회사 일을 아는 AI의 조건, Microsoft IQ가 묶은 지식·권한·실행
IT과학 · 기업용 AI / 2026.11.19
MICROSOFT IQ / 업무의 맥락

회사를 아는 AI,
권한과 실행까지
설계해야 한다

마이크로소프트가 이그나이트 2026에서 공개한 Microsoft IQ는 회사의 문서·업무 데이터·외부 정보를 에이전트의 공통 맥락으로 묶는다. 정식 제공과 시험 기능을 구분하고 권한, 비용, 실행 확인이라는 실제 도입의 질문을 살폈다.
회사 안팎의 맥락을 연결하는 구조를 표현한 AI 설명 이미지.
회사 안팎의 맥락을 연결하는 구조를 표현한 AI 설명 이미지. 실제 Microsoft 제품 화면이나 고객 사례가 아니다.
지식의 근거행동의 권한사람의 확인수정의 가능성

마이크로소프트가 11월 17일 이그나이트에서 발표한 Microsoft IQ의 중심에는 새 챗봇 이름보다 큰 변화가 있다. 회사의 문서와 회의, 업무 시스템, 외부 정보를 여러 AI 에이전트가 함께 쓰는 맥락으로 묶겠다는 것이다. 같은 모델을 쓰더라도 어떤 고객을 상대하고 어떤 규정을 따라야 하는지 모르면 회사 일은 제대로 끝낼 수 없다. 이번 발표는 모델의 답변 능력과 기업이 실제로 보유한 지식 사이를 하나의 제품군으로 연결하려는 시도다. 다만 발표된 기능 전체가 지금 정식 제공되는 것은 아니다. 이미 사용할 수 있는 기능, 공개 시험 단계인 기능, 12월 제공 예정인 기능을 나누어 읽어야 한다.

01

회사의 지능은 모델 밖에도 있다

Microsoft IQ는 Work IQ, Fabric IQ, Foundry IQ, Web IQ를 묶는다. 마이크로소프트는 이를 기업의 맥락을 관리하는 플랫폼으로 설명한다. 사람이 일하는 과정, 사업 데이터의 의미, 공식 문서에 담긴 지식, 외부 세계의 최신 정보를 서로 다른 층에서 다루는 구조다. 핵심은 모델 하나를 조직 전체에 배포하는 데서 끝나지 않고, 에이전트가 회사의 사정을 이해하는 기반을 재사용하겠다는 데 있다. 새 business plugin은 맥락과 도구, 업무 방법을 묶어 여러 에이전트에 전달하는 단위로 제시됐다. 제공자는 커넥터가 350개 이상이라고 밝혔지만, 연결 개수가 많다는 사실 자체가 개별 기업의 데이터 정합성이나 업무 성공을 보증하지는 않는다.

예를 들어 영업팀이 고객 미팅을 준비한다고 가정하자. 지난 대화의 약속은 메일에 있고, 거래 단계는 고객관리 시스템에 있으며, 할인 한도는 규정 문서에 있을 수 있다. 이때 필요한 것은 각각의 문장을 읽는 능력만이 아니다. 어느 약속이 최신인지, 누가 예외를 승인했는지, 지금 제시할 조건이 해당 고객에게 적용되는지를 연결해야 한다. 이는 제품을 실제 시험한 사례가 아니라 구조를 이해하기 위한 가상 업무다. 이런 문제에서 답변을 더 유창하게 만드는 것과 올바른 근거를 연결하는 것은 별개의 개선이다.

02

Work IQ는 일의 맥락과 행동을 연결한다

11월 18일 갱신된 공식 개요 문서는 Work IQ의 접근점을 대화, 맥락, 도구, 작업공간으로 나눈다. API는 A2A, MCP, REST 같은 방식으로 제공되며 사용량 기반 과금은 Microsoft 365 Copilot 라이선스와 별개로 설명된다. 사용자에게 허용된 범위에서 요청이 실행되고, 호출 기록을 통해 감사와 사용량 관리가 이뤄진다는 것이 문서의 설계다. 즉 회사의 이메일과 파일을 아는 대화창만을 뜻하지 않는다. 외부에서 만든 에이전트가 같은 업무 맥락을 활용할 수 있게 연결하는 개발 기반도 포함한다.

