Latest / M365.FM – Microsoft 365, Copilot & AI 팟캐스트 (한국어) / Microsoft Purview, Power Automate, Copilot Studio로 AI GRC 에이전트 구축: 규정 준수 보고 자동화 (AI 더빙)

Transcript

Microsoft Purview, Power Automate, Copilot Studio로 AI GRC 에이전트 구축: 규정 준수 보고 자동화 (AI 더빙) · M365.FM – Microsoft 365, Copilot & AI 팟캐스트 (한국어)

0:00
거버넌스, 리스크, 규정 준수 보고서, 즉 GRC에 대해 이야기해보겠습니다.
0:04
모든 세시 감사관을 합친 것보다 더 많은 카페인 섭취를 유발하는 세 글자죠.
0:08
지금 어딘가에서는 가련한 분석가가 2003년인 양,
0:11
매크로가 마법인 줄 알고 엑셀의 감사 로그를 셀 단위로 복사하고 있을 겁니다.
0:15
좋은 위도로 깔끔한 통합 문서와 몇 가지 필터로 시작했다가
0:18
결국 서로 모순되는 40개의 피버 테이블 템만 남게 되죠.
0:21
보호장치 여야할 규정 준수가 이제는 하나의 퍼포먼스 아트가 되어버렸습니다.
0:25
감사관에게 모든 것이 통제되고 있다고 안심시키기 위한 수많은 데이터 가공작업들 말이죠.
0:30
스포일러를 하자면 통제되는 경우는 거의 없습니다.
0:32
수동 GRC 보고는 조직이 문서화를 통찰력으로 착각할 때 발생합니다.
0:36
마이크로소프트 퍼뷰에서 데이터를 가져와 내보내고
0:38
스프레드 시트에 길게 늘어놓은 다음 그걸 거버넌스라고 부르는 식이죠.
0:42
다음 주에 새로운 활동이 일어나고 데이터가 바뀌면
0:44
갑자기 당신의 깔끔했던 차트는 색깔 그라데이션으로 포장된 거짓말이 됩니다.
0:48
책임성을 강화해야 할 감사 추적은 결국 번아웃만 강화할 뿐입니다.
0:51
더 나쁜 점은 대부분의 기업이 퍼뷰를 감사 전에만 열어보는 금고처럼 취급한다는 것입니다.
0:56
그 감사 로그는 누가, 어디서, 언제 무엇을 했는지에 대한 테라바이트급 데이터를 조용히 축적하고 있습니다.
1:00
유용한가요? 물론이죠. 읽을 수 있나요? 거의 불가능합니다.
1:04
각 항목은 빛조차 휘게 만들 만큼 밀도가 높은 JSON 덩어리니까요.
1:07
네, 주말을 포기하고 제정신을 담보로 걸 수 있다면 수동으로 처리할 수도 있겠죠.
1:12
이제 그 부조리함과 AI 에이전트라는 개념을 비교해보세요.
1:15
단순히 답을 추측하는 마법 같은 코파일럿이 아니라 마이크로소프트 위도구로 구축된 자동화된 규칙 기반 에이전트 말입니다.
1:23
자연어 지능을 위한 코파일럿 스튜디오, 작업 조율을 위한 파워 오토메이트, 그리고 감사 진실의 원천인 퍼뷰 가입죠.
1:31
다시 말해 규정 준수팀이 항상 원했던 일, 즉 한숨 섞인 탄식이나 마스터 스프레드 시트에 커피를 쏟을 위험 없이 데이터를 가져오고 분석하고 설명해주는 소프트웨어입니다.
1:40
불평도 없고, 잠도 안 자고, json을 영어처럼 읽는 인터넷의 grc 보고를 아웃소싱한다고 생각하세요.
1:47
이 설명이 끝날 때 찜이면 퍼뷰 로그 연결부터 보고서 자동 예약까지, 마이크로소프트 생태계 안에서의 모든 것을 어떻게 구축하는지 정확히 알게 될 것입니다.
1:55
네, 이를 단순한 자동화에서 완전히 자율적인 감사자로 바꿔줄 논리 단계도 다룰 예정입니다.
2:00
우선 이것에 집중해봅시다. 규정 준수가 카페인 섭취량에 좌우되어서는 안됩니다.
2:04
기계는 지치지 않으며 열머리 끌을 잘못 기입할 일도 없으니까요.
2:06
이 에이전트가 감독 없이도 보고서를 보낼 수 있을 만큼 신뢰할 수 있게 만드는 단 하나의 논리계층, 즉 미묘한 설계 선택이 있습니다.
2:12
그 부분에 도달하기 전에 먼저 이 에이전트가 정확히 무엇인지부터 이해해봅시다.
2:15
코파일럿 스튜디오와 파워 오토메이트 위의 조합을 그저 거창한 이름의 플로우 이상으로 만드는 것은 무엇일까요?
2:21
grc 에이전트의 실체는 무엇인가?
2:24
ai 위 화려함을 걷어내고 이 기술의 본질이 무엇인지 정의해봅시다.
