Latest / M365.FM – Microsoft 365, Copilot & AI 팟캐스트 (한국어) / Microsoft Copilot Studio로 AI 승인 시스템 구축: 다단계 Agent Flows와 영수증 검증 (AI 더빙)

Transcript

Microsoft Copilot Studio로 AI 승인 시스템 구축: 다단계 Agent Flows와 영수증 검증 (AI 더빙) · M365.FM – Microsoft 365, Copilot & AI 팟캐스트 (한국어)

0:00
하루의 절반을 승인대기로 보내고 계신가요?
0:02
누군가는 휴가 중이고, 누군가는 이메일을 확인하지 않아서
0:05
결정을 기다리는 동안 정작 그 요청이 필요했던 상황은 이미 지나버리고 맙니다.
0:09
바쁘다는 핑계 속에 업무 진척이 멈춰버린 기업의 연옥 같은 현실이죠.
0:12
이제 기다릴 필요가 없는 시스템을 상상해보세요.
0:15
조건이 충족되는 즉시 자동으로 진행되는 워크플로우를 말입니다.
0:18
자동화로 이장한 관료제 타파 도구,
0:20
마이크로소프트 코파일럿 스튜디오 위 에이전트 플로우를 소개합니다.
0:22
여기서 AI가 여러분의 첫 번째 승인자가 됩니다.
0:24
AI는 데이터를 읽고 정책에 맞춰 평가하며,
0:27
사람이 눈을 깜빡이 기도 전에 정보에 기반한 승인 또는 거절 결정을 내립니다.
0:31
경계선에 있는 사례만 관리자의 메일함으로 전달되기에,
0:34
감독을 소홀히 하지 않으면 서도 속도를 높일 수 있습니다.
0:36
조건이 복잡해지면 무너지는 기존의 승인 흐름과 달리,
0:40
AI 기반 흐름은 스스로 분기하고 검증하며 감사하면서 확장해 나갑니다.
0:45
이번 시간에는 동료들이 전체 답장 버튼을 찾기도 전에 결정을 내리는
0:49
다단계 조건부 승인 시스템을 구축하는 방법을 보여드리겠습니다.
0:52
맞춤형 승인 로직을 갖춘 AI 단계 설정,
0:55
필요한 인간의 검토 추가,
0:57
지능적으로 경로를 재지정하는 동적 조건 설계,
1:00
그리고 규정 준수를 위한 실제 문서 검증 통합 방법을 배우게 됩니다.
1:04
영상이 끝날 때쯤에는 기계처럼 사고할 때와
1:06
인간의 판단에 맡길 때를 구분하는 자동화된 프로세스를 갖추게 될 것입니다.
1:09
이제 대기열에 엄매이지 마세요.
1:11
논리가 흐름을 이끌게 하세요.
1:13
전통적인 승인 방식의 문제점,
1:15
전통적인 승인 체계는 비효율의 굴레를 반복하는 비극적인 리메이크와 같습니다.
1:18
누군가 양식을 제출하면 이메일이 오가고 스프레드 시트는 버전이 어긋나며
1:22
수많은 전달 과정 속에서 무엇이 최종 버전인지 아무도 기억하지 못하게 됩니다.
1:26
참여자가 늘어날수록 가치가 아닌 지연만 더해질 뿐이죠.
1:28
이 프로세스는 업무를 관리하는 게 아니라 지연을 생산하고 있습니다.
1:32
일반적인 파워 오토메이트 승인 흐름이 이를 해결하려 하지만
1:34
복잡한 상황이 도입되면 곧바로 멈춰버립니다.
1:37
단일 승인 경로라면 예 또는 아니오만 확인하면 되니 괜찮습니다.
1:41
하지만 관리계층, 지출한도, 특수규칙을 더하는 순간 설계는 파편화되기 시작합니다.
1:46
결국 러시아 인형처럼 조건을 겹겹이 쌓게 되는데
1:48
이는 세련되지 못하고 취약하며 6개월 뒤에는 디버깅조차 불가능해집니다.
1:51
커넥터 하나만 끊어져도 시스템 전체가 조용히 실패합니다.
1:55
결국 사람이 병목 현상이자 냉정하게 말해 지연노드가 되어버리는 셈입니다.
1:59
그들이 받는 모든 메시지는 또 하나의 비동기 왕복통신이 됩니다.
2:02
승인수단으로서의 이메일은 광섬유 세상에서 전서구를 사용하는 것과 같습니다.
2:06
기술적으로는 작동하지만 그래서는 안됩니다.
2:08
이제 마이크로소프트 코파일러 스튜디오를 만나보세요.
2:10
이건 단순히 파워 오토메이트 위 개선 버전이 아닙니다.