여기서 실무자가 물어야 할 것은 '우리 메일을 읽을 수 있나'보다 구체적이다. 퇴사한 직원이 만들었던 공유 링크가 아직 열려 있는지, 팀이 바뀐 직원의 접근권한이 갱신됐는지, 자료를 읽을 수 있는 권한과 고객에게 발송할 권한이 구별되는지부터 확인할 필요가 있다. AI가 기존 권한을 따른다고 해도 기존 권한이 지나치게 넓으면 그 넓은 범위가 출발점이 된다. 제품에 권한 준수 기능이 있다는 사실은 회사가 권한을 정리할 필요가 없다는 뜻이 아니다. 연결 이전의 접근 체계가 연결 이후 답변의 경계를 결정한다.

03

읽기와 실행은 같은 허가가 아니다

Work IQ의 이그나이트 발표는 읽기와 행동을 분리하는 WorkIQ.Read, WorkIQ.Act를 소개했다. 조직 전체의 허용 상한을 관리자가 정하고 개별 에이전트 정책은 그보다 좁힐 수 있지만 넓힐 수 없다는 설명이다. 정책은 허용, 차단, 사람에게 확인 요청 같은 결과를 낼 수 있다. 이 발표에서 중요한 대목은 접근 통제를 언어모델 밖에서 집행한다는 원칙이다. '삭제하지 마'라는 문장을 프롬프트에 넣는 것과 시스템이 삭제 요청을 거부하는 것은 다른 방식의 통제다.

가령 고객 문의 답변을 준비하는 에이전트에는 과거 사례 조회와 초안 작성을 허용하되 발송은 담당자가 확인하도록 설계할 수 있다. 재고 현황을 설명하는 에이전트와 실제 발주를 실행하는 에이전트도 나누어 평가할 수 있다. 이는 모든 조직이 같은 절차를 써야 한다는 뜻이 아니라, 오류가 일으키는 결과에 따라 허용 범위를 달리 정할 수 있다는 의미다. 읽기 단계에서는 잘못된 설명을 고치면 되지만 실행 단계에서는 이미 바뀐 주문, 일정, 기록을 되돌리는 절차까지 필요하다. 편의 기능이 많아질수록 실패 후 복구 책임도 함께 설계해야 한다.

조회와 실제 실행 사이의 승인 경계를 표현한 AI 설명 이미지.
조회와 실제 실행 사이의 승인 경계를 표현한 AI 설명 이미지. 실제 Microsoft 제품 화면이나 고객 사례가 아니다.
04

Fabric IQ는 숫자의 뜻을 맞추는 쪽이다

Fabric IQ 공식 문서는 데이터를 모으는 것만으로는 충분하지 않다고 설명한다. 고객, 배송, 자산 같은 사업 개념과 그 관계를 정리하는 것이 목적이다. OneLake의 데이터 기반 위에 Power BI 의미 모델과 공개 시험 단계의 온톨로지를 연결한다. 여기서 온톨로지는 거창한 철학 용어라기보다, 회사가 어떤 대상을 무엇이라 부르고 서로 어떻게 연결하는지 기계가 읽을 수 있게 정리한 체계다. 매출이나 고객 수처럼 익숙한 숫자도 산식과 범위가 다르면 같은 질문에 다른 답이 나올 수 있다.

가상의 유통회사를 생각해 보자. 온라인팀은 결제 완료 주문을 매출로 보고, 정산팀은 취소와 반품을 뺀 금액을 보고 있을 수 있다. AI에게 '이번 달 매출이 왜 줄었나'라고 물었을 때 두 표를 섞으면 설명은 그럴듯하지만 기준은 흔들린다. 이 문제는 더 큰 모델을 고른다고 자동으로 해결되지 않는다. 비교 기간, 통화, 취소 처리, 집계 시점을 먼저 고정해야 한다. 의미 모델과 업무 개념을 정리하는 작업의 가치는 바로 이 지점에서 드러난다. 숫자를 찾아오는 속도보다 같은 정의로 비교하는 일관성이 판단의 품질을 좌우한다.