2:28
지능을 가장한 마이크로소프트 스택 기반의 구조화된 자동화입니다.
2:32
grc 에이전트는 세계의 머리를 가진 존재입니다.
2:35
각머리는 인지 과정의 한 부분을 담당합니다.
2:38
퍼뷰는 원시 메모리 역할을 합니다.
2:40
감사 로그, 분류 데이터, 그리고 규정 준수 이벤트가 이에 해당하죠.
2:44
파워 오토메이트는 신경계 역할을 합니다.
2:46
신호를 수집하고 노이즈를 걸러내며 프로세스가 일정대로 실행되게 합니다.
2:51
마지막으로 코파일럿 스튜디오는 이비자 번역가입니다.
2:54
로그의 기술적인 난해함을 받아 사람이 읽을 수 있는 요약본으로 출력합니다.
2:58
사용자가 24시간 동안 정책 임계 값을 초과하여 권한을 5회 상승시켰습니다.
3:02
이것은 json이 아닌 자연스러운 언어입니다.
3:04
진실은 이렇습니다.
3:06
규정 준수 업무의 90%는 판단이 아니라 패턴 인식입니다.
3:09
하지만 분석가들은 여전히 활동 유형과 결과 상태 열을 훌르며 시간을 낭비하고 있고,
3:15
자동화는 그러한 패턴을 자동으로 분류하고 요약할 수 있습니다.
3:18
이 접근 방식이 효과적인 이유는 시스템이 사람처럼 생각하려 하지 않고,
3:22
사람보다 더 잘 정리하도록 설계되었기 때문입니다.
3:24
이제 구성 요소를 자세히 살펴보겠습니다.
3:26
마이크로소프트 퍼뷰는 단순한 파일 레이블링 도구가 아니라,
3:29
귀사의 규정 준수를 위한 블랙박스입니다.
3:31
마이크로소프트 365 내의 모든 사용자 활동, 문서 공유, 정책 생성, 보존 네이블 수정 등이 기록됩니다.
3:37
하지만 중첩된 json 구조를 해석할 줄 모른다면 유의미한 통찰력을 얻기 어렵습니다.
3:42
그것이 근본적인 문제입니다.
3:43
데이터는 넘쳐나지만 읽기는 불가능하니까요.
3:45
다음으로 파워 오토메이트는 화려하진 않지만 철저합니다.
3:48
정해진 시간에 작동하고 절대 잊지 않으며 모든 단계를 철칙으로 따릅니다.
3:52
매일 오전 8시 같은 일정을 설정하면 커넥터를 호출해 최신 퍼뷰 활동을 가져옵니다.
3:57
잘못 설정되면 사람은 당황하지만 여기서는 흐름이 조용히 멈추고 그 실패 원인을 완벽하게 로그로 남깁니다.
4:03
규정 준수 담당자는 로그를 좋아하죠.
4:05
파워 오토메이트는 그 로그를 아주 규칙적으로 제공합니다.
4:08
마지막으로 코파일럿 스튜디오는 구조화된 데이터를 서사로 바꿉니다.
4:12
사용자별 위험 활동을 집계한 json 테이블 같은 구조적 요약을 넣으면 자연어로 된 위험 요약본을 출력합니다.
4:19
여기서 지능이라는 환상이 나타납니다.
4:21
추측하는 것이 아니라 여러분이 설계한 프롬프트에 내장된 규칙을 따르는 것입니다.
4:25
예를 들어 신각도별로 주요 위험 활동을 요약하고 카테고리 단권장 사항을 하나씩 포함해줘 라고 지시하는 식이죠.
4:32
결과물은 분석가의 메모처럼 느껴지지만 실제로는 문법으로 포장된 알고리즘의 정직함입니다.
4:36
이제 말하지 않은 아이러니에 대해 다뤄보겠습니다.
4:38
기업은 가시성을 약속하는 데시보드, 화려한 보고서, 색상코드 지표를 구매하지만 데시보드는 상황을 설명하지 않습니다.
4:43
그저 보여줄 뿐이죠.
4:44
하지만 grc 에이전트는 글을 씁니다.
4:47
패턴을 문장으로 번역하여 규정 준수 검토 과정에서 수없이 많은 실수를 유발했던 해석의 격차를 제거합니다.
4:53
경영진이 지난달에 위험 패턴을 요청할 때 신뢰하기 어려운 파워 bi 링크를 보내지 마세요.
4:58
대신 커피를 마시는 동안 오전 8시 5분에 워크플로우가 생성 한 깔끔한 보고서를 보내세요.
5:03
왜 아직 많은 팀이 이렇게 하지 않을까요?
5:05
대부분이 자동화의 가독성을 과소평가하기 때문입니다.
5:08
그들은 ai를 예측 불가능하다고 보지만 사실이 스택은 결정론적입니다.
5:11
모든 것을 당신이 정의하니까요.
5:13
논리, 빈도, 범위, 심지어 문구의 통까지 도요.
5:17
자율성은 무작위가 아닙니다.
5:18
언어 능력을 갖춘 체계적인 자동화입니다.
5:21
하지만 이 에이전트가 생각하기 전에 먼저 볼 수 있어야 합니다.
