프로 코드 ISV 경험의 패턴 선택
ISV(독립 소프트웨어 공급업체)가 생성 AI 솔루션을 빌드할 수 있도록 Microsoft는 실행 가능한 사용 사례를 찾고 만들기 시작하는 데 도움이 되는 지침을 만들었습니다. 이 페이지에서는 개발자가 솔루션을 빌드하는 과정을 거치면서 선택할 수 있는 프로 코드 패턴에 중점을 둡니다. 프로 코드 또는 하위 코드 패턴을 선택할지 확실하지 않은 경우 기능 구상 페이지를 방문하여 사용 사례에 가장 적합한 방법을 찾아보세요.
프로 코드 경험에 대한 고려 사항
프로 코드 접근 방식을 선택하면 사용자와 같은 ISV가 AI 애플리케이션을 디자인할 때 고도로 사용자 지정 가능한 옵션을 사용할 수 있습니다. 프로 코드 접근 방식 내에는 다양한 요구 사항 및 기본 설정을 해결하기 위해 여러 플랫폼을 다루는 많은 패턴이 있습니다. 프로 코드 패턴은 다음과 같은 경우에 적합합니다.
- 고도로 사용자 지정된 앱을 빌드하고 컨트롤 내에서 더 많은 구성 요소가 필요합니다.
- AI 기능을 사용자 고유의 애플리케이션에 통합하거나 처음부터 빌드합니다.
- 고유한 데이터 또는 보안 문제를 준수합니다.
빠른 솔루션이 필요하고 Power Platform 커넥터와 같은 도구를 사용할 수 있는 경우 낮은 코드 패턴을 연구하는 것이 좋습니다.
프로 코드에는 다음과 같은 두 가지 높은 수준의 접근 방식이 있습니다.
- 사용자 지정 부조종사 빌드 이 방법은 자연어 기능을 사용하여 솔루션을 만드는 데 도움이 되는 패턴을 포함합니다. 사용자 지정 부조종사로 빌드하면 AI가 다양한 상황에서 사용자와 자연스럽게 대화할 수 있습니다.
- 패브릭에서 애플리케이션 빌드 이 방법은 패브릭을 사용하여 사용자가 만든 AI 애플리케이션과 통합할 수 있는 데이터를 처리하거나 저장하는 패턴을 다룹니다. 이러한 패턴은 강력한 데이터 기반과 더 많은 사용자 지정 기회를 제공합니다.
두 방법 모두 다양한 이점을 제공하며 사용자 지정 가능한 AI 애플리케이션을 만들 수 있습니다. 선택한 패턴에 따라 완전히 새로운 애플리케이션 또는 기존 애플리케이션에 도입하는 새로운 기능을 빌드할 수 있습니다.
패턴 선택
패턴을 선택하는 것은 ISV가 솔루션 빌드를 시작하기 전에 수행하는 마지막 단계입니다. 선택한 패턴:
- 솔루션의 기능에 영향을 줍니다. 상황에 맞는 올바른 패턴을 선택하면 고객의 요구에 맞게 솔루션을 정렬할 수 있습니다. 기능이 너무 적은 패턴을 선택하면 만들 수 있는 항목이 제한됩니다.
- 프로젝트의 개발 비용에 영향을 줍니다. 일부 패턴은 개발 중에 더 무거운 리프트가 필요하므로 ISV 시간과 비용이 듭니다. 선택한 패턴에 필요한 투자가 사용 사례의 잠재적 가치를 능가해서는 안 됩니다.
- 다른 인터페이스 내에서 작업할 수 있습니다. 일부 패턴은 처음부터 애플리케이션을 만들도록 디자인되었으며, 다른 패턴은 Microsoft의 기존 애플리케이션 또는 플랫폼 내에서 작동하도록 설계되었습니다.
- 데이터, 인프라 및 기타 백 엔드 고려 사항을 변경합니다. 프로 코드 패턴은 다양하지만 제한이 있거나 수정이 필요할 수 있습니다. 일반적으로 더 복잡한 패턴 옵션을 선택하면 데이터 및 인프라 옵션을 사용자 지정할 수 있습니다.