매출 비교 전에 기준을 맞추는 과정을 표현한 AI 설명 이미지.
매출 비교 전에 기준을 맞추는 과정을 표현한 AI 설명 이미지. 실제 Microsoft 제품 화면이나 고객 사례가 아니다.
05

Foundry IQ는 흩어진 근거를 찾는다

Foundry IQ의 공식 개요는 여러 자료원을 연결한 지식 기반을 여러 에이전트가 공유하는 구조를 설명한다. 검색 결과에는 근거를 추적할 수 있는 인용이 붙고, 지원되는 원천에서는 접근권한을 검색 시점에 적용한다. 문서를 잘게 나누고 검색 가능한 형태로 만드는 준비 과정과 실제 질문에 답하기 위해 자료를 찾아오는 과정도 구별된다. 검색이 잘된다는 말에는 적합한 문서를 찾는 능력뿐 아니라 그 문서가 여전히 유효하고 질문자에게 공개 가능한지를 판별하는 운영 조건이 포함된다.

회사 규정집의 오래된 사본이 남아 있다면 '출처가 있다'는 사실만으로 정답을 확정할 수 없다. 개정본의 시행일, 적용 대상, 예외 승인 기록을 함께 볼 필요가 있다. 가상의 출장비 질문에서 본사 규정과 해외 지사 규정이 충돌한다면, 두 자료를 평균내는 것이 아니라 적용 조직을 먼저 정해야 한다. 근거 링크는 검증의 시작점이지 검증을 대신하는 도장으로 쓰기 어렵다. 독자는 링크를 열었을 때 실제로 답변의 주장과 맞는 문장이 있는지, 문서 제목만 관련된 것은 아닌지 확인할 수 있어야 한다.

문서의 버전과 근거를 구분하는 과정을 표현한 AI 설명 이미지.
문서의 버전과 근거를 구분하는 과정을 표현한 AI 설명 이미지. 실제 Microsoft 제품 화면이나 고객 사례가 아니다.
06

그래프와 검색 모델도 아직 단계가 다르다

Foundry IQ가 17일 소개한 지식 그래프와 Microsoft Retriever 1은 공개 시험 단계다. SharePoint 자료에 권한을 적용하는 지식 원천은 정식 제공으로 발표됐고, Serverless의 정식 제공은 12월로 예고됐다. 지식 그래프는 문서 사이에 등장하는 대상과 관계를 연결하고 그 연결의 출처를 남기는 방향이다. 전용 검색 모델은 자료 탐색 계획을 더 효율적으로 세우는 데 초점을 맞춘다. 이 기능들의 목적을 이해하는 것과 실제 비용 절감이나 정확도 개선을 입증하는 것은 별개의 일이다.

시험 도입에서는 성공한 예시만 모으지 않는 편이 좋다. 이름이 같은 거래처, 개정 전후 규정, 일부 권한이 없는 사용자, 자료가 아예 없는 질문을 함께 준비하면 실패 양상을 분리할 수 있다. 정확한 답을 몰라도 '확인할 수 없다'고 멈추는지, 찾지 못한 내용을 만들어 채우는지도 평가 대상이다. 같은 문서 묶음으로 반복 실행할 때 비용과 응답 시간이 어느 정도 달라지는지 기록하면 검색 효율 주장도 검토할 수 있다. 공개 시험 기능을 핵심 업무에 바로 연결할지 여부는 기능 이름보다 이 결과와 지원 조건을 바탕으로 결정할 문제다.

Foundry IQ 기능별 제공 단계. 2026년 11월 17일 공식 발표 기준이며 12월 일정은 제공자의 예고다. 도식: 뉴진미디어.
Foundry IQ 기능별 제공 단계. 2026년 11월 17일 공식 발표 기준이며 12월 일정은 제공자의 예고다. 도식: 뉴진미디어. · 원본
07

Web IQ는 회사 밖의 현재를 붙인다

Web IQ의 새 발표에는 웹, 이미지, 영상, 뉴스, 날씨, 장소 정보를 한 요청 안에서 찾아오는 Auto 방식이 포함됐다. 더 복잡한 질문에서는 추가 탐색을 이어가는 Auto Advanced를 소개했고, 상거래 데이터 기능은 비공개 시험으로 구분했다. 조직은 특정 사이트를 포함하거나 제외하는 Scopes로 근거 범위를 조절할 수 있다. 외부 정보가 필요한 업무에 도움이 될 수 있지만, 검색 결과가 있다는 것과 그 정보를 다른 곳에 복제하거나 거래에 사용해도 된다는 것은 다르다.