5:24
이는 퍼뷰 감사 데이터의 적절한 부분에만 접근할 수 있는 데이터 파이프라인을 구축하는 것을 의미합니다.
5:29
그런 가시성이 없다면 눈먼 자동화를 하게 될 것입니다.
5:32
그래서 다음으로 파워 오토메이트를 퍼뷰에 연결하고 중요한 이벤트를 정의하여 에이전트에게 어디를 봐야 할지 가르칠 것입니다.
5:37
그래야만 비로소 무엇을 생각할지 가르칠 수 있습니다.
5:40
퍼뷰 데이터 파이프라인 구축하기
5:41
grc 에이전트에게 사고하는 법을 가르치기 전에 먼저 눈을 달아줘야 합니다.
5:45
신뢰의 원천에 직접 연결하세요.
5:47
마이크로소프트 퍼뷰 위 감사 로그입니다.
5:49
이 로그들은 누가, 무엇을, 언제, 어떻게 건드렸는지 추적합니다.
5:53
안타깝게도 이 로그들은 json이라는 아주 즐거운 구조적 악몽 속에 저장되어 있습니다.
5:57
json을 엔지니어 버전의 법률 용어라고 생각하세요.
6:00
기술적으로는 정확하지만 실제로 읽기는 불가능하죠.
6:03
파워 오토메이트 위 장점은 제대로 연결만 하면 이 난해한 데이터를 유창하게 읽어낸다는 점입니다.
6:08
첫 번째 단계는 추출입니다.
6:09
퍼뷰 내장 커넥터를 사용하거나 고통을 즐긴다면 퍼뷰 감사 로그 api를 직접 호출하는 http 작업을 사용하세요.
6:16
두 방법 모두 같은 결과를 얻습니다.
6:18
페넌트 내에서 일어난 모든 일을 나타내는 데이터 스트림이죠.
6:21
파일 공유, 권한 변경, 접근 위반, 관리자 로그인 등 다양합니다.
6:26
더 체계적인 접근 방식은 범위를 조기에 제한하는 것입니다.
6:29
네, 전체 감사 피드를 가져올 수도 있지만 pdf 하나를 잃어버렸다고 인터넷 전체를 백업하는 것과 같습니다.
6:34
규정 준수에 실제로 영향을 미치는 이벤트를 정의하세요.
6:36
그렇지 않으면 당신의 흐름은 스스로의 인내심에 대한 위도 치하는 서비스 거부 공격이 될 것입니다.
6:41
이제 접근 제어입니다.
6:42
파워 오토메이트는 부여된 권한 내에서만 작동합니다.
6:45
플로우 서비스 계정이 퍼뷰 위 감사 로그를 읽을 수 없다면
6:48
에이전트는 허공을 응시하며 성실하게 문제가 없다고 보고할 것입니다.
6:51
그것은 안심이 아니라 성공으로 위장한 무지일 뿐입니다.
6:55
서비스 계정에 퍼뷰 내 감사 로그 읽기 역할이 있고
6:58
MFA 방해 없이 인증할 수 있는지 확인하세요.
7:02
AI는 순종적이지만 창의적이지는 않습니다.
7:05
새벽 2시에 클릭하거나 인증할 수 없습니다.
7:07
자격 증명을 신중하게 할당하고
7:09
에이저키의 볼트 또는 연결 참조에 저장하여
7:11
규정을 준수하면서 자동화를 유지하세요.
7:13
데이터 추출이 안정화되면 이제 필터링 단계로 넘어갑니다.
7:16
구내 식당 점심 메뉴 폴더에 대한
7:18
모든 파일 액세스 이벤트까지 필요한 사람은 없습니다.
7:21
대신 실제 위험식별 요소를 필터링하세요.
7:24
새 위치에서 로그인 한 사용자
7:25
역할 할당 변경
7:26
외부 공유 실행
7:27
네이블 정책 수정 등이 해당합니다.
7:29
이러한 정보가 감사자가 실제로 관심을 두는 내용입니다.
7:32
API 맥의 변수를 사용하여
7:33
퀄리 단계에서 필터링하거나
7:34
파워 오토메이트 내에서 조건부 논리를 사용해
7:36
후속 단계에서 필터링할 수 있습니다.
7:38
어떤 방식 이든 페이로드를 관리 가능한 수준으로 유지하세요.
7:40
데이터를 모으는 것이 아니라
7:41
선별하는 것임을 기억하세요.
7:43
이제 전문가와 복사 붙여 넣기를
7:44
자동화라고 생각하는 사람을 구분 짓는 단계가 옵니다.
7:47
피드입니다.
7:48
JSON 블록을 나중에 코어 파일럿 모듈이 해석할 수 있는
7:52
구조화된 열로 변환할 것입니다.
7:53
간단한 방법은
7:54
샘플 퍼뷰 이벤트에서 추출한
7:56
정의된 스키마를 사용하여
7:57
JSON 구문 분석 작업을 수행하는 것입니다.
