Microsoft Copilot를 대규모 데이터셋에 확장하기: 350만 페이지에서 얻은 교훈

By Mirko Peters · 2026-08-26

방대한 양의 비정형 데이터를 처리해야 할 때, 기존 검색 도구는 금세 한계에 부딪힙니다. 현대의 엔터프라이즈 환경이나 복잡한 조사 보도에서는 문서, 이미지, 동영상의 방대한 양 때문에 데이터를 광범위하게 인식하지 못하는 문제가 생길 수 있습니다. 핵심 증거가 명백히 눈앞에 있어도 수많은 무관한 세부 정보에 묻혀 보이지 않게 됩니다. 이를 극복하려면 조직은 대규모 AI 배포를 가능하게 하는 고급 아키텍처 선택, 선택적 활성화 모델, 재귀적 청킹 전략에 주목해야 합니다. 이 심층 분석에서는 예산을 낭비하거나 성능을 희생하지 않고도 전례 없는 과제에 대응할 수 있도록 엔지니어링 원칙이 AI를 확장하는 방법을 살펴봅니다.

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

방대한 양의 비정형 데이터를 처리해야 할 때, 기존 검색 도구는 금세 한계에 부딪힙니다. 현대의 엔터프라이즈 환경이나 복잡한 조사 보도에서는 문서, 이미지, 동영상의 방대한 양 때문에 데이터를 광범위하게 인식하지 못하는 문제가 생길 수 있습니다. 핵심 증거가 명백히 눈앞에 있어도 수많은 무관한 세부 정보에 묻혀 보이지 않게 됩니다. 이를 극복하려면 조직은 대규모 AI 배포를 가능하게 하는 고급 아키텍처 선택, 선택적 활성화 모델, 재귀적 청킹 전략에 주목해야 합니다. 이 심층 분석에서는 예산을 낭비하거나 성능을 희생하지 않고도 전례 없는 과제에 대응할 수 있도록 엔지니어링 원칙이 AI를 확장하는 방법을 살펴봅니다.

이 아키텍처 뒤의 기술적 메커니즘과 실제 구현 전략을 더 자세히 알아보려면 M365 FM 팟캐스트의 관련 토론을 꼭 들어보시기 바랍니다: Scaling Microsoft Copilot to 35 Million Pages: The Epstein Files.

엡스타인 파일 과제 개요

엡스타인 파일의 범위

여러분이 마주한 데이터셋은 규모와 복잡성 모두에서 방대합니다. 엡스타인 파일에는 350만 페이지의 문서, 2,000개의 동영상, 18만 개의 이미지가 포함되어 있습니다. 이 파일들은 여러 해에 걸친 사건, 인물, 장소를 다룹니다. 여러분은 법률 기록, 이메일, 사진, 영상 증거를 다뤄야 합니다. 각 데이터 유형마다 고유한 과제가 따릅니다. 어떤 파일은 손으로 쓴 메모이고, 어떤 파일은 디지털 스프레드시트 또는 스캔한 이미지입니다. 전체 그림을 완성하려면 이 모든 형식에 걸친 정보를 연결해야 합니다.

데이터 인식 한계와 검색의 제약

엡스타인 파일을 검색해 보면 기존 도구로는 감당할 수 없다는 사실을 금세 깨닫게 됩니다. 정보의 바다에서 길을 잃기 쉽습니다. 중요한 사실이 수백만 개의 덜 중요한 세부 정보 사이에 숨어 있을 수 있습니다. 이를 데이터 인식 한계라고 합니다. 이름이나 날짜를 검색해도 도움이 되지 않는 결과가 수백 개씩 나올 수 있습니다. 일반 검색 엔진은 문서, 이미지, 동영상 사이의 연결고리를 놓치는 경우가 많습니다. 패턴을 찾아야 하지만 방대한 양 때문에 거의 불가능합니다. 데이터가 너무 많아 핵심 증거가 묻혀서 놓칠 위험이 있습니다.

AI가 필수적인 이유

엡스타인 파일을 이해하려면 고급 도구가 필요합니다. 인공지능은 대규모의 복잡한 데이터셋을 처리하고 이해하는 데 도움을 줍니다. AI는 수백만 페이지를 읽고, 수천 개의 동영상을 확인하고, 이미지를 스캔하는 작업을 사람보다 훨씬 빠르게 수행할 수 있습니다. 모든 파일에 걸쳐 이름, 장소, 주제, 타임라인을 연결할 수 있습니다. 각 연결에는 신뢰도 점수가 부여되므로 어떤 결과가 가장 신뢰할 만한지 알 수 있습니다. AI는 또한 Internet Archive, Google Pinpoint 같은 추가 소스를 활용해 파일의 더 많은 부분을 색인합니다. Jmail처럼 엡스타인 파일의 이메일을 쉽게 검색할 수 있는 받은 편지함으로 바꿔 주는 다른 프로젝트도 있습니다.

