Microsoft Copilot 용어집: 핵심 용어 해설

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

Copilot 용어를 살펴보세요! 핵심 인공지능 용어와 개념을 이해하세요. Copilot 정의를 찾을 때 찾아보기 좋은 Microsoft 자료입니다.

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

Microsoft Copilot에 대한 이야기는 많이 들어보셨지만 용어가 너무 어렵게 느껴지셨다면, 여러분만 그런 것이 아닙니다. Microsoft Copilot은 Microsoft의 AI 기반 어시스턴트로, Microsoft 365, Azure 등 여러 플랫폼에서 사람들이 일하는 방식을 바꾸고 있습니다. 이러한 강력한 새 기능과 함께 사용자가 이해해야 할 새로운 용어도 쏟아지고 있습니다.

이 가이드는 Microsoft의 확장되는 생태계에서 Copilot을 사용하거나 관리하거나, 단순히 Copilot 흐름에 뒤처지지 않으려는 모든 분을 위해 준비되었습니다. Copilot 용어를 익히는 것은 도움이 되는 정도가 아니라, 생산성을 높이고 투자 가치를 최대한 얻으며 규정 준수 및 보안 모범 사례를 지키기 위해 필수적입니다.

이어지는 섹션에서는 새로운 AI 기반 업무 환경을 헤쳐 나가고 성공적으로 활용하는 데 도움이 될 명확한 정의와 실질적인 설명을 확인하실 수 있습니다.

1. 동적인 진화: Copilot 용어집은 고정된 자료가 아니며, microsoft copilot terminology 항목은 새로운 기능, 기업 정책, 발전하는 AI 역량을 반영하여 정기적으로 업데이트됩니다.
2. 맥락 인식 정의: 많은 용어집 항목에는 상황별 변형이 포함되어 있어, 같은 microsoft copilot terminology 단어라도 Teams, Word, Azure 중 어디에서 쓰이는지에 따라 의미가 달라질 수 있습니다.
3. 민감 데이터 처리 레이블: 용어집에는 각 용어가 개인정보 보호 및 데이터 거버넌스와 어떻게 관련되는지를 나타내는 특정 태그가 포함되어 있어, 조직이 규정 준수를 고려하여 microsoft copilot terminology를 해석하는 데 도움을 줍니다.
4. 번역을 넘어서는 현지화: 항목은 언어뿐 아니라 지역별 업무 흐름 차이에 맞춰 현지화되어, microsoft copilot terminology가 현지 비즈니스 관행과 법적 규범에 맞게 조정됩니다.
5. 역할 기반 설명: 정의에는 관리자, 개발자, 최종 사용자 등 역할별 예시가 자주 포함되어, microsoft copilot terminology를 다양한 대상이 바로 적용할 수 있습니다.
6. 상호 운용성 매핑: 용어집은 Copilot 용어를 대응되는 Microsoft 365 및 Azure 개념과 연결하여, microsoft copilot terminology가 여러 서비스에 걸쳐 겹칠 때 생기는 모호함을 줄여 줍니다.
7. 출처 추적 가능한 인용: 많은 항목이 제품 문서, 지원 문서, 변경 로그로 연결되어 있어, 사용자는 microsoft copilot terminology가 어떻게 도출되었고 언제 바뀌었는지 직접 확인할 수 있습니다.
8. 기계 판독 가능 형식: Copilot 용어집의 일부는 자동화, 분류 체계 통합, microsoft copilot terminology의 프로그래밍 방식 활용을 지원하기 위해 구조화된 형식(JSON/CSV)으로 게시됩니다.