7:59
중첩 배열이라는 용어의 거부감이 든다면
8:01
컴플라이언스 코딩의 세계에 오신 것을 환영합니다.
8:04
사용자 아이디, 작업, 워크로드, 결과 상태,
8:07
클라이언트 IP와 같은 각 속성이
8:08
각각의 변수가 됩니다.
8:09
본질적으로 미래의 AI 에이전트가
8:11
대화를 시작하기 전에 단어를 가르치는 셈입니다.
8:14
이 단계에서 여러분은
8:15
마이크로소프트 데이터 형식의 실전적 유머를 발견하게 될 것입니다.
8:18
일부 감사필드는 단일값을 가질 때
8:20
조차배열 형식으로 나타납니다.
8:22
다른 필드는 마치 모호함의 러시아 인형처럼
8:24
세 겹의 중첩 속에 결과를 숨겨둡니다.
8:27
파워 오토메이트는 표현식을 통해
8:29
이 혼란을 처리합니다.
8:30
아이템즈 어플라이 투 이치 유저 아이디
8:32
와 같은 구문은 난해해 보일 수 있지만
8:33
자동화가 JSON을 파헤쳐
8:35
의미를 찾아내도록 지시하는 방법입니다.
8:37
여기서 작은 오타 하나가
8:38
나중에 엄청난 엉터리 데이터를 만들어냅니다.
8:40
그러므로 작은 샘플을 실행하여
8:42
각 추출 과정을 테스트하세요.
8:43
네, 흐름을 디버깅하는 것은 매우 화려한 작업이죠.
8:45
이 정리된 데이터를 어딘가에 보관해두고 싶을 것입니다.
8:48
보고서의 무게에 따라
8:49
시어포인트, 데이터버스 또는 SQL 데이터베이스를 선택할 수 있습니다.
8:52
이 저장소는 단기 기억장치 역할을 하여
8:54
퍼뷰를 반복적으로 호출하지 않고도
8:56
에이전트에게 과거 데이터를 비교 분석할 수 있게 합니다.
8:58
지능을 캐싱한다고 생각하세요.
9:00
어제의 이벤트가 오늘의 분석에 통찰을 더 해줍니다.
9:03
열 중심 기능이나 데이터 세트 간의 관계가 필요하다면
9:06
데이터버스 가 파워 오토메이트와 더 잘 어울립니다.
9:09
시어포인트는 쉽지만
9:10
수천행이 넘어가면 다루기가 까다롭습니다.
9:13
다음은 예약입니다.
9:14
주기를 정의하세요.
9:15
동적인 환경에는 일일 요약을
9:17
차분한 환경에는 주간 요약을 설정합니다.
9:19
파워 오토메이트 위대풀이 트리거를 사용하세요.
9:21
UTC가 아닌 자신의 시간대에 맞추세요.
9:23
새벽 3시에 보고서가 도착하는 이유를 고민하고 싶지 않다면 말이죠.
9:27
흐름이 자동으로 시작되어 필터링된 데이터를 추출, 변환, 저장하고
9:31
다음 단계인 논리적 두뇌를 위한 페이로드를 준비합니다.
9:34
컴플라이언스의 일관성은 더 이상 사람의 열정에 의존하지 않으며
9:37
기계처럼 정확하게 작동합니다.
9:39
오류 허용 범위를 구성할 때
9:40
다른 모든 분석가들이 동시에 로그를 커리하려고 해서
9:43
퍼뷰 위 API가 요청과다 오류를 발생시키는 상황을 가정해보세요.
9:47
제시도 정책과 대체 메시지를 구축하세요.
9:50
자동화조차도 우아하게 실패해야 합니다.
9:52
오류를 로그 파일에 기록하고
9:54
임계 값을 초과하면 팀즈 메시지를 게시하세요.
9:57
그렇게 하면 실패를 드라마가 아닌 데이터로 관리하게 됩니다.
10:00
감사인은 오류 자체를 처벌하지 않는다는 점을 기억하세요.
10:03
그들은 오류에 대한 문서 누락을 처벌합니다.
10:05
이제 살아있는 파이프라인이 생겼습니다.
10:08
퍼뷰는 파워 오토메이트 위 동맥을 통해 선택한 저장소로
10:11
데이터를 스트리밍합니다.
10:12
수동 데이터 수집 프로세스를 훨씬 더 규율 있는 방식으로 대체합니다.
10:16
제대로 수행하면 미묘한 문화적 변화도 가져옵니다.
10:19
갑자기 규정 준수 보고가 감사전이 질주가 아니라
10:22
지속적인 심장박동이 됩니다.
10:23
참고로 매주 금요일마다 수동으로 퍼뷰를 커리하고
10:26
결과를 엑셀에 복사해서 똑같이 할 수도 있습니다.
10:28
직접 버터를 만들 수도 있겠죠.
10:30
이 파이프라인은 다른 방법이 없어서 존재하는 게 아닙니다.
10:33
주말을 소중히 여기기 때문에 존재하는 것입니다.
10:35
여전히 로그 내보내기를 스크롤하며
10:37
자동화가 위험하다고 주장하는 사람들은 우스울 뿐입니다.