2:14
조직의 데이터 소스, 역할, 논리구조와 완전히 통합되면서
2:17
AI 기반의 승인 시스템을 제공하는 에이전트 플로우를 도입합니다.
2:22
결정론적인 정책 집행과 적응형 의사결정을 하나로 연결합니다.
2:26
그 증가는 단계를 구분하는 방식에 있습니다.
2:28
속도가 필요한 곳은 자동화하고
2:30
검증이 필요한 곳은 사람이 담당하세요.
2:32
계층 구조를 재설계한다고 생각하면 됩니다.
2:35
AI 단계는 고정된 규칙, 금액 제한, 항목 유형, 날짜 범위를 기계적인 효율성으로 평가합니다.
2:41
그런 다음 결정이 모호하면 모든 사소한 건을 대기시키지 않고 사람의 검토로 넘깁니다.
2:47
이것만으로도 기하급수적인 지연을 없앨 수 있습니다.
2:50
신명이 순차적으로 검토하는 대신
2:51
AI가 80%를 즉시 처리하고 예외사항만 전달합니다.
2:55
네, 코파일러 스튜디오는 데이터버스를 기반으로 모든 것을 추적하여
2:59
팀이 메일함을 뒤질 필요 없이 검증 가능한 로그를 생성합니다.
3:03
기존 워크플로는 사람을 위해 만들어졌습니다.
3:06
에이전트플로는 사람을 중심으로 구축되어
3:08
반복작업이 아닌 해석이 필요할 때만 사람을 개입시킵니다.
3:11
이 아키텍처가 어떻게 작동하는지 알게 되면
3:12
기존의 승인방식은 촛불을 켜고 가계부를 적던 원시적인 모습처럼 느껴질 것입니다.
3:16
핵심은 간단합니다.
3:18
규정 준수, 일관성, 그리고 확장성입니다.
3:20
현대적 운영은 자동 검증 없이는 마비되며
3:22
AI 지원 로직은 이제 신뢰성을 위한 기본이 되었습니다.
3:26
정적플로에서 조건부 감사가능한 에이전트플로로 전환하면
3:29
반응형으로 스인을 관리하는 대신 이를 하나의 유기적인 시스템으로 다루게 됩니다.
3:34
차이는 단순히 속도가 아니라 구조적 효율성에 있습니다.
3:37
AI 단계를 구축하고 첫 번째 승인자를 가르치는 과정입니다.
3:40
이제 흥미로운 부분입니다.
3:42
첫 번째 디지털 관료를 훈련해보겠습니다.
3:44
AI 단계는 귀하의 승인 프로세스를 지키는 논리적 문지기입니다.
3:47
AI 위 역할은 인간처럼 생각하는 것이 아니라
3:50
초인적인 일관성으로 구조화된 추론을 수행하는 것입니다.
3:52
지침을 읽고 입력각과 대조한 뒤
3:54
승인 또는 거절이라는 두 가지 판결 중 하나를 내립니다.
3:57
정치적 요구나 커피타임 같은 건 없습니다.
3:59
먼저 새로운 에이전트플로를 정의하며 시작합니다.
4:02
생성 시점의 AI 단계는 정답지를 기다리는 빈 시험지처럼
4:05
중앙에 자리 잡습니다.
4:06
트리거는 보통 데이터버스에서 발생하며
4:08
청구 또는 경비 테이블에 레코드가 추가되거나 수정될 때 작동합니다.
4:11
청구가 생성되면 이 단계가 활성화되어
4:13
데이터를 평가하고 그에 따라 결정합니다.
4:16
단계 내에서 가장 중요한 필드는
4:18
작업의 두뇌 역할을 하는 지침 프롬프트입니다.
4:20
이곳의 승인 로직을 쉽지만 엄격한 언어로 기술합니다.
4:24
임기응변을 절대 하지 않는 변호사에게
4:25
지시를 내린다고 생각하고 작성하세요.
4:27
예를 들어 금액이 500미만이고
4:29
설명이 신체 또는 정신건강과 관련 있으며
4:32
구매 날짜가 제출일로부터 30일 이내인 경우 승인합니다.
4:35
규칙 중 하나라도 충족하지 못하면 거절하세요.
4:37
그게 전부입니다.
4:39
이진법처럼 명확하죠.
4:40
다음으로 동적 입력값을 정의하세요.
4:42
이것들을 로직에 실제 데이터를 공급하는 변수라고 생각하면 됩니다.
4:45
대개 금액, 설명, 그리고 구매 날짜가 포함될 것입니다.
4:48
각 항목은 AI가 결정을 내릴 때 참고할 콘텐츠, 텍스트 또는 숫자 입력값으로 추가됩니다.
