사람들은 이런 것들을 AI 자동화라고 부르는데마치 그 말이 무슨 의미라도 있는 것처럼 말이죠사실 아무 의미도 없습니다코파일러 스튜디오 에이전트와 파워 오토메이트 워크플로우를같은 개념으로 묶을 수 없는 것처럼룬바와 사람 가정부를 비슷한 청소도구라고 부를 수 없습니다전자는 엄격한 루틴을 따르고후자는 복잡한 지침을 해석하고예상치 못한 상황이 발생하면 임기응변으로 대처합니다이러한 차이를 이해하는 것은 단순히 이론적인 문제가 아니라운영상의 생존과 직결됩니다자율 에이전트에게 돈, 규정 준수 또는 고객과 관련된 데이터를 처리하도록 허용하는 순간에이전트에게 실질적인 권한을 넘겨주는 것이기 때문입니다감독 없는 권한은 혼돈으로 이어지고파워 플랫폼에서 혼돈은 서로 모순되는 작업을 수행하는수많은 고립된 워크플로우를 의미합니다자율성, 목표, 그리고 도구코파일러 스튜디오의 자율 에이전트는단순히 프롬프트가 더 보기 좋게 꾸며진 워크플로우가 아닙니다자율성, 목표 추구, 도구 활용이라는세 가지 원칙을 중심으로 구축된 복합 시스템입니다모두가 불안해하는 부분인 자율성부터 살펴보겠습니다워크플로우는 지시가 있을 때, 트리거가 발생할 때, 조건이 충족될 때, 루프가 실행될 때 실행됩니다기존 자동화 시스템은 주도성도 없고, 기억력도 없으며그 순간 이후의 맥락도 파악하지 못합니다반면 에이전트는 추론계층을 통해 입력을 지속적으로 평가합니다코파일러 스튜디오에서는 이를 생성형 오케스트레이션이라고 부릅니다즉, 에이전트는 동적으로 계획을 수립하고어떤 도구를 사용할지, 무엇을 요청할지그리고 지시에 대한 자체적인 이해를 바탕으로작업을 완료할 수 있는지 여부까지 결정합니다자판기와 개인 비서를 비교하는 것과 같습니다 다른 대안을 알려드리겠습니다, 라고 말할 수 있습니다다음으로 목표가 있습니다기존 자동화 시스템은 단계별로 진행되지만, 에이전트는 목표를 가지고 있습니다코파일러 스튜디오에서 에이전트를 정의할 때사소한 동작 하나하나를 스크립트로 작성하는 것이 아닙니다비즈니스 결과를 정의합니다예를 들어, 클레임을 평가하고 정책에 따라 상태를 설정하라, 와 같은 문장입니다이 한 문장이 에이전트의 임무가 됩니다그러면 내부 오케스트레이션 모델이 이를 작업과 하위 결정으로 세분화합니다에이전트는 단순히 레시피를 실행하는 것이 아니라시스템에서 훈련받은 초급 분석가처럼 정책을 추론하여 실행합니다네, 맞습니다이는 미묘한 뉘앙스를 잘못 해석할 수 있다는 것을 의미하며바로 이러한 이유로 에이전트 피드와 같은 거버넌스 기능이 존재하여이를 관찰, 수정, 재학습 및 감독합니다워크플로우는 신뢰를 필요로 하지 않지만에이전트는 정책이 개입하기 전까지사용자의 명시적인 동의 없이 계속 작동하기 때문에 신뢰가 필요합니다이제 세 번째 핵심 요소인 도구에 대해 이야기해보겠습니다이 부분이 대부분의 사람들이 가지고 있는 고정관념을 깨는 부분입니다에이전트가 마법처럼 데이터를 작성하거나 이메일을 보내는 것은 아닙니다여전히 커넥터, 액션, 파워 플랫폼 API, 데이터버스 테이블 등오토메이트 플로우에서 사용하는 것과 동일한 도구들이 필요합니다차이점은 누가 언제 도구를 사용할지 결정하느냐에 있습니다에이전트에게 도구 상자를 주면에이전트가 어떤 도구를 사용할지 스스로 결정합니다파워 오토메이트에서는 사용자가 장인이고사용자가 움직일 때 도구도 함께 움직입니다하지만 코파일럿 에이전트는 규칙이 작동하여새벽 3시에 스스로 도구를 집어들고 작업을 시작합니다이 비유가 불편하게 느껴진다면 잘된 일입니다이는 사용자가 구성한 권한과 연결 참조에 위해제한되는 자율성을 의미합니다간단히 말해서 워크플로우는 결정론적이고에이전트는 사용자가 정의한 범위 내에서 확률론적입니다워크플로우는 정의된 논리를 실행하고에이전트는 정의된 의도를 추구합니다하나는 지침이 필요하고 다른 하나는 감독이 필요합니다정해진 단계와 오케스트레이션이 필요한 