Microsoft 365 Copilot 프롬프트: Microsoft Copilot 프롬프트 흐름 설명

By Mirko Peters · 2026-03-15 · Updated 2026-03-24

Microsoft 365 Copilot 프롬프트 설명: 프롬프트 흐름을 제대로 익히세요! Microsoft 365에서 AI 어시스턴트에게 효과적인 프롬프트를 작성하는 방법을 알아봅니다.

Automatically translated with AI from the original post. Read the English original

Microsoft Copilot 프롬프트 흐름은 Copilot이 일상적인 질문이나 명령에 대해 지능적이고 맥락을 고려한 응답을 제공하는 핵심 구조입니다. 간단히 말해, 프롬프트 흐름은 Copilot의 대화형 기능을 구동하는 사용자 입력, AI 해석, 출력, 피드백의 구조화된 연결을 의미합니다.

이 가이드에서는 프롬프트 흐름이 정확히 무엇을 의미하는지, 내부적으로 어떻게 작동하는지, 그리고 기술 담당자와 비즈니스 사용자 모두에게 왜 중요한지 살펴봅니다. 프롬프트 흐름이 지시 사항을 실제 작업으로 바꾸고 Microsoft 생태계 내에서 업무 흐름을 강화하는 방식을 명확하게 확인하실 수 있습니다.

자동화를 구축하든, AI로 데이터를 분석하든, 또는 Microsoft 365에서 더 스마트한 도움을 받고 싶든, 프롬프트 흐름을 이해하는 것이 핵심입니다. 이 복잡한 과정을 간단하고 실행 가능한 단위로 나누어 설명하여 Copilot을 최대한 활용하실 수 있도록 하겠습니다.

Microsoft Copilot의 기본 이해

Microsoft Copilot은 Microsoft 환경 내에서 복잡한 작업을 단순화하고 일상적인 프로세스를 자동화하도록 설계된 AI 기반 어시스턴트입니다. Microsoft 365, Azure, Power Platform 및 최신 클라우드 서비스의 중심에 자리 잡고 있으며, Word, Excel, Outlook, Teams 같은 앱에서 자연스럽게 작동합니다.

Copilot의 핵심 목적은 번거로움을 줄이면서 더 많은 일을 할 수 있도록 돕는 것입니다. 이를 위해 자연어 프롬프트를 해석하여 작업, 분석 또는 인사이트로 전환하며, 코딩이나 전문 기술 없이도 사용할 수 있습니다. 보고서 작성, 이메일 스레드 요약, 여러 단계로 이루어진 승인 자동화 등 어떤 작업이든 Copilot은 사용자의 목표에 맞춰 대응합니다.

Copilot은 익숙한 Microsoft 도구에 AI 기능을 직접 통합합니다. 조직에게 이는 더 빠른 업무 흐름, 향상된 생산성, 부서 전반에 걸친 일관된 사용자 경험을 의미합니다. 비즈니스 분석가부터 IT 전문가까지 다양한 사용자가 정보를 관리하고, 운영을 간소화하며, 데이터 기반 인사이트를 도출하는 데 도움이 됩니다.

결국 Copilot의 가치는 맥락을 이해하고, 사용자의 요구로부터 학습하며, 일상적인 작업부터 더 복잡하고 전문화된 프로세스까지 지원하는 능력에 있습니다. 그 핵심 동작은 보이지 않는 곳에서 일어나며, 프롬프트 흐름이 사용자의 의도와 AI의 동적인 응답 사이를 오가는 과정을 조율합니다.

Microsoft Copilot에서 프롬프트란 무엇인가?

Microsoft Copilot의 프롬프트는 AI에게 입력하는 지시나 질문입니다. 예를 들어 "이 문서들을 바탕으로 프로젝트 요약을 작성해 줘"라고 입력하거나 "최신 매출 실적을 보여 줘"라고 말하는 것이 이에 해당합니다. 프롬프트는 쉬운 언어로 의도를 표현함으로써 Copilot의 방향을 정해 줍니다.