Levy는 이러한 소스를 사용하고 인용하는 것이 AI 환각에 대한 우려를 해소하는 데 매우 중요했다고 말합니다. '누구나 AI에 상당히 회의적입니다'라고 그는 말합니다. '이 에피소드를 구성하는 데 사용된 모든 소스를 빠짐없이 밝히는 것이 정말 중요했습니다.'

AI를 활용하면 데이터 인식 한계를 극복하고 엡스타인 파일에 숨겨진 진실을 찾아낼 수 있습니다.

엔지니어링된 Copilot: 기술 혁신

선택적 활성화 모델

선택적 활성화 모델을 사용하면 리소스를 최대한 활용할 수 있습니다. 이 모델은 가치가 높은 콘텐츠에 집중하도록 도와주며, 대규모 데이터셋에서 효율을 높여 줍니다.

가치가 높은 콘텐츠 우선 처리

작업에 중요한 모델 부분만 활성화합니다. 이 방식은 연산 비용을 줄이고 검색 속도를 높입니다. 여러분은 쿼리를 가장 관련성 높은 전문가에게 보내는 특화된 라우팅 메커니즘의 혜택을 누릴 수 있습니다. 동적 희소성을 활용하면 필요한 경로만 사용하므로 리소스를 낭비하지 않고도 정확한 답을 얻을 수 있습니다.

• MoE는 한 번에 모델 파라미터의 일부만 활성화하도록 하여 연산 비용을 줄입니다.
• 특화된 라우팅 메커니즘이 입력을 가장 관련성이 높은 전문가에게 전달하여 응답 정확도를 높입니다.
• 동적 희소성(dynamic sparsity)을 활용하면 필요한 연산 경로만 선택적으로 활성화할 수 있어, 연산 비용이 선형으로 증가하지 않으면서도 성능을 최적화합니다.

engineered copilot이 이 모델을 활용하는 방식을 보면, 수백만 개의 파일을 다루는 상황에서도 빠르고 정확한 결과를 제공한다는 것을 알 수 있습니다.

거버넌스 및 규정 준수

민감한 정보를 보호하고 엄격한 규칙을 준수해야 합니다. engineered copilot에는 기본 제공 보안 통제와 승인 흐름이 포함되어 있습니다. 또한 책임성과 사람의 감독을 확보할 수 있어 시스템의 판단을 신뢰할 수 있습니다. 설계 단계부터 보안을 고려하는 방식(Security-by-Design)은 암호화된 통신과 액세스 제어를 통해 데이터를 안전하게 보호한다는 뜻입니다. 여기에 공정성 및 편향 완화, 정기적인 테스트, 규정 준수를 위한 감사 추적도 함께 활용할 수 있습니다.

• 책임성 및 사람의 감독: AI의 판단을 사람이 모니터링하여 책임성을 유지하도록 합니다.
• 설계 단계부터 보안(Security-by-Design): 암호화된 통신과 액세스 제어 등 보안 통제를 AI 시스템에 통합합니다.
• 공정성 및 편향 완화: AI 모델이 편향된 결과를 내지 않도록 정기적으로 테스트합니다.
• 데이터 품질 및 무결성: 데이터 정확성을 보장하기 위해 데이터 세트 목록을 관리합니다.
• 규정 준수 및 감사 가능성: 규제 준수를 입증할 수 있도록 감사 추적을 구축합니다.
• 모니터링 및 인시던트 대응: 모델 드리프트를 감지하고 인시던트 대응 계획을 실행하기 위해 지속적으로 모니터링합니다.

engineered copilot을 활용하면 이러한 요구 사항을 충족할 수 있으므로, 조사 데이터를 책임감 있게 다룰 수 있습니다.

재귀적 구조 인식 청킹

Epstein Files에는 복잡한 문서 계층 구조가 존재합니다. engineered copilot은 재귀적 구조 인식 청킹을 사용하여 문서의 자연스러운 구조를 유지하면서 문서를 나눕니다. 이 방식은 컨텍스트 단편화를 40% 개선하고, 의미적 명확성을 35% 높입니다.

더 명확하고 의미 있는 정보 단위를 얻을 수 있습니다. 이를 통해 일반 도구가 놓칠 수 있는 연관성과 패턴을 찾는 데 도움이 됩니다.

멀티모달 수집 파이프라인

텍스트, 이미지, 비디오를 함께 분석해야 합니다. engineered copilot은 모든 유형의 데이터를 처리하여 통합 분석이 가능하도록 멀티모달 수집 파이프라인을 구축합니다.