예를 들어 현장 서비스 일정에서는 고객 주소, 이동 시간, 부품 공급처 영업시간, 기상 정보가 함께 필요할 수 있다. 이때 회사 내부의 확정 일정과 외부 사이트의 운영시간은 신뢰 수준과 갱신 방식이 다르다. 어느 정보가 바뀌면 일정을 다시 검토할지 기준을 세워야 한다. 오래된 영업시간 한 줄 때문에 작업자가 헛걸음했다면 검색 기능의 유무보다 정보의 확인 시점과 대체 연락 절차가 중요해진다. 외부 정보를 읽는 기능을 도입할 때에는 최신성, 출처, 권리, 실행 전 확인을 각각 나누어 보는 것이 실무적으로 명확하다.

08

가격표에서 빠뜨리기 쉬운 단위

Web IQ 개요에는 유료 Azure 구독이 필요하고 Azure 크레딧은 사용할 수 없다고 명시돼 있다. 호출은 사용량으로 집계되며, 앱의 식별자와 접근 가능한 API, 요청 속도 제한 같은 운영 단위가 구분된다. 제품이 모델에 종속되지 않는다는 설명도 회사의 모든 기존 계약에 자동 포함된다는 뜻으로 읽어서는 안 된다. 정액 구독을 보유한 직원의 사용과 별도로 만든 에이전트의 사용량 과금이 어디에서 만나는지 계약과 관리 화면에서 확인해야 한다.

도입비를 계산할 때는 한 번의 대화 가격보다 하나의 업무를 끝내는 비용을 보는 편이 낫다. 같은 답을 만들기 위해 검색을 여러 번 하고, 문서를 다시 읽고, 실패한 실행을 재시도하면 요청 수는 늘어난다. 반대로 승인 대기와 재작업 시간이 줄어들면 단순 호출 단가가 더 높더라도 전체 비용은 낮을 수 있다. 여기에 저장 공간, 데이터 정비, 담당자의 검토 시간, 장애 대응 비용을 더하면 실제 운영비의 모습이 나온다. 이 글에서는 특정 회사에 절감률을 적용하거나 기능 도입만으로 투자비를 회수한다고 추정하지 않았다.

조회·검토·완료를 합친 비용 평가를 표현한 AI 설명 이미지.
조회·검토·완료를 합친 비용 평가를 표현한 AI 설명 이미지. 실제 Microsoft 제품 화면이나 고객 사례가 아니다.
09

한 업무를 끝내는 기준부터 정해야 한다

새 플랫폼을 시험할 첫 과제로 '회사 전체 지식을 답하는 AI'를 고르면 성공 기준이 흐려지기 쉽다. 대신 제품 반품 조건 확인, 거래처 미팅 자료 준비, 특정 설비 점검 기록 정리처럼 입력과 산출물이 분명한 업무를 택하면 비교가 가능하다. 다만 이 예시들은 제품의 검증된 고객 사례가 아니라 평가 설계를 위한 가상 과제다. 각 과제에서 어떤 문서를 읽고 어떤 결론을 내며 어디에서 멈춰야 하는지 정하면, 다른 팀으로 확대할 때 재사용할 수 있는 부분도 분명해진다.

예컨대 문의 답변 초안은 '문장이 자연스럽다'만으로 통과시키지 않을 수 있다. 적용 규정과 시행일을 찾았는지, 고객에게 약속하지 않은 조건을 추가하지 않았는지, 사람의 확인이 필요한 금액이나 기한을 표시했는지를 함께 확인한다. 업무가 여러 단계로 길어지면 완료 여부를 단계별로 남기는 것도 중요하다. 문서를 읽은 단계와 저장한 단계, 고객에게 전송한 단계가 섞이면 중단 후 재실행 때 같은 메시지를 두 번 보내거나 이미 반영된 기록을 다시 변경할 수 있다. 업무의 끝을 정의하는 일은 자동화를 빠르게 하는 것만큼 중요하다.

