WEBVTT

00:00:00.000 --> 00:00:02.400
하루의 절반을 스인을 기다리는데 허비하시나요?

00:00:02.600 --> 00:00:04.880
누군가는 휴가 중이고, 누군가는 이메일을 확인하지 못했고,

00:00:05.160 --> 00:00:08.120
마침내 결정이 내려질 때 찜이면 요청을 정당화했던 맥락은 이미 사라져버립니다.

00:00:08.600 --> 00:00:09.700
마치 기업의 연옥과도 같죠.

00:00:09.840 --> 00:00:12.800
바쁘다는 핑계를 대는 사람들 때문에 업무 진행이 멈추는 상황 말입니다.

00:00:13.020 --> 00:00:15.120
이제 기다리지 않는 시스템을 상상해보세요.

00:00:15.400 --> 00:00:17.960
조건이 충족되는 즉시 워크플로우가 진행되는 시스템 말입니다.

00:00:18.160 --> 00:00:20.660
마이크로소프트 코파일러 스튜디오의 에이전트 플로우가 바로 그런 솔루션입니다.

00:00:20.820 --> 00:00:23.000
자동화라는 이름으로 관료주의를 날려버리는 만능 해결책이죠.

00:00:23.000 --> 00:00:25.220
여기서는 AI가 첫 번째 승인자가 됩니다.

00:00:25.440 --> 00:00:27.700
데이터를 읽고 정책과 비교하여 평가한 후,

00:00:28.140 --> 00:00:31.060
사람이 눈 깜빡할 새도 없이 승인 또는 거부 결정을 내립니다.

00:00:31.300 --> 00:00:33.140
애매한 경우 M1 관리자에게 보고되므로,

00:00:33.540 --> 00:00:36.180
관리감독을 소홀히 하지 않으면 서도 속도를 높일 수 있습니다.

00:00:36.400 --> 00:00:39.300
또한 조건의 복잡성 때문에 무너지는 기존 승인 워크플로우와 달리,

00:00:39.580 --> 00:00:41.760
이러한 AI 기반 워크플로우는 확장성이 뛰어나며,

00:00:42.120 --> 00:00:45.340
분기, 검증, 감사 기능을 통해 자체적으로 효율성을 검증합니다.

00:00:45.520 --> 00:00:49.320
이 가이드에서는 동료들이 전체 회신 버튼을 찾기도 전에 결정을 내리는

00:00:49.320 --> 00:00:52.500
다단계 조건부 승인 시스템을 구축하는 방법을 보여드리겠습니다.

00:00:52.820 --> 00:00:55.780
이 과정을 통해 맞춤형 승인 로직으로 AI 단계를 설정하고,

00:00:56.160 --> 00:00:57.680
특정 담당자의 검토를 추가하고,

00:00:58.140 --> 00:01:00.520
지능적으로 경로를 변경하는 동적 조건을 설계하고,

00:01:00.980 --> 00:01:04.340
규정 준수를 위해 실제 문서 유효성 검사를 통합하는 방법을 배우게 됩니다.

00:01:04.580 --> 00:01:07.240
최종적으로는 기계처럼 생각해야 할 때와 사람의 판단에 맡겨야 할 때를

00:01:07.240 --> 00:01:09.360
스스로 판단하는 자동화된 프로세스를 구축할 수 있습니다.

00:01:09.560 --> 00:01:11.000
더 이상 대기열을 따르지 마세요.

00:01:11.200 --> 00:01:13.120
이제 논리가 이끄는 프로세스를 시작하세요.

00:01:13.360 --> 00:01:15.420
기존 승인 방식의 문제점은 무엇일까요?

00:01:15.420 --> 00:01:18.640
기존 승인 체계는 비효율성의 비극적인 재탕입니다.

00:01:18.860 --> 00:01:20.500
누군가 양식을 제출하면 이메일이 오가고,

00:01:20.840 --> 00:01:22.520
스프레드 시트는 동기화되지 않은 채로 맴돌며,

00:01:22.860 --> 00:01:25.820
전달 과정이 반복되는 동안 최종 버전이 무엇인지 아무도 기억하지 못합니다.

00:01:26.000 --> 00:01:28.580
각 참여자는 가치를 창출하는 것이 아니라 지연을 초래합니다.

00:01:28.780 --> 00:01:31.880
이 프로세스는 업무를 관리하는 것이 아니라 지연 시간을 만들어냅니다.

00:01:32.100 --> 00:01:35.100
일반적인 파워 오토메이트 승인 흐름은 이러한 문제를 해결하려고 하지만,

00:01:35.500 --> 00:01:37.540
미묘한 차이가 생기면 제대로 작동하지 않습니다.

00:01:37.740 --> 00:01:41.340
승인 경로는 예 또는 아니요 하나만 필요한 경우에는 잘 작동합니다.

00:01:41.340 --> 00:01:46.400
하지만 관리계층, 지출한도 또는 특수규칙을 추가하는 순간 설계가 복잡해지기 시작합니다.

00:01:46.580 --> 00:01:49.620
마치 러시아 인형처럼 조건이 겹겹이 쌓여 비효율적 이고 취약하며,

00:01:49.940 --> 00:01:51.660
6개월 후에는 디버깅조차 불가능해집니다.

00:01:51.820 --> 00:01:54.860
연결선 하나만 고장나도 전체 시스템이 조용히 멈춰버립니다.

00:01:55.160 --> 00:01:56.520
사람이 병목현상을 일으키거나,

00:01:56.940 --> 00:01:59.120
좀 더 정확히 말하자면 지연노드가 되는 것입니다.

00:01:59.380 --> 00:02:02.140
사람이 받는 모든 메시지는 비동기 왕복통신이 됩니다.

00:02:02.460 --> 00:02:06.040
이메일을 승인 메커니즘으로 사용하는 것은 광섬유 시대의 비둘기를 이용하는 것과 같습니다.

00:02:06.340 --> 00:02:08.240
기술적으로는 작동하지만 바람직하지 않습니다.

00:02:11.340 --> 00:02:14.180
파일럿 스튜디오는 파워 오토메이트 위 단순한 확장 버전이 아닙니다.

00:02:14.180 --> 00:02:22.040
AI 기반 승인 시스템과 에이전트 흐름을 도입하면서도 조직의 데이터 소스, 역할, 논리 구조에 완벽하게 통합됩니다.