것이죠자 이제 자율 에이전트를 분석해 봐더니좀 더 순종적인 사촌격인 기존 파워 오토메이트 워크플로우를 살펴보겠습니다워크플로우는 지능을 가장한 조건문들의 연속입니다생각하는 것이 아니라 순서도를 맹목적으로 따라갈 뿐입니다이메일이 도착하거나 데이터버스 애행이 추가되는 등트리거 조건이 충족되는 순간깨어나서 첫 번째 줄, 두 번째 줄, 세 번째 줄을 실행하고다시 잠 들어버립니다다음에 무슨 일이 일어날지 궁금해하지도 않고 생각하지도 않습니다마치 아침 식사 트렌드에 대해 전혀 궁금해하지 않는 토스터처럼아무것도 모른 채 살아갑니다아키텍처 관점에서 파워 오토메이트는명시적인 오케스트레이션에 전적으로 의존하는 상태 머신입니다사용자는 작업, 분기, 종속성을 매우 정밀하게 정의해야 합니다플로우 엔진은 각 단계가 결정론적인 순서로 실행되도록 보장합니다트리거, 조건, 작업, 종료모든 변수는 사용하기 전에 존재해야 합니다모든 루프는 반드시 종료되어야 합니다조건을 하나라도 빠뜨리면창의적인 방식으로 처리하지 않고 실패합니다그리고는 정중하게 자체 사망 증명서를 이메일로 보내줍니다플로우 실행 실패라는 메시지입니다이러한 엄격한 규칙성은 플로우 엔진의 한계이자 강점입니다워크플로우를 사용하면 항상 정확히 무슨 일이 일어날지 알 수 있습니다설명 가능하고 감사 가능하며 즉흥적인 요소가 전혀 없기 때문에모든 규정 준수 부서에 이상적인 요구사항을 충족합니다설계자를 검토하고 비즈니스 로직을 마치 지도처럼 읽을 수 있습니다청구 금액이 500이면 이메일 X를 보냅니다아주 간단합니다파워플랫폼 센터 오브 엑셀런스와 같은 스마트 거버넌스 도구는이러한 예측 가능성을 기반으로 작동합니다이러한 도구는 플로우를 분석하고 담당자를 태그하고심지어 누가 만들었는지 기억하지 못하는 좀비 플로우까지 종료합니다오케스트레이션에 대한 오해가 있는 부분은워크플로우가 작업을 오케스트레이션 하는 것은 맞지만그 오케스트레이션은 정적이라는 점입니다미리 컴파일된 플레이북 이지 대화가 아닙니다각 커넥터는 지시를 받았을 때만 작동합니다워크플로우 간에는 맥락적 추론이 전혀 없습니다마치 행진 악당과 같습니다모두가 완벽한 타이밍에 맞춰 대응을 유지하며 움직이지만재즈 즉흥 연주를 요구하면 아무 소용이 없습니다조건을 중첩하거나 병렬분기를 만들거나범위를 지정할 수는 있지만단계 간의 관계는 시간상으로 고정되어 있습니다사실상 워크플로우가 동적으로 인식할 수 없는 유일한 요소는 시간입니다물론 수동으로 반복 트리거를 생성하면 가능하지만이 또한 단순한 메트로놈에 불과합니다거버넌스 측면에서 워크플로우 관리는 행동감독이 아닌 재고관리와 같습니다어떤 워크플로우가 있는지 누가 소유하고 있는지어떤 커넥터를 사용하고 있는지 얼마나 자주 실행되는지 추적합니다워크플로우가 1만 개에 달하기 전까지는 깔끔해 보입니다하지만 그 이상이 되면 워크플로우들이 서로 협력하는 것이 아니라충돌하고 있다는 사실을 깨닫게 됩니다워크플로우 A가 워크플로우 B가 방금 수정한 레코드를 업데이트합니다기술적으로는 둘 다 성공적으로 처리되지만비즈니스 사용자 들은 수치가 말이 안 된다고 불평하고결국 한 분기 내내 함께 실행되도록 설계되지 않은 논리체인을 감사하는 데 시간을 허비하게 됩니다워크플로우의 세계는 수천 개의 결정론적 하인들이사용자의 명령에 열정적으로 복종하는 세상입니다따라서 누군가 파워 오토 메이트를 사용하여클레임 처리 프로세스를 자동화했습니다라고 말하면 위사결정 트리를 코딩했고현실과 다르면 자동으로 다음 단계로 넘어갑니다라고 이해하는 것이 좋습니다이는 비난이 아니라 명확성을 위한 설명입니다워크플로우는 규칙 해석이 아니라 규칙 실행입니다회전식 개찰구가 물리적 원리를 적용하는 것처럼워크플로우는 비즈니스 로직을 강제합니다사용자가 밀면 회전하고 논쟁의 여지가 없습니다이제 코파일럿 스튜디오가 오케스트레이션이라는 새로운 용어를 선보이며 