10

데이터가 많아도 정리되지 않으면 답이 엇갈린다

기업의 자료에는 최종 결론뿐 아니라 회의 도중 나온 제안, 취소된 계획, 개인 메모가 함께 존재한다. 이들을 모두 '회사 지식'이라는 이름으로 묶으면 확정된 방침과 검토 중인 안을 구분하기 어려워진다. 정보가 부족해서 생기는 오류와 정보가 너무 많아 생기는 혼동은 해결 방식이 다르다. 첫 번째는 자료를 보강해야 하지만 두 번째는 지위와 우선순위를 표시해야 한다. 문서 제목에 최종이라고 적는 관행만으로는 충분하지 않은 이유다.

현업 부서가 제공할 수 있는 가장 실질적인 정보는 누가 문서의 책임자인지, 언제 효력이 시작되는지, 무엇이 그것을 대체하는지다. 이런 구분이 있으면 시스템은 과거의 의사결정 과정을 설명하면서도 현재 실행 기준은 별도로 찾을 수 있다. 반대로 같은 질문에 대해 서로 다른 부서가 다른 답을 정답이라고 주장한다면 AI 평가 이전에 업무 정의를 합의해야 한다. 데이터 정비를 제품 도입 뒤의 부수 작업으로 미루면, 잘못된 기준을 더 빠르게 전달하는 시스템이 될 수 있다. 기업용 AI가 조직의 혼선을 드러낸다는 점도 도입 효과의 일부로 봐야 한다.

업무별 시험과 수정 가능성을 점검하는 AI 설명 이미지.
업무별 시험과 수정 가능성을 점검하는 AI 설명 이미지. 실제 Microsoft 제품 화면이나 고객 사례가 아니다.
11

보안과 정확성의 검사는 서로 대체할 수 없다

답변이 사실과 일치하더라도 보아서는 안 되는 자료에서 나온 것이라면 문제가 남는다. 반대로 권한 안의 자료만 사용했어도 오래된 정보를 골랐다면 업무상 정답은 아닐 수 있다. 따라서 시험 결과를 하나의 정확도 점수로 압축하기보다 내용 정확성, 근거의 적합성, 접근 범위, 행동의 적절성을 나누어 보는 것이 낫다. 사람이 검토할 표본도 일반 질문과 예외 질문을 구분해야 한다. 쉬운 질문을 많이 맞힌 결과가 드문 고위험 행동을 정당화하지는 않는다.

다른 회사가 공개한 성공 사례를 자신의 환경에 그대로 대입하기 어려운 이유도 여기 있다. 자료의 양과 언어, 권한 구조, 업무 예외가 다르면 같은 제품의 결과가 달라질 수 있다. 특히 한국어의 약칭과 부서별 용어, 영문 제품명, 수치 단위가 혼재하는 조직은 질문 표현을 바꾸어도 같은 결론이 유지되는지 확인할 필요가 있다. 이는 한국어 지원 여부 하나로 끝나는 문제가 아니다. 문장이 번역되는지와 실제 사내 용어를 정확하게 연결하는지는 다른 평가 항목이다. 이번 발표만으로 국내 모든 업무에 대한 성능이 검증됐다고 말할 수는 없다.

12

통합 플랫폼이 없애지 못하는 선택

하나의 플랫폼에서 업무 맥락을 공유하면 각 팀이 같은 연결을 반복해서 만드는 일을 줄일 가능성이 있다. 동시에 연결 규칙과 데이터 정의를 바꿀 때 여러 에이전트가 영향을 받는다는 뜻이기도 하다. 공통 기반을 고칠 때 어느 업무까지 다시 시험해야 하는지 정하지 않으면, 한 팀의 개선이 다른 팀의 예상치 못한 변화를 만들 수 있다. 재사용 범위가 넓어질수록 변경 이력과 되돌릴 수 있는 기준이 중요해진다. 중앙에서 관리하는 편의와 각 업무의 독립성 사이의 균형은 조직이 결정해야 한다.

Microsoft IQ를 읽는 가장 현실적인 방법은 기능 이름을 모두 외우는 것이 아니라 네 가지 질문을 붙이는 것이다. 어떤 자료가 정답의 근거가 되는가, 누구의 권한으로 행동하는가, 어느 단계에서 사람이 확인하는가, 결과가 틀렸을 때 무엇을 되돌릴 수 있는가. 이번 발표는 이 질문을 여러 제품의 공통 기반으로 옮기려는 방향을 보여 준다. 아직 시험 단계인 기능과 예고된 일정은 분리해 두고, 지금 제공되는 기능으로 좁고 측정 가능한 업무부터 검증하는 편이 발표의 실제 가치를 판단하기 쉽다.