이러한 모든 요인 때문에 패턴을 선택하기 전에 상황, 고객의 요구 사항 및 기술 기능을 신중하게 평가해야 합니다. 선택하는 플랫폼 및 전략은 만들 수 있는 항목에 영향을 미칩니다.
여러 패턴 옵션
ISV는 하나의 패턴만 선택하는 대신 여러 패턴의 기능을 통합하도록 선택할 수 있습니다. 하위 코드 및 프로 코드 옵션을 결합할 수도 있습니다.
하나의 패턴을 선택하든 여러 패턴을 결합하든 관계없이 현재 상황을 고려하고 가장 적합한 플랫폼을 선택하는 것이 중요합니다. 이 페이지는 특히 프로 코드 패턴에 중점을 둡니다. 프로 코드 및 하위 코드에서 더 많은 옵션을 살펴보려면 포괄적인 패턴 페이지를 방문하세요.
의미 체계 커널
정교한 AI 애플리케이션을 빌드하려는 ISV는 다양한 패턴 옵션에서 의미 체계 커널을 사용할 수 있습니다. 의미 체계 커널은 기존 C#, Python 및 Java 코드를 OpenAI, Azure OpenAI, Hugging Face 등의 모델과 쉽게 결합할 수 있는 오픈 소스 SDK(소프트웨어 개발 키트)입니다.
의미 체계 커널은 코드와 직접 상호 작용하므로 다양한 패턴을 사용할 수 있습니다. 선택한 패턴에 관계없이 의미 체계 커널은 개발 과정을 지원하고 새로운 생성 AI 기능을 사용하여 솔루션을 사용하도록 설정할 수 있습니다.
사용자 지정 부조종사 빌드
사용자 지정 부조종사 빌드를 사용하면 자사를 채택하거나 확장하는 것보다 적당한 코딩 리프트와 더 많은 사용자 지정 기능을 갖춘 애플리케이션을 만들 수 있습니다. 많은 구성 요소를 직접 빌드해야 하지만 Microsoft는 선택한 패턴에 따라 SDK, 템플릿 등을 통해 주목할 만한 지원을 제공합니다.
"사용자 지정 부조종사 빌드" 접근 방식의 의사 결정 트리입니다. 하나의 화살표는 패턴 D: Microsoft Graph API와 연결되는 "ISV 데이터를 사용하는 AI를 사용하여 기존 앱 향상"을 읽는 상자로 연결됩니다. 또 다른 화살표는 "사용자 질문에 응답하고 간단한 작업을 오프로드할 수 있는 챗봇을 만듭니다"라는 상자로 이어져 Pattern E: Azure OpenAI Assistants로 연결됩니다. 세 번째 화살표는 "미리 빌드된 템플릿을 통해 ISV Teams 챗봇에 자연어 기능을 추가합니다"라는 상자로 이어집니다. 그러면 패턴 F: Teams AI 라이브러리가 나타납니다. 마지막 화살표는 "미리 학습된 모델, Azure AI SDK 및 프롬프트 흐름을 사용하여 높은 사용자 지정 기능을 제공합니다"라는 상자로 이어지고, 패턴 G: Azure AI Foundry로 연결됩니다. 
Microsoft Graph API
Microsoft Graph API는 Outlook, Teams, OneDrive 및 SharePoint 내의 정보와 같은 Microsoft 365 애플리케이션의 사용자 데이터에 액세스합니다. 기존 애플리케이션에서 이 API를 호출할 수 있도록 설정하면 Microsoft 365의 개인 설정된 데이터로 사용자 환경을 향상시킬 수 있습니다.
이러한 API는 사용자 고유의 솔루션의 UI 내에 통합될 수 있습니다. 수집된 테넌트 데이터는 Microsoft Graph API에 대해 알아보는 데 도움이 되도록 설계된 오픈 소스 플랫폼인 Graph Explorer에서 볼 수 있습니다.
다음과 같은 경우 이 패턴에 관심이 있을 수 있습니다.
