Microsoft Copilot 튜닝은 조직이 자체 조직 데이터로 LLM(대규모 언어 모델)을 튜닝하여 작업별 Copilot 에이전트를 만들 수 있도록 하는 AI 사용자 지정 기능입니다. 튜닝을 통해 상담원은 organization의 도메인 지식, 용어, 톤 및 품질 표준을 반영하는 응답을 생성할 수 있습니다.
범용 AI 환경과 달리 조정된 에이전트는 구체적이고 반복 가능한 작업을 위해 설계되었습니다. Microsoft 365 테넌트 내에서 완전히 작동하므로 조직 데이터는 기존 보안, 규정 준수 및 거버넌스 제어로 보호됩니다.
이 문서에서는 주요 기능, 지원되는 시나리오, 조정 개념 및 관리 거버넌스를 포함하여 Copilot 조정에 대한 개요를 제공합니다.
중요
Microsoft Copilot 튜닝은 현재 조기 액세스 프로그램을 통해 제한된 집합의 고객에게 제공됩니다. Frontier를 통한 액세스는 2026년 4월에 계획되어 있습니다. 기능 및 요구 사항은 변경될 수 있습니다.
주요 기능
Copilot 조정을 통해 조직은 비즈니스 요구 사항에 밀접하게 부합하는 AI 환경을 구축할 수 있습니다. 다음과 같은 기능을 제공합니다.
코드 없는 사용자 지정 - 코딩이나 데이터 과학 전문 지식이 없어도 Agent Builder의 템플릿을 사용하여 조정된 에이전트를 만듭니다. 비즈니스 사용자와 도메인 전문가는 선별된 예제와 조직 콘텐츠를 사용하여 조정을 안내할 수 있습니다.
작업별 에이전트 - 질문 답변, 문서 작성, 요약, 유효성 검사 및 쓰기 스타일 편집과 같은 고가치 시나리오에 최적화된 에이전트를 빌드합니다. 튜닝된 에이전트는 조직의 어휘, 구조, 기대치를 반영하는 출력을 생성합니다.
효율성 및 일관성 향상 - 조정된 에이전트는 Copilot에 조직 지식을 포함하여 복잡한 콘텐츠 작업에 필요한 시간을 줄이는 동시에 일관성과 내부 표준 준수를 개선할 수 있습니다.
Microsoft 365 데이터와 통합 - 조정된 에이전트는 Microsoft Graph를 통해 라이브 엔터프라이즈 데이터에 대해 선택한 조직 콘텐츠를 사용하고 추론할 수 있으므로 최신 정보에 기반한 응답이 이루어지도록 할 수 있습니다.
엔터프라이즈급 보안 - 모든 튜닝 작업은 Microsoft 365 신뢰 경계 내에서 발생합니다. 튜닝된 에이전트는 학습 데이터의 ACL(액세스 제어 목록)을 적용하고 사용자에게 액세스할 수 있는 권한이 있는 정보만 반환합니다.
지원되는 시나리오
Copilot 조정은 작업 지향 에이전트 템플릿 집합을 지원합니다.
문서 작성
문서 작성 에이전트는 조직 템플릿, 예제 및 표준을 기반으로 구조화된 긴 형식의 문서를 생성합니다. 이러한 에이전트는 형식 지정 및 규정 준수 요구 사항을 준수하면서 제안서, 계약서, 정책 및 기술 문서와 같은 콘텐츠의 초안을 생성할 수 있습니다.
자세한 내용은 문서 작성 에이전트 템플릿을 참조하세요.
문서 요약
문서 요약 에이전트는 톤, 대상 그룹, 목적 및 길이에 따라 맞춤형 요약을 생성합니다. 조직은 이러한 에이전트를 조정하여 내부 요약 표준을 반영하고 사용 사례에 가장 관련성이 높은 정보를 강조할 수 있습니다.
자세한 내용은 문서 요약 에이전트 템플릿을 참조하세요.