13

네트워크 경계는 권한과 별도다

Foundry IQ 문서는 에이전트에서 검색 서비스로 들어오는 사설 연결이 자료원이나 모델로 나가는 연결까지 자동으로 보호하지 않는다고 명시한다. 신원 확인과 역할 기반 접근은 누가 사용할 수 있는지를 결정하지만, 어떤 네트워크 경로로 이동하는지는 별도 문제다. 이 구별은 플랫폼이 통합될수록 놓치기 쉽다. 화면 하나에서 문서를 연결했더라도 실제 처리에는 자료 보관소, 검색, 검색 계획을 세우는 모델, 결과를 정리하는 모델 등 서로 다른 구성 요소가 참여할 수 있기 때문이다.

실무 검토에서는 서비스 이름을 적는 것에 그치지 않고 자료가 이동하는 경로를 그려볼 수 있다. 내부 문서 원문이 어디에서 처리되고, 검색 결과가 어느 범위까지 전달되며, 운영 기록에 무엇이 남는지를 표시하는 방식이다. 이는 특정 기업에서 정보가 유출된다는 주장이 아니라 구성 요소가 늘어날 때 확인할 질문이다. 관리자에게 '기업용이라 안전한가'라고 묻는 것보다 '이 문서가 외부 웹 검색 질의에 포함되는가'처럼 구체적으로 물으면 답을 검증하기 쉽다. 허용된 자료와 허용된 처리 경로가 모두 맞아야 조직의 요구를 충족할 수 있다.

접근권한과 네트워크 경로가 별개임을 표현한 AI 설명 이미지. 실제 시설이나 Microsoft 서비스 구조를 재현한 것이 아니다.
접근권한과 네트워크 경로가 별개임을 표현한 AI 설명 이미지. 실제 시설이나 Microsoft 서비스 구조를 재현한 것이 아니다.
14

회의 중인 정보와 확정된 결정

실시간 회의 맥락을 사용할 수 있다는 변화는 회의가 끝난 뒤 요약문을 읽는 것과 다르다. 가령 참석자가 조건을 논의하다가 바꾸면, 중간 발언과 최종 결론이 짧은 시간 안에 달라질 수 있다. 에이전트가 회의 도중 자료를 찾거나 할 일을 준비하는 것은 유용할 수 있지만, 준비와 확정 실행의 경계를 정해야 한다. 아직 합의하지 않은 수량을 주문으로 만들거나 잠정 일정을 고객에게 확정 통지하면 기록을 빨리 읽는 능력이 오히려 혼선을 키울 수 있다.

따라서 회의 지원 업무에서는 발언의 존재와 결정의 성립을 구분하는 표시가 도움이 된다. 누가 검토안을 제시했는지, 누가 승인을 맡는지, 회의 후 정리본에서 무엇이 달라졌는지를 확인할 수 있어야 한다. 실시간이라는 특성 자체를 성공 지표로 삼기보다 결정이 바뀌었을 때 관련 초안과 할 일이 함께 수정되는지를 살펴볼 필요가 있다. 이 평가에는 사람이 잠시 자리를 비운 상황이나 회의가 중단된 상황도 포함할 수 있다. 빠른 응답이 필요한 업무일수록 무엇이 확정되었는지에 대한 기준은 더 선명해야 한다.

회의 중인 제안과 확정 결정을 구분한 AI 설명 이미지.
회의 중인 제안과 확정 결정을 구분한 AI 설명 이미지. 실제 Microsoft 제품 화면이나 고객 사례가 아니다.
15

기억의 편의와 정정의 가능성

여러 대화에 걸쳐 맥락을 유지하면 같은 설명을 반복하는 수고를 줄일 수 있다. 그러나 과거의 선호나 프로젝트 상태가 앞으로도 계속 유효한 것은 아니다. 지난달 긴급 업무에서만 적용한 예외가 상시 규칙으로 남으면 다음 업무가 잘못 출발할 수 있다. 기억 기능을 평가할 때는 잘 기억하는지만 아니라 잘 고치는지도 확인해야 한다. 새 지시와 오래된 기록이 다를 때 어떤 기준을 따르는지, 잘못 저장된 정보를 정정했을 때 이후 답변에서 실제로 반영되는지가 중요하다.