10:39
남은 유일한 진짜 위험은 분석가 한 명이 자리를 비우면
10:42
감사추적이 끊기는 취약한 프로세스를 고수하는 것입니다.
10:44
이제 에이전트가 구조와 일정이 있는 데이터 피드를 볼 수 있게 되었으니
10:47
인지능력을 부여할 차례입니다.
10:49
다음 계층은 원시정보를 해석,
10:51
결정 임계값,
10:53
조건부 논리 및 데이터 요약으로 변환합니다.
10:55
본질적으로 눈에서 뇌로 이동하는 것입니다.
10:57
기반은 마련되었습니다.
10:59
이제 생각하는 법을 가르쳐 봅시다.
11:00
에이전트에게 뇌를 부여하기.
11:02
파워 오토메이트 논리.
11:03
파워 오토메이트는 AI가 아닙니다.
11:05
꿈을 꾸거나 추측하거나 규정 준수 위험을 환각하지 않습니다.
11:08
그것이 하는 일은 대부분의 인간이 유지하기 힘든 것, 바로 순종입니다.
11:11
단계를 잊지 않고 즉흥적으로 행동하지 않으며
11:13
작동했어야 했다고 변명하지도 않습니다.
11:15
그 예측 가능한 경직성이야말로 자율성에 꼭 필요한 요소입니다.
11:18
GRC 에이전트의 논리계층은 구조에서 시작됩니다.
11:21
플로우는 스스로 트리거되고 퍼뷰를 안정적으로 커리하며
11:24
결과를 해석하고 이벤트가 정의된 인계값을 넘을 때를 결정해야 합니다.
11:28
연쇄 반응을 상상해보세요.
11:30
반복 트리거가 작동합니다.
11:32
호출이 퍼뷰에 도달합니다.
11:33
데이터가 정리되고 패턴이 집계되며 위험범죽과 할당됩니다.
11:37
드라마는 없습니다.
11:38
오직 실행뿐입니다.
11:39
반복 트리거로 시작하세요.
11:41
식이 적절한 반복은 인간의 건망증에 대한 문명의 해답입니다.
11:44
감사인이 거주하는 시간대에 맞춰 구성하세요.
11:46
매일이든 매주든 그 일정은 플로우가 요청 없이 의식을 시작함을 의미하며
11:50
이것이 바로 자율 시스템이 살아남는 방식입니다.
11:53
그 직후에 초기화 블록을 배치하세요.
11:55
환경 변수, 카운터, 배열 등이 필요합니다.
11:58
이것들이 에이전트가 나중에 사용할 인지적 비계를 제공합니다.
12:01
총 이벤트, 고위험군수, 보고 날짜 같은 변수가 에이전트의 작업 기억이 됩니다.
12:06
트리거되면 플로우는 퍼뷰 감사 로그 커넥터나 HTTP API를 호출합니다.
12:11
이제 현실을 마주할 차례입니다.
12:13
원시 응답에는 정적 노이즈, 시스템 하트 비트, 혹은 완전히 무관한 이벤트가 포함되어 있습니다.
12:18
필터 배열, 필터 어레이, 단계를 삽입하여 불필요한 데이터를 제거하세요.
12:21
일반적인 패턴으로 사용자 유형이 서비스 주체인 레코드는 무시하고
12:24
데이터 거버넌스나 정책 변경과 관련된 작업 유형만 유지하십시오.
12:27
이러한 받은비 과정이 에이전트를 불안하지 않고 분석적인 상태로 유지해줍니다.
12:31
마이크로소프트의 중복 방식을 고려하면 많은 로그 스트림이 동일한 이벤트를 반복합니다.
12:35
표현식의 간단한 합집합, 유니언, 이나 루프 비교를 사용하여 중복을 제거하세요.
12:39
남은 것은 분류할 가치가 있는 진실된 데이터, 즉 신호입니다.
12:42
여기서부터 스크립트가 두뇌라는 명칭을 얻게 됩니다.
12:45
작성, 컴포즈 또는 선택, 셀렉트, 작업을 추가하여 남은 레코드를 사용자 계정 이름과 작업별로 그룹화하세요.
12:49
그런 다음 해당 수치를 각각의 적용, 어플라이 토이치, 루프에 입력하여 각 범주의 합계를 구합니다.
12:53
결과적으로 에이전트는 하나의 스냅샷을 보유하게 됩니다.
12:55
누가 무엇을, 얼마나 자주 수행했는지, 그리고 사전 정의된 위험 경계를 넘었는지 확인합니다.
13:00
자율성의 비결은 정의한 인계 값에 따라 시스템이 위험 수준을 추론하게 하는 것입니다.
13:04
예를 들어 권한 상승이 3회 발생하면 위험 수준을 높음으로 설정합니다.
13:09
외부 공유가 1회 발생하면 위험 수준을 중간으로 설정합니다.
13:13
그 외에는 정상으로 설정합니다.
13:15
이 논리는 의미를 꾸며내는 것이 아니라 강제하는 것입니다.
13:18
너무 많다는 기준을 코드화 함으로써 인간의 직감을 수치적 명확함으로 대체한 것입니다.
