알아서 처리합니다.
15:12
인투가 흥미로운 점은 AI가 내장되어 있다는 것입니다.
15:15
단순히 테이블을 결합하거나 열 이름을 바꾸는 도구가 아닙니다.
15:19
가져온 데이터를 적극적으로 분석하여 패턴에 기반한 변환을 제한합니다.
15:25
날짜와 시간열을 항상 하나의 필드로 결합한다면,
15:28
AI가 해당 단계를 자동으로 제한하기 시작합니다.
15:32
두 시스템의 고객 아이디 스키마가 일치함을 감지하면,
15:36
수동으로 맵핑하지 않아도 관계를 파악해 줍니다.
15:39
예를 들어 구글 애드스 내보내기, 이메일 참여 통계, 소셜 플랫폼 지표 등 마케팅 캠페인 데이터를 통합한다고 가정해봅시다.
15:48
기존 ETL 설정에서는 필드 이름 정규화, 통화 변환, 날짜 범위 조정, 누락된 값 채우기 등을 위해 아마 스크립트를 작성해야 했을 것입니다.
15:57
인투를 사용하면 각 데이터 소스를 파워 커리에 넣고 AI가 일관성 없는 열 유형을 표시하게 한 뒤,
16:03
제한된 수정 사항을 직접 적용할 수 있습니다.
16:06
결과적으로 수동으로 모든 데이터 불일치를 추적할 필요 없이,
16:09
보고서 작성을 위한 하나의 깔끔한 테이블이 완성됩니다.
16:11
지금까지의 테스트를 보면 이것이 단순히 편리함 이상의 가치를 제공한다는 것을 알 수 있습니다.
16:15
엔지니 변환을 병렬로 처리하고, 전체를 다시 실행할 필요 없이,
16:19
부분적인 오류에서 복구됨으로 이전 데이터 흐름보다 새로 고침 속도가 향상되었습니다.
16:23
결함 허용 능력 또한 중요한 강점입니다.
16:26
새로 고침 도중 한 데이터 소스에서 오류가 발생해도 나머지는 완료될 수 있으며,
16:30
일반적인 파이프라인 실패, 메시지가 아닌 명확한 오류 메시지를 받게 됩니다.
16:34
그것만으로도 불필요한 처리 주기와 추측을 낭비할 필요가 없어집니다.
16:38
자연스럽게 전문 데이터 엔지니어의 필요성이 줄어드는 것인지 의문이 들 수 있습니다.
16:43
마케팅 분석가가 코드 한 줄 작성하지 않고,
16:46
여러 데이터 소스에서 작동하는 파이프라인을 구축할 수 있다면,
16:50
전담 ETL팀이 여전히 필요할까요?
16:51
실제로는 그 대답이 조금 더 미묘합니다.
16:54
단순 반복 작업은 완전히 셀프 서비스로 넘어갈 수 있지만,
16:58
수십 개의 소스, 복잡한 비즈니스 로직 또는 규제 요구 사항이 있는 파이프라인은
17:04
여전히 숙련된 엔지니어의 감독과 아키텍처 기술이 필요합니다.
17:08
분명히 변하는 것은 전문가들이 시간을 사용하는 방식입니다.
17:12
데이터 세트 제형식화나 깨진 연결 수정과 같은 일회성 요청을 처리하는 대신,
17:16
확장 가능한 모델 설계, 쿼리 최적화, 조직 전체가 활용할 수 있는 분석 역량을 구축하는 데 집중할 수 있습니다.
17:24
매일 그들을 방해하던 반복적인 준비 작업은 이제 인투와 같은 도구가 상위 단계에서 처리합니다.
17:30
바로 여기에서 공통된 흐름이 나타납니다.
17:33
마이크로소프트 디자이너 위 AI 기반 디자인이든,
17:36
패브릭 위 AI 지원 데이터 준비이든, 패턴은 동일합니다.