텍스트, 이미지, 비디오

모든 유형의 데이터에 대해 데이터 품질을 검증합니다. 각 레코드를 모달리티에 따라 적합한 AI 서비스로 라우팅합니다. 예를 들어 텍스트는 Comprehend로, 이미지는 Textract로, 비디오는 비전 모델로 보냅니다. 그리고 모든 결과를 분석을 위한 통합 메시지 형식으로 변환합니다.

• 모든 유형의 데이터에 대해 데이터 품질을 검증합니다(완전성, 고유성, 최신성).
• 각 레코드를 모달리티에 따라 적합한 AI 서비스로 라우팅합니다(텍스트 → Comprehend, 이미지 → Textract 등).
• 모든 결과를 통합 분석을 위해 Bedrock Converse API 메시지 형식으로 변환합니다.

멀티모달 에이전트는 비디오, 텍스트, 이미지 분석 프로세스를 통합하여 미디어의 의미 분석을 위한 총체적 접근 방식을 제공합니다.

engineered copilot이 인간의 인지 방식을 모방하여 다양한 유형의 데이터를 일관된 모델로 통합하는 모습을 볼 수 있습니다. 이 접근 방식은 복잡한 상황을 이해하고 숨겨진 인사이트를 찾는 데 도움이 됩니다.

엔티티 추출 및 지식 그래프

사실과 관계를 연결하기 위해 엔티티를 추출하고 지식 그래프를 구축합니다. engineered copilot은 정밀도, 재현율, 정확도 지표를 사용하여 엔티티 추출을 평가합니다. 혼동 행렬(confusion matrix)을 사용하여 생성된 엔티티를 ground-truth 엔티티와 비교합니다.

여러분은 엔티티-속성-값(EAV) 트리플을 분석해 텍스트와 의미의 충실도를 검증합니다. 또한 지식 그래프의 구조와 관계를 검증합니다. 이 과정을 통해 Epstein Files 전반의 연결 관계를 신뢰할 수 있는 지도로 만들 수 있습니다.

Engineered Copilot의 고유한 아키텍처

여러분은 워크플로 오케스트레이션, 다중 모델 기능, 엔터프라이즈 보안, 그리고 Microsoft 365와의 긴밀한 통합의 혜택을 누릴 수 있습니다. Engineered copilot은 최소한의 감독만으로 Teams, Outlook, SharePoint 및 기타 엔터프라이즈 애플리케이션 전반에서 다단계 작업을 실행합니다.

Engineered copilot이 다른 AI 솔루션과 어떻게 차별화되는지 확인할 수 있습니다. 방대한 데이터 세트를 관리, 분석하고 정보를 검색하는 고급 도구를 사용할 수 있습니다. 속도, 정확성, 보안을 확보할 수 있어 조사 업무의 효율을 높일 수 있습니다.

Copilot으로 데이터에서 인사이트까지

자동 요약

여러분은 매일 방대한 데이터 세트를 다룹니다. Copilot은 방대한 정보를 명확한 요약으로 바꾸는 데 도움을 줍니다. Copilot을 사용하면 수백만 페이지를 스캔하고 가장 중요한 내용을 추출할 수 있습니다. 이 도구는 문서, 이미지, 동영상을 읽고 조사에 활용할 수 있는 간결한 요약을 만듭니다. 시간을 절약하고 중요한 세부 사항을 놓치지 않을 수 있습니다. Copilot은 고급 알고리즘을 사용해 핵심 사실, 날짜, 이름을 식별합니다. 사람과 사건 사이의 연결 관계를 강조한 요약을 얻을 수 있습니다. 이 과정은 복잡한 내용을 더 쉽게 이해할 수 있도록 하여 조사를 지원합니다.

Copilot의 자동 요약 기능을 사용하면 끝없이 쌓인 파일을 정리하는 대신 분석에 집중할 수 있습니다. 조사 업무에서 명확성과 속도를 얻을 수 있습니다.

고급 쿼리 및 시각화

여러분은 복잡한 질문을 던지고 데이터의 패턴을 확인해야 할 때가 있습니다. Copilot은 강력한 쿼리 도구를 제공합니다. 텍스트, 이미지, 동영상을 아우르는 검색이 가능합니다. 시스템은 조사를 뒷받침하는 관계와 추세를 찾아냅니다. Copilot 대시보드에는 여러 앱에서의 채택 수준, 추세, 사용량이 표시됩니다. 그룹별 Copilot 사용 현황과 선호하는 기능을 추적할 수 있습니다. 가장 많은 콘텐츠를 처리하는 앱과 생산성을 높이는 기능이 무엇인지 확인할 수 있습니다.