00:02:22.320 --> 00:02:25.920
확정적인 정책 시행과 적응형 의사 결정을 연결합니다.

00:02:26.120 --> 00:02:28.240
핵심은 단계별 분리방식에 있습니다.

00:02:28.620 --> 00:02:32.740
속도가 중요한 부분은 자동화하고, 검증이 필요한 부분은 사람이 처리합니다.

00:02:32.960 --> 00:02:35.100
마치 계층 구조를 재설계한 것과 같습니다.

00:02:35.480 --> 00:02:41.140
AI 단계는 고정된 규칙, 금액 한도, 카테고리 유형, 날짜 범위를 효율적으로 평가합니다.

00:02:41.140 --> 00:02:47.120
그런 다음, 결정이 모호한 경우 사소한 사례까지 모두 처리 대기열에 쌓이지 않도록 사람의 검토 단계로 넘어갑니다.

00:02:47.260 --> 00:02:50.060
이 기능 하나만으로도 기하급수적인 지연을 방지할 수 있습니다.

00:02:50.280 --> 00:02:56.000
신명이 순차적으로 검토하는 대신 AI가 80%를 즉시 처리하고 예외적인 경우 에만스인을 진행합니다.

00:02:56.180 --> 00:03:03.520
코파일럿 스튜디오는 데이터버스 백본을 통해 모든 것을 추적하여 팀이 메일함 아카이브를 뒤질 필요 없이 검증 가능한 로그를 생성합니다.

00:03:03.520 --> 00:03:10.900
기존 워크플로는 사람을 위해 설계되었지만 에이전트 흐름은 이를 중심으로 구축되어 해석이 필요한 경우 에만 사람이 참여하고 반복 작업은 필요 없습니다.

00:03:11.180 --> 00:03:16.640
이 아키텍처의 작동 방식을 이해하고 나면 기존 승인 방식은 마치 촛불 아래에서 수표 장부를 정리하는 것처럼 원시적으로 느껴질 것입니다.

00:03:16.800 --> 00:03:17.820
핵심은 간단합니다.

00:03:18.020 --> 00:03:20.440
규정 준수, 일관성, 그리고 확장성입니다.

00:03:20.640 --> 00:03:26.220
자동화된 검증 없이는 현대적인 운영이 제대로 이루어지지 않으며 AI 기반 로직은 이제 신뢰성을 위한 기본 요소가 되었습니다.

00:03:26.220 --> 00:03:33.900
정적인 흐름에서 조건부 감사 가능한 에이전트 흐름으로 전환하면 승인 관리를 수동적으로 처리하는 것이 아니라 살아있는 시스템처럼 다루게 됩니다.

00:03:34.140 --> 00:03:37.080
차이는 속도뿐만 아니라 구조적 안정성에도 있습니다.

00:03:37.440 --> 00:03:40.500
AI 단계를 구축하고 첫 번째 승인자를 교육합니다.

00:03:40.760 --> 00:03:44.120
이제 흥미로운 부분인 첫 번째 디지털 관리자 교육이 시작됩니다.

00:03:44.380 --> 00:03:47.600
AI 단계는 승인 프로세스의 논리적 게이트 키퍼 역할을 합니다.

00:03:47.880 --> 00:03:52.920
이 시스템의 역할은 인간처럼 생각하는 것이 아니라 인간을 초월하는 일관성으로 구조화된 추론을 수행하는 것입니다.

00:03:52.920 --> 00:03:57.600
지침을 읽고 입력각과 대조하여 승인 또는 거부라는 두 가지 결과 중 하나를 출력합니다.

00:03:57.800 --> 00:03:59.620
정치적인 고려나 휴식 시간은 없습니다.

00:04:00.040 --> 00:04:01.980
먼저 새로운 에이전트 흐름을 정의합니다.

00:04:02.240 --> 00:04:06.820
생성 시 AI 단계는 마치 정답을 기다리는 빈 시험지처럼 가장 중요한 위치에 자리 잡습니다.

00:04:07.040 --> 00:04:11.740
트리거는 일반적으로 데이터버스 위 청구 또는 비용 테이블에 레코드가 추가되거나 수정될 때 발생합니다.

00:04:11.920 --> 00:04:16.280
청구가 생성되면 이 단계가 활성화되어 데이터를 평가하고 그에 따라 결정을 내립니다.

00:04:16.560 --> 00:04:20.360
이 단계에서 가장 중요한 필드는 작업의 핵심인 지침 프롬프트입니다.

00:04:20.360 --> 00:04:23.920
여기에서 승인 논리를 명확하지만 엄밀한 언어로 작성합니다.

00:04:24.100 --> 00:04:27.640
마치 즉흥적 인별론을 하지 않는 변호사에게 지시하듯이 작성하십시오.

00:04:27.780 --> 00:04:32.540
예를 들어 금액이 500미만이고 설명이 신체적 또는 정신적 건강 문제를 뒷받침하며

00:04:32.540 --> 00:04:35.600
구매일이 제출일로부터 30일 이내 2년 청구를 승인합니다.

00:04:35.800 --> 00:04:38.020
이러한 규칙 중 하나라도 충족하지 않으면 거부합니다.

00:04:38.220 --> 00:04:40.020
이처럼 명확한 이증법 논리가 필요합니다.

00:04:40.240 --> 00:04:42.060
다음으로 동적 입력값을 정의합니다.

00:04:42.320 --> 00:04:45.500
이러한 입력값들을 논리해 실제 데이터를 제공하는 변수라고 생각하세요.

00:04:45.700 --> 00:04:48.640
금액, 설명, 구매 날짜 등을 입력하게 될 것입니다.

00:04:48.640 --> 00:04:54.420
각각은 AI가 결정을 내릴 때 사용하는 콘텐츠, 텍스트 또는 숫자 입력값으로 추가됩니다.

00:04:54.600 --> 00:04:59.180
코파일러 스튜디오는 이러한 입력값을 텍스트, 숫자 또는 이미지 문서와 같은 유형으로 분류합니다.

00:04:59.360 --> 00:05:00.940
유형을 올바르게 선택해야 합니다.

00:05:01.140 --> 00:05:05.640
예를 들어 숫자를 텍스트로 저장하는 것처럼 유형을 혼합하면 사람과 기계 모두 혼란스러워집니다.

00:05:05.800 --> 00:05:08.580
각 입력값 아래의 테스트를 위한 샘플 데이터를 제공하세요.

