소개
Microsoft 365 Copilot은 LLM(대규모 언어 모델)을 사용하고 데이터를 Microsoft Graph 및 Microsoft 365 앱과 통합하는 AI 기반 생산성 도구입니다.
질문할 때 회사 데이터에 대한 Copilot 이유와 해당 응답에서 수집한 정보를 사용합니다. 그러나 사용자 의도에 따라 이 방법이 항상 최적의 것은 아닙니다. 코필로트가 특정 데이터에만 집중하려면 어떻게 해야 할까요? 코필로트가 특정 작업에 집중하려면 어떻게 해야 할까요? 이러한 시나리오에 대한 Microsoft 365 Copilot 최적화하려면 어떻게 해야 할까요?
선언적 에이전트는 특정 시나리오에 대한 Microsoft 365 Copilot 확장하는 구성 요소를 제공합니다.
예제 시나리오
IT 지원 팀에서 일한다고 가정해 보겠습니다. 사용자와 팀은 기술 자료 문서를 작성하고 SharePoint Online 문서 라이브러리에 PDF 형식으로 저장합니다. 또한 특수 시스템에서 지원 티켓을 관리합니다. 직원이 기술 자료 문서의 정보를 사용하여 일반적인 IT 지원 쿼리에 대한 답변을 얻는 데 사용할 수 있는 셀프 서비스 IT 지원 도우미 만들어 티켓 수를 줄이려고 합니다. 기술 자료 문서는 본질적으로 기술적입니다. 도우미 일반 영어로 된 응답을 만들고 전문 용어를 사용하지 않도록 합니다. 또한 직원이 문제를 직접 해결할 수 없는 경우 도우미 사용하여 지원 티켓을 만들고 업데이트할 수 있기를 바랍니다.
여기서는 선언적 에이전트가 IT 지원 질문에 답변하기 위해 응답의 관련성과 정확도를 개선하는 방법을 알아보세요. 기술 자료 문서를 사용하고 티켓 시스템과 상호 작용하여 이 작업을 수행합니다.
우리는 무엇을 할 것인가?
선언적 에이전트의 주요 기능을 분석하여 사용 시기를 결정하는 데 도움이 됩니다.
- 사용자 지정 지식: 에이전트가 어떤 데이터를 추론하기를 원하며 응답을 어떻게 형성해야 하나요?
- 사용자 지정 작업: 외부 시스템에서 수행해야 하는 상호 작용은 무엇인가요?
주요 목표는 무엇입니까?
이 모듈을 마치면 선언적 에이전트가 Microsoft 365 Copilot 확장하는 데 적합한지 여부를 결정할 수 있습니다.