13:23
중첩 조건 작업을 사용하세요.
13:25
위험 수준이 높음이면 해당 사용자의 정보를 고위험 배열에 추가합니다.
13:29
중간 수준 이면 검토를 위해 대기열에 추가할 수 있습니다.
13:31
이상 증후가 없으면 침묵 대신 발견 사항 없음, 메시지를 기록하세요.
13:36
데이터 누락과 데이터 없음의 차이는 규정 준수에서 매우 중요합니다.
13:39
인계 값이 충족된 후 선택적으로 코파일럿 스튜디오 엔드포인트를 호출하여 서수령 요약을 생성할 수 있습니다.
13:44
두 명의 사용자가 위험 인계 값을 초과했습니다.
13:46
하지만 해당 언어 처리 단계는 다음 섹션에서 다룰 것입니다.
13:49
여기서의 목적은 작성이 아니라 자격 부여입니다.
13:52
오류는 발생하기 마련입니다.
13:53
api는 마케팅에서 말하는 것보다 더 자주 제한되거나 일시적인 오류가 발생합니다.
13:57
모든 http 호출을 제시도 정책이 활성화된 범위, 스코프, 컨테이너로 감싸세요.
14:02
3회 시도하고, 지수 백오프, 익스포넨셜 백오프를 적용하십시오.
14:05
실패 분기에서는 오류 메시지, 타임스탬프, 흐름 실행 아이디를,
14:08
자동화 상태라는 시어포인트 목록이나 데이터버스 테이블에 기록하세요.
14:11
첫 배포 시에는 코미디 같은 상황을 예상하세요.
14:13
처음 이 빌드를 테스트했을 때, 에이전트는 자랑스럽게 연계의 문제를 보고했습니다.
14:17
완벽한 규정 준수라고 생각했습니다.
14:19
서비스 계정에 감사 로그 읽기 역할이 없다는 것을 깨닫기 전까지는요.
14:23
로봇이 게으른 것이 아니라, 지시받은 대로만 수행하는 눈먼 상태였던 것입니다.
14:26
자동화는 당신이 제공한 것만 정확히 수행하며, 그 이상은 하지 않는다는 점을 기억하세요.
14:30
모든 흐름 실행은 실행의 증거를 남깁니다.
14:33
요약 매트릭, 총처리 이벤트 수, 최고 위험 사용자, 실행 시간을 저장하는 마지막 파일에 추가 또는 항목 만들기, 작업을 삽입하세요.
14:41
그 결과 들을팀즈 채널이나 관리용 시어포인트 라이브러리로 스트리밍 하십시오.
14:44
감사 시즌이 돌아오면, 기억의 의존의 상황을 설명할 수는 없습니다.
14:48
증거 자료를 제시해야 합니다.
14:50
실행 아이디와 흐름 버전을 포함하여 추가적인 안전장치를 마련하세요.
14:53
나중에 기준치가 변경되더라도, 감사인은 어떤 논리가 어떤 결과를 낳았는지 추적할 수 있습니다.
14:58
기계에 대한 거버넌스는 곧 기계에 의한 거버넌스를 의미합니다.
15:01
이제 자동화 시스템은 분류하고, 집계하고, 결정할 수 있습니다.
15:05
위험 수준이 정책을 위반하는지 알면서도, 그에 대해 아무 말도 하지 않습니다.
15:08
사람에게 그 침묵은 기괴하게 느껴지기에, 다음 단계에서는 언어를 제공할 것입니다.
15:12
바꿔 말하면, 이제 생각할 수 있게 되었으니 말도 해야 하며, 가급적이면 영어로 해야 한다는 뜻입니다.
15:17
글쓰기를 가르치는 과정, 즉 코파일러 스튜디오 통합입니다.
15:20
지금까지 여러분의 에이전트는 효율적이지만 말 없는 과목 한 유형이었습니다.
15:25
코파일러 스튜디오는 데이터라는 언어를 외교적인 문장으로 번역하는 통역사로서, 에이전트에게 말할 능력을 부여합니다.
15:30
코드와 의원회 회의 사이에서 중재하는 다국어 협상가라고 생각하십시오.
15:34
허구를 지어내지 않는 시스템입니다.
15:36
시스템은 현실을 인간이 이해할 수 있는 문장으로 다시 씁니다.
15:40
이 시스템의 재능은 파워 오토메이트가 생성한 복잡한 json 데이터를 사용자 활동, 위험 집계, 이벤트 기록에 대한 깔끔한 요약으로 변환하여 임원진에게는 예의 바르고 감사인에게는 정확한 문단으로 만드는 것입니다.
15:51
시스템은 구문과 정책 사이의 가교 역할을 하여 한때 원시적인 기계 데이터였던 것을 스프레드 시트의 암호가 아닌 최근의 판단이 담긴 읽기 쉬운 글로 바꿉니다.
15:58
원하는 커뮤니케이션의 유형을 정의하는 것부터 시작하십시오.
16:02
보통 임원 요약, 기술 불허, 권장사항의 세 가지가 있습니다.