00:05:08.780 --> 00:05:11.060
이는 논리를 조정하는 동안 기반 역할을 합니다.

00:05:11.060 --> 00:05:17.440
예를 들어 피트니스 요가 매트, 금액 300, 구매 날짜 8월 22일과 같은 예시를 입력해보세요.

00:05:17.720 --> 00:05:24.060
테스트 버튼을 누르면 코파일러 스튜디오는 GPT 기반의 추론 모델을 실행하고 결정과 설명을 출력합니다.

00:05:24.860 --> 00:05:27.160
결과가 예상과 일치하면 좋은 것입니다.

00:05:27.420 --> 00:05:30.540
그렇지 않다면 입력값의 결정론적 근거가 부족한 것입니다.

00:05:30.740 --> 00:05:33.060
대부분의 초보자들이 이 부분에서 실수를 저지릅니다.

00:05:33.260 --> 00:05:37.900
합리적인 가격, 최근 구매와 같이 포괄적이거나 모호한 표현은 AI에게 치명적입니다.

00:05:37.900 --> 00:05:41.760
시스템은 기업의 분위기를 파악할 수 없으며 수학적인 정의가 필요합니다.

00:05:41.920 --> 00:05:45.360
그러므로 테스트 결과가 일관될 때까지 지침을 끊임없이 다듬으세요.

00:05:45.560 --> 00:05:48.980
문구를 수정할 때 마다 판단 엔진의 재현성을 향상시키는 것입니다.

00:05:49.200 --> 00:05:52.640
원하는 패턴은 동일한 입력이 매번 동일한 출력을 생성하는 것입니다.

00:05:52.840 --> 00:05:55.420
이는 기계적인 논리이지, 사무실 소문이 아닙니다.

00:05:55.580 --> 00:06:00.680
프롬프트가 여러 테스트 케이스에서 신뢰할 수 있는 결정을 내리면 AI 승인기를 효과적으로 학습시킨 것입니다.

00:06:00.880 --> 00:06:06.780
이제 데이터버스에서 가져온 토큰을 사용하여 청구 금액 세부 정보, 구매 또는 제출 날짜와 같은 실제 동적 데이터를 주입하세요.

00:06:07.900 --> 00:06:09.800
실제 실행 중에 테스트 값을 대체합니다.

00:06:09.980 --> 00:06:15.680
이때부터 AI는 각 청구를 맥락에 맞게 평가하고 새로운 데이터가 나타나는 즉시 승인 여부를 결정합니다.

00:06:15.860 --> 00:06:18.520
최종 수인을 하기 전에 반복적인 테스트를 실행하세요.

00:06:18.740 --> 00:06:20.620
금액을 600으로 변경하면 거부되나요?

00:06:20.840 --> 00:06:23.580
날짜를 3개월 전으로 변경하면 유효하지 않다고 표시되나요?

00:06:23.760 --> 00:06:26.980
아이패드 구매와 같은 의미 없는 청구를 추가하면 불일치를 감지하나요?

00:06:27.200 --> 00:06:30.000
각 테스트는 일관된 원인과 결과를 보여주어야 합니다.

00:06:30.220 --> 00:06:34.040
응답이 변동한다면 문제는 AI 모델이 아니라 프롬프트의 명확성입니다.

00:06:34.040 --> 00:06:38.000
일관된 패턴이 나타나면 콘텐츠 변수에 대한 명명 규칙을 정하세요.

00:06:38.260 --> 00:06:43.340
문자열에는 스타클레임 어마운트와 같은 접두사를, 숫자가배는 넌퍼처스 데이트와 같은 접두사를 사용합니다.

00:06:43.500 --> 00:06:48.020
이러한 작은 규칙은 나중에 다중분기 논리로 확장할 때 발생하는 혼란을 방지합니다.

00:06:48.220 --> 00:06:53.320
이 단계에서 자동승인 시스템은 감독 없이 정책에 따라 독립적 인결정을 내릴 수 있습니다.

00:06:53.620 --> 00:06:55.860
하지만 자동화는 독재가 아니라 위임입니다.

00:06:56.080 --> 00:06:59.360
기계는 속도와 정확성을 담당하지만 판단은 기계가 담당하지 않습니다.

00:06:59.360 --> 00:07:04.860
애매한 상황에서는 AI가 거부하거나 불확실하다고 판단한 사항을 검토할 사람이 필요합니다.

00:07:05.000 --> 00:07:10.160
바로 이 부분에서 다음 단계가 중요해지며 권한을 AI와 다른 시스템 간에 공유하는 과정이 시작됩니다.

00:07:10.360 --> 00:07:13.460
인간의 감독, 다단계 및 조건부 논리를 추가하는 것입니다.

00:07:13.660 --> 00:07:19.440
AI 가청구를 확실하게 판단할 수 있게 되면 관료주의에서 아이러니하게도 인간의 손길이라고 부르는 단계를 추가할 수 있습니다.

00:07:19.640 --> 00:07:24.980
코어 파일럿 스튜디오에서는 이것이 수동 단계, 즉 실제 사람이 재량권을 행사하는 검토 지점을 의미합니다.

00:07:25.180 --> 00:07:27.040
일종의 안전벨브라고 생각하면 됩니다.

00:07:27.040 --> 00:07:32.300
예측 가능한 모든 것은 자동으로 처리되고 미묘한 차이가 있는 사항은 관리자의 검토를 거칩니다.

00:07:32.520 --> 00:07:36.280
승인 디자이너에서 AI 단계 바로 다음에 수동 단계를 추가하는 것으로 시작합니다.

00:07:36.500 --> 00:07:38.900
이렇게 하면 상담원 흐름에 두 번째 관문이 생깁니다.

00:07:39.100 --> 00:07:40.440
인수인계는 조건부입니다.

00:07:40.700 --> 00:07:44.040
AI 위 판단이 승인인 경우 애만 사람 단계로 진행합니다.

00:07:44.260 --> 00:07:46.920
AI 가 거부하면 프로세스는 거기서 종료됩니다.

00:07:47.120 --> 00:07:50.820
관리자에게 어떤 정책 때문에 자격이 없는지 확인하는데 시간을 낭비할 필요가 없습니다.

00:07:51.080 --> 00:07:54.100
효율성은 자동화라는 이름으로 제공되는 선택적 주의입니다.