프롬프트를 작성하는 방식은 결과에 큰 영향을 미칩니다. Copilot은 사용자가 쓴 단어를 바탕으로 목표를 파악하고 어떻게 행동할지 결정합니다. 명확하고 구체적인 프롬프트는 AI가 정확하고 관련성 높은 결과를 생성하는 데 도움이 됩니다. 반면 모호한 프롬프트는 혼란스럽거나 덜 유용한 결과로 이어질 수 있습니다. 따라서 Copilot의 AI 기능에서 최대한의 가치를 얻으려면 신중한 프롬프트 설계가 무엇보다 중요합니다.

프롬프트 흐름이 Copilot의 지능을 구동하는 방식

프롬프트 흐름은 사용자의 개방형 질문이나 지시를 지능적이고 실행 가능한 결과로 바꾸는 역할을 합니다. 이를 동적인 순환 구조로 생각해 보십시오. 사용자가 Copilot에 프롬프트를 입력하면 Copilot은 AI 엔진을 통해 요청을 처리한 뒤 응답을 제공하며, 종종 추가 확인을 요청하거나 사용자를 대신해 작업을 수행합니다.

프롬프트가 결과로 이어지고 사용자의 피드백이 다시 개선으로 이어지는 이 주고받는 과정이 Copilot이 맥락을 인식하고 반응성을 유지하는 핵심입니다. Copilot은 고립된 상태에서 작동하지 않고, 프롬프트 흐름을 활용해 대화의 흐름을 추적하고, 중요한 맥락을 기억하며, 진행 중인 신호에 따라 동작을 조정합니다.

모든 상호작용을 통해 Copilot은 이전 정보를 활용하고, 새로운 세부 사항에 적응하며, 사용자의 요구에 대한 이해를 높여 갑니다. 이러한 반복적 접근 방식은 AI가 사용자의 업무 흐름에 뿌리를 두도록 하며, 모든 결과가 정형화된 답변이라기보다 사용자가 원하는 바를 정확히 아는 숙련된 동료와 함께 일하는 느낌을 줍니다.

Copilot 프롬프트 흐름의 주요 구성 요소

Copilot의 프롬프트 흐름은 핵심적으로 사용자의 질의를 받는 순간부터 답변을 전달하고 개선하기까지 AI를 안내하는 여러 상호 연결된 단계로 구성됩니다. 이 각 단계는 원활하고 지능적인 사용자 경험을 만드는 데 고유한 역할을 합니다.

먼저 사용자가 입력을 통해 의도를 표현하는 방식이 있습니다. 타이핑하든, 말하든, 옵션에서 선택하든 마찬가지입니다. Copilot이 그 입력을 처리하고, 컨텍스트를 관리하며, 내부 AI 작업을 조율하는 방식에 따라 흐름의 품질과 안정성이 결정됩니다. 출력을 생성한 뒤에는 사용자의 피드백으로부터 학습하여 향후 응답을 지속적으로 개선하면서 전체 루프를 완성합니다.

각 요소는 함께 작동합니다. 입력이 무대를 마련하고, AI 오케스트레이션이 경험의 형태를 만들며, 결과가 가치를 제공하고, 피드백이 시스템을 나날이 더 똑똑하게 만듭니다. 이 개요는 프롬프트 흐름이 단일 답변을 제공하는 데 그치지 않고, 시간이 지날수록 Copilot과 더 적응력 있고 효과적으로 상호작용하는 구조를 만드는 것이라는 점을 보여 줍니다.

사용자 의도와 입력

사용자 의도와 입력은 프롬프트 흐름의 출발점입니다. Copilot에서 입력하거나 말하거나 선택하는 내용이 사용자의 목표를 AI에 전달합니다. “내일 오전 10시에 모임 초대장 보내 줘”처럼 단순한 요청이든, 여러 데이터 요소가 얽힌 복잡한 명령이든, 명확성과 컨텍스트가 정말 중요합니다.