등장하는데많은 사람들이 이 용어를 파워 오토 메이트의 용어와 혼동합니다파워 오토 메이트에서 오케스트레이션은 작업을 절대적인 순서대로 예약하는 것을 의미합니다반면 코파일럿 에이전트에서 오케스트레이션은 생성적입니다추론계층이 최적의 다음 단계를 동적으로 결정합니다같은 단어이지만 하나는 안무를 다른 하나는 판단을 나타냅니다파워 오토 메이트의 오케스트레이션은 고정된 악보와 같습니다코파일럿의 오케스트레이션은 즉석에서 작곡합니다이러한 차이점을 인식하면 한 도구가 다른 도구를 대체할 수 있을 거라고 기대하지 않게 됩니다워크플로우는 정확성을 위해 에이전트는 적응성을 위해 사용합니다이 둘은 함께 파워 플랫폼 오토메이션 위 성숙도 스펙트럼을 형성하며로봇처럼 정확하게 따르는 단계부터 감독화에 독립적으로 작동하는 단계까지 이어집니다동적 위사결정과 정적 순서이것이 첫 번째이자 가장 근본적인 차이점이라고 할 수 있습니다워크플로우는 정적인 순서를 따릅니다에이전트는 동적으로 위사결정을 내립니다이것이 단순한 용어 차이처럼 보일 수 있지만 에이전트가 사용자의 지시와 자체적인 추론이 충돌하여다음 단계로 진행하지 못하는 경우를 경험해보지 못했다 면 이해하기 어려울 것입니다워크플로우는 어쨌든 계속 진행하다가 9단계에서 멋지게 실패했을 것입니다좀 더 자세히 살펴보겠습니다파워 오토메이트에서 위사결정 논리는 명확합니다워크플로우 작성자는 모든 분길을 예측합니다값이 10이면 이렇게 하고 그렇지 않으면 저렇게 합니다시스템은 의미를 평가하지 않고 단순히 기호만 확인합니다회색 영역은 없습니다클레임 상태 필드가 누락되면 워크플로우는 유효성 검사에 실패하거나 널값을 그대로 출력합니다지나치게 정확하게 지시를 따릅니다워크플로우의 지능은 전적으로 작성자의 예측에 달려있습니다개발자들이 비즈니스 분석보다 조건을 추가하는데 더 많은 시간을 소비하는 이유가 바로 여기에 있습니다워크플로우의 추론 기능이 완전히 결여되어 있기 때문에 이를 보완하는데 시간을 쏟는 것입니다반면 에이전트는 동적 추론을 기반으로 작동합니다에이전트의 논리는 중첩된 조건으로 저장되는 것이 아니라 해석된 의도로 저장됩니다오케스트레이션 모델은 자연어 이해, 벡터 추론, 검색 증강을 사용하여 실시간으로 컨텍스트를 해석합니다다시 말해 지난주에 들은 내용이 아니라 현재 알고 있는 정보를 바탕으로 반응합니다정책에 따라 청구를 검토하고 승인하십시오라는 동일한 지침이라도 새로운 데이터, 수정된 도구 또는 변경되는 인계값에 따라 내부계획이 달라질 수 있습니다하드코딩된 것이 아니라 컨텍스트 코딩된 것입니다간단한 비유를 들어보겠습니다워크플로우는 어제 그린 gps 경로이고 에이전트는 실시간 교통 상황을 다시 계산하는 구글 지도입니다둘 다 목적지에 도달하지만 트리거 조건에 문제가 발생했을 때 대처하는 것은 에이전트뿐입니다내부 추론 엔진은 사람이 수신한 정보의 신뢰도에 따라 이메일을 보낼지 또는 데이터를 업데이트할지 결정하는 방식과 마찬가지로 도구를 동적으로 선택합니다무작위가 아니라 사용자가 정의한 규칙 내에서 확률적으로 작동합니다확률적 자율성과 결정론적 복종이라는 차이가 책임 소재를 설정해서 감독으로 옮기는 이유입니다왜냐하면 이러한 자유는 양날의 검과 같기 때문입니다워크플로우는 결코 예상치 못한 상황을 만들지 않지만 에이전트는 때때로 예상치 못한 상황을 만들어냅니다예를 들어 공급과 같이 모호한 청구 제목을 해석하고 사람의 확인을 위해 잠시 멈출 수도 있습니다거버넌스 관점에서 이는 긍정적인 현상입니다시스템이 오류를 전파하는 대신 불확실성을 인정하는 것이기 때문입니다마이크로소프트가 에이전트 피드를 구축하여 사람이 이러한 의사결정 경계를 파악할 수 있도록 한 이유도 바로 이 때문입니다어떤 작업이 자율적으로 완료되었는지 어떤 작업에 사용자 입력이 필요했는지그리고 지침이 모호해서 어떤 작업이 실패했는지 확인할 수 있습니다거버넌스는 실패 후 감사에서 피해 발생 전 개입으로 전환됩니다기존 워크플로우 감사와 비교해보세요파워 오토메이트 실행이 실패하면 사후 원인 분석만 이루어지는 반면에이전트가 멈추면 사람과 AI 협력자 간의 대화가 이루어지는 통제된 일시중지가 이루어집니다전자는 사후 분석이고 후자는 감독입니다이러한 구분은 AI 기반 자동화의 운영 성숙도를 정의합니다핵심은 무엇일까요? 