Microsoft Copilot 이해하기: 핵심 개념과 역할

Microsoft Copilot이 실제로 무엇인지 하나씩 살펴보겠습니다. 간단히 말해 Copilot은 매일 사용하는 앱 안에서 고급 AI를 기반으로 작동하는 디지털 어시스턴트입니다. Word, Teams, Excel, 심지어 Azure까지 떠올려 보시면 됩니다. Copilot의 역할은 더 적은 노력으로 글 작성, 데이터 분석, 소통, 일정 관리 등을 돕는 것입니다. 다만 Copilot을 자신 있게 사용하려면 몇 가지 기본 개념을 이해해야 합니다.

Copilot은 독립된 앱이 아닙니다. 대신 Microsoft 365와 Azure 전반에서 작동하며 일상 업무를 더 빠르고 똑똑하게 만들어 주는 계층입니다. 사용자의 "프롬프트"(기본적으로 일반 언어로 입력하는 지시문)에 응답하고, 정보를 가져오고, 반복적인 단계를 자동화하며, 서로 다른 시스템 간에 데이터를 연결하기도 합니다.

자주 마주치게 될 핵심 역할이 몇 가지 있습니다. 사용자는 업무를 처리하기 위해 Copilot과 상호 작용하는 모든 사람입니다. 관리자(테넌트 관리자라고도 함)는 조직의 Copilot 설정, 권한, 보안을 구성하는 담당자입니다. AI 에이전트는 요청을 해석하거나 작업을 수행하는 등 실제로 대부분의 무거운 작업을 처리하는 Copilot의 구성 요소입니다.

Copilot은 또한 조직의 업무 흐름에 통합되고 관리자가 설정한 보안 정책을 따릅니다. Copilot이 접근할 수 있는 데이터를 설정하거나, Teams의 특정 업무 흐름에 연결하는 것 모두 해당합니다. 이처럼 "누가 무엇을 하는지"에 대한 기본 개념을 이해하는 것이 Copilot을 안전하고 효과적으로 사용하는 첫걸음입니다.

필수 Microsoft Copilot 용어 용어집

• 프롬프트(Prompt): Copilot에 입력하는 지시문이나 질문입니다. 예를 들어 "오늘 모임 메모를 요약해 줘."와 같습니다. 프롬프트가 명확할수록 결과도 더 좋아집니다.
• 플러그인(Plugin): Copilot의 기능을 확장하는 선택적 추가 기능입니다. Salesforce 같은 타사 도구에 연결하여 Copilot이 추가 데이터를 가져올 수 있도록 합니다.
• 에이전트(Agent): Copilot 안에서 특정 작업이나 자동화를 실행하는 AI "작업자"입니다. 에이전트는 보고서 생성이나 일정 업데이트처럼 특정 업무에 집중하는 소형 도우미라고 생각하시면 됩니다.
• 컨텍스트 창(Context window): Copilot이 프롬프트에 답변할 때 한 번에 고려할 수 있는 정보의 범위입니다. 긴 문서를 검토해 달라고 요청하면, Copilot은 이 창에 들어가는 내용만 "기억"합니다.
• 그라운딩(Grounding): Copilot이 프롬프트를 실제 조직 데이터(파일, 이메일, 채팅)와 연결하는 과정입니다. 이를 통해 일반적인 AI 결과가 아니라 여러분의 업무와 관련性이 높고 정확한 답변을 제공합니다.
• 거버넌스(Governance): 관리자가 설정하는 정책과 통제 수단으로, 누가 Copilot을 사용할 수 있는지, 어떤 데이터에 접근할 수 있는지, 어떻게 동작하는지를 관리합니다. 이를 통해 AI 운영을 안전하고 규정을 준수하는 방식으로 유지합니다.
• 데이터 손실 방지(Data Loss Prevention, DLP): 주민등록번호와 같은 민감한 정보가 Copilot 출력을 통해 공유되거나 유출되지 않도록 차단하는 보안 도구입니다.
• 테넌트(Tenant): 조직 전용으로 할당된 Microsoft 365 환경입니다. 클라우드에서 회사의 "본거지"라고 생각하시면 됩니다.
• Microsoft Graph: Copilot이 Microsoft 365 전반의 조직 데이터에 안전하게 접근할 때 사용하는 프레임워크이며, 누가 무엇을 볼 수 있는지에 대한 권한을 존중합니다.