- 개인 설정된 데이터로 향상하려는 기존 애플리케이션이 있습니다.
- Microsoft 365 활동을 기반으로 최종 사용자에게 개인 설정된 응답을 제공하려고 합니다.
- 특히 Microsoft 365의 데이터가 필요합니다.
이 방법의 주요 이점은 다음과 같습니다.
- 최종 사용자의 Microsoft 365 데이터에 액세스하여 환경을 개인 설정합니다.
- 빠르고 쉽게 데이터에 연결하여 애플리케이션의 다른 측면에 집중할 수 있습니다.
하나의 가상 ISV가 애플리케이션에서 이 패턴을 어떻게 사용할 수 있었는지 살펴보겠습니다.
Microsoft Graph API 시나리오
Contoso는 고객이 내부 작업을 관리할 수 있는 애플리케이션을 빌드했지만 이를 개선하기 위해 노력하고 있습니다. 고객은 모임 예약, 시간 제한 로깅, 너무 많은 시간이 소요되는 전자 메일 보내기와 같은 기본 관리 작업에 대한 문제를 제기합니다.
이 문제를 해결하기 위해 Contoso는 Microsoft 365에서 고객의 데이터에 연결할 수 있는 Microsoft Graph API를 사용하여 생성 AI 애플리케이션을 보강하기로 결정했습니다. Contoso는 API에서 검색된 보다 관련성이 뛰어난 개인 데이터에 액세스하여 AI 도우미의 기능을 향상시킬 수 있습니다. Microsoft Graph API를 사용하면 Contoso 솔루션에서 다음을 수행할 수 있습니다.
- 사용자의 컨텍스트 및 해당 시간 제한 요청에 따라 일정 항목 및 시간 제한 전자 메일을 생성합니다.
- 최종 고객의 Outlook 일정 정보를 사용하여 잠재적인 모임 시간 및 초대를 제안합니다.
- 받는 사람과 보낸 사람 사이의 기록에 따라 전자 메일에 첨부할 톤 편집, 제목 줄 및 문서를 제안합니다.
이러한 변경 내용과 더 많은 기능을 통해 Contoso의 생성 AI 애플리케이션은 고객의 관리 작업을 획기적으로 간소화할 수 있습니다. 애플리케이션에서 Microsoft Graph API를 사용하여 직원에게 유용하고 개인 설정된 조언을 제공할 수 있습니다.
Azure OpenAI 도우미
ISV는 Azure OpenAI Assistants의 기능을 사용하여 AI 도우미를 신속하게 만들고 기존 애플리케이션에 통합할 수 있습니다. Azure OpenAI Assistants는 질문에 답변하고, 간단한 작업을 프롬프트하며, 사용자의 입력에 따라 코드를 작성하고 실행하도록 조정할 수도 있습니다.
Azure OpenAI Assistant를 만드는 것은 도우미가 수행할 함수를 설명하는 JSON 파일을 작성하고 실행할 샌드박스가 있는 Python 환경을 제공하는 것만큼 간단합니다. 이렇게 하면 도우미가 기존 API를 호출하고 프롬프트에 응답하기 시작할 수 있습니다.
다음과 같은 경우 이 패턴에 관심이 있을 수 있습니다.
- 사용자 지정된 도우미의 이점을 누릴 수 있는 기존 애플리케이션이 있습니다.
- 기술 리프트가 적은 부조종사 같은 애플리케이션을 빠르게 개발하려고 합니다.
- 애플리케이션이 수학과 같은 언어 없이 작업을 완료할 수 있도록 하는 추가 도구와 통합해야 합니다.
이 방법의 주요 이점은 다음과 같습니다.
- AI 도우미를 빠르고 효율적으로 만듭니다.
- 고객에게 보다 구체적인 질문과 요청에 답변할 수 있는 AI 도우미를 제공합니다.
- 작업을 간소화하기 위한 간단한 작업을 프롬프트할 수 있는 AI 기능을 사용하여 솔루션을 사용하도록 설정합니다.