00:07:54.320 --> 00:07:55.100
예를 들어보겠습니다.

00:07:55.100 --> 00:07:58.660
직원이 헬스장 회원권에 대한 경비 청구를 제출했다고 가정해보겠습니다.

00:07:59.020 --> 00:08:01.980
모든 기준이 정책에 부합함으로 AI가 승인합니다.

00:08:02.200 --> 00:08:06.060
그러면 관리자 승인이라는 관리자 수준의 수동 단계가 시작됩니다.

00:08:06.360 --> 00:08:11.580
내부적으로의 단계는 청구 제출자의 청구 승인 요청과 같은 제목으로 구성합니다.

00:08:11.840 --> 00:08:15.100
이러한 변수는 데이터버스에서 데이터를 동적으로 가져옵니다.

00:08:15.300 --> 00:08:20.020
담당자 필드는 누가 작업을 받을지 정의하는 곳으로 일반적으로 청구자의 관리자가 됩니다.

00:08:20.020 --> 00:08:25.720
이러한 나우팅을 자동화하기 위해 코파일러 스튜디오는 오피스 365 사용자 커넥터를 통합할 수 있도록 지원합니다.

00:08:25.900 --> 00:08:32.040
먼저 데이터버스 위 사용자 테이블에서 아이디로 행 가져오기, 작업을 사용하여 청구를 생성한 사용자의 레코드를 가져옵니다.

00:08:32.200 --> 00:08:33.740
제출자의 정보를 가져옵니다.

00:08:33.960 --> 00:08:38.360
다음으로 관리자 가져오기 작업을 통해 해당 사용자의 기본 이메일을 통해 관리자 정보를 가져옵니다.

00:08:38.540 --> 00:08:42.020
이 결과를 str 관리자 이메일과 같은 변수로 수동 단계에 전달합니다.

00:08:42.260 --> 00:08:44.940
결과적으로 하드코딩이나 오래된 계층 구조가 필요 없습니다.

00:08:44.940 --> 00:08:48.040
관리자가 변경되면 계층 구조도 자동으로 갱신됩니다.

00:08:48.220 --> 00:08:52.020
이제 조건분기, 즉 바단계 승인이 존재하는 진짜 이유에 대해 설명하겠습니다.

00:08:52.320 --> 00:08:54.980
상담원 흐름 내에 직접 로직을 추가할 수 있습니다.

00:08:55.260 --> 00:08:59.120
청구 금액이 150 이상 이면 관리자 승인 단계를 추가합니다.

00:08:59.440 --> 00:09:01.400
그렇지 않으면 프로세스를 종료합니다.

00:09:01.640 --> 00:09:06.640
이렇게 하면 간단한 2단계 루틴이 상황에 맞게 조정되는 다단계 의사 결정 트리로 바뀝니다.

00:09:06.840 --> 00:09:11.960
소액 청구는 담당자 한 명이 검토하고, 고액 또는 위험 청구는 추가 검토를 위해 상위 담당자에게 이관됩니다.

00:09:11.960 --> 00:09:15.100
디자이너에서 흐름을 닿기 전에 조건 작업을 삽입합니다.

00:09:15.260 --> 00:09:18.480
숫자 변수, 예, 넘 청구 금액을 참조합니다.

00:09:18.920 --> 00:09:23.540
연산자는 이상으로 선택하고, 인계값, 예, 150을 설정합니다.

00:09:23.800 --> 00:09:27.240
참, 분기에서 관리자 승인이라는 이름의 수동 단계를 추가합니다.

00:09:27.460 --> 00:09:30.440
규정 준수 관리자처럼 고정된 승인자에게 권한을 할당하세요.

00:09:30.680 --> 00:09:33.300
조건이 거짓인 경우 해당 분기는 승인으로 종료됩니다.

00:09:33.500 --> 00:09:37.660
이렇게 하면 워크플로우가 보편적인 병목 현상이 아닌 합리적인 조직처럼 작동합니다.

00:09:37.920 --> 00:09:40.060
여기에는 약간의 실용적인 유머가 적용됩니다.

00:09:40.060 --> 00:09:43.280
네, 위임에는 여전히 신뢰가 필요하며, 막연한 기대만으로는 안 됩니다.

00:09:43.520 --> 00:09:46.360
모든 것을 승인할 수 있는 광범위한 보안 역할을 할당하지 마세요.

00:09:46.540 --> 00:09:50.420
데이터버스의 역할 기반 접근 제어를 통해 관련 사용자 또는 그룹으로 권한을 제한하세요.

00:09:50.640 --> 00:09:52.640
그렇지 않으면 무질서를 자동화하는 것과 같습니다.

00:09:52.940 --> 00:09:55.980
구조를 테스트하면 각 부분이 얼마나 원활하게 작동하는지 알 수 있습니다.

00:09:56.200 --> 00:10:00.980
150달러 미만의 청구권이 AI 검토를 통과하면 관리자 승인 후 워크플로우가 종료됩니다.

00:10:01.140 --> 00:10:05.820
150달러 이상인 경우, 시스템은 최종 승인 전에 관리자 검토를 위해 대기열에 추가합니다.

00:10:05.820 --> 00:10:11.560
각 경로는 감사추적, AI 추론 로그, 타임스탬프가 찍힌 승인 내역, 데이터버스에 저장된 결과 기록을 남깁니다.

00:10:11.700 --> 00:10:14.080
나중에 누구도 나는 보지 못했다 라고 주장할 수 없습니다.

00:10:14.380 --> 00:10:16.040
데이터베이스가 모든 것을 증명합니다.

00:10:16.260 --> 00:10:18.880
워크플로우를 개선할 때는 명명규칙을 영격하게 준수하세요.

00:10:19.080 --> 00:10:24.420
관리자 승인, 대체 관리자 승인과 같이 사람이 승인하는 단계에는 접도사를 명확하게 붙여 분기를 시각적으로 추적할 수 있도록 하세요.

00:10:24.580 --> 00:10:27.640
흐름도는 논리적으로 이해하기 쉬워야 하며, 난해한 그림처럼 복잡해서는 안 됩니다.

00:10:27.900 --> 00:10:30.600
만족스러운 결과를 얻으면 개시하고 실제 시나리오로 테스트하세요.

00:10:30.600 --> 00:10:32.760
모든 과정이 어떻게 진행되는지 지켜보세요.