• Copilot 채택 개요에서 다음을 확인할 수 있습니다.
  • 채택 수준 및 추세
  • 그룹별 사용량
  • 앱 및 기능별 사용량
• Copilot 대시보드에서 다음을 제공합니다.
  • Microsoft 365 앱 전반에서 수행된 작업에 대한 인사이트
  • 예상 비용 절감액
  • 학습 리소스

차트와 그래프로 조사 결과를 시각화할 수 있습니다. Copilot은 원시 콘텐츠를 실행 가능한 인사이트로 바꾸는 데 도움을 줍니다. 이러한 도구를 활용하면 조사 결과를 명확하게 제시하고 결론을 뒷받침할 수 있습니다.

1초 미만의 응답 시간

대규모 데이터 세트로 작업할 때는 빠른 답변을 기대하게 됩니다. Copilot은 복잡한 쿼리에도 1초 미만의 응답 시간을 제공합니다. 텍스트, 이미지, 차트, 다이어그램을 포함한 멀티모달 콘텐츠를 검색하고 거의 즉시 결과를 받을 수 있습니다. Copilot은 고급 검색 기법을 사용해 조사 자료를 신속하게 처리합니다. 몇 분이나 몇 시간을 기다릴 필요가 없습니다. 몇 초 만에 답을 얻을 수 있어 조사가 계속 진행될 수 있습니다.

• Copilot은 속도와 정확성을 갖춰 멀티모달 조사를 처리합니다.
• 복잡한 쿼리에도 2초 미만의 응답 시간을 얻을 수 있습니다.
• 조사 목표에 집중하면서 생산성을 유지할 수 있습니다.

Copilot의 속도와 정밀도 덕분에 조사 업무에서 신뢰할 수 있는 파트너가 됩니다. 필요한 때 콘텐츠를 관리하고 인사이트를 제공받을 수 있도록 Copilot에 의지할 수 있습니다.

여러분은 Copilot을 업무 흐름에 통합하는 과정에서 단계별 롤아웃, 파일럿 그룹, 라이선스 검증, 사용자 교육, 모니터링, 데이터 거버넌스를 함께 진행합니다. Copilot을 리서치와 콘텐츠 관리에 활용하면서 자신감과 역량을 함께 키우게 됩니다.

팟캐스트 인사이트: M365 FM과 Copilot

팟캐스트 핵심 요약

M365 FM 팟캐스트를 들으면 귀중한 통찰을 얻을 수 있습니다. 진행자들은 대규모 조직에서 Copilot을 배포할 때 마주하는 기술적, 운영적 과제를 자세히 다룹니다. 거버넌스, 데이터 품질, 보안처럼 여러분이 실제로 겪을 수 있는 문제에 초점을 맞춥니다. 팟캐스트는 견고한 거버넌스 모델과 높은 데이터 기준을 유지하는 것의 중요성을 강조합니다. 성공적인 AI 도입을 위해서는 명확한 책임 소재와 수명 주기 관리가 필수적이라는 점도 알게 됩니다.

• 팟캐스트에서는 기업 환경에서 Copilot의 성능을 좌우하는 아키텍처 결정을 살펴봅니다.
• 견고한 보안 통제와 규정 준수 요구 사항의 필요성에 대해서도 듣게 됩니다.
• 진행자들은 에이전트 오케스트레이션과 Copilot이 Microsoft 365 및 Power Platform과 통합되는 방식을 논의합니다.
• 데이터 전략이 파편화되는 문제나 자동화에 대한 비현실적인 기대처럼 흔히 저지르는 실수도 발견하게 됩니다.
• 팟캐스트는 확장 가능한 Copilot 환경과 지속 가능한 거버넌스를 구축하기 위한 실질적인 조언을 제공합니다.

M365 FM 팟캐스트는 여러분의 길잡이가 되어 함정을 피하고 장기적인 성공을 위해 Copilot을 설정하도록 돕습니다. 복잡한 주제를 쉽게 이해할 수 있도록 전문가의 관점을 제공합니다.

팟캐스트는 기술 혁신이 탐사 보도 작업과 어떻게 연결되는지도 보여 줍니다. 진행자들은 Copilot이 Epstein Files를 다루는 탐사 다큐멘터리 팟캐스트 같은 프로젝트를 어떻게 지원하는지 설명합니다. 이 프로젝트에서는 지금까지 공개되지 않은 이메일과 기타 민감한 데이터를 처리해야 합니다.

실제 도입 사례

팟캐스트에서 공유된 사례를 통해 Copilot이 실제로 어떤 영향을 주는지 확인할 수 있습니다. Epstein Files 프로젝트에서는 수백만 건의 문서, 이미지, 동영상을 관리해야 하는 과제에 직면했습니다. 기존 검색 도구로는 이를 감당할 수 없어 Copilot의 도움을 받았습니다. 팟캐스트에서는 가치가 높은 콘텐츠에 집중하기 위해 선택적 활성화를 활용한 방법을 설명합니다. 이 방식을 통해 중요한 정보를 빠르게 찾을 수 있습니다.