Azure OpenAI 도우미 시나리오
Contoso에는 온보딩, 재고 관리, 결제 처리 등에 대한 직원 포털을 제공하는 소매 고객을 위한 기존 애플리케이션이 있습니다. Contoso는 Azure OpenAI Assistant를 사용하여 스토어 도우미를 만들어 고객에게 특정 상황에 맞는 지침을 제공합니다.
Contoso는 AI 도우미를 만들어 비즈니스 데이터를 애플리케이션에 통합하여 회사 데이터를 사용하여 질문에 답변할 수 있습니다. 이러한 기능을 사용하면 부조종사에서 다음을 수행할 수 있습니다.
- 일반적인 매장 프로세스를 통해 신입 사원을 안내합니다.
- 과거 추세에 따라 재고 요구 사항 및 요구 사항을 예측합니다.
- 휴가 정책과 같은 업로드된 고용 문서의 참조 지침입니다.
Contoso의 솔루션은 애플리케이션에 AI 도우미를 포함함으로써 관리 도구가 아닌 직원을 위한 지침과 제안의 원천이 됩니다. 고객은 이를 사용하여 질문에 답변하고 일상적인 작업에서 앞으로의 경로를 식별할 수 있습니다.
Teams AI 라이브러리
Teams 챗봇이 이미 있거나 챗봇을 만드는 데 관심이 있는 경우 생성 AI 기능을 사용하여 챗봇을 향상시킬 수 있습니다. Teams AI 라이브러리 내의 스캐폴딩은 Teams의 사용자가 직접 액세스할 수 있는 챗봇에 대한 대화형 언어를 지원할 수 있습니다.
이 애플리케이션을 사용하려면 Microsoft에서 제공하는 LLM(대규모 언어 모델)이 챗봇의 백 엔드 측면을 처리하는 동안 앱에서 사용할 비즈니스 논리를 입력해야 합니다. 다른 LLM, 플러그 인 등을 사용하도록 챗봇을 수정할 수도 있습니다.
다음과 같은 경우 이 패턴에 관심이 있을 수 있습니다.
- 자연어 기능으로 보강하려는 기존 Teams 챗봇이 있습니다.
- 미리 빌드된 템플릿, 통합 데이터 옵션 및 기본 제공 안전 기능을 활용하려고 합니다.
이 방법의 주요 이점은 다음과 같습니다.
- 자연어 기능을 사용하여 Teams 챗봇을 개선합니다.
- 충분한 지원 옵션을 사용하여 생성 AI 솔루션을 빌드합니다.
- 상황적 또는 산업적 요구에 맞게 챗봇을 사용자 지정합니다.
Teams AI 라이브러리 시나리오
Contoso는 한동안 고객이 Teams 챗봇을 사용할 수 있도록 만들었지만 AI 기능이 발전함에 따라 보다 구체적인 질문에 답변하고 직원에게 맞춤형 조언을 제공할 수 있도록 하여 애플리케이션을 현대화하려고 합니다.
Contoso는 Microsoft Teams AI 라이브러리를 사용하여 챗봇에 자연어 기능을 쉽게 추가할 수 있습니다. 이러한 새로운 생성 AI 기능을 통해 챗봇은 다음을 통해 고객을 더 잘 지원할 수 있습니다.
- 진행 중인 프로젝트 및 향후 회사 이벤트를 준비하기 위한 팁에 대한 전술적 다음 단계를 제안합니다.
- 사용자와 챗봇 간의 짧은 상호 작용을 기반으로 모임 안건, 전자 메일 초안 등을 만듭니다.
- 대화 컨텍스트에 따라 맞춤형 응답을 사용하여 질문에 답변합니다.
이러한 기능은 Contoso 고객을 위한 직원 환경을 간소화하는 데 도움이 되며 보다 지능적인 답변을 더 빠르게 얻을 수 있도록 해줍니다. 생성된 AI를 Teams 챗봇에 통합하면 사용자가 직장에서 지원을 받기 위해 챗봇과 자연스럽게 대화할 수 있으므로 직장에서 더 효율적으로 작업할 수 있습니다.
