https://youtu.be/fQ7cq6QLBZQ?si=GnEA3UnMGyhzNaEW
📌 Copilot Studio에서 자동화를 구축할 때 Agent와 Flow 중 어떤 것을 선택해야 하는가?
Copilot Studio의 핵심인 에이전트(Agent)와 플로우(Flow)의 명확한 구분법을 전문가들의 대화를 통해 속 시원하게 해소해 드립니다. 이 콘텐츠는 결정론적 자동화와 동적 비즈니스 프로세스 중 어떤 상황에 어떤 도구를 선택해야 하는지 구체적인 사례와 함께 알려주며, 'Human in the Loop' 전략을 통해 AI 자동화의 신뢰도와 예측 가능성을 높이는 실질적인 방법을 제시합니다. AI 자동화 도입을 고민하는 분이라면, 이 영상을 통해 가장 적합한 솔루션 선택 기준과 데이터 보안 전략을 즉시 적용할 수 있습니다.
타임라인 노트: Copilot Studio의 에이전트와 플로우 구분법 (SE04 EP06)
이 문서는 Copilot Studio에서 에이전트(Agent)와 플로우(Flow) 중 어떤 도구를 선택해야 하는지에 대한 핵심 기준과 AI 자동화의 신뢰도를 높이는 방법을 시간 순서대로 정리합니다.
1. Copilot Studio 관련 Q&A 세션 시작
세션 소개 및 출연진 소개
이번 에피소드는 Copilot Studio에 대한 커뮤니티 질문에 답변하는 특별 세션으로 진행된다.
출연진: MVP Shane Young (2005년부터 활동)
출연진: Microsoft 측 그룹 제품 관리자 Ben Applebee
핵심 질문 제기
Shane Young이 Ben Applebee에게 Copilot Studio 구축 시 에이전트와 플로우 중 무엇을 선택해야 하는지에 대한 답변을 요청한다.
2. 에이전트 vs. 플로우 선택 기준: 결정론적 vs. 동적 프로세스
AI 자동화의 확장성
AI는 이전보다 더 많은 자동화를 가능하게 한다.
도구 선택의 핵심 기준
결정론적 자동화 (Deterministic Automation) 구축 시:
특정 작업을 위해 AI를 활용하여 더 많은 자동화를 수행하려는 경우, 에이전트 플로우(Agent Flow)가 올바른 도구이다.
근본적으로 동적인 비즈니스 프로세스 (Fundamentally Dynamic Business Process) 자동화 시:
에이전트(Agent)가 올바른 솔루션이다.
구체적인 사례 비교
결정론적 예시 (에이전트 플로우): 자동차 보험 청구 중 앞유리 수리와 같은 예측 가능한 청구 유형
고객이 양식을 작성하고 특정 기준을 충족해야 한다.
AI는 사진 분석(AI 프롬프트 사용)이나 청구 요약 생성 등으로 자동화 프로세스를 향상시킨다.
동적 예시 (에이전트): 교통사고와 같은 청구 유형
사고 청구는 본질적으로 더 복잡하고 동적인 성격을 가지므로, 해당 고객의 정책에 부합하는지 이해하기 위해 지식 소스(Knowledge Source)를 활용해야 한다.
두 도구의 연동 가능성
에이전트와 플로우는 함께 사용(in tandem)할 수 있다.
에이전트가 새로운 청구를 처리하면서 특정 작업을 위해 플로우를 활용할 수 있다.
또는, 새로운 청구 수집 방식에 따라 에이전트 플로우가 올바른 에이전트나 하위 플로우(Child Flow)로 라우팅할 수 있다.
요약: 에이전트 플로우는 결정론적 AI 자동화에, 에이전트는 동적인 프로세스에 주로 사용된다.
3. 에이전트 플로우(Agent Flows)의 특징 및 Human in the Loop 전략
에이전트 플로우와 플로우의 차이점
에이전트 플로우는 클라우드 자동화의 새로운 유형이다.
기존 클라우드 플로우 서비스를 기반으로 구축되었으나, 에이전트 AI 기능을 염두에 두고 설계되었다.
에이전트 플로우의 주요 기능 (현재 및 예정)
에이전트에게 위임(Delegate to agents)하는 기능: Copilot Studio에서 구축한 에이전트와 풍부하고 상호작용적인 대화를 나눌 수 있다.
MCP 지원 추가 예정.