Copilot은 자연어 텍스트, 음성, 리치 데이터, 심지어 구조화된 템플릿 등 다양한 형태의 입력을 지원합니다. 시스템은 내장된 언어 이해 기능을 활용해 메시지를 해석하며, 질문의 “무엇”과 때로는 “왜”까지 파악합니다. 입력이 명확하고 구체적일수록 Copilot은 사용자의 의도에 맞는 정확하고 실행 가능한 결과를 제공할 가능성이 훨씬 높아집니다.

AI 오케스트레이션과 컨텍스트 처리

Copilot이 프롬프트를 받으면 AI 오케스트레이션 엔진이 사용자가 원하는 바를 파악하기 시작합니다. 이 과정에서는 입력 내용을 머신 러닝 모델에 통과시키고, 현재 앱, 최근 상호작용, 경우에 따라서는 관련 이메일이나 문서에서 컨텍스트를 가져옵니다.

오케스트레이션 계층은 대화가 관련성을 유지하도록 합니다. 어떤 AI 작업을 실행할지 결정하고, 후속 질문을 관리하며, 사용자의 워크플로에서 무엇이 가장 중요한지 추적합니다. 이러한 컨텍스트 처리 덕분에 응답은 단순히 “똑똑한” 수준을 넘어, 작업을 둘러싼 세부 사항을 깊이 이해하게 되며, 필요가 바뀌면 동적으로 조정됩니다.

출력 생성과 작업

입력과 컨텍스트를 처리한 후, Copilot은 적절한 출력이나 작업을 생성합니다. 이는 텍스트 기반 추천, 바로 사용할 수 있는 초안, 더 큰 워크플로의 자동화 단계, 또는 시각적 요약일 수 있으며, Microsoft 365, Power Platform, Azure 등 플랫폼에 따라 달라집니다.

Copilot의 출력은 단순한 답변이 아니라 사용, 공유 또는 추가로 다듬을 수 있는 실행 가능한 결과물입니다. AI는 Microsoft 도구와 기본적으로 통합되어 필요한 바로 그 위치에 이러한 출력을 제공하며, 프롬프트를 작업의 실질적인 진전으로 바꿔 줍니다.

피드백과 반복적 개선

피드백은 Copilot 프롬프트 흐름의 개선을 이끄는 동력입니다. Copilot의 응답을 확인하거나, 수정하거나, 보완할 때마다 무엇이 효과가 있고 없는지 시스템이 배우게 됩니다. 이러한 피드백 루프 덕분에 Copilot은 사용을 계속하면서 적응하고, 더 똑똑해지며, 더 맞춤화된 결과를 제공할 수 있습니다.

제안을 수락하든, 설명을 추가하든, 불일치를 표시하든, 반복되는 각 주기마다 Copilot은 사용자의 선호와 조직의 컨텍스트에 대한 더 깊은 이해를 쌓아 갑니다. 피드백이 많을수록 Copilot은 사용자의 필요를 더 잘 예측하고 충족하게 되며, 반복적인 오류나 오해도 줄어듭니다.

Power Platform과 Azure Machine Learning의 프롬프트 흐름

프롬프트 흐름은 채팅 기반 Copilot 상호작용에만 쓰이는 것이 아닙니다. Power Platform과 Azure Machine Learning에서 비즈니스 프로세스 자동화와 모델 학습의 핵심이기도 합니다. Power Platform에서는 프롬프트 흐름이 로우 코드 또는 노 코드 입력을 단계별 자동화로 바꿉니다. 예를 들어, 프롬프트가 어떤 이메일이 자동 응답, 문서 생성, 승인 워크플로를 트리거할지 결정하도록 Power Automate 흐름을 구성할 수 있습니다.

Azure Machine Learning에서 프롬프트 흐름은 데이터 과학자와 개발자가 대규모 언어 모델을 위한 더 풍부한 프롬프트를 설계하고, 실제 입력으로 학습시키며, 문서 요약, 데이터 추출, 감정 분석 같은 작업의 출력을 반복 개선하도록 돕습니다. 프롬프트 흐름은 컨텍스트 재사용, 모델 호출 체이닝, 피드백 수집을 가능하게 하며, 이는 AI 모델을 효율적으로 미세 조정하는 데 모두 필수적입니다.