Azure AI Foundry (에이아이 파운드리)
기능 측면에서 매우 유연한 완전히 사용자 지정된 생성 AI 애플리케이션을 만들려면 Azure AI Foundry
Azure AI Foundry에는 프롬프트 흐름 및 Azure AI SDK와 같은 AI 애플리케이션을 빌드하는 여러 옵션이 포함되어 있으며, 둘 다 빌드할 수 있는 미리 학습된 모델이 있습니다. 이 서비스는 다른 Azure 서비스와 통합되며 LLMOps 도구 체인과 같은 지속적인 애플리케이션 개발을 위한 리소스를 제공합니다.
다음과 같은 경우 이 패턴에 관심이 있을 수 있습니다.
- 애플리케이션을 처음부터 빌드하거나 기존 애플리케이션을 수정하려고 합니다.
- 기술 문서 읽기 및 검토 또는 복잡한 데이터 추세 분석과 같은 복잡한 프로세스를 완료하려면 AI 도우미가 필요합니다.
- 특정 요구 사항에 맞게 음성, 성격 및 브랜드 ID를 사용자 지정하도록 앱 개발에 대한 모든 권한을 원합니다.
이 방법의 주요 이점은 다음과 같습니다.
- 더 많은 틈새 질문 및 요청에 응답할 수 있는 맞춤형 부조종사 만들기
- 고유한 보안 또는 데이터 요구 사항을 준수하도록 솔루션을 사용자 지정합니다.
Azure AI Foundry 시나리오
Contoso는 클레임 생성 및 처리 중에 의료 고객을 지원하기 위해 완전히 사용자 지정된 생성 AI 애플리케이션을 빌드하려고 합니다. 애플리케이션을 상용화하려면 고객 정보를 정확하게 처리하고, 특수한 보안 고려 사항을 충족하고, 정확한 콘텐츠를 생성할 수 있어야 했습니다.
Azure AI Foundry를 사용하여 처음부터 자체 생성 AI 애플리케이션을 만들면 의료 고객의 요구에 맞게 완전히 사용자 지정되고 매우 안전한 애플리케이션을 빌드할 수 있었습니다. Contoso의 새로운 애플리케이션을 사용하면 보험사에서 일하는 임상의가 양식을 쉽게 작성할 수 있습니다. Azure AI Foundry를 통해 만든 부조종사로는 다음을 수행할 수 있습니다.
- 다양한 조직별 질문에 따라 대화형 프롬프트를 통해 조건부 권한 부여 양식 작성을 지원합니다.
- 여러 환자 레코드를 쿼리하고 Contoso의 애플리케이션 내에서 정보를 검토합니다.
- 조직별 보안 고려 사항을 충족하여 위험 및 개인 정보 보호 문제를 최소화합니다.
Contoso는 환자 정보를 정확하게 검색하고 자연어 기능을 사용하여 양식 생성을 지원함으로써 클레임 생성 프로세스를 가속화할 수 있습니다. 솔루션은 이러한 특수 작업을 빠르고 정확하게 완료하여 사용자에게 귀중한 시간을 절약합니다.
패브릭에서 앱 빌드
많은 ISV는 패브릭을 데이터 또는 분석 솔루션으로 잘 알고 있지만, 생성 AI 애플리케이션을 위한 포괄적인 통합 데이터 기반 역할을 할 수도 있습니다. 패브릭에서 직접 앱을 빌드하거나 OneLake 와 통합하려는 경우 Fabric 에서 앱을 빌드하면 솔루션에 대한 타의 추종을 불허하는 사용자 지정 및 제어가 제공됩니다.
"Fabric에서 앱 빌드" 접근 방식에 대한 링크 트리입니다. 한 화살표는 "ISV가 기존 API, 바로 가기 등을 사용하여 Fabric OneLake 내에서 데이터를 읽고, 쓰고, 관리할 수 있도록 허용"이라는 상자로 이어지며, 이로 인해 Pattern H: Interop with Fabric으로 연결됩니다. 두 번째 화살표는 "ISV가 패브릭 플랫폼 위에 제품을 개발하거나 기존 애플리케이션과 패브릭을 결합할 수 있도록 함"이라는 상자로 이어집니다. 그러면 Pattern I: Build on Fabric이 됩니다. 마지막 화살표는 "패브릭 에코시스템 내에서 고도로 사용자 지정 가능한 워크로드를 만드는 도구를 ISV에 제공합니다"라는 상자로 이어집니다. 그러면 패턴 J: 패브릭 워크로드 빌드가 발생합니다.