이것은 개인 취향과 조직 규정에서 다르게 다뤄질 수 있다. 문서의 말투 선호는 사용자가 바꿀 수 있지만 회사의 승인 권한은 개인 대화로 넓혀서는 안 된다. 동일한 '기억'이라는 표현 아래 서로 다른 종류의 정보가 들어가면 편리한 개인화와 업무 통제를 혼동하기 쉽다. 시험 단계에서는 날짜가 지난 지시, 특정 업무에만 적용한 지시, 조직 전체 규정을 각각 넣고 새 질문을 던져보는 방식으로 차이를 확인할 수 있다. 기능의 존재보다 적용 범위와 정정 결과가 실무 신뢰를 만든다.

16

성과표에 실패 비용도 넣는다

자동화 평가에서 처리 건수는 눈에 잘 띄지만 되돌린 건수와 담당자의 개입 시간은 빠지기 쉽다. 가상의 문서 정리 업무에서 AI가 백 건을 처리했어도 사람이 그중 많은 결과를 다시 열어 정리해야 한다면 순수 절감 시간은 작다. 반대로 처리량은 적어도 복잡한 근거 확인을 정확히 도와주면 업무 가치가 클 수 있다. 도입 전 사람이 쓰던 시간을 측정하고, 도입 뒤에는 검토와 수정까지 합산해야 비교의 분모가 맞는다. 성과를 보이는 예시와 비용을 계산하는 표본은 같은 업무 범위를 사용해야 한다.

운영을 맡는 팀도 평가에 포함할 필요가 있다. 연결 실패의 원인을 찾는 시간, 권한 변경 뒤 생긴 문의, 제공 단계가 바뀌었을 때의 재시험 부담이 특정 담당자에게 몰릴 수 있기 때문이다. 이 비용이 보이지 않으면 작은 시범에서는 편했던 도구가 전사 확대 뒤 관리 부담으로 돌아올 수 있다. 이번 발표가 제시한 통합의 가치는 그런 중복을 줄이는 방향에 있지만, 실제로 줄었는지는 각 조직이 측정해야 한다. 발표 내용을 곧바로 실적처럼 읽지 않고 검증 가능한 업무 단위로 바꾸는 것이 이용자에게 필요한 마지막 단계다.

이 기사는 11월 17일 발표와 18일 갱신된 공식 문서를 바탕으로 구성했다. 제품을 직접 설치하거나 유료 성능 시험을 진행한 결과는 아니다. 본문의 가상 업무는 기능의 의미와 평가 지점을 설명하기 위한 것이며 실제 고객 성과를 뜻하지 않는다. 마이크로소프트가 제시한 제공 단계와 설계 설명, 이를 바탕으로 한 편집부의 운영상 해석을 구분했다. 기업용 AI의 다음 경쟁은 더 많은 정보를 읽는 데서 끝나지 않는다. 그 정보로 무엇을 할 수 있고 무엇은 하지 않아야 하는지까지 일관되게 다루는 데 있다.

조회·검토·실행·수정을 합친 업무 평가를 표현한 자체 개념도. 실제 가격이나 측정 결과가 아니다.
조회·검토·실행·수정을 합친 업무 평가를 표현한 자체 개념도. 실제 가격이나 측정 결과가 아니다.

댓글

많이 본 기사

호르무즈 해협 6개월째 불안|미·이란 재충돌과 세계 에너지·해운의 다음 고비

2027학년도 수능 11월 19일…입실·신분증·스마트기기·탐구 순서 확인

이태원 참사 특조위 1년 연장|오늘 본회의 쟁점과 2027년 조사 과제

2026년 9월 인사청문회 일정 총정리|6명 장관 후보자와 핵심 쟁점

WTO 공공포럼 2026 개막, 서비스·디지털 경제 중심으로 재편되는 글로벌 통상 질서

모네·피카소·칸딘스키 85점, 국립중앙박물관 모던 아트전 2026년 11월 27일 개막 전 미리 읽기

창경궁에서 창덕궁으로, 동궐동락을 제대로 읽는 법

공소청 출범 D-10, 사건의 인계선 이 바뀐다

KBO 9월 4일 5경기 프리뷰|KT·삼성 0.5경기 선두전쟁, LG 4연승·한화 10연패 위기