동적 의사결정은 유연성을 제공하지만 책임감을 요구합니다더 이상 성공 횟수만으로는 측정할 수 없습니다선택의 적절성을 측정해야 합니다지표는 가동 시간에서 판단 품질로 진화합니다워크플로우에서는 흐름을 유지 관리합니다에이전트 생태계에서는 행동 무결성을 관리합니다따라서 다음에 누군가 에이전트가 워크플로우를 대체할 것인지 묻는다면대답은 예이기도 하고 아니요 이기도 합니다에이전트는 의사결정 방식을 대체하지만의사결정의 구조 자체를 대체하는 것은 아닙니다워크플로우는 예측 가능한 체인의 핵심으로 남을 것입니다에이전트는 해석 및 에스컬레이션, 도구 통합 및 외부 시스템을 처리할 것입니다에이전트와 워크플로우의 구분이 철학적 인 차원을 넘어라이선스 비용으로 이어지는 지점이 바로 통합입니다파워 오토메이트에서 외부 시스템은 사전 승인된 버스 노선의 승객과 같습니다제작자는 커넥터를 구매하고 인증을 정의하고각 승객에게 정확히 언제 하차해야 하는지 알려줍니다워크플로우는 시스템을 검색하는 것이 아니라 순서대로 방문할 뿐입니다마이크로소프트 플로우의 작동 범위는사용자가 명시적으로 호출하는 커넥터로 제한됩니다따라서 플로우 관리는 기본적으로 스프레드 시트 관리와 같습니다연결 참조, 실행 횟수, 프리미엄 커넥터 감사, 자격 증명순환 등기계적이고 예측 가능하며 지루한 작업입니다하지만 에이전트는 이러한 커넥터를 기회의 도구로 활용합니다각 도구는 에이전트가 사용할 수 있는 무기고의 일부가 되며추론 엔진은 런타임에 어떤 도구를 사용할지 결정합니다커넥터를 한 번만 포함하고 권한을 정의하면 에이전트가 알아서 선택합니다에이전트는 데이터버스를 커리하고시어포인트 API를 호출하고10초 후에 팀즈에서 적응형 카드를 보낼 수도 있습니다이 모든 작업은 수동으로 플로우를 재구성할 필요 없이 이루어집니다아키텍처 관점에서 이는 무섭기도 하고 아름답기도 합니다무서운 이유는 오케스트레이션 로직이 워크플로 다이어그램에 있는 것이 아니라모델의 추론 계층에 존재하며여기서 의사결정이 발생하기 때문입니다아름다운 이유는 마이크로소프트 플로우가 등장한 이후프로세스 엔지니어들을 괴롭혀온 경직된 선형성을 마침내 깨뜨리기 때문입니다이제 구체적으로 살펴보겠습니다나자의 데모에서 클레임 평가 담당자는 데이터버스 위 행 업데이트 도구를 사용했는데이는 파워 오토메이트 디자이너라면 누구나 끌어다 쓸 수 있는 동일한 커넥터입니다하지만 차이점은 도구가 아니라 누가 그 사용을 조율하느냐에 있었습니다담당자를 위사결정 권한자로 지정하면파워 오토메이트는 명령을 실행하고코파일럿 스튜디오는 전략을 수립합니다이러한 차이점은 통합 설계 방식을 완전히 바꿔놓습니다시스템을 단계적으로 연결하는 대신툴킷을 구성하고 동작 경계를 설정하는 것입니다작업을 스크립팅하는 것이 아니라 잠재력을 프로비저닝하는 것입니다또한 담당자가 생성형 오케스트레이션을 통해 작동하기 때문에통합 확장성이 매우 간편해집니다새로운 커넥터를 추가하면담당자는 지침에 따라 해당 커넥터를 사용할 수 있습니다반면 파워 오토메이트에서는 흐름을 복제하고단계를 추가하고 자격증명을 다시 테스트하고기존 분기가 손상되지 않기를 바라야 합니다담당자는 툴세트와 함께 발전함으로워크플로우도 그에 맞춰 재구축해야 합니다이는 미묘하지만 매우 중요한 거버넌스 변화를 가져옵니다이제 관리자는 각 통합을 일일이 관리하는 대신어떤 에이전트가 어떤 인증 컨텍스트에서 어떤 도구를 사용할 수 있는지정의하는 기능 범위를 지정합니다보안은 워크플로우 수준의 규제에서 에이전트 수준의 위임으로 전환됩니다이러한 자유는 새로운 위험을 수반하기도 합니다에이전트가 도구를 동적으로 선택하기 때문에감사시 조건부 사용을 고려해야 합니다이 에이전트는 어떤 커넥터를 호출할 수 있을까요? 