4:54
코파일러 스튜디오는 이러한 입력을 텍스트, 숫자, 이미지 문서와 같은 유형별로 분류합니다.
4:59
텍스트로 저장된 숫자처럼 유형을 혼용하면
5:02
사람과 기계 모두 혼란스러워함으로 올바르게 선택해야 합니다.
5:05
각 입력란 아래에 테스트용 샘플 데이터를 제공하세요.
5:08
이는 로직을 조정하는 동안 가이드 역할을 합니다.
5:11
예를 들어 피트니스 요가 매트, 금액 300, 구매 날짜 8월 22일과 같은 청구 예시를 입력하세요.
5:17
테스트를 실행하면 코파일러 스튜디오는 기반이 되는 GPT 추론 모델을 가동하여
5:22
결정사항과 그에 대한 설명을 출력합니다.
5:24
결과가 예상과 일치한다면 성공입니다.
5:27
그렇지 않다면 지시사항의 확정성이 부족한 것입니다.
5:30
대부분의 초보자가 바로 이 부분에서 실수합니다.
5:33
합리적인 비용, 최근 구매와 같은 광범위하거나 모호한 표현은 AI에게 독이 됩니다.
5:38
시스템은 기업의 분위기를 읽을 수 없으며 수학적 정의가 필요합니다.
5:41
따라서 테스트 결과가 일관되게 나올 때까지 지시사항을 끊임없이 다듬으세요.
5:45
지시사항을 수정할 때 마다 재현 가능성을 위해 판단 엔진을 조정하는 것입니다.
5:49
항상 동일한 입력에 동일한 출력이 나오는 패턴을 만들어야 합니다.
5:52
사무실의 잡담이 아닌 기계적인 논리가 필요합니다.
5:55
프롬프트가 여러 테스트 사례에서 신뢰할 수 있는 결정을 내리면 AI 승인자 학습은 성공한 셈입니다.
6:00
이제 데이터버스에서 가져온 토큰을 사용하여 실제 동적 데이터, 청구 금액 상세, 구매 또는 제출 날짜를 주입하세요.
6:06
실제 운영 시 N&E 데이터가 테스트 값을 대체합니다.
6:09
그 시점부터 AI는 각 청구를 상황에 맞춰 평가하고, 새로운 데이터가 들어오는 즉시 승인 여부를 결정합니다.
6:15
성공을 선언하기 전에 반복 테스트를 수행하세요.
6:18
금액을 600으로 변경했을 때 거부하나요?
6:20
날짜를 3개월 전으로 변경했을 때 부적절한 것으로 표시하나요?
6:23
아이패드 구매와 같은 터무니없는 청구를 추가했을 때 불일치를 감지하나요?
6:27
각 테스트는 일관된 인과 관계를 보여야 합니다.
6:30
응답이 들쭉날쭉하다면 문제는 AI 모델이 아니라 프롬프트의 명확성입니다.
6:34
일관된 패턴이 나타나면 콘텐츠 변수에 대한 명명규칙을 수립하세요.
6:37
문자연례는 str 밑줄 클레임 밑줄 어마운트, 숫자가배는 넌 밑줄 퍼쳐스 밑줄 데이트와 같은 접두사를 사용하세요.
6:43
이러한 작은 규율이 나중에 다중분기 로직으로 확장할 때 혼란을 방지합니다.
6:48
이 단계에서 자동화된 승인자는 정책에 따라 감독 없이 독립적으로 결정을 내릴 수 있습니다.
6:53
하지만 자동화는 독재가 아니라 위임입니다.
6:56
기계는 속도와 정확성을 담당하며 판단을 담당하지는 않습니다.
6:59
경계선상에 있는 시나리오의 경우 AI가 거부하거나 불확실하다고 판단한 내용을 검토할 사람의 개입, 휴먼 인 더 룩이 필요합니다.
7:05
다음 단계가 필요한 이유가 바로 이건이며 실리콘과 인간 사이에서 권한이 공유되는 방식입니다.
7:10
인적 감독을 추가하고 다단계 및 조건부 로직을 구성합니다.
7:13
AI가 자신있게 청구를 심사하게 되면 관료 조직에서 반어적으로 부르는 인간의 손길, 휴먼 터치, 을 더할 수 있습니다.
7:19
코파일러 스튜디오에서는 실제 사람이 재량권을 행사할 수 있는 체크 포인트인 수동 단계를 의미합니다.
7:25
이를 안전벨브라고 생각하세요.
7:27
예측 가능한 모든 것은 자동으로 처리됩니다.
7:29
미묘한 문제는 관리자의 책상으로 넘어갑니다.
7:32
승인 디자이너에서 AI 단계 바로 뒤에 수동 단계를 추가하며 시작합니다.