Copilot이 Microsoft 365 및 Azure와 통합되는 방식

Copilot은 Microsoft 도구 위에 단순히 덧입혀진 것이 아니라 처음부터 긴밀하게 연결되어 있습니다. Microsoft 365에서는 Teams, Outlook, Word, Excel, Power BI, Power Platform 같은 애플리케이션에 Copilot이 자연스럽게 포함되어 있습니다. 각 앱에서 Copilot은 상황에 맞게 나타나 채팅 요약, 이메일 초안 작성, 스프레드시트 분석, 워크플로 자동화 등을 제안합니다.

내부적으로 Copilot은 Microsoft Graph와 같은 보안 API 및 서비스를 사용하여 조직의 데이터에 접근합니다. 예를 들어 프롬프트에 응답할 때 SharePoint에서 관련 파일을 가져오거나, 최근 이메일을 파악하거나, Teams 대화를 불러올 수 있습니다. 조직의 기존 보안 경계를 존중하므로 사용자가 볼 수 있도록 허용된 데이터만 표시됩니다.

Azure에서 Copilot 통합은 조금 더 기술적입니다. 클라우드 기반 데이터 소스에 연결하고, 작업을 자동화하며, 코드나 인프라 구성까지 지원할 수 있습니다. 이 통합은 Azure 환경에서 설정된 권한, 거버넌스 규칙, 사용자 역할을 기반으로 합니다.

Copilot을 실행하려면 관리자가 특정 기능이나 연결을 활성화해야 할 수 있으며, 대부분의 경우 권장 보안 모범 사례를 따라야 합니다. 안전하고 거버넌스가 적용된 Copilot 사용에 대해 더 깊이 알고 싶다면, Purview 및 Power Platform DLP에 관한 이 자료에 정리된 전략을 꼭 읽어 보시기 바랍니다. 이러한 기본 개념을 이해하면 Copilot이 일상적인 도구 안에서 어떤 역할을 하는지, 그리고 Microsoft 365와 Azure 환경에서 왜 진정한 도약인지 파악하는 데 도움이 됩니다.

Copilot 에이전트와 에이전트 워크플로

Copilot과 관련해 "에이전트"라는 말이 많이 쓰이지만, 단순한 유행어가 아니라 최신 자동화를 뒷받침하는 핵심 요소입니다. Copilot에서 에이전트는 반복적인 특정 업무를 처리하도록 설계된 AI 기반 도우미입니다. 과거의 매크로나 단순한 봇과는 다릅니다. 에이전트는 더 똑똑하고 더 독립적이며, 여러 앱과 데이터 소스에 걸친 복잡한 워크플로도 능숙하게 처리할 수 있습니다.

"에이전트 워크플로"란 자동화될 뿐만 아니라 에이전트가 조율하는 일련의 작업을 말합니다. 예를 들어 에이전트가 영업 데이터를 읽고, Power BI 대시보드를 업데이트하며, 목표를 달성하지 못했을 때 Teams로 담당자에게 알림을 보낼 수 있습니다. 이는 "매크로 실행" 버튼을 클릭하는 것보다 훨씬 고급 방식으로, 세부 사항을 확인하고 결과를 측정하며 후속 조치까지 챙기는 직원을 두는 것과 비슷합니다.

하지만 큰 힘에는 엄격한 거버넌스가 따릅니다. 에이전트를 통제 없이 방치하면 ID 드리프트, 의도치 않은 데이터 유출, 감독 상실 등 문제가 쉽게 복잡해질 수 있습니다. 기업에는 모든 작업을 추적 가능하고 안전하게 유지할 수 있도록 안정적인 에이전트 ID와 명확한 도구 계약 같은 강력한 통제 장치가 필요합니다. Entra Agent ID와 위험 통제를 포함해 에이전트를 거버넌스하는 방법을 더 깊이 알고 싶다면 이 에이전트 거버넌스에 대한 상세 분석을 참고하십시오.