이 워크플로우는 어떤 커넥터를 대체했을까요?바로 이 때문에 에이전트 피드가 중요합니다에이전트 피드는 모든 작업이 발생하는 즉시 보여줍니다담당자는 결과물의 성공 여부뿐만 아니라통합 판단 과정까지 추적할 수 있습니다무엇뿐 아니라 외를 파악할 수 있는 것입니다규정 준수 감사 담당자에게는 이러한 패러다임이 반가우면서도 두려울 수 있습니다투명하지만 조직에서 의도를 명확히 이해하고 있어야 합니다따라서 에이전트가 워크플로우와 같은 방식으로 통합되어야 한다고 주장하는 사람이 있다면정중하게든 아니든 바로 잡아주어야 합니다둘은 기본적인 연결고리는 공유하지만 철학은 다릅니다워크플로우는 시스템을 연결하고에이전트는 연결된 시스템과 상호작용합니다파워 오토메이트를 악보로 표현된 교양곡이라고 생각해보세요은표, 템포, 악보가 정확하게 정의되어 있습니다코파일럿 에이전트는 마치 앙상블 연주자처럼 정해진 조표 안에서 즉흥 연주를 합니다같은 악기를 사용하지만 예술 형식은 다릅니다이것이 바로 이 새로운 아키텍처의 기술적 핵심 차이입니다하나는 통합작업을 실행하고 다른 하나는 통합된 내용을 추론합니다에이전트는 복잡하고 예측 불가능한 작업을 처리합니다이제 이 새로운 아키텍처가 실제로 어떤 가능성을 열어주는지 이야기해보겠습니다에이전트는 경비 승인 절차 나양식 제출 시 팀즈 메시지 전송 자동화 기능을 대체하기 위해 존재하는 것이 아닙니다그런 기능은 에이전트의 수준에 미치지 못합니다에이전트는 한 줄씩 코딩하기에는 너무 모호한 문제즉 인간의 추론이 병목현상을 일으켰던 문제를 해결하기 위해 존재합니다언어, 불확실성 또는 끊임없이 변화하는 기준과 관련된 모든 것을 생각해보세요워크플로우는 모호함에 막히지만 에이전트는 이를 소화해냅니다판단이 필요한 상황을 예로 들어보겠습니다워크플로우는 금액이 500인지 확인할 수는 있지만인체공학적 의자가 기업의 웰빙에 도움이 되는지 추론할 수는 없습니다하지만 코파일럿 에이전트는 가능합니다이 시스템은 의미론을 분석하고 구성된 지식에서 참조 자료를 가져오고신체적 또는 정신적 건강에 도움이 되는 구매를 승인하세요와 같은 지침에 맞춰 추론을 적용합니다결과가 항상 완벽하지는 않지만 설명이 가능하고무엇보다 에이전트 피드를 통해 관리됩니다객관적인 평가를 무차별적인 자동화가 아닌 관리 가능한 감독으로 전환합니다다음으로는 온 보딩이나 사례분류와 같이여러 단계로 구성된 상황 위존적 프로세스가 있습니다이러한 프로세스에서는 모든 고객 또는 기록에 대해 약간씩 다른 경로가 필요합니다조건동기를 사용하여 50개의 병렬 흐름을 모델링하거나상황을 해석하고 적절한 도구를 실행하는 하나의 적응형 에이전트를 사용할 수 있습니다효율성 향상은 단순히 실행시간 단축뿐만 아니라설계 단계에서의 타당성 확보에도 도움이 됩니다거의 차이가 없는 여러 흐름 라이브러리 대신 하나의 지침만 유지 관리하면 됩니다그 다음으로는 도메인 간 시나리오가 있습니다에이전트는 필요한 정보가 한 시스템에 존재하지 않을 때 탁월한 성능을 발휘합니다예를 들어 청구권에 대해 인사팀의 확인다이나믹스 위 재정한도외부 API 위 제품 분류가 필요하다고 가정해보겠습니다파워 오토메이트 흐름은 이러한 정보를 호출할 수 있지만동기화하려면 복잡한 조건 맵핑 작업이 필요합니다에이전트는 간단히 결정하려면 과 같이 추론합니다환급을 받으려면 다음 출처의 데이터가 필요합니다에이전트는 데이터를 가져오고 해석하고 결정합니다인간 관리자는 신뢰도가 떨어질 때만 개입합니다갑자기 시스템 간의 오케스트레이션이 거래 중심이 아닌 대화 중심으로 느껴집니다에이전트는 에스컬레이션 