이 플랫폼들은 프롬프트 흐름을 활용해 번거롭거나 반복적인 작업을 간소화하고, 수작업을 안정적인 자동화 결과로 바꿔 줍니다. 대시보드를 만들거나, 요청을 처리하거나, 예측 모델을 구축하는 경우 모두 프롬프트 흐름이 사용자의 의도와 그 뒤에서 작동하는 강력하고 유연한 머신 인텔리전스를 연결해 줍니다.

프롬프트 흐름 비교: Copilot Studio 대 Power Automate

Copilot Studio와 Power Automate 모두 프롬프트 흐름을 적극적으로 활용하지만, 서로 다른 비즈니스 요구에 맞춰 접근 방식이 다릅니다. Copilot Studio는 일련의 프롬프트와 응답을 처리할 수 있는 대화형 AI 기반 봇을 만드는 데 중점을 두며, 매우 상호작용적이고 유연한 사용자 경험을 제공합니다. Copilot Studio의 프롬프트 흐름은 대화의 순서를 구성하고, 컨텍스트를 관리하며, 동적인 확인 질문이나 분기형 대화를 지원하는 데 초점이 맞춰져 있습니다.

반면 Power Automate는 사용자가 설정한 입력과 조건을 기반으로 프롬프트 흐름을 사용해 자동화 단계를 트리거하고 순서대로 실행합니다. 대화 컨텍스트에는 상대적으로 덜 초점을 맞추지만, Power Automate는 프롬프트와 로직 게이트에 따라 움직이는 데이터 라우팅, 알림, 다단계 승인 같은 구조화된 워크플로를 조율하는 데 뛰어납니다.

두 도구 모두 피드백과 반복 개선 기능이 기본으로 내장되어 있지만, Copilot Studio는 대화 안에서의 적응형 학습을 강조하는 반면, Power Automate는 안정적이고 반복 가능한 프로세스 실행에 집중합니다. 이러한 차이를 이해하면 조직이 지능형 챗봇 형태의 경험이나 견고한 워크플로 자동화 중 어떤 플랫폼이 적합한지 선택하는 데 도움이 됩니다.

최적의 결과를 위한 효과적인 프롬프트 작성법

1. 명확하고 구체적으로 작성하세요: 직접적이고 모호하지 않은 프롬프트는 Copilot이 원하는 내용을 정확히 이해하도록 돕습니다. 모호한 표현은 피하세요. "보고서 만들어 줘" 대신 "이 Excel 시트의 2분기 매출을 한 단락으로 요약해 줘"와 같이 요청하세요.
2. 목표를 정의하세요: 기대하는 결과를 처음에 분명히 밝히세요. "고객 아웃리치 캠페인용 이메일 제목 세 개를 생성해 줘"처럼 Copilot에 명확한 목표를 제시하세요.
3. 관련 세부 정보를 제공하세요: 맥락이 중요합니다. "금요일 오전 9시 캘린더 초대에 팀원 전체를 추가해 줘"처럼 날짜, 파일 이름 또는 기타 구체적인 정보를 포함하세요.
4. 쉬운 언어를 사용하세요: 자연스럽게 작성하되, Copilot이 쉽게 해석할 수 있는 용어를 사용하세요. 단순하고 대화하듯 쓴 지시가 복잡하거나 전문 용어가 많은 지시보다 대개 더 효과적입니다.
5. 필요할 때 예시를 제시하세요: 까다로운 작업에는 원하는 결과물을 보여 주세요. 예를 들어 "요약을 이렇게 서식화해 줘: 발견 사항은 글머리 기호로, 권장 사항은 마무리 단락으로"처럼 작성할 수 있습니다.
6. 검토하고 수정하세요: Copilot이 처음에 원하는 결과를 내지 못하면 프롬프트를 조정하세요. 표현을 바꾸거나 세부 정보를 더해 더 정확한 응답을 얻으세요.
7. 하나의 프롬프트에 너무 많은 것을 담지 마세요: 큰 작업은 나누세요. 거대한 프롬프트 하나 대신, Copilot이 단계별로 처리할 수 있는 명확한 지시 여러 개를 사용하세요.

