M365.FM · 한국어
RAG 쉽게 이해하기: Microsoft 365 Copilot으로 충분할 때와 Azure에 자체 지식 파이프라인이 필요할 때
이 에피소드의 주제:
Microsoft 365 Copilot보안, ID 및 거버넌스Azure 및 개발RAGMicrosoft 365 CopilotAzure AI SearchAzure AI Foundry지식 파이프라인AI 환각벡터 검색AI 거버넌스
Copilot은 빠르고 Microsoft 365의 이메일, 요약, 회의록에 탁월하지만 정책, SOP, M365 외부 데이터에 대해서는 일반적이고 틀린 답을 내놓기 쉽습니다. 이번 에피소드에서는 Copilot으로 충분한 경우, Retrieval Augmented Generation(RAG)이 필요한 경우, 그리고 출처 인용이 포함된 신뢰할 수 있는 지식 파이프라인을 만드는 방법을 설명합니다.
Apple Podcasts의 M365.FM 한국어 Spotify의 M365.FM 한국어 Amazon Music의 M365.FM 한국어 Deezer의 M365.FM 한국어 iHeart의 M365.FM 한국어 Podcast Addict의 M365.FM 한국어 Podchaser의 M365.FM 한국어
▶ RAG 쉽게 이해하기: Microsoft 365 Copilot으로 충분할 때와 Azure에 자체 지식 파이프라인이 필요할 때 (AI 더빙)
이번 에피소드에서 배울 내용:
- Copilot의 강점과 한계: 권한, Microsoft Graph, 사용자 지정 인덱스 없음, 인용 강제 및 검색 평가 불가
- RAG의 작동 방식: 문서를 청크로 나누고 메타데이터를 붙이고 임베딩으로 벡터화한 뒤 Azure AI Search의 하이브리드 검색으로 가져오기
- 환각 방지 장치: 출처 기반 답변만 허용, 인용 필수, ‘모르겠다’ 규칙, 로깅과 적중률·지연 시간 측정
- 흔한 실수: 너무 크거나 작은 청크, 메타데이터 누락, 잘못된 임베딩, 평가 루프 부재 – 그리고 파인튜닝보다 재인덱싱이 나은 이유
- 글로벌 제조업체 사례: 정책 파일 4,800개, 인용을 제공하는 Teams 에이전트, 서비스 데스크 문의 3분의 1 감소
이 에피소드는 Microsoft MVP Mirko Peters의 M365 Show 애니메이션 설명 영상을 AI로 더빙한 한국어 버전입니다.