00:10:33.000 --> 00:10:38.840
AI는 즉시 평가하고, 관리자는 특정 승인 작업을 수행하며, 관리자는 필요한 조건이 충족될 때만 참여합니다.

00:10:39.040 --> 00:10:44.860
결과적으로 모든 것을 자동화하는 것처럼 느껴지기보다는 스스로 처리되는 투명한 계층 구조처럼 느껴집니다.

00:10:45.060 --> 00:10:49.100
이러한 계층적 오케스트레이션은 문서 유효성 검사라는 새로운 영역을 열어줍니다.

00:10:49.320 --> 00:10:52.460
양식 필드가 거짓일지라도 영수증은 진실일 수 있기 때문입니다.

00:10:52.660 --> 00:10:56.920
다음 단계는 AI가 영수증이 수신함에 도착하기 전에 물리적 증거를 검토하도록 하는 것입니다.

00:10:56.920 --> 00:11:01.340
바로 이 지점에서 영수증 유효성 검사가 등장하여 관료주의를 검증 가능한 과학으로 바꿔줍니다.

00:11:01.480 --> 00:11:05.140
동적 입력과 문서 유효성 검사, 영수증에 대해 이야기해보겠습니다.

00:11:05.580 --> 00:11:10.040
누군가 환급을 요청할 때 중요한 증거가 되는 작고 구겨진 종이 조각 말입니다.

00:11:10.300 --> 00:11:12.920
수동 승인 프로세스에서는 사람이 직접 눈으로 확인합니다.

00:11:13.740 --> 00:11:16.380
네, 저건 요트가 아니라 요가 매트처럼 보이네요.

00:11:16.620 --> 00:11:20.900
자동화된 프로세스에서는 AI 가판단 필요 없이 동일한 검사를 수행합니다.

00:11:21.100 --> 00:11:25.480
코파일럿 스튜디오 위 에이전트 플로우에서 문서 유효성 검사는 동적 콘텐츠 입력,

00:11:25.480 --> 00:11:29.340
특히 이미지나 파일을 승인 로직에 전달하는 기능을 통해 구현됩니다.

00:11:29.520 --> 00:11:32.880
이로써 AI 승인 시스템에 시각이라는 세 번째 감각이 추가됩니다.

00:11:33.080 --> 00:11:37.820
텍스트 필드에만 위존하는 대신 모델은 문서를 읽고 업로드된 내용과 대조합니다.

00:11:38.080 --> 00:11:39.180
구조는 다음과 같습니다.

00:11:39.540 --> 00:11:43.420
AI 단계에서 이미지 또는 문서라는 새로운 입력 유형을 추가합니다.

00:11:43.680 --> 00:11:46.200
문서 영수증 파일처럼 명확하게 레이블을 지정합니다.

00:11:46.420 --> 00:11:48.280
테스트를 위해 샘플 영수증을 업로드합니다.

00:11:48.540 --> 00:11:51.560
이 단계는 실제 운영 환경에 적용되는 것이 아니라 논리 구조를 학습하는 데 사용됩니다.

00:11:51.560 --> 00:11:54.540
이제 문서 교차 검증을 포함하도록 안내 메시지를 수정합니다.

00:11:54.720 --> 00:11:57.820
기존 논리를 확장하여 다음 조건을 모두 만족하는 경우 청구를 승인합니다.

00:11:57.980 --> 00:12:02.020
금액이 500달러 이상이고 청구 세부 정보가 신체적 또는 정신적 건강 문제를 뒷받침하며

00:12:02.020 --> 00:12:05.900
구매일이 30일 이내이고 영수증 문서의 품목, 금액, 날짜가 일치하는 경우입니다.

00:12:06.060 --> 00:12:11.340
이 네 번째 조건은 AI 승인 시스템을 단순한 정책 집행자에서 회계 감사 전문가로 변모시킵니다.

00:12:11.500 --> 00:12:15.340
테스트가 실행되면 모델은 문서에서 읽을 수 있는 텍스트를 추출하고

00:12:15.340 --> 00:12:17.960
구조화된 입력 값과의 일관성을 검증합니다.

00:12:18.120 --> 00:12:22.400
영수증에 피트니스 매트 300달러, 8월 22일이라고 적혀있는데

00:12:22.400 --> 00:12:24.800
청구 내용이 이와 다르면 승인은 거부됩니다.

00:12:25.000 --> 00:12:28.440
이제 구현 단계에서 승인 실행 전에 해당 문서를 가져와야 합니다.

00:12:28.680 --> 00:12:31.660
데이터버스에서 파일 또는 이미지 다운로드 작업을 사용하세요.

00:12:31.880 --> 00:12:35.400
청구 기록이 있는 테이블, 대부분 클레임즈 테이블을 대상으로 지정합니다.

00:12:35.580 --> 00:12:39.720
파일 열에서 청구 파일 필드, 일반적으로 영수증과 같은 이름을 선택합니다.

00:12:39.720 --> 00:12:44.580
그런 다음 트리거에서 행 아이디, 고유 청구 식별자를 동적으로 지정합니다.

00:12:44.760 --> 00:12:47.400
이 작업은 파일 메타 데이터와 콘텐츠를 반환하지만

00:12:47.400 --> 00:12:49.160
여기서 미묘한 함정이 있습니다.

00:12:49.440 --> 00:12:53.240
AI가 올바르게 해석하려면 콘텐츠 출력을 약간 수정해야 합니다.

00:12:53.440 --> 00:12:57.920
파일 콘텐츠를 문서 영수증 파일 입력에 맵핑할 때 표현식 편집기를 열고

00:12:57.920 --> 00:12:59.740
본문 참조에 콘텐츠를 추가합니다.

00:13:00.020 --> 00:13:02.420
이 마지막 수정 작업을 통해 메타 데이터 래퍼가 아닌

00:13:02.420 --> 00:13:04.220
실제 파일 바이트를 전달할 수 있습니다.

00:13:04.480 --> 00:13:07.820
이 단계를 건너뛰면 AI 갑인 영수증을 무턱대고 승인할 수 있습니다.

00:13:07.820 --> 00:13:11.480
이제 문서 워크플로우의 아킬레스건 인 동기화 문제를 살펴보겠습니다.