및 협업 루프에서도 뛰어난 성능을 발휘합니다비디오 데모에서 클레임 설명이 모호할 때에이전트는 피드의 할 일목록을 생성하는 인간 관리자에게 문외했습니다이는 모든 불확실한 자동화의 모범 사례입니다에이전트는 조용히 실패하거나 잘못된 가정을 하는 대신 질문합니다이는 이전에는 서비스 데스크에만 적용되던 개념인 겸손함을 소프트웨어에 도입합니다인간이 결정을 내리면 에이전트는 실행을 재개합니다시간이 지남에 따라 기록된 데이터는 차세대 추론을 재학습하거나개선하는 데 사용되는 피드백 데이터 세트를 형성합니다감독 로그에서 행동의 미묘한 차이를 학습하는 워크플로우를 상상해보세요이것이 바로 코파일럿 스튜디오가 나아가고 자하는 방향입니다선진 조직은 정책 시행을 위해 에이전트를 대규모로 배포할 것입니다수백 개의 부서별 업무 흐름, 조달, 출장, 경비관리 등을 상상해보세요규정 준수 에이전트가 실시간으로 일을 감사하고데이터버스에서 위반 사항을 검색하고자연어로 결과를 요약하고 예외 사항을 직접 표시합니다팀, 이는 24시간 내내 일하면서 회사 커피는 한 모금도 마시지 않는내부 감사관과 같은 AI위 역할입니다정적인 논리로 그런 일을 해보세요1만 개의 분기 조건을 유지 관리하는 건 거의 불가능할 겁니다물론 모든 것에 에이전트 처리가 필요한 것은 아닙니다반복적이고 불변적인 작업은 워크플로우에 속합니다에이전트는 인지, 문서, 해석, 위도, 추론여러 영역에서 맥락 종합 등이 필요한 패턴에 사용됩니다에이전트는 중간 지능으로 로봇 프로세스 자동화, RPA보다는 똑똑하지만 인간 관리자보다는 어리석습니다하지만 반복적이고 모호한 영역에는 완벽하게 적합합니다따라서 다음과 같은 분류 체계를 고려해보세요워크플로우는 알려진 순서를 처리하고데스크톱 룸은 물리적 반복을 모방하며코파일럿 에이전트는 인지적 반복, 즉 동작뿐 아니라 의미적으로도 반복되는 작업을 관리합니다에이전트의 목적은 완전한 자율성이 아니라내장된 책임감을 바탕으로 확장 가능한 판단력을 제공하는 것입니다아이러니하게도 자동화가 더욱 적응력이 높아질수록적어도 실내 모델이 성숙해질 때까지는 인간의 감독이 더욱 필요해집니다바로 이 때문에 에이전트 피드가 루프를 완성하는 것입니다가시성이 변화를 가져옵니다위험을 통제로 전환하세요소프트웨어에 의사결정을 맡기는 것이 아니라투명하게 위임하는 것입니다마이크로소프트 생태계에서 자동화의 미래는 버튼이 저절로 눌러지는 것이 아니라감독화에 추론하는 디지털 동료에 달려 있습니다이 점을 이해하면 비로소 흐름을 설계하는 것이 아니라 행동을 관리하게 됩니다코파일럿 스튜디오 에이전트의 실질적인 사용 사례는 프로세스를 실행하는 것이 아니라프로세스를 이해하고 최고의 직원이 컨디션이 좋은 날에 했을 법한 판단력을 바탕으로 행동일시중지 또는 에스컬레이션 하는 것입니다워크플로우반복적이고 구조화된 자동화평범한 워크플로우를 미화하지 맙시다창의적이지도 않고 적응력도 없지만 다행히도 그렇습니다워크플로우는 상상력이 필요하지 않고동일한 이벤트가 매번 동일한 결과를 내야 하는 곳에 존재합니다워크플로우는 반복적이고 구조화된 자동화를 위해 만들어진 파워 플랫폼 위 공장 로봇과 같습니다비즈니스에 기반이 되는 우아하지만 지루한 반복 작업인 트랜잭션 루틴부터 시작해보세요송장 알림, 문서 승인, 티켓 나우팅, 리드 등을 생각해보세요각 작업은 명확한 규칙, 트리거, 조건, 작업, 반복으로 정의됩니다조직의 핵심 기능은 이러한 루틴이 매달 수백만 번씩 동일하게 실행되는데 달려있습니다변동성은 필요 없고 단조로움에 가까울 정도로 안정적인 실행이 필요합니다완벽한 워크플로우 사용 사례는 새로운 경비 청구가 제출되면데이터베이스 기록을 생성하고 관리자에게 알림을 보내고 이메일을 보관하는 것과 같은 것입니다판단이나 모호한 영역 없이 서비스 간에 일관된 전달만 이루어집니다이것이 바로 파워 오토메이트가 설계된 목적이며예측 가능한 시스템 간의 연결고리 역할을 합니다또 다른 예로 규정 준수 파이프라인이 있습니다퇴사한 모든 직원이 여러 앱에서 액세스 권한을 상실하도록 해야 합니까? 