17:39
단순 반복 업무는 없애고, 중요한 부분에는 인간의 판단을 유지하는 것입니다.
17:44
콘텐츠팀과 데이터팀은 생각보다 그리 멀리 떨어져 있지 않습니다.
17:47
두 팀 모두 자산을 구축하고 있으며,
17:50
반복적이고 자동화하기 쉬운 단계들로 업무 흐름이 정체되어 있습니다.
17:53
이제 M365 위 도구들이 단계들을 대신 처리하기 시작했습니다.
17:57
하나의 생태계, 두 번의 혁신.
18:00
대부분의 기업은 크리에이티브 팀과 데이터 팀을 별개의 세계로 생각하곤 합니다.
18:04
마케팅은 이야기를 만들고, 분석은 그 영향을 측정합니다.
18:07
하지만 실제 업무 현장에서는 두 워크 플로우가 끊임없이 겹칩니다.
18:11
캠페인은 소셜 게시물이 올라간다고 해서 끝나는 것이 아닙니다.
18:14
크리에이티브 결정은 측정 항목에 영향을 미치고,
18:17
데이터는 다음 크리에이티브 작업을 형성합니다.
18:19
이들을 사일로로 나누면, 두 팀 모두 원시 데이터를 의미 있는 결과물로
18:23
빠르게 전환해야 한다는 공통된 과제를 안고 있다는 사실을 간과하게 됩니다.
18:27
이것이 바로 마이크로소프트 디자이너와 패브릭 데이터 흐름 인투에서 나타난 변화가
18:31
서로 다른 문제를 해결함에도 불구하고 연결되어 있다고 느껴지는 이유입니다.
18:34
한쪽에서는 AI가 레이아웃과 브랜드 일관성을 유지하는 지루한 작업을 대신합니다.
18:39
다른 한쪽에서는 AI가 데이터 준비 과정에 반복적 인수고를 덜어주고 있습니다.
18:44
이 두 가지는 합쳐져 아이디어 구상부터 결과 추적까지 걸리는 시간을 단축합니다.
18:49
단순히 두 영역에서 노력을 절감하는 것을 넘어
18:51
두 영역 사이의 루프를 단축시키는 것입니다.
18:54
제품 출시 캠페인을 상상해보세요.
18:56
크리에이티브 팀은 디자이너를 사용하여
18:58
비주얼, 프로모션 배너, 이메일 이미지, 이벤트 슬라이드 등 전체 세트를 제작합니다.
19:02
모든 자산이 브랜드 키트에 맞춰 자동 정렬됨으로
19:05
색상을 수정하거나 올바른 로고를 찾느라 시간을 낭비할 필요가 없습니다.
19:10
이와 동시에 분석팀은 제니 데이터 흐름을 설정하여
19:13
사이트 트래픽, 광고 지출, 이메일 참여도
19:16
웹이나 참석자 정보를 즉시 사용 가능한 데이터 세트로 통합합니다.
19:21
캠페인이 시작되면 각 크리에이티브 자산이 어떤 성과를 내고 있는지
19:25
수치와 바로 연결할 수 있는 상태가 됩니다.
19:27
여기서 세부사항이 중요합니다.
19:29
디자이너는 단순히 365에 내장된 캠버 복제품이 아닙니다.
19:32
귀하의 M365 환경과 긴밀하게 연결되어 있습니다.
19:35
캠페인 일정이 회사 캘린더에 있고
19:37
이미지가 셰어포인트에 저장되어 있으며
19:39
초안이 팀제 채팅에 있다면
19:41
AI가 이를 활용해 레이아웃 제안을 시작할 수 있습니다.
19:43
젠 2도 자체 영역에서 동일한 방식으로 작동합니다.
19:47
입력 소스 간의 열 유사성을 감지하고
19:49
정규화를 제안하며
19:50
파워 BI 에로드하기 전에 데이터 누락을 표시합니다.