에이전트 기반 워크플로는 일상적인 업무를 바꾸고 협업을 더 원활하게, 의사결정을 더 빠르게 만들어 줍니다. 다만 고삐를 단단히 쥐고 있을 때에만 가능합니다. 에이전트를 관리하고 있다면 강력한 권한을 적용하고, 감사 도구로 모니터링하며, DLP를 체계적으로 적용하는 것이 무엇보다 중요합니다. 이 내용은 Copilot용 보안 및 규정 준수 가이드에서 다루고 있습니다. 이렇게 하면 혼란이나 규정 준수 실수 없이 자동화의 이점을 누릴 수 있습니다.

인공지능, 그라운딩, 프롬프트 설명

Copilot의 인공지능은 마법이 아니라 대형 언어 모델(large language model)이라는 거대한 두뇌와 조직 데이터라는 상식이 결합된 것입니다. Copilot의 "AI"는 사용자의 말을 이해하고, 자연스럽게 응답하며, 사용자의 스타일에 맞는 콘텐츠를 생성하도록 학습된 강력한 언어 모델을 기반으로 합니다. 하지만 비즈니스 환경에서는 원시 AI만으로는 충분하지 않습니다. 조직의 데이터, 맥락, 규칙과의 관련성이 필요합니다.

여기서 그라운딩이 중요한 역할을 합니다. 그라운딩이란 Copilot이 임의로 답변하지 않고, 파일, 이메일, 일정, 채팅의 데이터에 근거해 응답을 구성한다는 뜻입니다. 예를 들어 "1분기 매출 주요 내용은 무엇이었나?"라고 물으면 Copilot은 조직의 실제 판매 스프레드시트나 CRM 데이터를 검색하여, 일반적인 추측이 아닌 유용하고 구체적인 답변을 제공합니다.

Copilot에서 얻는 모든 결과는 프롬프트에서 시작됩니다. 프롬프트는 직접적인 명령("시장 동향에 관한 프레젠테이션을 만들어 줘")일 수도 있고, 질문("이번 주 당직자는 누구인가?")일 수도 있습니다. 프롬프트를 어떻게 표현하느냐에 따라 Copilot 결과물의 품질과 관련성이 달라집니다. 좋은 프롬프트는 명확하고 구체적이며, 가능하다면 적절한 근거 자료를 Copilot이 찾도록 안내합니다.

프롬프트 엔지니어링은 점점 중요한 기술이 되고 있습니다. Copilot이 "잘 알아듣는" 방식으로 원하는 바를 요청하는 능력이 필요합니다. Copilot은 조직의 데이터와 맥락에 근거해 정보를 가져오므로, 질문하기 전에 Copilot이 어떤 파일, 권한, 팀에 접근할 수 있는지 먼저 생각해 보는 것이 좋습니다. 인공지능, 그라운딩, 프롬프트라는 이 세 요소가 Copilot 생산성의 핵심 엔진을 구성합니다. 이 세 가지를 제대로 이해하면 Copilot을 단순히 사용하는 데 그치지 않고, 업무 흐름에서 그 잠재력을 온전히 활용할 수 있습니다.