코드 생성(Codegen) 기능이 최근 프리뷰로 출시되었다.
자동화를 감독할 수 있도록 Human in the Loop(HITL) 기능을 추가 및 확장하고 있다.
Human in the Loop (HITL)의 중요성
HITL은 신뢰도(Trust factor)와 직결되며, AI 자동화 도입 시 가장 중요한 요소이다.
초기 도입 시에는 HITL을 반드시 포함해야 하며, 심지어 단순한 승인(Rubber stamp) 역할이라도 좋다.
HITL을 통해 반복 작업(Iteration)을 수행하고 신뢰도를 구축할 수 있다.
30일 동안 오류가 없었다면, 그때는 HITL에서 인간을 제외하는 것을 고려할 수 있다.
신뢰도와 예측 가능성의 비즈니스 영향
고객과의 대화에서 예측 가능성(Predictability)과 신뢰도가 최우선 주제이다.
80%는 훌륭하지만 20%는 실패하는 AI 자동화는 유용하지 않다.
예측 가능성과 신뢰도를 높이고 적절한 감독이 있다면, 해당 자동화는 상당한 비즈니스 영향을 미칠 수 있다.
4. 새로운 Human in the Loop 기능: 정보 요청 (Request for Information)
새로운 HITL 액션 출시
에이전트 플로우에서 '정보 요청(Request for Information)'이라는 새로운 HITL 액션이 최근 출시되었다.
이는 기존의 승인(Approvals) 기능을 확장한 것이다.
AI가 Outlook에서 적응형 카드(Adaptive Card) 형태로 인간에게 동적으로 양식을 생성하여 보낼 수 있다.
향후 확장 계획
향후 Teams 및 기타 모달리티에 대한 지원이 추가될 예정이다.
기능의 의의
이 기능을 통해 AI 자동화가 수행하는 작업에 대해 단순한 승인/거부 이상의 상호작용이 가능해진다.
5. 데이터 보안 및 정보 노출 방지 도구
마지막 질문: 정보 노출 방지 대책
에이전트와 자동화가 정보에 접근할 때, 정보가 유출되는 것을 방지하기 위해 어떤 도구를 고려해야 하는지 질문한다.
주요 데이터 보안 도구
Copilot Studio 및 Power Platform 내에 다양한 도구가 존재한다.
Power Platform 데이터 정책(Data Policies):
가장 주된 도구이며, 오랫동안 존재해 왔다.
에이전트가 사용하는 커넥터 제어 및 동일 에이전트 내에서 사용 가능한 커넥터 조합 제어가 가능하다.
데이터 정책이 첫 번째로 시작해야 할 지점이다.
보안 레이블(Sensitivity Labels) 지원 추가:
Purview 보안 레이블 지원이 추가되었다.
SharePoint를 지식 소스로 사용하는 경우, 해당 레이블 정보가 에이전트와의 대화 경험에서 최종 사용자에게 자동으로 전달된다.
향후 이 보안 레이블을 자동화 및 Copilot Studio의 다른 모달리티에서도 활용할 수 있도록 확장할 예정이다.
6. 마무리 및 추가 정보 안내
요약 및 감사
Ben Applebee의 답변은 Power Apps 및 Power Automate에 대한 답변과 유사하여 전반적인 맥락을 이해하는 데 도움이 되었다.
Shane Young은 Ben Applebee에게 시간을 내주어 감사 인사를 전하며, 에이전트 플로우 관련 질문이 고객들로부터 가장 많이 받는 질문 중 하나임을 언급한다.
추가 학습 및 커뮤니티 참여 안내
Copilot Studio, 특히 에이전트 플로우에 대해 더 배우고 싶다면 Power Platform 커뮤니티로 이동해야 한다.
커뮤니티 URL은 Community.powerplatform.com이다.
커뮤니티 포럼에서 슈퍼 유저, MVP(Shane), Microsoft 엔지니어(Ben)와 연결하여 문제 해결, 질문 답변, 모범 사례 학습이 가능하다.
곧 출시될 AI 기반 기능을 통해 그 어느 곳보다 빠르게 답변을 얻을 수 있을 것이다.
Copilot Studio 사용 권장 및 구독 안내
아직 Copilot Studio를 사용하지 않았다면 시도해 보기를 권장한다 (aka.m/ry copilot studio).
YouTube 및 LinkedIn 페이지 구독을 잊지 말아야 한다.
세션 종료.
댓글
댓글 쓰기