재귀적 구조 인식 청킹에 대해서도 알아볼 수 있습니다. 이 기법은 법률 문서의 자연스러운 계층 구조를 존중하므로 정확한 결과를 더 쉽게 검색할 수 있습니다. 팟캐스트는 다중 모달 수집 파이프라인이 텍스트, 이미지, 동영상을 구조화된 지식으로 변환하는 방식을 설명합니다. 이렇게 만들어진 데이터를 자신 있게 검색하고 분석할 수 있습니다.

팟캐스트는 이러한 전략이 복잡한 조사에서 사실을 밝혀내는 역량을 어떻게 높이는지 보여 줍니다. Copilot이 대규모 머신 러닝 프로젝트를 관리 가능한 워크플로로 바꾸는 과정도 확인할 수 있습니다. 진행자들은 Copilot을 탐사 저널리즘, 사실 확인, 정보 공개 접근성을 지원하는 데 어떻게 활용할 수 있는지 강조합니다.

팟캐스트를 들으면 Copilot의 가치를 보여 주는 실제 사례를 접할 수 있습니다. 고도화된 AI 도구가 대규모 조사에 접근하는 방식을 어떻게 바꾸는지도 이해하게 됩니다.

저널리즘과 정보 공개 접근성에 미치는 영향

탐사 보도의 혁신

여러분은 기술이 기사를 취재하는 방식을 바꾸는 시대에 살고 있습니다. Copilot을 사용하면 수백만 건의 문서, 이미지, 동영상을 몇 초 만에 검색할 수 있습니다. 더 이상 파일을 일일이 분류하느라 몇 주를 보낼 필요가 없습니다. 이제 패턴을 찾고 탄탄한 기사를 구성하는 데 집중할 수 있습니다. 이러한 변화는 숨겨진 사실을 밝혀내고 새로운 정보를 세상에 알리는 데 도움이 됩니다. 이런 도구를 활용하면 저널리즘이 더 빠르고 정확해지는 모습을 확인할 수 있습니다. 기자들은 과거에는 추적하기 불가능했던 단서를 따라가며 더 나은 질문을 던질 수 있습니다.

Copilot을 사용하면 데이터 과잉에서 명확한 통찰로 나아갈 수 있습니다. 중요한 이야기를 전하고 권력을 가진 이들에게 책임을 묻는 데에도 활용할 수 있습니다.

Epstein Files 데이터의 대중화

중요한 정보에 대한 접근은 전문가나 대형 편집국만의 몫이 되어서는 안 됩니다. Copilot과 같은 AI 기반 도구가 이를 가능하게 합니다. 이러한 도구는 복잡한 데이터를 더 쉽게 이해할 수 있게 만들어 장벽을 허뭅니다. 예를 들어 정치적 추론의 영역에서 AI 에이전트는 실시간 데이터 분석을 활용해 예측 시장에서 근거 있는 판단을 내렸습니다. 이는 특별한 교육을 받지 않았더라도 AI를 활용해 방대한 정보를 분석할 수 있음을 보여 줍니다. Copilot을 사용하면 Epstein Files를 살펴보고 스스로 답을 찾을 수 있습니다. 이러한 과정은 열린 접근을 뒷받침하고 더 많은 사람이 대화에 참여하도록 돕습니다.

• 다음과 같은 능력을 갖추게 됩니다:
  • 수백만 건의 기록을 빠르게 검색하고 필터링합니다
  • 사람과 사건 사이의 연관관계를 시각화합니다
  • 발견한 내용을 커뮤니티와 공유합니다

데이터의 민주화가 저널리즘의 지형을 어떻게 바꾸는지 확인하게 됩니다. 더 많은 목소리가 참여할 수 있고, 대중은 복잡한 문제를 더 잘 이해할 수 있습니다.

팩트체크 지원

모든 기사에서 사실이 중요하다는 것을 잘 알고 계실 것입니다. Copilot은 다양한 형식의 콘텐츠에서 세부 사항을 확인하는 데 도움을 줍니다. 문서, 이미지, 영상을 비교해 실제로 무슨 일이 있었는지 확인할 수 있습니다. 이 도구는 출처를 강조 표시하고 정보가 어디에서 왔는지 보여 줍니다. 이를 통해 실수를 피하고 잘못된 주장이 퍼질 위험을 줄일 수 있습니다. 팩트체커는 Copilot을 사용해 진술의 출처를 추적하고 타임라인을 검증합니다. 근거를 함께 보여 주고 주장을 뒷받침함으로써 독자와의 신뢰를 쌓을 수 있습니다.

모든 사실이 확인되고 모든 기사가 신뢰할 수 있도록 함으로써 저널리즘을 강화할 수 있습니다.

