Microsoft Power Platform이 비즈니스에 AI를 제공하는 방법 알아보기
일상적인 애플리케이션에 포함된 AI는 조직에 필요한 비즈니스 애플리케이션을 구동하기에 충분하지 않을 수 있습니다. 이러한 경우 Power Platform은 보다 사용자 지정 가능한 AI 솔루션을 향한 다음 단계입니다. AI를 직접 만들거나 관리할 필요 없이 비즈니스 애플리케이션에 AI를 도입하는 간단하고 코드가 적게 필요한 방법을 제공합니다.
Microsoft Power Platform이란 무엇인가요?
Microsoft Power Platform은 솔루션 빌드 프로세스를 간소화하도록 설계된 코드 최소화 또는 코드리스 서비스 세트입니다. 팀이 더 빠르게 작업하는 데 도움이 되는 구성 요소를 제공합니다. Power Platform이 AI를 중심으로 하지 않더라도 해당 서비스는 종종 AI를 통해 구동되며 스마트 솔루션을 만드는 데 도움이 됩니다.
Power Platform 포트폴리오에는 Power BI, Power Apps, Power Automate, Power Virtual Agents 및 Power Pages의 5가지 제품이 포함되어 있습니다. 또한 AI Builder, Microsoft Dataverse 및 커넥터의 세 가지 추가 도구도 제공합니다. 각각에서 수행할 수 있는 작업을 살펴보겠습니다.
Microsoft Power Platform으로 무엇을 할 수 있나요?
Power Platform에 포함된 모든 제품은 비즈니스 앱 개발 속도를 높이기 위해 사용됩니다. 여기에 포함된 특정 AI 기능 외에도 Copilot에 연결할 수 있습니다. 이 기능 덕분에 사용자는 Copilot 생성 AI를 활용하여 필요한 내용을 설명하는 것만으로 보고서, 워크플로, 앱, 웹 사이트 또는 챗봇을 자동으로 만들 수 있습니다.
Power BI
Power BI는 비즈니스 분석 서비스입니다. 사용자 지정 가능한 대시보드에 대한 인사이트를 제공합니다. 이를 통해 조직은 보다 데이터 기반이 되고 데이터를 기반으로 더 나은 결정을 내릴 수 있습니다. 이 데이터 기반 접근 방식은 중요한 인사이트를 얻고 더 나은 선택을 하기 위해 데이터를 사용하는 것을 강조하는 AI의 핵심 원칙 중 하나에 부합합니다.
Power Apps
Power Apps는 기업에서 광범위한 코딩 지식 없이도 사용자 지정 앱을 쉽게 만들 수 있는 코드 최소화 개발 환경입니다. AI Builder가 포함되면 개발자는 미리 빌드된 또는 사용자 지정 AI 모델을 원활하게 통합하여 비즈니스 프로세스를 최적화하고 애플리케이션의 인텔리전스를 향상시킬 수 있습니다.
Power Automate
Power Automate는 기업이 광범위한 프로그래밍 없이 반복적인 작업을 자동화하고 워크플로를 간소화할 수 있는 강력한 도구입니다. AI Builder 통합을 통해 사용자는 미리 빌드된 또는 사용자 지정 AI 모델을 손쉽게 통합하여 지능형 의사 결정을 가능하게 하고 비즈니스 프로세스의 효율성을 높일 수 있습니다.
Power Virtual Agents
Power Virtual Agents는 챗봇을 빌드하기 위한 도구입니다. 말하는 내용을 봇이 이해할 수 있도록 다양한 자연어 이해(NLU) 지원 AI 모델을 기반으로 구축되었습니다. 그러나 AI는 개선할 수 있는 봇을 감지하고 개선 사항을 자동으로 구현할 수도 있습니다.
Power Pages
Power Pages는 웹 사이트를 만들고 호스팅하고 관리하기 위한 코드 최소화 SaaS(Software-as-a-Service) 플랫폼입니다. Power Pages는 웹 사이트 개발 프로세스를 간소화하여 기술 전문 지식이 제한적인 사용자도 액세스할 수 있도록 합니다.
데이터 커넥터
데이터 커넥터는 다양한 구성 요소(앱, 데이터, 디바이스)와 클라우드 간에 원활한 연결을 설정합니다. 이러한 커넥터는 원활한 통합과 통신을 보장하여 플랫폼 전체에서 일관된 있는 환경을 만듭니다.
AI Builder
AI Builder는 개발자가 데이터 과학 전문 지식 없이도 애플리케이션 및 워크플로에 AI 기능을 통합할 수 있도록 지원합니다. AI Builder는 미리 빌드되고 사용자 지정 가능한 AI 모델을 통해 감정 분석, 범주 분류, 엔터티 검색, 핵심 구 식별 및 언어 분석과 같은 기능을 지원하여 Power Apps 및 Power Automate를 향상시킵니다.