Copilot의 주요 거버넌스 및 보안 용어

• 데이터 규정 준수: Copilot이 조직의 데이터를 항상 업계 법규(예: GDPR), 회사 정책, 개인정보 보호 약속에 맞게 처리하도록 보장하는 규칙입니다. 규정을 준수하려면 누가 무엇에 접근할 수 있는지 아는 것이 필수입니다.
• Microsoft Purview: 데이터 보안, 개인 정보 보호, 규정 준수를 관리하기 위한 Microsoft의 제품군입니다. Purview는 데이터 처리와 레이블 지정에 대한 정책을 설정하고, 모든 Copilot 활동에 대한 감사를 수행하는 데 도움을 줍니다. Copilot 거버넌스에서 Purview가 어떤 역할을 하는지는 이 포괄적인 정책 자료에서 더 자세히 확인할 수 있습니다.
• 제로 트러스트: 아무것도 안전하다고 가정하지 않는 보안 접근 방식으로, 액세스가 허용되기 전에 모든 Copilot 작업이 확인되고 검증됩니다. 예외는 없습니다. 모든 요청을, 매번 확인합니다.
• 데이터 손실 방지(DLP): Copilot을 통해 민감한 데이터가 실수로(또는 의도적으로) 공유되는 것을 탐지하고 차단하는 자동화된 통제 장치입니다. DLP는 AI 감시자 역할을 하며, 어떤 것도 놓치지 않도록 합니다.
• 테넌트 경계: Microsoft 클라우드에서 조직의 데이터를 다른 조직의 데이터와 분리하는 엄격한 디지털 경계입니다. Copilot은 테넌트 경계를 준수하므로, 조직의 정보가 엉뚱한 곳으로 넘어가지 않습니다.
• 역할 기반 액세스 제어(RBAC): Copilot과 M365 전반에서 누가, 어디서, 어떤 데이터로 무엇을 할 수 있는지 세밀하게 설정하는 관리 도구입니다. RBAC는 안전한 권한 위임의 기본 도구입니다.
• Graph 권한: Copilot의 AI 에이전트가 조직 데이터 소스에서 가져올 수 있는 항목을 제어하는 설정입니다. 과도한 노출을 막으려면 권한을 제한하는 것이 무엇보다 중요하며, 자세한 내용은 이 거버넌스 및 규정 준수 가이드에서 확인할 수 있습니다.

Copilot 활용도를 한 단계 더 높이고 싶다면, Copilot Governance: Policy or Pipe Dream?에서 소개하는 실무 거버넌스 체크리스트를 참고해 보시기 바랍니다. 계약, 라이선스, 자동 레이블링, AI 협의체 모범 사례를 다룹니다.

Microsoft Copilot을 최대한 활용하기 위한 팁

• 학습 리소스를 활용하십시오: 무작정 사용하지 마시고 Microsoft의 공식 Copilot 교육을 살펴보며, 중앙 집중식 Copilot 학습 센터 같은 가이드도 확인해 보십시오. 새로운 기능에 맞춰 빠르게 업데이트되는 자료입니다.
• 커뮤니티에 참여하십시오: 사용자 포럼이나 그룹에 가입하여 팁을 주고받고, 실제 사례를 공유하며, 문제를 조기에 발견하십시오.
• 업데이트에 주의를 기울이십시오: Microsoft Copilot은 계속 발전하고 있습니다. 새로운 기능, 보안 패치, 용어 변경에 관한 알림을 받아 두면 갑작스러운 상황에 당황하지 않으실 수 있습니다.
• 조직 전체의 정렬을 도모하십시오: 모범 사례를 공유하고 Copilot 활용 역량을 높이십시오. 이렇게 하면 팀워크가 원활해지고 모두가 같은 (디지털) 방향을 보며 일할 수 있습니다.
• 보안과 거버넌스를 우선하십시오: 안전한 사용을 위한 관리자의 권장 사항을 항상 따르고, 이상한 점이 있으면 반드시 보고하십시오.

자주 묻는 질문: Microsoft 365 Copilot 추가 리소스

Microsoft Copilot 용어란 무엇이며, 왜 중요한가요?