윤리 및 보안 고려 사항

AI의 편향과 공정성

AGI가 세상을 바라보는 방식을 형성할 수 있다는 점을 이해해야 합니다. 대규모 문서 분석에 AGI를 사용할 때는 편향과 공정성의 문제에 직면하게 됩니다. 이러한 문제는 흔히 AGI 모델을 학습시키는 데 사용하는 데이터에서 비롯됩니다. 때로는 데이터셋에 숨은 편향이 포함되어 있거나 중요한 집단이 빠져 있기도 합니다. 설계 선택 역시 사용자에 대한 가정을 반영할 수 있으며, 이는 모든 사람에게 맞지 않을 수 있습니다. AGI 시스템의 투명성이 부족하면 모델이 특정 결정을 내린 이유를 알기 어렵습니다.

• 편향은 학습 데이터셋에서 나타날 수 있습니다.
• 설계 선택은 사용자에 대한 가정을 반영할 수 있습니다.
• 일부 데이터셋은 사회적 정체성을 왜곡하거나 배제합니다.
• 투명성과 책임성이 부족하면 문제가 생길 수 있습니다.

이러한 문제가 현실에서 미치는 영향도 볼 수 있습니다. 예를 들어 AGI는 채용이나 대출에서 불공정한 결과를 초래할 수 있습니다. AGI 시스템이 특정 집단을 차별한 사례도 있었습니다. 조사에 인공지능을 사용할 때는 이러한 위험에 계속 주의를 기울여야 합니다. 모든 사람을 공정하게 대하고 있는지 확인하려면 데이터를 점검하고 AGI 모델의 결정을 검토해야 합니다.

개인정보 보호와 권한 인식 검색

여러분은 매일 민감한 정보를 다룹니다. 개인정보 보호와 권한 인식 검색은 이러한 데이터를 보호하는 데 도움을 줍니다. 개인 정보를 안전하게 지키기 위해 엄격한 규칙을 따라야 합니다. AGI 시스템은 때로 "블랙박스"처럼 작동하여 데이터를 어떻게 사용하는지 알아보기 어렵게 만들 수 있습니다. 특히 대규모 데이터셋을 다룰 때는 이것이 개인정보 보호와 감시에 대한 우려를 불러일으킬 수 있습니다.

AI 도구를 사용할 때는 사용자 권한을 존중하는 도구를 선택해야 합니다. 올바른 접근 권한이 있는 사람만 비공개 정보를 볼 수 있어야 합니다. 또한 누가 데이터를 조회하거나 변경했는지 추적할 수 있도록 명확한 감사 추적 기록이 필요합니다. 이렇게 해야 독자와의 신뢰를 쌓고 업무를 안전하게 유지할 수 있습니다. 아울러 AI 연구가 개인 정보 보호 통제를 어떻게 개선할 수 있을지도 고민해야 합니다. 권한 인식 검색에 집중하면 AI 시스템이 윤리적인 데이터 활용을 뒷받침하도록 만들 수 있습니다.

편집 감독

AI만으로는 사안의 전모를 파악할 수 없습니다. 주목도가 높은 조사에서는 사람의 감독이 여전히 필수입니다. 많은 언론사가 기자에게 AI가 생성한 모든 콘텐츠를 검토하도록 요구합니다. 이는 잘못된 정보나 편향이 퍼지는 것을 막는 데 도움이 됩니다. 독자가 AI를 어떻게 활용하는지 알 수 있도록 업무의 투명성을 유지해야 합니다.

연구에 따르면 AI 프로세스에서 사람의 감독은 양질의 저널리즘과 위험 감소를 위해 매우 중요합니다.

정확성을 유지하기 위해 다음 모범 사례를 따를 수 있습니다.

• 편향을 막기 위해 사람의 감독을 강조합니다.
• AI가 생성한 콘텐츠에 대한 투명성을 유지합니다.
• 조사의 질을 높이기 위해 AI 전문가와 협력합니다.

Thomson Reuters처럼 Data and AI Ethics Principles를 활용해 신뢰를 쌓는 조직도 있고, CBC처럼 모든 저널리즘 작업에 사람이 직접 관여하도록 요구하는 조직도 있습니다. 이러한 사례에서 배워 여러분의 업무 방향을 정할 수 있습니다. AI와 탄탄한 편집 감독을 결합하면 공개하는 내용이 신뢰할 수 있고 믿을 만하다는 것을 보장할 수 있습니다. 또한 독자가 각 사실이 미치는 실질적인 영향을 이해하도록 돕고, 저널리즘에서 범용 인공지능을 책임감 있게 활용하는 데 기여할 수 있습니다.