Copilot 프롬프트 흐름을 활용한 일반적인 사용 사례

• 문서 및 이메일 작성: Copilot은 간단한 프롬프트를 Word, Outlook 또는 Teams에서 상세한 보고서, 제안서, 서신으로 바꿔 주어 일상적인 글쓰기에 드는 시간을 몇 시간씩 줄여 줍니다.
• 승인 자동화: 프롬프트 흐름은 Power Platform 전반에서 다단계 승인 체인과 알림을 트리거할 수 있어, 최소한의 수작업으로 의사 결정 속도를 높이는 데 도움이 됩니다.
• 분석 및 대시보드 생성: Copilot은 프롬프트를 사용해 Excel, Power BI 또는 Azure에서 적절한 데이터를 가져오고, 즉시 차트, 요약, 성과 인사이트를 생성합니다.
• 지원 요청 처리: Teams의 IT 티켓부터 Power Automate의 서비스 데스크 자동화까지, 프롬프트 흐름은 케이스 생성, 라우팅, 업데이트를 간소화합니다.
• 보안 및 규정 준수 강화: Copilot은 사용자 질의를 감사, 민감도 검사, 규정 준수 워크플로로 변환해 Microsoft 365 전반에서 정책을 적용하거나 문제를 표시하는 데 도움을 줍니다.

Copilot 프롬프트 흐름의 보안 및 거버넌스

Copilot과 기타 AI 에이전트가 엔터프라이즈 플랫폼에 더 깊이 통합됨에 따라, 프롬프트 흐름을 안전하고 잘 관리되는 상태로 유지하는 일은 무엇보다 중요합니다. AI 기반 자동화의 유연성과 속도는 데이터 유출, 무단 작업, 규정 준수 격차 같은 새로운 위험을 불러오며, 이를 막으려면 견고한 감독이 필요합니다.

Copilot 프롬프트 흐름에서 좋은 거버넌스는 조직과 최종 사용자를 모두 보호합니다. 민감한 데이터가 잘못 처리되지 않도록 하고, 접근이 적절히 제한되며, AI 출력이 새로운 보안 또는 개인정보 보호 문제를 일으키지 않도록 보장합니다. 대체로 이는 명확한 사용 정책을 수립하고, 지속적으로 모니터링하며, 새롭게 등장하는 위협에 대응하는 시행 메커니즘을 마련하는 것을 의미합니다.

아래 섹션에서는 AI 프롬프트 흐름과 관련된 잠재적 거버넌스 과제를 자세히 살펴봅니다. 이어서 조직이 프롬프트 흐름의 보안과 규정 준수를 강화하는 데 활용할 수 있는 검증된 모범 사례를 소개합니다. 이를 통해 우려 없이 강력한 자동화를 도입하실 수 있습니다.

많은 사용자와 개발자가 예상하지 못한 Microsoft Copilot Prompt Flow의 놀라운 사실 7가지를 소개합니다.