7:36
이렇게 하면 에이전트 흐름에 두 번째 관문이 생성됩니다.
7:38
이 전달 과정에는 조건이 붙습니다.
7:40
AI 위판정이 승인일 경우 애만 사람의 단계로 넘어갑니다.
7:44
AI가 거부하면 프로세스는 즉시 종료됩니다.
7:47
이미 정책상 부적격인 것을 관리자에게 확인하도록 시간 낭비할 필요가 있을까요?
7:50
효율성이란 자동화로 포장된 선택적 집중입니다.
7:53
예시 시나리오를 설정해보겠습니다.
7:55
직원이 헬스장 멤버십 비용 청구를 제출했다고 가정해봅시다.
7:58
모든 기준이 정책에 부합함으로 AI는 이를 승인합니다.
8:01
이제 그 결정이 관리자 승인이라는 관리자 수준의 수동 단계를 트리거합니다.
8:06
내부적으로는 청구 제출자로부터의 비용 청구 승인 요청과 같은 제목으로의 단계를 구성합니다.
8:12
해당 변수들은 데이터버스에서 데이터를 동적으로 가져옵니다.
8:15
담당자, 필드에서 작업을 받을 사람, 보통은 청구자의 관리자를 정의합니다.
8:20
이 라우팅을 자동화하기 위해 코파일러 스튜디오는 오피스 365 사용자 커넥터 통합을 지원합니다.
8:25
먼저 데이터버스 위 사용자 테이블에서 아이디로 행 가져오기 작업을 사용하여 청구 생성자의 사용자 레코드를 확보합니다.
8:31
그러면 제출자의 정보가 검색됩니다.
8:34
다음으로 관리자 가져오기 작업을 통해 해당 사용자의 이메일로 관리자를 찾습니다.
8:38
그 결과를 str 관리자 이메일과 같은 변수로 수동 단계에 전달합니다.
8:42
결과적으로 하드코딩이나 오래된 계층 구조가 사라집니다.
8:45
관리자가 바뀌어도 계층 구조는 스스로 업데이트됩니다.
8:48
이제 다단계 승인이 존재하는 실질적인 이유인 조건부 분기가 필요합니다.
8:51
에이전트 흐름 내에서 직접 로직을 도입할 수 있습니다.
8:55
청구 금액이 150 이상인 경우 관리자 승인 단계를 추가합니다.
8:59
그렇지 않으면 프로세스를 종료합니다.
9:01
이는 단순한 2단계 루틴을 상황에 맞게 적응하는 다단계 의사 결정 트리로 바꿉니다.
9:06
소액 청구는 한 명이 사람만 거칩니다.
9:08
고액이거나 위험도가 높은 청구는 추가 검토를 위해 상향 조정됩니다.
9:12
디자이너에서 흐름을 종료하기 전에 조건 작업을 삽입합니다.
9:15
숫자 변수, 예, 넘 청구 금액을 참조합니다.
9:18
이상 연산자를 선택하고 150과 같은 인계값을 설정합니다.
9:23
참 분기에는 관리자 승인이라는 수동 단계를 하나 더 추가합니다.
9:27
규정 준수 관리자와 같은 고정된 승인자에게 할당합니다.
9:30
거짓 분기에서는 승인 상태로 종료합니다.
9:33
그 효과로 워크플로우가 병목 현상을 일으키는 대신 합리적인 조직처럼 작동하게 됩니다.
9:38
여기서 실용적인 유머를 한마디 덧붙이자면
9:39
네, 위임은 근거 없는 희망이 아니라 여전히 신뢰를 필요로 합니다.
9:43
모든 것을 승인할 수 있는 광범위한 보안 역할을 할당하지 마십시오.
9:46
데이터버스 역할 기반 액세스 제어를 통해 관련 사용자 나그룹으로 권한을 제한하세요.
9:50
그렇지 않으면 자동화된 무질서 상태가 될 뿐입니다.
9:52
구조를 테스트해보면 각 조각이 얼마나 매끄럽게 맞물리는지 알 수 있습니다.
9:56
150달러 미만의 청구가 AI 검토를 통과하면 관리자 승인 후 절차가 종료됩니다.
10:01
150달러가 넘으면 시스템은 최종 승인 전 관리자 검토를 위해 정중히 대기시킵니다.
10:05
각 경로마다 감사추적, AI 추론 로그, 타임스탬프가 찍힌 승인 내역, 기록된 결과가 데이터버스에 저장됩니다.
10:11
나중에 아무도 본 적 없다 고발뱀 할 수 없습니다.
10:14
데이터베이스가 사실을 증명하니까요.