전문가 답변(질문&답변)
전문가 답변 에이전트는 조직 콘텐츠에 답변을 기반으로 도메인별 답변을 제공합니다. 이러한 에이전트는 대규모 데이터 세트, 엄격한 정책 가드레일 또는 특수 용어에서 심층 검색이 필요한 시나리오를 지원합니다.
자세한 내용은 Expert Answers 에이전트 템플릿을 참조하세요.
문서 유효성 검사
문서 유효성 검사 에이전트는 조직의 지침, 정책, 브랜딩 표준 및 규정 요구 사항을 준수하는지 문서를 검토합니다. 문제를 식별하고, 위험을 분류하고, 문서 내에서 직접 실행 가능한 피드백을 제공합니다.
자세한 내용은 문서 유효성 검사 에이전트 템플릿을 참조하세요.
스타일 편집
스타일 편집 에이전트는 organization의 브랜드 목소리, 톤 및 글쓰기 지침에 맞게 초안을 다듬습니다. 이러한 에이전트는 서로 다른 사용자와 팀이 생성하는 콘텐츠 전반에 걸쳐 일관성을 유지하는 데 도움이 됩니다.
자세한 내용은 스타일 편집 에이전트 템플릿을 참조하세요.
최적화 에이전트
최적화 에이전트는 리소스 할당, 작업 할당 및 계획과 같은 비즈니스 최적화 문제를 지원합니다. 사용자는 목표와 제약 조건을 정의하고 에이전트는 업로드된 데이터와 조직 규칙을 기반으로 설명 가능한 솔루션을 생성합니다.
자세한 내용은 최적화 에이전트를 참조하세요.
에이전트 선택
완료하려는 작업에 따라 템플릿을 선택합니다. 조정 가능한 템플릿은 문서 작성, 요약, 질문 답변, 유효성 검사, 스타일 편집 및 최적화와 같은 반복 가능한 특정 작업을 위해 설계되었습니다.
| 원하는 작업 | 사용 | 왜 이 템플릿인가요? |
|---|---|---|
다음과 같은 구조화된 문서를 만듭니다.
|
문서 작성 | 조직 구조 및 예제에 맞게 조정된 긴 형식의 초안을 생성합니다. |
다음과 같은 특정 대상 그룹에 대해 하나 이상의 문서를 요약합니다.
|
문서 요약 | 대상 그룹, 목적, 어조, 길이, 초점 영역별로 요약을 맞춤화합니다. |
다음과 같은 조직 콘텐츠에 기반한 질문에 대답합니다.
|
전문가 답변(질문&답변) | 범위가 지정된 엔터프라이즈 콘텐츠에 대한 심층 검색을 수행하고 근거 있는 답변을 생성합니다. |
다음과 같은 지침이나 정책에 대해 문서를 검토합니다.
|
문서 유효성 검사 | 규칙서에 대한 유효성을 검사하고, 위험을 기준으로 결과를 분류하고, 문서 내에서 수정 사항을 제안합니다. |
다음과 같은 음성, 톤 및 쓰기 표준에 맞게 콘텐츠를 다시 작성하세요.
|
스타일 편집 | 의미와 의도를 유지하면서 조직 스타일 규칙을 적용합니다. |
다음과 같은 제약 조건으로 할당 또는 계획 문제를 해결합니다.
|
최적화 | 목표, 제약 조건, 데이터로부터 최적의 솔루션을 계산하고 CSV 출력을 지원합니다. |
템플릿에 워크플로 매핑
대부분의 워크플로에서 둘 이상의 템플릿을 사용합니다.