1. 프롬프트의 시각적 오케스트레이션: Prompt Flow는 단순한 텍스트 편집기가 아닙니다. 프롬프트를 연결, 분기하고 디버그할 수 있는 시각적 캔버스를 제공하며, 프롬프트 엔지니어링을 로우 코드 워크플로처럼 다룰 수 있게 해 전문가가 아니어도 여러 단계로 구성된 상호 작용을 실험할 수 있습니다.
2. 모델 전환 기능 내장: 동일한 파이프라인 안에서 흐름의 일부를 서로 다른 모델이나 모델 제공업체로 라우팅할 수 있습니다. 예를 들어 전처리에는 빠르고 저렴한 모델을, 최종 출력에는 품질이 더 높은 모델을 사용하는 식으로 별도의 맞춤형 통합 코드 없이 하이브리드 전략을 구현할 수 있습니다.
3. 커넥터를 활용한 데이터 인식 프롬프트: Prompt Flow는 데이터 원본 및 Azure 서비스와 연결하는 커넥터를 지원합니다. 따라서 정적인 프롬프트 텍스트뿐만 아니라 실시간 데이터, 임베딩, 검색 결과를 프롬프트에 직접 포함할 수 있습니다.
4. 관찰 가능성과 계보: 플랫폼은 입력, 중간 응답, 출력을 기록하여 종단 간 계보와 지표를 제공합니다. 이를 통해 시간에 따른 프롬프트 버전을 감사하고, 모니터링하고, 비교할 수 있습니다.
5. 매개변수화된 재사용 가능 구성 요소: 흐름에서 재사용 가능한 매개변수화된 프롬프트 구성 요소(템플릿, 가드, 검증기)를 정의할 수 있습니다. 이를 통해 중복을 줄이고 팀 간 거버넌스를 개선할 수 있습니다.
6. 안전 및 가드레일 통합: Prompt Flow는 여러 단계(모델 실행 전후)에서 안전 검사와 필터를 통합할 수 있습니다. 따라서 사후에 덧붙이는 방식이 아니라 흐름의 일부로서 정책 시행, 콘텐츠 검토, 편향 검사를 수행할 수 있습니다.
7. 내보내기 가능하고 프로덕션에 바로 사용할 수 있음: 프로덕션 수명 주기를 고려해 설계되어, 흐름을 배포 가능한 아티팩트로 내보내거나 CI/CD 및 Azure 배포 파이프라인에 연결할 수 있습니다. 이를 통해 실험 단계에서 프로덕션 단계로의 전환이 간편해집니다.

AI 에이전트의 잠재적 거버넌스 과제

• 무단 자동화: 엄격한 감독이 없으면 AI 에이전트가 사용자의 역할 범위를 넘어서는 작업을 실행하거나 데이터에 접근할 수 있으며, 이는 섀도 IT와 규정 준수 누락으로 이어질 수 있습니다. 더 자세한 내용은 AI 에이전트가 거버넌스를 앞지르는 방식을 참고하십시오.
• 데이터 오용 및 노출: 제대로 관리되지 않는 프롬프트 흐름은 특히 효과적인 데이터 손실 방지(DLP)나 감사가 없을 경우, 기밀 데이터에 부주의하게 접근하거나 이를 배포할 수 있습니다.
• 프롬프트 인젝션 공격: 입력 검증이 부족하면 악의적인 입력이 AI 에이전트를 조작해 예상치 못하거나 해로운 작업을 실행하게 만들 수 있습니다.
• 잘못 구성된 권한: Microsoft 365의 거버넌스 착각에서 다룬 것처럼 광범위하거나 잘못된 권한을 할당하면 보이지 않는 위험이 생길 수 있습니다. 기본 제공 컨트롤만으로는 적절한 감독이 보장되지 않기 때문입니다.

AI 도입과 자동화가 확대됨에 따라 제어권과 가시성을 유지하려면 지속적인 모니터링과 시행 가능한 정책이 필수적입니다.

프롬프트 흐름을 보호하기 위한 모범 사례

• 최소 권한 액세스 적용: 세분화된 컨트롤과 정기적인 감사를 통해 Copilot 및 기타 AI 에이전트의 권한을 제한하십시오. 자세한 내용은 이 Microsoft Graph 권한으로 Copilot을 보호하는 가이드를 참고하십시오.
• 강력한 감사 추적 구현: Microsoft Purview와 Sentinel 같은 도구로 프롬프트 흐름 작업을 추적하고 검토하여 정책 위반이나 데이터 유출을 신속하게 탐지하십시오.
• 데이터 통제 확장 및 자동화: 모든 AI 출력에 걸쳐 DLP 규칙, 자동 레이블링, 민감도 메타데이터를 통합하고, 권장 사항은 이 Copilot 거버넌스 체크리스트를 참고하십시오.
• 사용자와 관리자 교육: 프롬프트 기반 시스템에서 취약한 프롬프트, 예상치 못한 자동화, 데이터 공유가 가져오는 위험을 모두가 이해할 수 있도록 실질적인 교육을 제공하십시오.
• 거버넌스 프레임워크 도입: 실제로 시행 가능한 정책을 설계하고, 데이터와 역할에 대한 책임자를 지정하며, 법무, 보안, 기술 팀이 참여하는 검토 프로세스를 구축하여 Copilot을 지속 가능하고 규정을 준수하는 방식으로 사용하십시오.