00:13:11.780 --> 00:13:15.740
대부분의 데이터버스 테이블은 내 코드가 처음 저장된 후에야 첨부 파일을 저장함으로

00:13:15.740 --> 00:13:18.340
내 코드 생성 시 워크플로우가 트리거되는 경우

00:13:18.340 --> 00:13:20.320
파일이 존재하기 전에 실행될 수 있습니다.

00:13:20.540 --> 00:13:23.900
증상, 워크플로우가 실패하거나 영수증 콘텐츠가 널 이듭니다.

00:13:24.080 --> 00:13:25.420
해결 방법은 간단합니다.

00:13:25.640 --> 00:13:28.040
트리거 조건을 항목 수정시로 변경하되

00:13:28.040 --> 00:13:31.020
영수증 열이 변경될 때만 실행되도록 제한하세요.

00:13:31.300 --> 00:13:35.940
이렇게 하면 누군가 파일을 업로드하거나 교체하는 순간 유효성 검사가 시작됩니다.

00:13:35.940 --> 00:13:40.120
이 설정을 구성하려면 트리거 설정을 열고 수정된 열을 선택한 다음

00:13:40.120 --> 00:13:45.680
데이터버스 위 고급 도구에서 열 세부 정보에서 가져온 영수증 열이 논리적 이름을 붙여넣으세요.

00:13:45.920 --> 00:13:47.500
설정이 완료되면 개시하세요.

00:13:47.820 --> 00:13:49.780
이제 자동화 기능이 제대로 작동합니다.

00:13:49.960 --> 00:13:52.640
유효성 검사할 항목이 실제로 발생할 때까지 기다립니다.

00:13:52.880 --> 00:13:56.160
청구 내역이 새 영수증으로 업데이트되면 워크플로우가 다시 시작됩니다.

00:13:56.340 --> 00:14:00.680
파일을 다운로드하고 AI 단계를 거쳐 모든 입력 값을 교차 검사합니다.

00:14:00.680 --> 00:14:07.820
금액 불일치, 날짜 오류, 설명 불일치 등의 불일치가 있는 경우 AI는 설명과 함께 청구를 거부합니다.

00:14:08.000 --> 00:14:11.380
이후 로그에는 청구 금액 305달러가 문서총액 300달러와 다릅니다.

00:14:11.580 --> 00:14:12.940
와 같은 내용이 표시될 수 있습니다.

00:14:13.180 --> 00:14:14.920
이는 문제제기 없이 규정을 준수하는 방법입니다.

00:14:15.080 --> 00:14:16.360
실질적인 효과는 무엇일까요?

00:14:16.540 --> 00:14:18.420
모든 제출권이 자체 감사 기능을 갖게 됩니다.

00:14:18.640 --> 00:14:22.220
직원들은 더 이상 의심스러운 영수증이나 모호한 설명을 이용해 부정행위를 저지를 수 없습니다.

00:14:22.500 --> 00:14:27.060
AI는 판단을 내리고 데이터버스는 증거를 제공하며 둘 다 휴식 없이 작동합니다.

00:14:27.280 --> 00:14:30.260
따라서 문서 유효성 검사는 결코 과도한 작업이 아닙니다.

00:14:30.260 --> 00:14:32.420
워크플로우에 대한 면역기억과 같습니다.

00:14:32.820 --> 00:14:37.120
이상치는 분자 수준, 즉 실제 영수증에 인쇄된 문자까지 감지되며

00:14:37.120 --> 00:14:40.640
담당자는 수동검사자에서 예외처리자로 승격됩니다.

00:14:41.160 --> 00:14:43.500
이제 정직성 자체를 자동화한 것입니다.

00:14:43.780 --> 00:14:50.160
신뢰성 구축, 테스트, 버전 관리 및 개시, 모든 자동화는 실행되기 전까지는 완벽해 보일 수 있습니다.

00:14:50.400 --> 00:14:53.480
그렇기 때문에 신뢰성은 단계가 아니라 지속적인 관리가 필요한 분야입니다.

00:14:53.660 --> 00:14:59.580
포파일러 스튜디오는 에이전트 흐름에 직접 내장된 버전 관리, 테스트 및 개시 제어 기능을 통해 이러한 관리를 효과적으로 지원합니다.

00:14:59.580 --> 00:15:01.560
반복적인 테스트부터 시작하세요.

00:15:01.780 --> 00:15:03.840
모든 승인 흐름은 작은 생태계와 같습니다.

00:15:04.200 --> 00:15:06.840
변수 이름 하나만 잘못되어도 혼란이 발생할 수 있습니다.

00:15:07.080 --> 00:15:09.700
따라서 테스트를 과학적인 프로세스로 접근해야 합니다.

00:15:09.880 --> 00:15:13.080
변경사항을 분리하고 데이터를 적용하고 결과를 관찰하세요.

00:15:13.280 --> 00:15:18.280
포파일러 스튜디오의 흐름 편집기에서는 실제 운영 환경에 적용하기 전에 샘플 데이터를 시뮬레이션 할 수 있습니다.

00:15:18.500 --> 00:15:22.720
다양한 시나리오, 수량 과단, 날짜 만료, 관련 없는 품목 이름 등을 입력하고

00:15:22.720 --> 00:15:25.000
각 시나리오에서 올바른 결과가 나오는지 확인하세요.

00:15:25.000 --> 00:15:26.840
다음으로 명명규칙으로 넘어가세요.

00:15:27.000 --> 00:15:28.420
지루하다 고요. 물론이죠.

00:15:28.640 --> 00:15:30.800
하지만 필수적인 가요. 공기보다 더 중요합니다.

00:15:31.000 --> 00:15:32.600
모든 변수에 체계적으로 접두사를 붙이세요.

00:15:32.780 --> 00:15:35.360
문자열에는 str, 숫자에는 num, 파일에는 닭을 붙이는 식입니다.

00:15:35.540 --> 00:15:37.520
마찬가지로 작업에도 명확한 네이블을 지정하세요.

00:15:37.720 --> 00:15:41.060
영수증 파일 다운로드, 관리자 승인 확인, 청구 승인 업데이트와 같이 말이죠.

00:15:41.220 --> 00:15:43.240
3개월 후 누군가 작업실이 왜 고장났는지 물어볼 때

00:15:43.240 --> 00:15:46.740
이렇게 명확한 단서를 남겨두는 것이 고고학적 발굴보다 훨씬 유용하다는 것을 알게 될 겁니다.

00:15:46.940 --> 00:15:50.060
개별 테스트가 성공하면 극단적인 시나리오 검증으로 확장하세요.