패브릭과 Interop
기존 애플리케이션을 Fabric과 통합하면 솔루션의 데이터 백 엔드를 간소화하기 위한 무한 옵션이 제공됩니다. Fabric과 상호 운용하여 다양한 도구와 API를 사용하여 단일 플랫폼에서 다양한 데이터 원본을 통합할 수 있습니다.
Fabric은 데이터에 빠르게 액세스하고 처리하도록 설계된 OneLake API와 실시간 인텔리전스 API를 모두 제공합니다. Data Factory를 사용하여 바로 가기를 통해 환경 간에 데이터를 통합하고 최대 200개의 외부 원본에서 복잡한 데이터 처리 작업을 관리할 수도 있습니다. 데이터가 Azure에 없더라도 데이터를 OneLake로 가져오는 바로 가기를 만들 수 있습니다.
다음과 같은 경우 이 패턴에 관심이 있을 수 있습니다.
- 향상된 데이터 처리가 필요한 기존 애플리케이션이 있습니다.
- 다양한 원본 및 환경에서 데이터를 그리고 있습니다.
- OneLake 또는 Data Factory 내에서 애플리케이션의 데이터를 읽고 관리하려고 합니다.
이 방법의 주요 이점은 다음과 같습니다.
- 향상된 처리, 스토리지 및 분석 기능을 통해 기존 앱의 데이터 기능을 개선합니다.
- 여러 테넌트 및 환경의 데이터를 하나의 플랫폼으로 통합
패브릭 시나리오와의 Interop
Contoso가 소매 고객을 위해 개발한 SaaS 애플리케이션에는 여러 테넌트의 데이터를 관리하기 위해 더 큰 데이터 기능이 필요합니다. Contoso의 최종 고객은 데이터에 대한 가시성을 높여야 하며 데이터 내의 추세 및 패턴에 대한 자세한 정보를 요청하고 있습니다. 그러나 고객은 Contoso가 데이터에 대한 완전한 보기를 형성하기 위해 액세스해야 하는 인벤토리 관리, 인력 관리, 웹 관리 등에 다양한 플랫폼을 사용합니다.
이러한 문제를 해결하기 위해 Contoso는 기존 애플리케이션을 Fabric에 연결했습니다. 이를 통해 관리 수준에서 더 나은 데이터 관리뿐만 아니라 테넌트에 대한 데이터 인사이트 및 가시성을 높일 수 있습니다. 애플리케이션은 다음을 수행할 수 있습니다.
- 데이터 공유 및 다중 클라우드 바로 가기를 사용하여 OneLake의 여러 테넌트에서 정보를 수집합니다.
- 실시간 인텔리전스 API를 통해 조직 데이터에 즉시 액세스합니다.
- 대규모 솔루션과 연결된 데이터의 양을 처리합니다.
- Contoso가 애플리케이션에서 만든 대화형 대시보드를 통해 고객의 데이터에 대한 정보를 표시합니다.
이제 Contoso는 고객의 데이터에 더 쉽게 액세스할 수 있으므로 최종 고객에게 해당 정보를 제공하도록 솔루션을 수정할 수 있습니다. 최종 고객은 데이터를 쉽고 정확하게 해석하고 이를 사용하여 비즈니스를 선택할 수 있습니다.
패브릭에서 빌드
애플리케이션의 데이터 플랫폼으로 Fabric에 연결하는 것 외에도 Fabric을 기반으로 빌드하여 패브릭의 기능을 앱에 직접 포함할 수도 있습니다. 개발자는 다양한 REST API를 사용하여 애플리케이션에 패브릭 기능을 빌드하여 생성 AI 기능으로 더 많은 기술 워크플로를 지원할 수 있습니다.