10:16
정교하게 다듬을 때는 명명규칙을 철저히 지키세요.
10:19
관리자 승인, 운영자 승인과 같이 단계별로 접두사를 명확히 붙여 흐름을 시각적으로 추적할 수 있게 하세요.
10:24
순서도는 추상예술이 아닌 논리처럼 읽혀야 합니다.
10:27
만족스럽다면 게시하고 실제 시나리오로 테스트해보세요.
10:30
과정이 진행되는 모습을 지켜보세요.
10:32
AI가 즉시 평가합니다.
10:34
관리자에게는 승인 작업이 전달됩니다.
10:36
운영자는 조건이 충족될 때만 개입합니다.
10:39
결과는 단순히 자동화가 다 처리하는 느낌이 아니라 스스로 관리되는 투명한 계층 구조처럼 느껴집니다.
10:45
이러한 계층적 조율은 문서검증이라는 새로운 영역을 열어줍니다.
10:49
양식의 입력값은 거짓일 수 있어도 영수증은 그렇지 않기 때문입니다.
10:52
다음 단계는 AI가 받은 편지함에 도달하기 전 물리적 증거를 먼저 검토하게 만드는 것입니다.
10:57
거기서 영수증 검증이 시작되며 관료주의를 검증 가능한 과학으로 바꿉니다.
11:01
동적 입력 및 문서검증, 영수증에 대해 이야기해봅시다.
11:05
누군가 환급을 요청하면 갑자기 중요한 증거물이 되는 구겨진 작은 종이 조각 말이죠.
11:10
수동 승인 프로세스에서는 사람이 눈으로 직접 확인합니다.
11:13
네, 이건 요트가 아니라 요가 매트가 맞네요.
11:16
자동화된 프로세스에서는 AI 가판단 필요 없이 똑같은 확인 작업을 수행하게 합니다.
11:21
코파일럿 스튜디오 위 에이전트 플로우에서 문서검증은 동적 콘텐츠 입력,
11:25
즉 이미지나 파일을 승인 로직으로 전달하는 기능을 통해 구현됩니다.
11:29
이는 AI 승인자에게 세 번째 감각인 시각을 부여하는 것과 같습니다.
11:32
텍스트 필드에만 위존하는 대신 모델이 문서를 읽고 기록된 내용과 업로드된 내용을 비교합니다.
11:38
구조는 다음과 같습니다.
11:39
AI 단계 내에 이미지 또는 문서라는 새로운 입력 유형을 추가합니다.
11:43
영수증 파일과 같이 명확하게 라벨을 지정하세요.
11:46
테스트를 위해 샘플 영수증을 업로드하세요.
11:48
이는 실전 적용이 아니라 로직 네이아웃을 훈련하는 과정입니다.
11:51
이제 지시 프롬프트를 조정하여 문서 교차 검증을 포함시키세요.
11:55
기존 로직을 확장하는 것입니다.
11:56
다음 조건이 모두 충족될 때 청구를 승인합니다.
11:59
금액 500달러 이하, 청구 내용이 신체 또는 정신건강과 관련,
12:02
구매일 30일 이내, 그리고 영수증 문서가 신고된 품목, 금액, 날짜와 일치함.
12:06
이 네 번째 조건은 AI 승인자를 정책 집행자에서 회계 감사관으로 탈바꿈시킵니다.
12:11
테스트가 실행되면 모델은 문서에서 읽을 수 있는 텍스트를 추출하고,
12:15
비하에 구조화된 입력과 일치하는지 확인합니다.
12:17
영수증에 8월 22일, 피트니스 매트 300달러라고 적혀있는데,
12:22
청구 내용이 그와 다르면 결과는 거부로 바뀝니다.
12:24
자, 이제 구현을 위해 승인 프로세스가 실행되기 전에 해당 문서를 가져와야 합니다.
12:28
데이터버스 위 파일 또는 이미지 다운로드 작업을 사용하세요.
12:31
청구레코드가 있는 동일한 테이블, 아마도 클레임즈 테이블을 대상으로 지정하세요.
12:35
파일열에서 영수증과 같이 흔히 이름 붙여진 첨부 파일 필드를 선택하세요.
12:39
그런 다음 트리거에서 행 아이디를 동적으로 지정하여 고유한 청구 식별자를 설정하세요.
12:44
이 작업은 파일 메타 데이터와 콘텐츠를 반환하는데, 여기서 미묘한 함정이 있습니다.
12:49
AI가 올바르게 해석하려면 콘텐츠 출력에 약간의 수술이 필요합니다.
12:53
파일 콘텐츠를 문서 영수증 파일 입력에 맵핑할 때 식 편집기를 열고 본문 참조해 콘텐츠를 추가하세요.