Microsoft Copilot 용어는 Microsoft의 AI 기능과 구성 요소를 설명하는 데 쓰이는 용어와 개념의 집합을 말합니다. Copilot Studio, 커넥터, 오케스트레이터, 주요 Copilot 기능 등이 여기에 포함됩니다. 이러한 용어를 이해하면 사용자가 Copilot 환경을 올바르게 활용하고, AI를 책임감 있게 사용하며, 파운데이션 모델, LLM, 검색 증강 생성(RAG)이 함께 작동해 사람과 같은 응답을 생성하고 외부 데이터 소스에서 인사이트를 제공하는 방식을 파악할 수 있습니다.

Copilot Studio는 Copilot 생태계에서 어떤 역할을 하나요?

Copilot Studio는 개발자와 메이커가 Copilot을 만들고 사용자 지정할 수 있도록 지원하는 로우 코드 서비스입니다. Copilot 커넥터 및 Microsoft Graph 커넥터와 연결되고, 검색과 의미 기반 순위 지정을 구성하며, Azure OpenAI 또는 다른 LLM과 통합됩니다. 또한 AI 어시스턴트가 자연어 입력에 응답하는 방식을 조정하고, 지식 그래프, Office 365 또는 외부 데이터 소스에서 관련 정보를 가져오도록 오케스트레이션합니다.

Copilot 커넥터란 무엇이며, 외부 데이터에는 어떻게 접근하나요?

Copilot 커넥터는 Copilot이 외부 데이터 소스에 접근할 수 있도록 하는 플러그인 또는 API입니다. 여기에는 Microsoft Graph 커넥터, 타사 API, 데이터베이스, Microsoft Fabric 등이 포함됩니다. 커넥터를 통해 관련 정보를 검색하고, 여러 시스템의 지식을 결합할 수 있으므로 AI 기반 디지털 어시스턴트가 텍스트를 생성하고, 질의에 답하며, 사용자 입력에 맞는 상황 인식 응답을 제공할 수 있습니다.

LLM, 파운데이션 모델, Azure OpenAI는 Microsoft Copilot과 어떤 관계인가요?

LLM과 파운데이션 모델은 텍스트와 사람과 같은 응답을 생성하는 기반 머신 러닝 모델입니다. Microsoft의 AI 스택은 Azure OpenAI와 기타 Azure AI 서비스를 활용해 이러한 모델을 호스팅하고 미세 조정합니다. 이를 통해 AI 기반 어시스턴트인 Copilot은 생성형 AI를 사용하고, 자연어 처리를 적용하며, 보안 업데이트와 책임 있는 AI 지침을 준수하면서 대화형 답변을 생성할 수 있습니다.

자연어 입력과 의미 처리는 Copilot 경험을 어떻게 개선하나요?

자연어 입력과 의미 처리를 통해 Copilot은 사람의 언어를 해석하고, 의도를 파악하며, 사용자 입력을 검색이나 작업을 위한 질의로 변환할 수 있습니다. 의미 기반 검색, RAG, NLP 기법을 활용하면 Copilot은 관련 정보를 찾고, 많은 양의 텍스트를 요약하며, 사용자의 질의와 커넥터를 통해 접근 가능한 지식 그래프 또는 데이터에 부합하는 사람과 같은 응답을 생성할 수 있습니다.

비즈니스와 생산성 측면에서 Microsoft Copilot의 일반적인 활용 사례는 무엇인가요?

Office 365의 이메일 초안 작성 자동화, Microsoft Fabric 데이터를 활용한 보고서 작성, 긴 문서의 요약 생성, 기술 지원용 챗봇 구동, copilot 대화형 인터페이스를 갖춘 로우코드 Power Apps 구축, Microsoft Graph 커넥터를 통한 고객 인사이트 조회, 그리고 머신 러닝 모델과 검색 증강 생성(RAG)을 활용해 답변과 권장 사항을 제공하는 분석 워크플로 구현 등이 대표적인 사용 사례입니다.

Microsoft는 copilot의 보안 업데이트와 책임 있는 AI를 어떻게 보장합니까?