애플리케이션 내에서 다른 API를 통합하여 다른 함수로 사용하도록 설정할 수 있습니다. 예를 들어 애플리케이션 내에 웨어하우스 API를 포함하면 Fabric 내에서 사용할 수 있는 데이터 웨어하우스 옵션이 제공됩니다. 패브릭을 기반으로 애플리케이션을 직접 개발하면 자체 애플리케이션의 인터페이스 내에서 이러한 Fabric 함수를 원활하게 활용하고 조작할 수 있습니다.
다음과 같은 경우 이 패턴에 관심이 있을 수 있습니다.
- 보다 포괄적인 데이터 관리 요구 사항이 있는 데이터 과학자 또는 다른 사용자가 사용할 애플리케이션을 빌드하고 있습니다.
- 애플리케이션에 포괄적인 데이터 스토리지 및 처리 옵션을 통합하려고 합니다.
- 애플리케이션을 처음부터 빌드하거나 기존 애플리케이션을 수정하려고 합니다.
이 방법의 주요 이점은 다음과 같습니다.
- 패브릭의 데이터 기능을 솔루션에 직접 통합합니다.
- 사용자 고유의 애플리케이션 내에서 데이터 관리 및 조작
- 전체 사용자 지정 기능 및 제어를 사용하여 애플리케이션을 만듭니다.
패브릭 시나리오에서 빌드
Contoso의 고객은 더 복잡한 데이터 기능에 대한 필요성을 표현해 왔습니다. 여러 테넌트에서 판매 추세, 직원 일정, 디지털 및 대면 저장소의 인벤토리를 추적하는 것 사이에서 새 애플리케이션에서 훨씬 더 많은 데이터 처리 지원이 필요합니다.
Contoso는 고객 데이터를 보다 효과적으로 관리하기 위해 Fabric을 기반으로 하는 새 애플리케이션을 개발했습니다. 이 애플리케이션을 사용하면 사용자가 자신의 데이터와 직접 인터페이스하고 Contoso 애플리케이션에서 데이터와 상호 작용할 수 있습니다. 패브릭의 데이터 처리 기능을 활용하여 애플리케이션은 다음을 수행할 수 있습니다.
- Contoso에서 빌드한 사용자 지정 대시보드를 통해 표시할 수 있는 애플리케이션 내에서 OneLake, Power BI 등에 직접 연결합니다.
- 온라인 또는 대면 매장, 다른 매장 위치, 제품 브랜드 및 범주와 같은 범주의 수익성에 대한 데이터 인사이트를 제공합니다.
- AI를 사용하여 이 데이터를 분석하고 고객에게 정보 및 제안(예: 제품 가격 변경 제안, 잠재적 중단 예측 및 수익원의 이상값 식별)을 제공합니다.
- Contoso의 고객에게 Contoso 플랫폼 내에서 패브릭 데이터에 직접 액세스할 수 있도록 합니다.
애플리케이션 내에 Fabric의 기능을 포함하면 솔루션 내에서 직접 데이터를 관리하고 조작할 수 있습니다. 솔루션을 기반으로 구축한 AI는 이 데이터에 액세스하고 Contoso 고객에게 맞춤형 비즈니스 인사이트를 제공할 수 있습니다.
Fabric 워크로드 빌드
ISV는 패브릭의 7가지 네이티브 워크로드를 사용하여 빌드하는 것 외에도 고유한 사용자 지정된 워크로드를 만들고 별도의 솔루션으로 제공하여 패브릭의 기능을 확장할 수 있습니다. 이러한 워크로드는 고객의 데이터에 대한 보다 전체적인 보기를 만들거나 데이터 추세 및 예측에 따라 작업을 수행하는 등 다양한 데이터 관리 기능을 제공하기 위해 처음부터 빌드할 수 있습니다.
ISV는 Microsoft Fabric 워크로드 개발 키트 를 사용하여 고유한 워크로드를 만들고 Azure Marketplace의 다른 패브릭 사용자를 위한 SaaS 제품으로 게시할 수 있습니다. 이 패턴은 Azure Marketplace에서 쉽게 수익을 창출할 수 있으며 고객과 상호 작용할 때 Fabric UX를 사용하므로 워크로드 개발에 집중할 수 있습니다.