00:15:50.060 --> 00:15:52.460
마치 서투른 사용자가 된 것처럼 행동해보세요.

00:15:52.700 --> 00:15:55.120
영수증을 업로드하지 않거나 날짜를 내년으로 변경하거나

00:15:55.120 --> 00:15:57.180
500 대신 500을 입력하는 등의 실수를 해보세요.

00:15:57.420 --> 00:16:00.480
AI가 오류를 발생시키지 않고 설명하고 거부하는지 확인하세요.

00:16:00.720 --> 00:16:03.600
이것은 가상의 실수가 아니라 실제 상황을 연습하는 것입니다.

00:16:03.820 --> 00:16:05.580
사전에 더 많은 실패 사례를 방지할수록

00:16:05.580 --> 00:16:07.740
나중에 새벽 2시에 흐름이 다시 멈춰둬요

00:16:07.740 --> 00:16:09.820
라는 팀즈 메시지를 받는 횟수가 줄어듭니다.

00:16:10.000 --> 00:16:11.920
게시를 통해 관리 체계를 구축하세요.

00:16:12.180 --> 00:16:14.720
주요 변경 사항을 저장할 때 마다 코파일럿 스튜디오는

00:16:14.720 --> 00:16:16.020
조용히 새 버전을 생성합니다.

00:16:16.020 --> 00:16:17.980
언제든지 이전 버전으로 되돌릴 수 있습니다.

00:16:18.220 --> 00:16:19.840
오버라이드에 대한 불안감을 없애세요.

00:16:20.000 --> 00:16:23.100
이를 활용하여 실험적인 로직 샌드박스를 프로덕션 환경과 분리하세요.

00:16:23.300 --> 00:16:26.800
예를 들어 클레임 승인 개발 흐름과 클레임 승인 프로덕션 흐름을 각각 명령하세요.

00:16:27.000 --> 00:16:29.660
개발 환경에서 테스트하고 안정화된 후에만 배포하세요.

00:16:29.900 --> 00:16:34.200
신뢰성은 정확성뿐 아니라 변화 속에서도 통제력을 유지하는 것임을 기억하세요.

00:16:34.740 --> 00:16:36.860
배포 후에는 활동 로그를 활용하세요.

00:16:37.140 --> 00:16:41.280
로그는 단순한 장식이 아니라 AI와 사람의 상호작용에 대한 법적 수준의 기록입니다.

00:16:41.500 --> 00:16:44.460
타임 스탬프, 승인자 정보, 추론 요약 등이 포함됩니다.

00:16:46.020 --> 00:16:47.760
패턴이 드러날 것입니다.

00:16:47.960 --> 00:16:51.200
어떤 규칙이 가장 많은 거절을 유발하는지, 어떤 관리자가 AI를 오버라이드했는지,

00:16:51.540 --> 00:16:53.640
규정 준수 절차가 얼마나 자주 필요한지 등을 파악할 수 있습니다.

00:16:53.820 --> 00:16:56.520
이러한 인사이트를 통해 정책과 설계를 개선할 수 있습니다.

00:16:56.720 --> 00:17:01.980
또 다른 중요한 모범 사례는 각 분기의 끝에서 데이터버스 레코드의 상태 업데이트를 자동화하는 것입니다.

00:17:02.180 --> 00:17:06.940
행 업데이트 작업은 클레임 상태, 승인됨 또는 거부됨과 같이 명확한 필드를 설정해야 합니다.

00:17:07.160 --> 00:17:09.320
이러한 가시적인 엔드포인트는 신뢰를 강화합니다.

00:17:09.580 --> 00:17:12.220
사용자는 자신의 테이블 보기에서 결정사항을 확인할 수 있습니다.

00:17:12.220 --> 00:17:15.100
별도의 추적 스프레드 시트도 허위 승인도 필요 없습니다.

00:17:15.380 --> 00:17:18.240
시스템이 모든 테스트를 통과하면 안심하고 배포하세요.

00:17:18.480 --> 00:17:20.540
이전 세대의 파워 오토메이트 플로우와 달리,

00:17:20.860 --> 00:17:24.440
에이전트 플로우는 컨텍스트 메타 데이터, AI 결정 스키마,

00:17:24.780 --> 00:17:27.020
동적 콘텐츠 바인딩 및 버전 태그를 유지합니다.

00:17:27.200 --> 00:17:30.260
그 결과, 단순히 실행되는 프로세스가 아니라 재현 가능한 결과물,

00:17:30.520 --> 00:17:32.080
즉 감사 가능한 자동화가 생성됩니다.

00:17:32.240 --> 00:17:34.580
최종적인 신뢰성 검증은 직관적인 판단에 달려 있습니다.

00:17:34.840 --> 00:17:36.220
과도한 설계는 지향해야 합니다.

00:17:36.220 --> 00:17:39.840
때로는 실패한 플로우가 기술적 버브가 아니라 지나치게 복잡한 규칙을 드러내는 경우가 있습니다.

00:17:40.040 --> 00:17:41.220
가능한 한 논리를 간소화하십시오.

00:17:41.920 --> 00:17:45.460
단계를 줄이고 지침을 명확히 하며 모호함을 최소화하십시오.

00:17:45.620 --> 00:17:48.920
자동화는 무작위성이 아니라 불필요한 정교함의 결과입니다.

00:17:49.160 --> 00:17:55.960
단계를 완료하면 승인 시스템은 운영 성숙도를 달성하고 테스트를 거치고 버전 관리가 가능하며 롤백이 용이하고 검증 가능해집니다.

00:17:56.140 --> 00:18:01.060
AI 판단부터 관리자 승인에 이르기까지 모든 결과는 철저한 검증을 견딜 수 있는 디지털 기록을 남깁니다.

00:18:01.060 --> 00:18:08.460
이는 단순한 느낌이나 운이 아니라 체계적인 추론을 통해 얻은 결과이며 사용자가 잠자는 동안에도 생각할 수 있도록 구축된 도구에 의해 충실하게 기록됩니다.

00:18:08.620 --> 00:18:10.700
실질적인 결과와 성과를 확인할 수 있습니다.

00:18:10.960 --> 00:18:13.040
관료주의를 수학에 맡기면 어떻게 될까요?

00:18:13.260 --> 00:18:15.160
승인 과정이 더 이상 기다리지 않아도 됩니다.