13:00
그 마지막 조정이 메타 데이터 래퍼가 아닌 실제 파일 바이트를 전달합니다.
13:04
이를 건너뛰면 AI 갑인 영수증을 열정적으로 승인해버릴 것입니다.
13:08
문서 워크플로의 아킬레스건인 동기화 문제를 다뤄보겠습니다.
13:11
대부분의 데이터버스 테이블은 레코드가 처음 저장된 후에야 첨부 파일을 저장함으로,
13:16
레코드 생성 시 흐름이 트리거되면 파일이 존재하기 전에 실행될 수 있습니다.
13:20
증상, 흐름이 실패하거나 영수증 콘텐츠가 널로 나타납니다.
13:24
해결책은 우아합니다.
13:25
트리거 조건을 항목 수정 시 로 변경하되, 영수증 열이 변경될 때만 실행되도록 제한하세요.
13:31
그렇게 하면 누군가 파일을 업로드하거나 교체하는 즉시 검증이 시작됩니다.
13:35
이를 구성하려면 트리거 설정을 열고, 수정된 열을 선택한 다음, 고급 도구 아래에 데이터버스 열 세부 정보에서 가져올 수 있는 영수증 열이 논리 이름을 붙여넣으세요.
13:45
설정이 완료되면 게시하세요.
13:47
이제 자동화가 예의 바르게 작동합니다.
13:50
검증할 대상이 생길 때까지 기다립니다.
13:52
청구가 새 영수증으로 업데이트되면 흐름이 다시 시작됩니다.
13:56
파일을 다운로드하고 AI 단계를 거쳐 모든 입력을 교차 검증합니다.
14:00
금액 불일치, 지난 날짜, 일관되지 않은 설명 등 차이가 있으면 AI 가 이유를 포함하여 거부합니다.
14:08
추론 로그에는 청구 금액 305달러가 문서 합계 300달러와 다릅니다.
14:11
라고 표시될 수 있습니다.
14:13
불만 없는 규정 준수입니다.
14:14
실질적인 효과는 무엇일까요?
14:16
모든 제출권이 스스로 감사하게 됩니다.
14:18
직원들은 더 이상 의심스러운 영수증이나 모호한 설명을 몰래 통과시킬 수 없습니다.
14:22
AI 가 판단을 내리고 데이터버스가 증거를 제공하며 둘 다 커피타임 없이 일합니다.
14:27
그러니 문서 검증은 결코 과한 것이 아닙니다.
14:30
워크플로우를 위한 면역기업과 같습니다.
14:32
이상 증후는 실제 영수증에 인쇄된 글자 수준에서 포착되며
14:36
인간 검토자는 수동 확인자에서 예외 처리자로 승격됩니다.
14:40
축하합니다.
14:41
이제 정직함 그 자체를 자동화 하셨습니다.
14:43
신뢰성 구축, 테스트, 버전 관리 및 개시입니다.
14:47
어떤 자동화든 실행하기 전까지는 완벽해 보일 수 있습니다.
14:50
그렇기 때문에 신뢰성은 하나의 단계가 아니라 하나의 원칙입니다.
14:53
코파일러 스튜디오는 에이전트 흐름에 직접 내장된 버전 관리,
14:56
테스트 및 개시 제어 기능을 통해 이러한 원칙을 놀랍도록 쉽게 만듭니다.
14:59
반복적인 테스트부터 시작하세요.
15:01
모든 승인 흐름은 하나의 작은 생태계입니다.
15:04
잘못된 변수 이름 하나만으로도 혼란이 발생할 수 있습니다.
15:07
그러니 테스트를 과학적인 과정으로 다루세요.
15:09
변경사항을 분리하고 데이터를 적용하고 결과를 관찰하세요.
15:13
흐름 편집기에서 코파일러 스튜디오를 사용하면
15:15
프로덕션 트리거를 배포하지 않고도 샘플 데이터를 시뮬레이션 할 수 있습니다.
15:18
너무 큰 금액, 지난 날짜, 관련 없는 항목 이름 등 다양한 시나리오를 입력하고
15:22
각각 정확한 판단을 내리는지 확인하세요.
15:25
그런 다음 명명규칙으로 넘어가세요.
15:27
지루한 가요, 물론입니다.
15:28
필수적인 가요, 공기보다 더 중요합니다.
15:30
모든 변수에 체계적으로 접두사를 붙이세요.
15:32
문자열은 str, 숫자는 num, 파일은 각도 표시하세요.
15:35
마찬가지로 작업 레이블도 명확하게 지정하세요.
15:37
영수증 파일 다운로드, 관리자 승인 확인, 청구 승인 업데이트와 같이 말이죠.