| 단계 | 작업 | 권장 템플릿 |
|---|---|---|
| 초안 | 구조화된 문서의 첫 번째 초안 만들기 | 문서 작성 |
| 요약 | 특정 대상을 위한 브리핑 만들기 | 문서 요약 |
| 유효성 검사 | 규칙 및 정책 확인 | 문서 유효성 검사 |
| 완료 | 어조와 명확성을 글쓰기 표준에 맞추기 | 스타일 편집 |
에이전트 튜닝
에이전트 튜닝을 사용하면 Microsoft Copilot 에이전트 빌더의 조정 가능한 템플릿에서 만든 에이전트를 구체화할 수 있습니다. 조정 가능한 각 템플릿은 특정 작업을 위해 설계되었으며 기본 모델, 지침, 기반 접근 방식, 도구 사용 및 출력 생성을 지정하는 사전 정의된 추론 워크플로를 포함합니다. 이 워크플로는 에이전트가 관련 컨텍스트를 검색하고, 도구를 효과적으로 적용하고, 처음부터 고품질 출력을 생성하는 데 도움이 되는 바로 사용할 수 있는 "레시피"인 최적화된 기본 구성을 제공합니다.
많은 시나리오에서 이러한 템플릿에서 생성된 에이전트는 추가 사용자 지정 없이도 품질 기대치를 충족합니다. 출력을 조직 표준, 도메인별 요구 사항 또는 사용자 기대에 더 밀접하게 맞추는 등 추가 개선이 필요한 경우 에이전트 튜닝은 동작 및 성능을 개선하는 구조화된 방법을 제공합니다.
조정 가능한 템플릿은 적격 테넌트에서 Copilot 라이선스가 있는 사용자가 사용할 수 있으며 에이전트 작성기에서 만들어집니다. 조정 가능한 템플릿에서 에이전트를 만들 때 사용자는 에이전트 이름, 지침 및 프롬프트와 같은 지원되는 속성을 사용자 지정할 수 있습니다. 튜닝 기능에 대한 액세스는 테넌트 관리자 구성에 따라 달라집니다. 튜닝 옵션을 사용할 수 없는 경우 사용자는 관리자에게 액세스를 요청해야 할 수 있습니다. 적격 사용자는 조정 가능한 템플릿에서 에이전트를 만든 후 "에이전트 조정" 옵션을 볼 수 있습니다.
튜닝 컨텍스트, 튜닝 도구, 튜닝 모델의 세 가지 유형의 튜닝이 지원됩니다. 이러한 차원은 함께 작동하도록 설계되었으며 일관된 사용자 목표 중심 루브릭을 사용하여 평가하여 조정을 통해 측정 가능한 개선으로 이어지도록 합니다.
컨텍스트 조정
컨텍스트 튜닝 은 기본 작업, 도메인 및 대표적인 예제를 지정하여 에이전트의 목표와 성공 기준을 정의합니다. 컨텍스트 요구 사항은 템플릿마다 다릅니다. 예를 들어 문서 작성 템플릿은 에이전트가 생성해야 하는 문서 유형의 예를 사용하고, 문서 요약 템플릿은 목적, 대상 그룹, 길이, 어조 및 초점 영역과 같은 입력이 필요하며, 전문가 답변 템플릿은 샘플 파일을 사용하여 평가 질문과 답변을 생성합니다. 이 입력을 기반으로 시스템은 에이전트 성과 평가를 위한 측정 가능한 기준선을 설정하는 하위 목표와 평가 루브릭을 제안합니다.
Tune 도구
도구 튜닝은 추가 에이전트 또는 도구를 워크플로에 통합하여 에이전트 기능을 확장합니다. 이러한 도구는 연구, 검증 또는 글쓰기 스타일 정렬과 같은 작업을 수행하는 데 사용할 수 있습니다. 사용자 지정 오케스트레이션 지침은 도구가 적용되는 방법을 정의하고 변경 후 설정된 루브릭에 따라 에이전트 성과를 다시 평가합니다.
모델 조정
모델 튜닝 은 지도된 미세 튜닝 및 강화 학습 기술을 통해 추론 및 출력 품질을 개선하는 데 중점을 둡니다. 조직 데이터의 고품질 예제가 교육 입력으로 사용되며, 평가 루브릭은 조직의 기대치에 맞춰 정렬하도록 안내합니다. 이 프로세스 중에 액세스 제어, 파일 권한 및 민감도 레이블을 적용할 수 있습니다. 모델 튜닝은 비동기적으로 실행되므로 튜닝이 진행되는 동안 사용자가 기존 에이전트를 계속 사용할 수 있습니다. 조정이 완료되면 평가 결과에 따라 업데이트된 모델을 게시할 준비가 되었는지 여부가 결정됩니다.