이는 대화가 아니라 체크리스트입니다파워 오토메이트는 이를 완벽하게 실행합니다인사 기록 업데이트를 통해 트리거하고엔트라 아이디, 팀즈, 익스체인지에서 계정을 비활성화하고 완료를 기록합니다끝입니다추론이 필요 없고 순차적으로 실행하기만 하면 됩니다워크플로우는 정책이 이진 법적으로즉 허용 또는 거부, 허용 또는 거부인 경우에 효과적입니다다음으로 데이터 정리 루프, 내일밤 기록 정리, 대시보드 새로 고침, 보고서 생성 등이 있습니다이러한 작업은 알고리즘을 통해 수행됩니다결정론적 논리로 처리하는 것이 훨씬 효율적입니다워크플로우는 레코드를 마지막으로 업데이트한 시기가 400일 전이라는 이유를 따지지 않고정해진 일정에 따라 해당 레코드를 보관합니다이는 예측 가능한 유지관리로 가상화되며AI 열풍이 편리하게 잊어버리는 기업 운영의 핵심 요소입니다그 다음은 시스템 간 동기화입니다워크플로우는 API 간예를 들어 데이터버스와 시어포인트, 아웃룩과 팀즈, 다이나믹스와 엑셀 간의 프로그래밍 가능한 전달자 역할을 합니다워크플로우는 이벤트가 일관되게 전파되도록 보장합니다한 시스템에 문제가 발생하면 파워 오토메이트는 평준하게 제시도하여 균형을 되찾습니다이는 기계적인 외교이자 즉흥성이 전혀 없는 구조화된 소통입니다더욱 발전된 팀에서도 워크플로우는 AI 레이어를 지원하는 거버넌스 골격 역할을 합니다워크플로우는 인공지능이 개입하기 전에 필수 조건과 경계를 설정합니다예를 들어 에이전트가 콘텐츠를 처리하기 전에 워크플로우가 스키마 일관성을 자동으로 검증하거나 레이블을 적용할 수 있습니다마치 실험실 기술자가 과학자가 실험을 시작하기 전에 기구를 소독하는 것과 같습니다또한 확장성도 간과해서는 안 됩니다워크플로우는 설계상 수평 확장이 가능합니다만번이 워크플로우 실행도 문제없습니다서로 영향을 주지 않습니다반대로 에이전트는 상태와 추론 컨텍스트를 유지합니다에이전트는 더 많은 인지자원을 필요로 합니다엔터프라이즈 규모에서는 수백만 번의 확정적 실행이 수천 번의 추측적 결정보다 비용 효율적이고 안전합니다따라서 기본 설계는 간단합니다워크플로우는 입력이 알려져 있고 출력이 보장되어야 하는 확정적 영역을 지배합니다워크플로우는 질성, 감사 가능성, 그리고 낮은 위험의 실행을 제공합니다아키텍처 다이어그램에서 워크플로우는 데이터의 중심축에 가장 가깝게 위치하여상류 또는 하루의 모든 프로세스가 정확히 무엇을 기대해야 하는지 알 수 있도록 합니다누군가 비즈니스를 자동화했다 라고 말할 때그들은 아마도 규정 준수 담당자가 만족할 때까지 로직을 워크플로우에 복제했다는 의미일 것입니다그것은 부끄러운 일이 아닙니다모든 오케스트라에는 파악기가 필요합니다워크플로우는 리듬을 유지합니다에이전트가 즉흥적으로 멜로디를 연주할 수는 있지만누군가는 적절한 타이밍에 심벌즈를 쳐야 합니다에이전트가 워크플로우를 활용하는 하이브리드 모델이 있습니다이제 진화의 중간단계, 즉 추론하는 마음과 반사작용처럼에이전트와 워크플로우가 공존하는 하이브리드 모델로 넘어가 보겠습니다이것이 마이크로소프트의 방식입니다최종 목표는 그다지 미묘하지 않지만신뢰할 수 있는 자동화 위에 지능형 오케스트레이션을 구축하는 것입니다작동 방식은 다음과 같습니다에이전트는 생각하고 워크플로우는 실행합니다에이전트는 모호한 부분을 처리하고 언어를 해석하고맥락을 고려하고 위도를 파악합니다확신에 찬 결론에 도달하면 기계적인 실행은 파워 오토메이트에 위임합니다이러한 위임은 아키텍처의 안정성과 재정적 효율성을 모두 보장합니다추론에는 컴퓨팅 자원이 소모되고워크플로우 실행에는 실행 횟수가 소모됩니다고가의 추론 엔진은 해석 작업만 담당하고서류 작업은 처리하지 않도록 해야 