이 지침은 조직이 광범위한 AI 채택 전략의 일환으로 AI 에이전트를 성공적으로 채택할 수 있도록 구조화된 프레임워크를 제공합니다. AI 에이전트가 도입하는 고유한 고려 사항을 해결합니다. 이 시리즈는 Microsoft Foundry 및 Microsoft Copilot Studio를 사용하여 사용자 지정 에이전트를 빌드하기 위한 Microsoft 365 에이전트 및 지침을 강조 표시합니다. 또한 AI 에이전트를 대규모로 지원하기 위해 조직 전체의 데이터 아키텍처를 설계하기 위한 전략도 포함되어 있습니다.
이 지침을 통해 리더는 (1) 에이전트 계획, (2) 에이전트관리 및 보안, (3) 빌드 에이전트 및 (4) 에이전트 운영의 네 가지 주요 영역에서 실행 가능한 인사이트를 얻습니다(그림 1 참조).
그림 1. Microsoft의 AI 에이전트 채택 프로세스.
AI 에이전트란?
AI 에이전트는 생성 AI 모델을 사용하여 시스템 이벤트, 사용자 메시지 또는 기타 에이전트 메시지와 같은 입력을 해석하고, 문제를 통해 이유를 파악하고, 가장 적절한 작업을 결정하는 유연한 소프트웨어 프로그램입니다. 고정 규칙을 사용하는 기존 애플리케이션과 달리 에이전트는 실시간 컨텍스트에 따라 워크플로를 동적으로 오케스트레이션합니다. 이러한 적응성을 통해 결정적 소프트웨어에서 수행할 수 없는 모호성과 복잡성을 관리할 수 있습니다. 에이전트는 다음 5가지 핵심 구성 요소를 기반으로 빌드됩니다.
생성 AI 모델은 에이전트의 추론 엔진 역할을 합니다. 지침을 처리하고, 도구 호출을 통합하고, 다른 에이전트에 대한 메시지 또는 실행 가능한 결과로 출력을 생성합니다.
지침은 에이전트에 대한 범위, 경계 및 동작 지침을 정의합니다. 명확한 지침은 범위 크리프 방지 및 에이전트가 비즈니스 규칙을 준수하는지 확인합니다.
검색 은 정확한 응답에 필요한 접지 데이터 및 컨텍스트를 제공합니다. 관련 고품질 데이터에 대한 액세스는 환각을 줄이고 관련성을 보장하는 데 중요합니다.
작업은 에이전트가 작업을 수행하는 데 사용하는 함수, API 또는 시스템입니다. 도구는 수동 정보 검색기에서 비즈니스 프로세스의 활성 참가자로 에이전트를 변환합니다.
메모리 는 대화 기록 및 상태를 저장합니다. 메모리는 상호 작용 간에 연속성을 보장하므로 에이전트가 다중 턴 대화 및 장기 실행 작업을 효과적으로 처리할 수 있습니다.
RAG(검색 보강 세대)로부터의 차이
표준 RAG 애플리케이션은 결정적 검색 프로세스를 따라 쿼리에 응답합니다. AI 에이전트는 생성 모델을 사용하여 각 단계에서 사용할 지식과 도구를 결정합니다. 이 적응형 접근 방식은 다단계 추론 및 복잡한 문제 해결을 가능하게 하지만 강력한 테스트 및 거버넌스가 필요한 비결정적 동작도 도입합니다.
기술 정의는 에이전트란 무엇이 며 워크플로란?을 참조하세요.
AI 에이전트를 사용하는 이유
AI 에이전트를 채택하면 특정 조직의 결과가 향상됩니다. 이러한 이점을 이해하면 투자를 정당화하고 사용 사례의 우선 순위를 지정하는 데 도움이 됩니다.
효율성: 에이전트는 반복적이고 값이 낮은 작업을 자동화합니다. 수동 노력과 운영 비용을 줄여 리소스가 전략적 이니셔티브에 집중할 수 있도록 합니다.
속도: 에이전트는 정보를 처리하고 의사 결정을 빠르게 실행하여 서비스 제공 시간과 시장 변화에 대한 응답성을 향상시킬 수 있습니다.
확장성: 에이전트는 변동하는 워크로드를 처리하며, 이러한 탄력성은 증가 및 계절적 수요 급증을 지원합니다.
이러한 이점은 낮은 운영 비용, 향상된 고객 만족도 및 더 빠른 혁신과 같은 측정 가능한 결과로 이어지고 있습니다. 리더에게 이것은 AI 에이전트가 단순히 기술 투자가 아니라는 것을 의미합니다. 그들은 성장과 경쟁력을위한 전략적 레버입니다. 더 많은 비즈니스 근거 및 사용 사례 는 AI 에이전트에 대한 비즈니스 계획을 참조하세요.
에이전트 유형
조직은 일반적으로 세 가지 범주의 에이전트를 배포합니다. 각 범주는 다양한 수준의 자율성 및 비즈니스 영향을 제공합니다.
생산성 에이전트. 이러한 에이전트는 의사 결정을 가속화하기 위해 정보 검색 및 합성에 집중합니다. 지식 도구를 사용하여 다양한 원천에서 데이터를 추출하고 사용자를 위해 검색합니다. 이 기능은 직원 정확도를 높이고 고객 서비스 지원 및 내부 지식 관리와 같은 시나리오에서 정보를 검색하는 데 소요되는 시간을 줄입니다.
작업 에이전트. 이러한 에이전트는 레코드 업데이트 또는 프로세스 트리거와 같은 정의된 워크플로 내에서 특정 작업을 수행합니다. 지식 도구를 작업 도구와 결합하여 작업을 수행합니다. 이 방법은 작업을 간소화하고 서비스 티켓 생성 및 시스템 모니터링과 같은 사용 사례에서 수동 데이터 입력 오류를 줄입니다.
자동화 에이전트. 이러한 에이전트는 최소한의 감독으로 복잡한 다단계 프로세스를 관리합니다. 기술 도구 및 작업 도구와 문제를 실행, 중지 또는 에스컬레이션할 시기를 결정하는 트리거를 사용합니다. 이러한 자율성을 통해 공급망 최적화와 같은 시나리오에서 확장 가능한 자동화를 수행할 수 있지만 복잡성을 관리하려면 엄격한 거버넌스가 필요합니다.
다음 단계
AI 에이전트의 잠재력을 실현하려면 채택 전략을 특정 비즈니스 결과에 맞게 조정합니다. 다음 섹션에서는 내부 및 고객 관련 영향을 만들고 팀이 에이전트를 효과적으로 사용하도록 안내하는 방법을 살펴봅니다.