Dataverse
Dataverse는 Power Platform의 스토리지 솔루션 역할을 하므로 모든 제품과 원활하게 통합할 수 있습니다. 데이터의 중앙 리포지토리 역할을 하므로 효율적인 조직화 및 접근성을 제공합니다.
Power Platform은 기업이 앱을 만들고, 데이터를 분석하고, 작업을 자동화하고, 챗봇을 빌드하고, 웹 사이트를 관리할 수 있도록 설계된 강력한 도구 모음입니다. Power BI를 사용하면 데이터에서 중요한 인사이트를 얻고 더 나은 결정을 내릴 수 있습니다. Power Apps를 사용하면 코딩 없이 사용자 지정 앱을 쉽게 빌드할 수 있으며 AI Builder는 언어 분석 및 감정 분석과 같은 지능형 기능을 추가합니다. Power Automate를 사용하면 반복적인 작업을 자동화하고 시간을 절약할 수 있으며, Power Virtual Agents를 사용하면 사용자를 이해하고 응답하는 챗봇을 만들 수 있습니다. 또한 데이터 커넥터는 서로 다른 구성 요소 간의 원활한 통합을 보장하며 Dataverse는 데이터를 저장하고 액세스할 수 있는 중앙 위치를 제공합니다. 이러한 도구를 함께 사용하면 생산성을 향상시키고 비즈니스를 보다 효율적으로 만들 수 있습니다.
Microsoft Power Platform의 비즈니스 가치는 무엇인가요?
Power Platform이 조직의 비즈니스 가치를 창출하는 두 가지 기본 방법이 있습니다.
- 개발 비용 절감: 팀이 처음부터 시작할 때보다 훨씬 적은 시간에 사용자 지정 솔루션을 만들 수 있는 구성 요소를 제공합니다. 팀은 며칠 또는 몇 주 만에 사용자 지정 앱을 빌드할 수 있습니다.
- 더 민첩하고 확장 가능한 개발 실현: 코드 최소화 철학은 Power Platform의 핵심입니다. 이를 통해 더 빠르고 민첩한 솔루션 개발을 수행할 수 있습니다. 이를 통해 시민 개발자, 즉 코딩 전문 지식이 적은 직원들이 최종 사용자에게 작업 솔루션을 제공할 수 있습니다. 전문 개발자는 추가 개선을 위해 이 버전을 반복할 수 있습니다. 이 공동 개발 접근 방식은 솔루션이 초기 단계에서 최종 사용자에게 제공되고 비용이 적게 든다는 것을 의미합니다. 이 구조는 사용자 지정 기능을 추가하여 쉽게 에스컬레이션할 수 있습니다.
다음 다이어그램은 이 융합 개발 접근 방식의 작동 방식을 보여 줍니다.
Microsoft Power Platform을 사용하여 스마트 인벤토리 앱 빌드
한 소매 조직에 재고를 관리하기 위해 앱이 필요하다고 가정해 보겠습니다. 일반적으로 전문 개발자가 이를 빌드하지만 해당 옵션은 더 많은 시간이 걸립니다. Power Platform 덕분에 재고 담당 직원은 시민 개발자가 될 수 있으며 자신의 전문 지식에 따라 필요한 것에 맞게 조정된 앱을 만들 수 있습니다.
시민 개발자는 Power Apps를 사용하여 인벤토리 앱의 프로토타입을 빌드할 수 있습니다. 그들은 심지어 자연어로 자신의 요구를 설명 할 수 있으며, Copilot은 이를 실제 애플리케이션으로 변환할 수 있습니다. 이 프로토타입이 빌드되면 전문 개발자가 추가 기능을 위해 잠재적인 빈틈을 메울 수 있습니다. 그런 다음 전문 개발자는 API를 개발하여 재고를 실시간으로 검사하고 앱의 데이터를 업데이트할 수 있습니다. 이 데이터는 Microsoft Dataverse에 저장되고 관리됩니다. API에서 제공하는 정보를 통해 워크플로를 만들어 누락된 내용을 자동으로 검색하고 Power Automate를 사용하여 재고를 보충할 수 있습니다. 이러한 모든 데이터와 작업은 Power BI 보고서에 반영되므로 재고에서 발생하는 일을 더 쉽게 이해하고 최상의 데이터 정보를 바탕으로 결정을 내릴 수 있습니다.
여기서 다룬 각 제품 및 서비스는 미리 빌드된 AI 모델이므로 사용자에게 데이터 과학 전문 지식이 필요하지 않습니다. 비즈니스에 더 야심 찬 솔루션이 필요한 경우 다음으로 사용할 수 있는 AI 도구에는 어느 정도의 AI 지식이 필요합니다. 이러한 기능을 충분히 활용하기 위해 먼저 데이터 과학 팀의 작업 방식과 일반적인 머신 러닝 수명 주기에 대해 자세히 알아보겠습니다.