에이전트 튜닝은 일회성 구성이 아닌 반복적인 프로세스입니다. 조직은 실제 사용을 모니터링하고, 피드백을 수집하고, 시간이 지남에 따라 요구 사항이 변화함에 따라 컨텍스트, 도구, 데이터 또는 규칙을 구체화하는 것이 좋습니다. 이러한 지속적인 수명 주기는 에이전트가 정확하고 관련성을 유지하며 변화하는 요구 사항에 부응하도록 보장하는 데 도움이 됩니다.
튜닝된 에이전트 사용
생성 또는 조정 후 에이전트를 organization 전체의 적격 사용자와 공유할 수 있습니다. 사용자는 Microsoft Copilot 앱 또는 Microsoft Teams의 Copilot Chat과 같이 지원되는 Microsoft Copilot 환경을 통해 튜닝된 에이전트와 상호 작용합니다.
튜닝된 에이전트는 다음과 같은 이점을 제공합니다.
- 더 빠른 콘텐츠 생성 및 분석을 통해 생산성 향상
- 조직 데이터에 응답을 기반으로 정확도 향상
- 내부 표준에 부합하는 일관된 출력
- 팀 전체에서 조직 지식에 대한 폭넓은 액세스
모범 사례
튜닝된 에이전트를 최대한 활용하려면 다음 모범 사례를 적용합니다.
- 에이전트의 scope 및 한계를 이해합니다.
- 명확하고 구체적인 프롬프트를 사용합니다.
- 사용자를 안내하는 시작 프롬프트를 제공합니다.
- 다중 턴 상호 작용을 통해 출력을 구체화합니다.
- 조직의 보안 및 규정 준수 정책을 따릅니다.
- 시간이 지남에 따라 에이전트 품질을 개선하도록 사용자 피드백을 장려합니다.
고지 사항
AI 관리자는 이 제품의 사용이 모든 해당 데이터 보호, 개인 정보 보호 및 지적 재산권 법률을 준수하는지 확인할 책임이 있습니다. 여기에는 GDPR 또는 CCPA와 같은 규정에 따른 데이터 컨트롤러로서의 의무 충족이 포함됩니다.
데이터 컨트롤러 의무
- 테넌트 환경 내에서 데이터를 수집, 저장 및 사용하는 방법은 사용자에게 책임집니다.
- 데이터 관행이 투명성, 동의, 액세스 및 삭제에 대한 법적 요구 사항을 충족하는지 확인해야 합니다.
- 사용자는 이 시스템에서 생성된 모든 출력을 사용하기 전에 정확성, 적합성 및 준수성을 확인해야 합니다. 해당 주제 전문가와 검토해야 할 수도 있습니다.
저작권 및 모델 교육
- 자체 데이터를 사용하여 사용자 지정 모델을 학습시키도록 선택하는 경우 학습 세트에 포함된 저작권이 있는 자료에 대한 적절한 권리 또는 라이선스가 있는지 확인해야 합니다.
- 저작권 보호는 승인되지 않은 저작권 콘텐츠를 사용하여 학습된 모델에는 적용되지 않습니다. 이러한 사용에 대한 책임은 전적으로 귀하에게 있습니다.
데이터 삭제
- 모델을 학습시키는 데 사용되는 데이터가 있는 사용자가 GDPR(또는 유사한 규정)에 따라 유효한 삭제 요청을 제출하는 경우 모델을 다시 학습시켜야 합니다.
- 모델을 미세 조정하면 학습 데이터에 따라 모델 가중치가 조정됩니다. 미세 조정된 모델은 언제든지 삭제할 수 있습니다.