19:54
두 도구 모두 워크플로우의 서로 다른 지점에서 맥락을 활용하여
19:58
원시 입력 값에서 유용한 결과물까지의 수작업을 줄여줍니다.
20:02
그것이 바로 두 도구를 움직이는 공유 원칙입니다.
20:05
맥락 인식과 지능형 제안입니다.
20:07
단순한 생성형 마법이 아닙니다.
20:09
귀하의 환경에서 이미 생성되고 있는 신호를 활용하는 타겟형 자동화입니다.
20:14
M365 생태계 내에서 작업할수록
20:16
AI가 포착할 수 있는 신호는 더 많아집니다.
20:19
입력하지 않아도 타겟 고객층을 스스로 파악하는 디자인 프롬프트가 가능해지는 것입니다.
20:23
광고 비용의 절반이 태그되지 않아듬을 감지하고
20:26
조정할지 묻는 데이터 흐름입니다.
20:28
이는 일회성 기믹이 아닙니다.
20:30
프로젝트의 일상적인 운영 방식을 변화시킬 수 있는 패턴입니다.
20:34
마이크로소프트의 더 넓은 관점에서 보면
20:37
그들이 AI 우선 업무 모델로 나아가고 있음이 분명합니다.
20:41
독립적인 AI가 아니라
20:42
여러분이 이미 사용하는 도구에 내장되어
20:45
여러분의 운영 데이터에 맞춰진 AI입니다.
20:48
이 모델의 강점은 한 제품의 AI 개선 사항을
20:51
다른 제품에도 적용할 수 있다는 점입니다.
20:53
디자이너의 레이아웃을 일관되게 유지하는 브랜드 논리가
20:56
언젠가는 파워 BI의 데이터 시각화에도
20:58
동일한 시각적 정체성을 부여할 수 있을 것입니다.
21:01
젠 2위 이상 탐지 기능은
21:03
워드 비즈니스 케이스 내에의 일관성 없는 수치를
21:05
발표 전에 미리 표시할 수 있습니다.
21:07
지금 고려해볼 가치가 있는 질문을 던집니다.
21:10
AI 가창의적 업무와 분석적 업무를
21:12
모두 능숙하게 안내할 수 있다면
21:14
에셋을 디자인하고 타겟 고객을 설정하며
21:17
캠페인을 시작하고
21:18
선과 데이터를 한 곳에서 확인하는
21:20
통합 대시보드까지 얼마나 남았을까요?
21:23
더 이상 헛된 꿈이 아닙니다.
21:25
기반은 이미 마련되어 있습니다.
21:26
단지 그것들이 하나의 통합된 화면으로
21:28
합쳐지지 않았을 뿐입니다.
21:30
두 도구를 이미 사용하는 조직에게
21:32
그 즉각적인 이점은 분명합니다.
21:34
수동 내보내기, 이메일 전달,
21:37
업데이트 지연으로 캠페인 속도를 늦추 던 방식 없이
21:39
브랜드 스토리텔링과 실시간 선과 데이터를
21:42
정렬할 수 있습니다.
21:42
이는 더 빠를 뿐만 아니라 오류도 적습니다.
21:46
창작 부서는 결과를 거의 실시간으로 확인합니다.
21:50
분석 부서는 어떤 에셋이 성과를 내는지 정확히 파악하며
21:53
캠페인 종료 후가 아니라 진행 중에 즉시 조정이 이루어집니다.
21:59
이제 다음 물결이 다가오고 있습니다.
22:01
개별 앱 내에서만 작동하는 것이 아니라
22:03
앱 전반을 조율하는 AI입니다.
22:05
그때가 되면 캠페인 메시지 변경 하나만으로
22:08
디자이너의 비주얼이 자동 업데이트되고
22:09
데이터 흐름의 태그 규칙이 조정되며
22:12
별도의 작업 없이도 대시보드의 최신 분석 결과가 제공될 것입니다.