대규모 분석에서 AI의 미래

Epstein 사례를 넘어서

Copilot이 Epstein Files를 다루는 방식을 바꾼 과정을 보셨을 것입니다. 이제 이러한 도구를 더 큰 과제에 사용하면 어떤 일이 일어날지 상상해 보십시오. AI 기반 지식 관리는 단 하나의 사건에만 쓸 수 있는 것이 아닙니다. 다른 조사, 정부 기록, 글로벌 뉴스 보도에도 적용할 수 있습니다. 머신러닝은 미래 사건을 예측하는 데 도움을 줍니다. 문제가 커지기 전에 미리 포착할 수 있습니다. AI를 활용하면 잠긴 PDF를 포함해 다양한 유형의 문서에서 데이터를 가져올 수 있습니다. 이를 통해 연구를 뒷받침할 탄탄한 지식 기반을 구축할 수 있습니다.

머신러닝은 이제 위성 저널리즘의 일부가 되었습니다. 기자들은 우주에서 불법 활동과 인권 문제를 찾아내는 데 이를 사용합니다. 자연어 처리(NLP)는 번역, 요약, 이미지에서 텍스트 추출을 도와줍니다. 덕분에 업무 속도와 정확성이 높아집니다. 이러한 도구는 탐사 저널리즘의 여러 사례에서 활용할 수 있습니다. 사례마다 새로운 데이터와 새로운 질문이 등장합니다. 점점 늘어나는 정보량을 따라잡으려면 AI에 의존하게 됩니다.

Copilot의 기능이 다른 분야에서도 도움이 될 수 있다는 점도 보입니다. 과학자, 법률가, 역사학자도 이러한 도구를 활용해 방대한 데이터 모음을 분석할 수 있습니다. 앞으로 AI가 숨겨진 사실을 밝혀내고 중요한 발견을 뒷받침하는 사례가 더 늘어날 것으로 기대할 수 있습니다.

진화하는 AI와 인간의 협업

여러분은 AI와 저널리즘의 미래에서 핵심적인 역할을 맡고 있습니다. 단순히 AI를 사용하는 데 그치지 않고 AI와 함께 일하게 됩니다. 뉴스룸은 이제 AI 모델을 학습하고 통제하기 위한 더 나은 시스템을 구축하고 있습니다. 여러분은 새로운 기술을 익히고 기술의 방향을 정하는 데 기여하게 됩니다. 허위 정보 사례가 늘어날수록 강력한 사이버 보안이 필요합니다. AI는 가짜 뉴스를 식별하고 여러분의 업무를 보호하는 데 도움을 줍니다.

앞으로 AI 시스템은 텍스트, 오디오, 비디오, 이미지를 함께 처리하게 될 것입니다. 이를 통해 조사하는 모든 사례에서 더 깊은 통찰을 얻을 수 있습니다. 자동화된 조사 파이프라인은 업무를 더 체계적으로 만들어 줍니다. AI가 힘든 작업을 맡는 동안 여러분은 올바른 질문을 던지는 데 집중할 수 있습니다.

여러분은 글로벌 팀에도 참여하게 됩니다. AI 도구는 번역을 돕고 다른 나라의 사람들과 조사 결과를 공유하는 데 도움을 줍니다. 국경을 넘나드는 사례를 함께 다루게 됩니다. 사례가 늘어날수록 협업도 함께 성장하는 모습을 보게 됩니다. 여러분이 주목하게 될 트렌드는 다음과 같습니다:

• 뉴스룸은 AI 모델에 대한 교육과 통제 체계를 더 체계적으로 갖추고 있습니다.
• 허위 정보에 대응하기 위해 사이버 보안이 모든 에피소드의 일부가 되고 있습니다.
• AI는 모든 유형의 미디어를 분석해 더 풍부한 인사이트를 제공합니다.
• 자동화된 파이프라인 덕분에 조사 작업이 더 빠르고 체계적으로 진행됩니다.
• 글로벌 플랫폼을 통해 전 세계 팀과 함께 일할 수 있습니다.

AI와 함께 일하면서 미래를 만들어 가게 됩니다. 에피소드를 하나 완료할 때마다 역량이 쌓이고, 중요한 이야기를 전하는 데 도움이 됩니다.

Copilot이 기술 혁신과 윤리적 책임을 결합해 엡스타인 사건의 과제를 해결하는 모습을 보게 됩니다. M365 FM Podcast를 통해 Copilot이 수백만 건의 엡스타인 문서, 이미지, 영상을 관리하는 방법을 배우게 됩니다. Copilot은 AI 생성 콘텐츠를 분석하고 개인정보를 보호하는 도구를 제공합니다. 고위 인사를 조사할 때도 Copilot이 공정성과 책임성을 뒷받침한다고 신뢰할 수 있습니다. 시청자에게 투명성이 중요하다는 점도 이해하게 됩니다. EU AI Act는 AI 생성 시스템이 감독과 감사 추적에 관한 엄격한 규칙을 따라야 한다는 점을 보여 줍니다. 모든 엡스타인 조사에서 시청자가 책임 있는 AI 생성 솔루션을 기대하는 미래에 대비하게 됩니다.