Copilot 프롬프트 흐름의 향후 발전 방향과 트렌드

Copilot 프롬프트 흐름은 빠르게 발전하고 있으며, 다국어 지원이 가장 중요한 과제 중 하나가 될 것입니다. Gartner는 2026년까지 대화형 AI의 70%가 다국어를 지원할 것으로 예측했으며, 이는 전 세계 조직에서 Copilot 기술의 포용성을 높일 것입니다. 전 세계 팀은 AI가 별도의 설정 없이도 현지 속어나 업무 용어를 이해할 때 실질적인 가치를 얻게 됩니다.

고급 상황 학습 역시 판도를 바꿀 중요한 변화입니다. Microsoft는 Azure와 Power Platform의 도구를 엮어 더 넓은 AI 생태계와 연동하는 기능을 구축하고 있습니다. 전문가들은 이러한 긴밀한 연결을 통해 Copilot이 공개 데이터뿐 아니라 조직 내부의 지식까지 반영하게 될 것으로 전망합니다. 그만큼 더 정확한 답변, 더 빠른 업무 흐름, 그리고 실제로 비즈니스가 돌아가는 방식을 이해하는 AI를 기대할 수 있습니다.

자주 묻는 질문: 채팅 흐름과 데이터 흐름에 Copilot 사용하기

Microsoft Copilot 프롬프트 흐름이란 무엇이며, Microsoft 365 Copilot과는 어떤 관계입니까?

프롬프트 흐름은 대규모 언어 모델(LLM)과 Microsoft 365 Copilot 환경과 상호 작용하는 프롬프트와 흐름을 설계, 테스트, 반복 개선하기 위한 개발 도구이자 워크플로입니다. 프롬프트를 사용해 노드와 서비스를 연결하여 흐름을 만들 수 있으며, 이렇게 만든 프롬프트 흐름은 Microsoft 365 앱, Microsoft Teams 및 기타 Microsoft 365 서비스에 통합할 수 있는 개발 자산입니다.

Copilot을 사용하거나 원하는 내용을 설명하여 흐름을 만들려면 어떻게 합니까?

원하는 동작을 Copilot에 설명하거나 프롬프트 흐름 편집기에서 노드를 직접 구성하여 흐름을 만들 수 있습니다. Copilot을 사용하려면 입력 프롬프트나 예시를 제공하여 흐름을 생성한 다음, 생성된 흐름을 다듬고 흐름 이름을 편집하며, 샘플 흐름 입력 1과 흐름 입력 2로 채팅 흐름과 흐름 실행을 테스트하면 됩니다.

프롬프트 흐름의 흐름을 구성하는 핵심 요소(노드, 입력, 출력)는 무엇입니까?

흐름은 일반적으로 노드, 흐름 입력 1/흐름 입력 2 값, 흐름 출력 1/흐름 출력 2 결과로 구성됩니다. 노드는 LLM에 대한 프롬프트, 데이터 조회, 평가 흐름 등 각 단계를 나타내며, 전체 흐름은 흐름 실행을 정의합니다. 각 노드는 입력을 처리하고 출력을 다음 노드로 전달하여 복잡한 데이터 흐름과 채팅 흐름 시나리오를 가능하게 합니다.

흐름을 테스트하고 실행하는 방법은 무엇이며, "채팅 흐름 테스트"는 무엇을 의미합니까?