합니다코파일럿 스튜디오로 구축된 직원 복리 후생 책봇을 예로 들어보겠습니다사용자가 헬스장 장비 비용 환급을 신청해야 합니다라고 입력합니다에이전트는 문장을 분석하고 정책 관련성을 파악하고자격 여부를 판단한 다음 청구를 기록하고데이터버스를 업데이트하고 재무부서에 알리는 워크플로우를 실행합니다두뇌가 작업을 할당하면 손이 작업을 완료하는 것입니다또 다른 예로 잠재고객을 관리하는 AI 영업 도우미를 생각해보겠습니다에이전트는 CRM 메모를 분석하여이 잠재고객은 예산 증액을 언급했습니다라고 판단하고 후속 조치를 취할 시점이라고 결정합니다메시지 자체를 전송하는 대신파워 오토메이트 흐름을 호출하여아웃리치를 예약하고 팀제에 기록합니다에이전트는 플랫폼 별 명령을 직접 처리하지 않고워크플로우를 통해 추적성을 보장합니다이러한 분리는 거버넌스 측면에서 중요합니다하이브리드 아키텍처에서 워크플로우는시스템 수준 작업에 대한 감사 가능한 기록부 역할을 하며에이전트는 인지적 방향을 제시합니다관리자는 실행 기록을 확인하고커넥터를 추적하고DLP 정책을 적용할 수 있습니다추론 과정은 코파일러 스튜디오 에 캡슐화 되어 있지만실행 경계는 파워 오토메이트 위 샌드박스 내에 유지됩니다이는 규정 준수를 유지하면서AI의 권한을 부여하는 안전한 방법입니다또 다른 장점은 버전 관리입니다에이전트의 추론을 업데이트 하더라도일반적으로 종속 워크플로우를 모두 다시 빌드할 필요가 없습니다반대로 데이터 파이프라인을 변경해도 논리와 순서 논리를 분리할 수 있습니다이는 모듈식 거버넌스로바이어그램으로 표현하기에는좋지만 설명하기는 다소 지루할 수 있지만실제로는 매우 중요합니다이 하이브리드 모델에서워크플로우는 신뢰의 앵커 역할을 합니다에이전트는 과감한 디지털 전략을 제한할 수 있지만기존 권한에 따라 미리 짜여진 스크립트에작업을 위임해야 합니다즉 제한된 환경 속에서 혁신이 가능해집니다마치 인턴에게 사전 승인된 결제만 가능한회사 신용카드를 주는 것과 같습니다인턴이 직접 결정권을 갖지만재무부서에서 통제권을 유지하는 것이죠이러한 상호보완적인 구조는오류 가시성 문제도 해결합니다워크플로우가 실패하면에이전트는 응답을 해석하고추론 방식을 조정하거나에이전트 피드를 통해담당자에게 알릴 수도 있습니다반대로 에이전트가 컨텍스트를 파악하기 위해잠시 멈추더라도 담당자가 개입하면워크플로우가 다시 시작될 수 있습니다시스템은 선형적인 방식이 아닌대화형 방식으로 작동합니다순수 자동화에서지능형 자동화로 전환하는 기업들은앞으로 수년간 이러한하이브리드 환경에서 운영될 것입니다이는 창의성과 규정 준수 사이의균형점임으로 자연스러운 현상입니다워크플로우는 규율을 유지하고에이전트는 판단력을 제공합니다이 둘이 함께 작동하여책임감 있는 자율성과사전 정의된 내일을 따르는 지능을 구현합니다그렇다면 워크플로우, 에이전트아니면 하이브리드 방식 중어떤 것을 선택해야 할까요?정답은 예상대로 모두입니다워크플로우는 프로세스가 반복 가능하고측정 가능하며법적 또는 운영상 편차를허용하지 않는 경우에 사용합니다해석, 대화 또는 불확실성 하에서의위사결정이 필요한 프로세스에는 에이전트를 사용합니다그리고 인지가 실행을 촉발, 감독또는 검증해야 할 때는 이들을 통합합니다아키텍처적으로는계층화된 신경계로 생각하면 됩니다파워 오토메이트는 반복 가능한근육기억과 같은 동작 기능을 관리합니다코파일럿 에이전트는 사고와 인지, 읽기, 추론,위사결정을 담당합니다그리고 에이전트 피드는 행동을 감독하고자율성과 책임감 사이에서중재하는 전두엽 피질에 해당합니다대부분의 기업은 계획 여부와 관계없이이러한 구조로 진화할 것입니다유일한 선택은의식적인 설계와 우연한 혼돈입니다AI가 언제 사고를 멈추고실행을 시작해야 하는지 정확히 알고경계를 설계하는 기업은안전하게 확장할 수 있습니다그렇지 않은 기업은잘못된 에이전트 배치와방치된 워크플로로 인해어려움을 겪게 될 것입니다