15:41
3개월 후 누군가 외 7번 작업이 중단되었는지 물어볼 때
15:43
고고학보다는 흔적을 남기는 것이 훨씬 낫다는 것을 깨닫게 될 것입니다.
15:47
개별 테스트가 성공하면 에지 시나리오 검증으로 확장하세요.
15:50
서툰 사용자가 되어보세요.
15:52
영수증을 올리지 않거나 날짜를 내년으로 바꾸거나
15:55
500 대신 500을 입력해보세요.
15:57
ai가 충돌 없이 상황을 설명하고 거부하는지 확인하세요.
16:00
이는 가상의 실수가 아니라 현실에 대비하는 리허설입니다.
16:03
초기에 더 많은 오류 사례를 제거할수록
16:05
나중에 흐름이 또 멈췄다는 새벽 2시의 팀즈 메시지를 덜 받게 될 것입니다.
16:10
개시는 거버넌스를 도입합니다.
16:12
중요한 변경사항을 저장할 때
16:13
마다 코파일럿 스튜디오는 자동으로 새 버전을 생성합니다.
16:16
언제든지 이전 버전으로 되돌릴 수 있습니다.
16:18
덮어쓰기에 대한 걱정은 없습니다.
16:19
이를 활용하여 실험적인 로직 샌드박스를 프로덕션 환경과 분리하세요.
16:23
청구 승인 개발 흐름과 청구 승인 프로덕션 흐름을 구분하세요.
16:26
개발 환경에서 테스트하고 안정적일 때만 개시하세요.
16:29
신뢰성은 단순히 정확성에 관한 것이 아니라
16:31
변화 속에서의 제어에 관한 것임을 기억하세요.
16:34
개시 후에는 활동 로그를 활용하세요.
16:37
이 로그는 장식이 아니라
16:38
ai와 인간의 상호작용에 대한 법적 수준의 기록입니다.
16:41
타임 스탬프, 승인자 신원, 추론 요약 등이 포함됩니다.
16:44
이 로그를 주기적으로 검토하세요.
16:46
패턴이 드러날 것입니다.
16:47
어떤 규칙이 가장 많은 거부를 유발하는지
16:49
어떤 관리자가 ai 결정을 재정해냈는지
16:51
규정 증수 단계가 얼마나 자주 수행되는지 확인하세요.
16:53
이러한 통찰력은 정책과 설계를 모두 개선합니다.
16:56
또 다른 유용한 관례로
16:57
각 분기 끝에 상태 업데이트를 데이터버스 레코드에 자동으로 기록하세요.
17:02
행 업데이트 작업은 청구 상태가 승인됨 또는 거부됨과 같은
17:05
명확한 필드로 설정되어야 합니다.
17:07
이러한 다시적인 끝점은 신뢰를 강화합니다.
17:09
사용자는 자신의 테이블 보기 내에서 결정을 확인할 수 있습니다.
17:12
별도의 추적 스프레드 시트 나 불근명한 승인은 사라질 것입니다.
17:14
시스템이 모든 테스트를 통과하면 차분한 자신감을 가지고 계시 버튼을 누르세요.
17:18
이전 세대의 파워 오토메이트 흐름과 달리
17:20
에이전트 흐름은 상황별 메타 데이터,
17:23
ai 결정 스키마,
17:24
동적 콘텐츠 바인딩 및 버전 태그를 유지합니다.
17:27
결과는 단순히 실행 중인 프로세스가 아니라
17:29
재현 가능한 아티팩트이자 감사 가능한 자동화입니다.
17:32
최종 신뢰성 검사는 심리적 인건입니다.
17:34
과도한 엔지니어링을 피하세요.
17:36
때로는 실패한 흐름이 기술적 버그가 아닌
17:37
지나치게 복잡한 규칙 때문임을 드러냅니다.
17:39
가능한 한 로직을 간소화하세요.
17:41
더 적은 단계, 더 명확한 지침,
17:44
최소한의 모호함이 필요합니다.
17:45
자동화는 무작위성이 아니라
17:47
불필요한 기교를 배제하는 것입니다.
17:49
2단계를 마치면 승인 시스템은
17:51
운영 성숙도에 도달하여 테스트,
17:53
버전 관리, 롤백, 검증이 가능해집니다.
17:55
ai 위 판단부터 관리자의 승인까지
17:57
모든 결과는 엄격한 검토를 견딜 수 있는
17:59
디지털 발자국을 남깁니다.
18:01
이는 분위기나 운이 아닌 정량화된 신뢰성이며
18:03
여러분이 잠든 사이 애도 생각하도록 만든 도구들에 위해
18:06
충실히 기록된 구조적 추론입니다.