00:18:15.460 --> 00:18:21.740
AI 기반 다단계 에이전트 워크플로는 위사결정이 더 이상 일정에 좌우되지 않기 때문에 처리 시간을 며칠에서 몇 분으로 단축합니다.

00:18:21.960 --> 00:18:25.140
객관적인 정책을 충족하는 모든 청구는 즉시 승인됩니다.

00:18:25.400 --> 00:18:29.680
모든 예외적인 경우는 이미 맥락이 첨부된 상태로 관리자 대기열에 깔끔하게 추가됩니다.

00:18:29.680 --> 00:18:32.840
이제 관리자는 서류상의 확인이 아닌 가치판단을 내립니다.

00:18:33.040 --> 00:18:35.280
그 효과는 우선 시간 단축으로 나타납니다.

00:18:35.500 --> 00:18:40.120
예전에는 4번의 이메일과 2번의 알림이 필요했던 환급 요청이 이제 점심 식사 전에 해결됩니다.

00:18:40.300 --> 00:18:45.720
부서는 처리 주기가 단축되고 유휴 시간이 줄어들며 추론 과정이 완벽하게 기록됩니다.

00:18:45.940 --> 00:18:50.360
승인 메커니즘은 더 이상 업무 흐름을 방해하는 요소가 아니라 필수적인 인프라가 됩니다.

00:18:50.680 --> 00:18:52.400
다음으로 오류 감소가 나타납니다.

00:18:52.680 --> 00:18:57.560
AI를 통해 확정적인 규칙을 적용함으로써 수동 승인의 골칫거리였던 주관적인 판단 오류를 제거합니다.

00:18:57.560 --> 00:19:01.340
이건 건강 및 웰빙에 해당한다고 생각했는데 와 같은 주관적인 판단은 더 이상 통하지 않습니다.

00:19:01.520 --> 00:19:03.740
AI는 기준을 항상 동일하게 해석합니다.

00:19:03.940 --> 00:19:06.900
행정 논리에서 일관성은 공감보다 확장성이 뛰어납니다.

00:19:07.140 --> 00:19:10.920
관리자는 예외적인 경우에만 대응하면 되며 그마저도 완벽한 감사 추적 기록이 남습니다.

00:19:11.100 --> 00:19:13.980
데이터 입력, 의사 결정 내역, 모델 설명 등이 모두 기록됩니다.

00:19:14.180 --> 00:19:17.500
감사는 더 이상 당황스러운 상황에서 이루어지는 것이 아니라 정중한 검증으로 바뀝니다.

00:19:17.660 --> 00:19:20.820
조직 차원에서 볼 때 이는 단순히 더 빠를 뿐만 아니라 더 안전합니다.

00:19:21.040 --> 00:19:23.340
규정 준수는 기억이나 기분에 좌우되지 않습니다.

00:19:23.340 --> 00:19:24.780
시스템에 내재되어 있습니다.

00:19:25.100 --> 00:19:27.880
데이터버스 로그는 누가 언제 왜 승인했는지 보여줍니다.

00:19:28.100 --> 00:19:32.820
이러한 투명성은 모든 결정이 검색 가능한 연구 기록으로 남기 때문에 편법 문화를 억제합니다.

00:19:33.020 --> 00:19:38.340
또한 철학적으로 워크플로는 AI 지원을 통한 인간 우선에서 인간의 수정이 가미된 AI 우선으로 전환됩니다.

00:19:38.540 --> 00:19:40.620
공상과학이 아닌 실질적인 거버넌스입니다.

00:19:40.860 --> 00:19:43.580
AI는 규칙 시행을 담당하고 인간은 판단을 담당합니다.

00:19:43.780 --> 00:19:47.080
이러한 하이브리드 방식은 더 공정하고 빠르며 궁극적으로 더 신뢰할 수 있는 시스템을 구축합니다.

00:19:47.280 --> 00:19:49.300
감사관에게 이러한 방식을 설명한다고 상상해보세요.

00:19:49.300 --> 00:19:52.080
감사관이 짓는 미소만으로도 자동화의 가치는 충분할 것입니다.

00:19:52.240 --> 00:19:53.600
자 이제 분명해졌습니다.

00:19:53.800 --> 00:19:56.800
마이크로소프트 코파일럿 스튜디오는 단순한 자동화 도구가 아닙니다.

00:19:56.960 --> 00:19:59.520
조직의 의사결정 과정이 마침내 멈추는 곳입니다.

00:19:59.760 --> 00:20:02.520
상황에 따라 생각하고 책임감 있게 문제를 에스컬레이션하고

00:20:02.520 --> 00:20:06.620
현실과 대조하여 스인을 검증하고 모든 과정을 기록하는 승인 엔진을 구축할 수 있습니다.

00:20:06.880 --> 00:20:09.320
이것은 단순한 워크플로우가 아니라 버버넌스 모델입니다.

00:20:09.560 --> 00:20:11.280
다른 건 몰라도 이것만은 기억하세요.

00:20:11.560 --> 00:20:15.060
AI는 예측 가능한 결정을 내리고 인간은 탁월한 능력을 발휘하도록 도와야 합니다.

00:20:15.060 --> 00:20:17.920
습관적으로 모든 것을 사람을 통해 처리하는 방식을 버리세요.

00:20:18.080 --> 00:20:21.660
논리가 일상적인 업무를 처리하도록 하고 관리자는 예외적인 상황에 집중하세요.

00:20:21.820 --> 00:20:26.260
이 튜토리얼을 통해 관리자 검토를 기다리는 시간을 절약하셨다면 구독을 고려해보세요.

00:20:26.540 --> 00:20:29.920
다음 튜토리얼에서는 코파일럿 스튜디오 위 고급 자동화 기능을 자세히 살펴보고

00:20:29.920 --> 00:20:34.240
이러한 에이전트 흐름이 파워 플랫폼 분석 및 적응형 정책과 어떻게 연결되는지 알아봅니다.

00:20:34.440 --> 00:20:39.140
업그레이드 경로를 확정하고 구독하고 알림을 켜고 새로운 에피소드가 자동으로 배포되도록 설정하세요.

00:20:39.140 --> 00:20:42.760
수동 확인이나 릴리스 누락 없이 유용한 지식을 지속적으로 제공받을 수 있습니다.

00:20:42.980 --> 00:20:43.960
지금 바로 시작하세요.