다음과 같은 경우 이 패턴에 관심이 있을 수 있습니다.
- 다른 개발자 또는 데이터 과학자와 같이 Fabric의 최종 사용자가 사용할 수 있는 도구를 만들고자 합니다.
- Fabric을 사용하여 처리하려는 데이터 요구 사항 또는 요구 사항을 확인합니다.
- Azure Marketplace에서 기존 UX 및 간단한 게시와 같은 Microsoft 지원을 활용하려고 합니다.
이 방법의 주요 이점은 다음과 같습니다.
- 패브릭의 기술 최종 사용자가 쉽게 액세스하고 구매할 수 있는 애플리케이션을 Azure Marketplace에 게시합니다.
- 고객의 데이터 요구 사항에 직접 맞게 고도로 사용자 지정 가능한 솔루션을 만듭니다.
패브릭 워크로드 시나리오 빌드
Contoso는 소매 고객이 여러 테넌트의 디지털 및 대면 저장소에서 공급망 및 재고 관리를 추적하는 데 사용할 수 있는 솔루션을 만들고자 합니다. 데이터 기반 애플리케이션에 더 많은 사용을 추구할 수 있도록 기술 최종 사용자가 애플리케이션에 쉽게 액세스할 수 있기를 원합니다.
Contoso는 Microsoft Fabric 워크로드 개발 키트를 사용하여 고객이 익숙한 UX에서 패브릭에서 직접 액세스할 수 있는 워크로드를 개발할 수 있었습니다. Azure Marketplace에서 SaaS 애플리케이션으로 수익을 창출할 수 있었으며, 여기서 Fabric 플랫폼에서 Contoso의 최종 사용자가 쉽게 액세스할 수 있습니다. 패브릭 워크로드는 다음을 수행할 수 있습니다.
- 추가 수요가 필요한 영역에 대한 인사이트를 제공하고 AI 기능을 사용하여 경로를 제안하여 인벤토리를 최적화합니다.
- 과거 추세를 분석하는 기계 학습 기능을 통해 향후 수요를 예측합니다.
- 공급업체 변경과 같이 공급망에 영향을 줄 수 있는 가능한 시나리오를 시뮬레이션합니다.
Contoso는 솔루션을 패브릭 워크로드로 제공하여 데이터 과학자 및 기타 기술 전문가가 공급망을 최적화하는 데 도움을 줄 수 있습니다. Contoso의 고객은 AI의 과거 데이터에 대한 신중한 분석과 향후 추세 예측을 통해 비즈니스에 대한 가시성을 높입니다.
결론
이제 각 패턴 및 해당 기능에 대해 학습하여 생성 AI 솔루션을 빌드하는 방법을 결정할 수 있습니다. 선택한 접근 방식을 조사하고 기능 내에 있는지 확인한 후 애플리케이션 개발을 시작할 수 있습니다.
아래 리소스를 탐색하여 선택한 패턴과 생성 AI 환경을 빌드하는 다른 다음 단계에 대해 자세히 알아보세요.
사용자 고유의 Copilot 빌드
각 빌드에 대한 추가 정보에 대한 링크는 사용자 고유의 부조종사 패턴을 빌드합니다.
- 패턴 D - Microsoft Graph API
- Pattern E - Azure OpenAI Assistants
- 패턴 F - Teams AI 라이브러리
- 패턴 G - Azure AI Foundry
패브릭에서 앱을 빌드하는 방법에 대한 자세한 정보
패브릭에서 앱을 빌드하는 방법에 대한 자세한 정보 링크:
관련 링크
생성 AI 패턴 및 해당 이점에 대한 자세한 정보: Microsoft 클라우드를 사용하여 생성 AI 환경 만들기 - ISV 가이드 | Microsoft Learn
생성 AI 환경을 설계하는 ISV에 대한 UX 지침: 생성 AI 사용자 환경을 디자인하기 위한 다음 단계입니다.