18:08
결과와 현실적인 보상,
18:10
관료주의를 수학에 맡기면 어떤 일이 벌어질까요?
18:13
수인을 위해 기다릴 필요가 없습니다.
18:15
ai 기반의 다단계 에이전트 흐름은
18:17
위사결정이 더 이상 일정에 좌우되지 않기 때문에
18:19
처리 시간을 며칠에서 몇 분으로 단축합니다.
18:21
객관적 정책을 충족하는 모든 청구는 즉시 승인됩니다.
18:25
모든 예외 사례는 이미 컨텍스트가 첨부된 상태로
18:27
관리자의 대기열에 깔끔하게 정리됩니다.
18:29
사람은 사무적인 확인이 아닌 가치판단을 내립니다.
18:32
그 영향은 시간 단축으로 먼저 나타납니다.
18:35
과거에 이메일 4번과 알림 2번이 필요했던 비용 정산이
18:38
이제 점심시간 전에 해결됩니다.
18:40
부서는 더 짧은 처리 주기,
18:41
더 적은 대기 상태,
18:43
그리고 완벽하게 기록된 추론 경로를 경험합니다.
18:46
승인 메커니즘은 더 이상 방해 요소가 아닙니다.
18:49
그것은 인프라가 됩니다.
18:50
그 다음은 오류 감소입니다.
18:52
ai를 통해 결정론적 규칙을 시행함으로써
18:54
수동 승인의 고질적인 문제인 주관적 편차를 제거합니다.
18:57
이게 건강 및 복지로 간주되는 줄 알았다는 시계 변명은 이제 끊입니다.
19:01
ai는 매번 동일한 방식으로 기준을 해석합니다.
19:04
행정 로직에서 일관성은 공간보다 더 확장 가능합니다.
19:07
관리자는 이상치만 처리하며
19:08
그 마저도 감사 추적과 함께 제공됩니다.
19:11
데이터 입력, 결정 이력, 모델 설명이 모두 포함됩니다.
19:14
감사는 당황스러운 절차에서 예의 바른 검증 과정으로 변모합니다.
19:17
조직 차원에서 볼 때 이는 더 빠를 뿐만 아니라 더 안전합니다.
19:20
규정 준수는 기억이나 기분에 의존하지 않습니다.
19:23
그것은 내장되어 있습니다.
19:24
데이터버스 로그는 누가, 언제, 왜 승인했는지 보여줍니다.
19:27
모든 결정이 검색 가능한 연구 상태로 남기 때문에 이러한 투명성은 편법 문화를 억제합니다.
19:32
철학적으로 워크플로우는 ai 지원을 받는 인간에서 인간의 수정이 동반된 ai 우선 방식으로 바뀝니다.
19:38
공상과학이 아닌 실용적인 거버넌스입니다.
19:40
ai는 규칙을 집행하고 사람은 판단을 내립니다.
19:43
이러한 하이브리드 방식은 더 공정하고 신속하며 궁극적으로 더 신뢰할 수 있는 시스템을 만듭니다.
19:47
감사관에게 이를 설명하는 모습을 상상해보세요.
19:49
그 결과로 지어지는 미소만으로도 자동화를 도입할 가치는 충분합니다.
19:52
자 여기까지입니다.
19:53
마이크로소프트 코파일럿 스튜디오는 단순한 자동화 도구가 아닙니다.
19:56
여러 조직의 우유부단함이 마침내 은퇴하는 곳입니다.
19:59
조건에 따라 판단하고 책임있게 에스컬레이션하며 영수증을 현실과 대조해 검증하고 모든 과정을 기록하는 승인 엔진을 구축하세요.
20:06
그건 단순한 흐름이 아니라 거버넌스 모델입니다.
20:09
다른 건 다 있더라도 이것만은 기억하세요.
20:11
ai는 의사결정을 예측 가능하게 만들고 인간은 예외적인 일을 처리해야 합니다.
20:15
습관적으로 모든 것을 사람을 거쳐 처리하게 하지 마세요.
20:18
일상 업무는 로직이 처리하게 하고 관리자는 예외 상황을 다루게 하세요.
20:21
이번 가이드로 관리자 스인을 기다리며 보낼 일주일을 아끼셨다면 구독을 고려해보세요.
20:26
다음 튜토리얼에서는 에이전트 흐름이 파워 플랫폼 분석 및 적응형 정책과 연결되는 한층 더 발전된 코파일럿 스튜디오 자동화를 다룹니다.
20:34
성장의 길을 확보하세요.
20:36
구독하고 알림을 켜두면 새 에피소드가 자동으로 배포됩니다.
20:39
수동 확인도 놓치는 에피소드도 없이 유용한 지식만 지속적으로 전달받으세요.
20:43
시작하세요.