Microsoft는 플랫폼 보안 사례, 커넥터 권한, API 제어, 정기적인 보안 업데이트를 모델 거버넌스, 휴먼 인 더 루프(human-in-the-loop) 검토, 사용량 모니터링을 포함한 책임 있는 AI 프레임워크와 결합합니다. 조직은 액세스 제어, 데이터 손실 방지(DLP), 감사를 적용할 수 있으며, Microsoft Learn 지침과 규정 준수 모범 사례를 따라 AI가 생성한 콘텐츠와 외부 데이터 액세스에서 비롯되는 위험을 완화할 수 있습니다.

개발자가 API, 플러그인, Power Apps로 copilot을 확장할 수 있습니까?

네, 개발자는 API, copilot 커넥터, 플러그인, Power Apps 같은 로우코드 도구를 활용해 copilot을 확장할 수 있습니다. API를 통해 외부 서비스를 호출하거나, Azure OpenAI를 통해 GPT 계열 모델을 통합하거나, 지식 그래프 또는 데이터베이스에서 사용자 지정 검색을 구현할 수 있습니다. 또한 Copilot Studio를 사용해 워크플로를 조율하고, 특정 사용자 상호 작용과 비즈니스 워크플로에 맞게 copilot 경험을 조정할 수 있습니다.

검색 증강 생성(RAG)이란 무엇이며, 관련 정보를 찾는 데 어떤 도움이 됩니까?

검색 증강 생성(RAG)은 관련 문서를 검색하는 과정과 생성형 AI 모델을 결합하여, AI 모델이 실제 출처에 근거해 응답하도록 합니다. copilot은 RAG를 사용해 커넥터를 조회하고, 뒷받침하는 문서를 가져온 다음, 사실에 기반한 내용을 참조하는 답변을 생성합니다. 이를 통해 방대한 텍스트나 분산된 외부 데이터 소스에서 AI가 텍스트를 생성하거나 인사이트를 제공할 때 정확도가 높아집니다.

조직은 copilot 경험과 학습 모델을 어떻게 측정하고 개선합니까?

조직은 사용자 상호 작용, 질의 성공률, 피드백 루프, 대화형 지표를 모니터링하여 프롬프트를 개선하고, 머신 러닝 모델을 재학습하거나 미세 조정하며, 커넥터를 업데이트하고, 시맨틱 검색 설정을 조정합니다. Microsoft Learn의 자료와 추가 리소스에는 copilot 경험을 반복적으로 개선하고, 관련성을 높이며, AI 어시스턴트가 도움이 되고 사람과 같은 자연스러운 응답을 제공하도록 보장하기 위한 모범 사례가 담겨 있습니다.

사용자 질의에 답하는 데 지식 그래프와 Microsoft Graph 커넥터는 어떤 역할을 합니까?

지식 그래프와 Microsoft Graph 커넥터는 조직 데이터를 구조화하고 인덱싱하여, copilot이 문맥을 고려한 사실과 관계를 빠르게 조회할 수 있도록 합니다. 이를 Copilot Studio 및 오케스트레이터와 연결하면, copilot은 더 풍부한 응답을 구성하고, Office 365 또는 외부 소스의 관련 정보를 제시하며, 복잡한 자연어 질의에 더 정확하게 응답할 수 있습니다.

copilot 구축을 위한 기술 지원과 추가 리소스는 어디에서 찾을 수 있습니까?

개발자와 관리자는 기술 지원을 위해 Microsoft Learn, Azure AI 및 Azure OpenAI 문서, GitHub 샘플, 커뮤니티 포럼, 공식 Microsoft 지원을 이용할 수 있습니다. 추가 리소스로는 copilot 커넥터의 API 문서, 책임 있는 AI 가이드, 보안 업데이트 모범 사례, 그리고 특정 사용 사례에 copilot을 활용하기 위한 Copilot Studio, Power Apps, Microsoft Fabric 사용 튜토리얼 등이 있습니다.