16:05
각각은 서로 다른 수준의 정보 요구를 충족합니다. 경영진은 한 탈락의 요약을 원합니다. 감사인은 증거 추적 자료가 필요합니다.
16:11
IT 담당자는 데이터로 상황을 파악해야 함으로 모든 항목을 원합니다.
16:14
스튜디오에서 단일 코파일럿 환경을 만들되 그 안에 여러 프롬프트를 구성하십시오.
16:19
각 프롬프트는 어조, 형식, 상세 정도를 결정합니다.
16:22
예, 쉬운 영어로 상위 위험 요소를 요약하고, 오계액을 머리 기호로 제안하며 각각에 대한 해결 방안을 제안하세요.
16:29
다음은 다음과 같을 수 있습니다. 모든 고위험 이벤트를 표형식으로 나열한 기술 부록을 작성하세요.
16:34
파워 오토메이트와 코파일럿 스튜디오를 연결하려면, 흐름 내에서 HTTP 작업을 사용하여 구조화된 JSON 페이로드를 코파일럿의 엔드포인트 URL 로게시하십시오.
16:42
코파일럿은 정의한 시스템 프롬프트를 사용하여 해당 페이로드를 해석합니다.
16:46
마이크로소프트 위 인증을 통해 이 과정은 안전하게 보호됩니다.
16:49
에이저 AD를 통해 호출을 인증함으로 흐름에서만 액세스할 수 있습니다.
16:53
축하합니다.
16:54
이제 보색의 구조화된 생각을 작성 엔진으로 전달하는 방법을 가르쳤습니다.
16:58
반환되는 결과는 숫자가 아닌 텍스트입니다.
17:00
그 텍스트가 바로 보고서입니다.
17:02
이 결과를 코파일럿에 입력하며 다음과 같이 지시하세요.
17:05
결과를 간략한 규정 준수 보고서로 요약하고,
17:07
심각도 별로 분류하며, 발견사항 당 하나의 조치를 권장하고,
17:11
전반적인 추세로 마무리하세요.
17:12
코파일럿은 분석가의 메모와 유사한 결과물을 반환합니다.
17:16
어제 두 명이 사용자에게서 위험 행동이 감지되었습니다.
17:19
아델반스가 허용된 인계치를 초과하여 3회 권한 상승을 수행했습니다.
17:22
관리자 역할에 대한 즉각적인 검토를 권장합니다.
17:26
매간비가 외부 공유를 한 차례 시도했습니다.
17:28
사용자에게 외부 데이터 정책을 상기시키십시오.
17:31
다른 이상 증후는 감지되지 않았습니다.
17:33
기준선 대비 전체적인 추세는 안정적입니다.
17:35
보이시나요?
17:36
이건 생성형 추측이 아닙니다.
17:38
결정론적 프롬프트를 따르는 서식화된 합성입니다.
17:41
사람은 글쓰기라 부르고, 기계는 출력이라 부릅니다.
17:44
비결은 데이터 구조와 언어 구조를 모두 제어하는 데 있습니다.
17:47
코파일럿은 자유롭게 돌아다니는 것이 아니라 통계를 서술하는 것입니다.
17:50
이제 배포 방법을 결정하세요.
17:52
평범한 사람들은 보고서를 찾으려고 데이터버스에 로그인해서는 안 됩니다.
17:56
그러니 파워 오토메이트 커넥터를 다시 사용하세요.
17:59
동일한 흐름의 두 가지 분기에서 작업하십시오.
18:01
하나는 코파일럿 위 요약을 팀즈 채널에 바로 게시하고,
18:04
다른 하나는 전체 HTML 버전을 셰어포인트에 기록합니다.
18:07
경영진은 팀즈 게시물을 읽고, 감사의는 아카이브를 여러 문서를 확인합니다.
18:12
둘 다 동일한 문구로 자동 타임 스탬프가 찍혀 도착합니다.
18:15
그것이 바로 대부분의 인간 작가에게는 없는 미덕인 일관성입니다.
18:18
프롬프트 엔지니어링의 원칙에 대해 이야기해봅시다.
18:21
가드레일이 필요할 것입니다.
18:23
코파일럿이 사용할 정확한 제목을 지정하십시오.
18:25
개요, 주요 결과, 권장사항.
18:28
지정하지 않으면 코파일럿은 서사적인 감각이나 이모지로 당신에게 깊은 인상을 주려할 것입니다.
18:32
이모지가 포함된 감사 보고서는 혼돈에나 팔릴만한 것입니다.
18:36
전문적이고 중립적인 어조 사용, 추측성 언어 피하기,
18:40
정량화 가능한 지표 포함과 같은 지시사항을 포함하세요.
18:43
지침이 염격할수록 결과물은 더 재현 가능해집니다.
18:46
규정 준수는 개성이 아닌 재현 가능성에서 비롯됩니다.
18:49
평범한 기계적 과정 속에도 아름다움이 있습니다.
18:52
코파일럿 스튜디오는 컨텍스트 변수를 허용합니다.