채팅 흐름을 테스트하려면 흐름을 테스트할 입력(흐름 테스트용 입력)을 제공하고, 흐름 실행을 수행한 뒤 중간 노드 출력과 최종 흐름 출력을 확인합니다. 각 노드에서 흐름 입력을 참조할 수 있고, 흐름 전체를 점검할 수 있으며, 흐름이 기대대로 동작할 때까지 프롬프트나 노드를 수정하며 반복할 수 있습니다.

프롬프트 흐름을 Azure Machine Learning Studio나 다른 클라우드 흐름과 통합할 수 있습니까?

예. 프롬프트 흐름은 클라우드 흐름 및 Azure Machine Learning Studio와 상호 작용하여 모델, 채점 엔드포인트 또는 데이터 파이프라인을 호출할 수 있습니다. 외부 서비스에 데이터를 전달하는 클라우드 흐름 통합을 만들 수 있으며, 이를 통해 하이브리드 데이터 흐름 시나리오를 구현하고 Azure Machine Learning Studio를 활용해 맞춤형 모델 평가와 배포를 수행할 수 있습니다.

프롬프트 흐름은 보안 업데이트, 데이터 경계, Microsoft 365 서비스 경계 문제를 어떻게 처리합니까?

프롬프트 흐름은 Microsoft 보안 지침을 따르며, Microsoft 365 서비스와 통합될 때 Microsoft 365 서비스 경계를 존중합니다. 관리자는 Copilot이 처리하는 데이터가 규정을 준수하도록 보안 업데이트, 거버넌스 설정, 데이터 처리 정책을 검토해야 합니다. 테넌트 수준의 통제를 사용하고, 안전한 구성을 위해 Microsoft Learn 자료를 따르십시오.

Prompt Flow와 Copilot 아키텍처를 사용하는 AI 애플리케이션의 권장 개발 주기는 무엇입니까?

개발 주기는 흐름 설계(흐름은 개발 도구입니다), 프롬프트 변형 개발, 실제 흐름 입력을 사용한 테스트, 출력 평가(평가 흐름), Microsoft 365 Copilot 또는 Copilot 채팅에 배포, 성능 모니터링, 보안 업데이트 적용으로 구성됩니다. 이 주기는 Copilot 아키텍처를 활용하며, 반복적인 개선을 위해 대규모 언어 모델을 기반으로 작동합니다.

추가 리소스, 기술 지원, Microsoft Learn 가이드는 어디에서 찾을 수 있습니까?

Microsoft Learn에서는 Microsoft Foundry의 프롬프트 흐름과 Microsoft Foundry 포털의 흐름에 대한 자습서와 모듈을 제공합니다. 기술 지원과 추가 리소스는 Microsoft 문서, 커뮤니티 포럼, 공식 지원 채널을 참고하여 흐름 생성, 흐름 실행 문제 해결, Microsoft 365 서비스와의 통합에 필요한 도움을 받으실 수 있습니다.

흐름을 평가하고 디버그하려면 어떻게 해야 합니까? 흐름의 자세한 개요 정보는 어떻게 보입니까?

흐름 개요를 사용하면 노드 수준 로그, 흐름 입력/출력 스냅샷, 실행 추적 등 자세한 흐름 개요 정보를 확인할 수 있습니다. 디버깅에는 각 노드에서 LLM에 전달되는 프롬프트 검토, 중간 출력 확인, 입력 프롬프트 또는 노드 매개 변수 조정, 흐름을 다시 실행하여 수정 사항 검증이 포함됩니다.

Prompt Flow를 사용하여 Microsoft Teams 및 기타 Microsoft 365 앱에서 대화형 경험을 만들 수 있습니까?

예. Prompt Flow를 개발하고 흐름을 Microsoft Teams 또는 기타 Microsoft 365 앱에 포함하여 Copilot 응답과 채팅 흐름 경험을 제공할 수 있습니다. 흐름을 시작하는 이벤트(예: 메시지 또는 버튼)를 구성하고, 흐름 출력 1/흐름 출력 2를 사용자에게 표시되는 응답에 매핑한 다음, 대상 앱 컨텍스트에서 흐름 실행을 테스트하여 올바르게 동작하는지 확인하십시오.