Copilot을 활용해 엡스타인 파일에서 명확하고 신뢰할 수 있는 인사이트를 전달함으로써 저널리즘을 발전시키게 됩니다. 투명성과 윤리 기준에 대한 여러분의 헌신은 시청자에게 큰 가치가 됩니다.

• Copilot으로 다음과 같은 작업을 할 수 있습니다.
  • 엡스타인 파일에서 연관관계 찾기
  • 시청자를 위해 AI 생성 사실 검증하기
  • 모든 조사에서 개인정보 보호와 공정성 확보하기

자주 묻는 질문

Copilot은 다른 AI 도구와 무엇이 다른가요?

Copilot을 사용하면 방대한 데이터 세트를 빠르고 정확하게 분석할 수 있습니다. Copilot은 고급 언어 모델을 사용해 텍스트, 이미지, 영상을 이해합니다. 명확한 답변을 얻고, 다른 도구가 놓칠 수 있는 숨은 패턴도 찾을 수 있습니다.

Copilot은 엡스타인 파일에서 연관관계를 찾는 데 어떻게 도움이 되나요?

Copilot을 사용하면 인물, 장소, 사건 간의 연결 관계를 매핑할 수 있습니다. 시스템은 사실들이 어떻게 연결되는지 보여 주는 네트워크를 구축합니다. 이를 통해 전체 그림을 파악하고 중요한 세부 사항을 발견할 수 있습니다.

Copilot으로 이미지와 영상도 분석할 수 있나요?

예. Copilot으로 텍스트와 함께 이미지와 영상도 처리할 수 있습니다. 멀티모달 파이프라인을 통해 모든 유형의 콘텐츠를 검색하고 비교할 수 있습니다. 데이터 전체를 한눈에 볼 수 있습니다.

Copilot은 개인정보와 보안을 어떻게 처리하나요?

Copilot은 데이터를 안전하게 보호합니다. 시스템은 권한 인식 검색과 강력한 보안 제어를 사용합니다. 올바른 액세스 권한이 있는 사람만 민감한 정보를 볼 수 있습니다. 누가 데이터를 보거나 변경했는지도 추적할 수 있습니다.

권력 네트워크란 무엇이며, Copilot은 이를 어떻게 드러내나요?

Copilot을 사용하면 영향력 있는 인물들 간의 관계를 매핑해 권력 네트워크를 파악할 수 있습니다. 이 도구는 이들이 어떻게 상호작용하고 사건에 영향을 미치는지 보여 줍니다. 이를 통해 헤드라인 뒤에 숨은 구조를 이해하는 데 도움이 됩니다.

대규모 언어 모델은 조사 연구를 어떻게 개선하나요?

대규모 언어 모델을 사용하면 수백만 건의 문서를 빠르게 읽고 요약할 수 있습니다. 이 모델은 사실을 찾고, 추세를 파악하고, 복잡한 질문에 답하는 데 도움을 줍니다. 시간을 절약하고 더 나은 결정을 내릴 수 있습니다.

Copilot으로 앤드루 왕자와의 관계를 살펴볼 수 있나요?

예. Copilot을 사용해 앤드루 왕자와의 관계에 관한 정보를 검색할 수 있습니다. 이 도구는 문서, 이미지, 영상 속 언급을 찾아냅니다. 이 관계가 더 큰 조사에서 어떤 위치를 차지하는지도 확인할 수 있습니다.

조사에서 네트워크를 이해하는 것이 왜 중요한가요?

사람과 사건이 어떻게 연결되는지 파악해야 합니다. Copilot은 이러한 연결을 보여 주는 네트워크를 구축하는 데 도움을 줍니다. 이를 통해 단서를 따라가고 데이터 뒤에 숨은 이야기를 이해하기가 더 쉬워집니다.

팁: Copilot의 시각화 도구를 사용하면 연결 관계가 시간에 따라 어떻게 형성되고 변화하는지 확인할 수 있습니다.

마지막 검토: 2026년 7월.

청취 대상

이 에피소드는 구현, 운영 또는 거버넌스에 관한 결정을 내리기 전에 실질적인 기초 지식이 필요한 Microsoft 관리자, 아키텍트, 개발자, 보안 전문가 및 비즈니스 리더를 위한 것입니다.

🎧 함께 들으면 좋은 에피소드

• AI Agents — 이 주제를 확장하기 위해 강하게 연관된 다음 단계입니다.
• Power Platform — 이 주제를 확장하기 위해 강하게 연관된 다음 단계입니다.
• Microsoft Graph Data Connect — 이 주제를 확장할 때 바로 이어서 살펴보면 좋은 관련 주제입니다.