18:55
보고서 날짜나 실행기간 같은 동적 데이터를 출력 내부에 직접 포함할 수 있습니다.
19:00
날짜와 레코드 개수를 위해 자리 표시자를 사용하세요.
19:03
흐름이 코파일럿을 호출하면 해당 변수들이 자동으로 해석됩니다.
19:07
결과는 3월 15일에 생성됨, 563개의 감사 이벤트 분석됨으로 이깁니다.
19:11
그 메타 컨텍스트는 GIF보다 훨씬 더 빠르게 감사인을 만족시킵니다.
19:15
정확성을 위해서는 검증이라는 마지막 단계가 필요합니다.
19:18
코파일럿 위 응답이 비어있지 않은지 확인하는 파워 오토메이트 조건을 삽입하세요.
19:22
비어있다면 실패를 로그에 저장하고 한 번 제기하십시오.
19:25
이미 에이전트에게 자기 인식과 논리를 가르쳤습니다.
19:28
이제 언어적 건전성 검사와 결합하십시오.
19:30
완성된 흐름은 이렇게 보입니다.
19:32
추출, 분석, 요약, 서술, 개시, 모든 화살표는 책임 소재를 나타냅니다.
19:39
최종 조정입니다.
19:40
규정 준수 기준이 변경될 때마다 코파일럿 시스템 프롬프트를 버전 관리하십시오.
19:45
업데이트에 V1, V1.1 등을 태그하고 어떤 프롬프트 버전이 어떤 보고서를 생성했는지 기록하세요.
19:50
향후 감사에서는 무슨 일이 있었는지 뿐만 아니라 당시 서술 모델이 어떻게 지시받았는지도 참조할 수 있습니다.
19:55
이것은 메타 규정 준수, 즉 거버넌스가 스스로를 작성하는 거버넌스입니다.
19:58
관료주의가 드디어 재규를 달성합니다.
20:00
코파일럿 스튜디오가 보고서를 작성하면 당신의 인간적인 역할은 다행히도 선택사항이 됩니다.
20:05
에이전트는 서사를 구성하고 증거를 첨부하고 파일을 게시하고 이전 버전을 보관한 뒤 다음 가동주기까지 종료합니다.
20:12
확인이 필요하지 않도록 명시적으로 설계했기 때문에 쓰인을 받으려 이메일을 보내지 않습니다.
20:17
위인화를 허용한다면 에이전트는 자신의 언어적 정밀함에 내심 자부심을 느낍니다.
20:22
여기서 자율성은 비율을 넘어 워크플로우의 현실이 됩니다.
20:26
기계는 규정 준수 데이터를 처리할 뿐만 아니라
20:28
지연으로 인한 감정적 동요 없이 예정된 시간에 규정 준수 내용을 사람에게 설명합니다.
20:33
네, 기발함을 원한다면 코파일럿 GRC 에이전트가 자율적으로 작성한 보고서와 같은 매진말을 넣을 수도 있습니다.
20:40
로봇이 자신의 작업에 서명하는 것만 큰 경영진의 마이크로 매니징을 효과적으로 막는 방법은 없습니다.
20:45
이제 에이전트가 결과를 설명할 수 있으니 GRC 보고서 작성을 영원히 멈추거나
20:49
적어도 누군가 커넥터를 비활성화하기 전까지는 멈출 수 있습니다.
20:53
이 단계에서 주기는 스스로 완성됩니다.
20:55
퍼뷰 가 수집하고 파워 오토메이트 가 해석하고 코파일럿 이 의약하며 놀랍게도 당신은 주말을 되찾게 됩니다.
21:02
매일의 고된 위례가 규정 준수에 능숙한 하나의 워크플로우로 바뀝니다.
21:07
결과는 매번 정확히 같은 시간에 팀즈에 나타납니다.
21:10
명확한 텍스트, 일관된 용어, 감사 가능한 출처, 미묘한 이점은 속도가 아니라 표준화입니다.
21:17
각 보고서는 동일한 어조를 유지하고 동일한 인계값을 사용하며 동일한 메타데이터를 기록합니다.
21:22
감사자는 더 이상 형식을 검증하느라 시간을 낭비하지 않습니다.
21:25
그들은 실질적인 내용을 평가합니다.
21:27
리스크 패턴은 스프레드 시트의 혼란 대신 시간에 따라 추적되는 서사가 됩니다.
21:31
당신은 규정 준수를 문서 작업에서 오케스트레이션으로 바꾸었습니다.
21:34
법정 수준의 정밀함으로 모니터링하고 해석하고 보고하는 상시 가동 시스템입니다.
21:38
수동 GRC 보고서는 타자기와 같습니다.
21:40
이 에이전트는 자동 교정 기능까지 포함된 워드 프로세서입니다.
21:43
다음 감사 시즌 전에 배포하면 수동 규정 준수 보고서라는 말은 곧 로그를 팩스로 보내달라는 말처럼 구식으로 들릴 것입니다.
21:49
다음 단계는 이 지능을 데이터 개인정보 보호 집행으로 확장하는 것입니다.
21:53
이미 두뇌를 만들어두니 이제는 감독하게 하십시오.