Copilot 용어집

Copilot – Copilots는 창의적인 작업, 인사이트 생성, 자동화된 워크플로 실행 등에 도움이 될 수 있는 자연어 도우미입니다. Copilot는 워크플로, 작업, 지식 및 트리거로 구성되며, 하나 이상의 기본 모델과 부조종사 작업을 감독하고 동기화하는 오케스트레이터를 기반으로 합니다. Copilot는 앱, 웹 서비스에서 생성 AI 기능을 구동할 수 있으며, Microsoft Copilot를 확장하고 사용자 지정하기 위한 Copilot 확장으로 게시할 수 있습니다.

사용자 지정 Copilot – 지침, 추가 및/또는 사용자 지정 지식 및 모든 기술 조합을 결합한 Microsoft Copilot의 사용자 지정 버전입니다.

Azure OpenAI Service – 개발자가 최종 사용자가 Microsoft에서 기대하는 보장을 사용하여 OpenAI의 LLM을 가장 잘 쿼리할 수 있는 API 서비스입니다.

Azure AI 스튜디오 – 유연하고 통합된 시각적 개체 및 코드 우선 도구와 미리 빌드된 빠른 시작 템플릿을 사용하여 생성 AI 애플리케이션 및 모델에 대한 전체 사용자 지정 및 제어를 제공하는 프로 코드 개발 플랫폼입니다.

Microsoft Copilot – 사용자에게 요구 사항 및 기본 설정에 따라 AI 기능에 액세스할 수 있는 동시에 가치를 최대화하기 위해 Microsoft 제품과 통합하는 액세스 가능하고 응집력 있는 AI 인터페이스입니다. Microsoft Copilot는 일상적인 AI 컴패니언입니다.

Microsoft Copilot Studio – 사용자가 M365 또는 Power Platform 제품에 인공 지능을 쉽게 통합할 수 있도록 하는 로우/노 코드 도구로, 양식 처리, 개체 감지, 예측 등의 작업을 위해 미리 빌드된 사용자 지정 AI 모델 및 시스템을 제공합니다.

Copilot 확장 – Copilot 확장은 사용자 지정 Copilot로 Microsoft Copilot을 사용자 지정하고 개선하여 Copilot 내에서 구축을 위한 새로운 작업 및 사용자 지정 지식을 가능하게 합니다. Copilot 확장을 사용하면 사용자는 매일 사용하는 데이터, 시스템 및 워크플로에 맞게 조정된 Microsoft Copilot 환경을 이용할 수 있습니다. 플러그인 – Copilot 확장 형식입니다. Microsoft는 플러그 인을 한 번 작성하고 모든 Copilot 표면 어디에서나 실행할 수 있는 기능을 잠금 해제하는 새 플러그 인 매니페스트를 정의했습니다. 플러그 인은 다른 Copilot 확장으로 구성할 수 있는 원자성의 기능 확장성 아티팩트로 간주되어야 합니다.

Microsoft Copilot 커넥터 - Microsoft Copilot Studio를 통해 코드 환경이 낮거나 없는 Copilot 확장 유형입니다. Copilot 커넥터는 Microsoft Graph 커넥터, Power Platform 커넥터 및 Microsoft Fabric의 기능과 데이터를 번들로 묶습니다.

Microsoft Graph 커넥터 - 개발자가 사용자 지정 빌드하거나 LoB, 온-프레미스 및 SaaS 서비스에서 Microsoft Graph로 데이터를 인덱싱하는 IT 관리자가 사용하도록 설정된 미리 빌드된 커넥터로, M365 데이터 및 콘텐츠와 함께 Microsoft Copilot, 검색 및 ContextIQ와 같은 지능형 서비스의 기능을 향상시키고 보강할 수 있습니다.

Power Platform Connectors - Microsoft Power Platform이 외부 데이터 원본 및 서비스와 상호 작용할 수 있도록 하는 커넥터입니다.

Teams 메시지 확장 - 사용자가 적응형 카드라는 간단한 UX 요소를 통해 웹 서비스/외부 시스템에서 작업을 검색하거나 시작할 수 있는 Microsoft Teams의 기능입니다. 이제 플러그 인으로 사용할 수 있습니다.

프롬프트 – 출력을 생성하는 생성 AI 모델에 대한 입력입니다(종종 "답변" 또는 "완료"라고 함). 일반적으로 텍스트이지만 다중 모달 모델은 텍스트, 이미지, 오디오 또는 이러한 조합을 프롬프트로 사용할 수 있습니다.

RAI(책임 있는 AI) – Microsoft가 거버넌스, 내부 정책, 활성화, 외부 참여 및 사고 리더십을 통해 사회 전반의 이익을 위해 안전하고 보안된 AI 사용을 발전시키기 위해 정의하고자 하는 규범 및 표준 집합입니다.

기본 모델 - 광범위한 데이터에 대해 학습된 AI 모델로, 언어 처리, 시각적 이해, 텍스트 생성, 코드 작성 등과 같은 작업을 지원하기 위해 광범위한 사용 사례에 적용할 수 있습니다. LLM, SLM도 참조하세요.

생성 AI - 산문, 구절, 음악 및 이미지를 포함하여 입력 프롬프트에서 제안하는 자연어/인간과 유사한 콘텐츠를 만드는 기능을 특징으로 하는 AI의 한 형태입니다. GPT – (미리 학습된 생성형 변환기) OpenAI에서 만들고 OpenAI 및 Azure에서 호스트하는 기본 모델의 클래스입니다. 이 클래스의 최근 모델은 "GPT-4 Turbo"입니다.

구축 – AI 시스템의 추상 지식을 특정한 실제 콘텐츠에 연결하는 프로세스입니다. 이를 통해 실제 데이터에 대한 AI 에이전트 이해 및 상호 작용의 정확도가 높아질 수 있습니다.

LLM(대규모 언어 모델) - 일반적으로 챗봇을 통해 자연어 쿼리에 대한 인간과 유사한 응답을 생성하기 위해 방대한 데이터를 학습하는 생성형 AI 모델입니다. 기본 모델도 참조하세요.

LLMOps - 아이디어에서 운영화에 이르기까지 LLM 기반 애플리케이션의 엔드 투 엔드 개발을 위한 간소화된 흐름입니다.

로우 코드 – 일반적으로 그래픽/시각적 인터페이스와 최소한의 코딩을 사용하여 빠르고 액세스 가능한 애플리케이션을 개발할 수 있습니다. 프로 코드 도구와 달리 대부분의 경우 모든 기본 개념 및 기술은 사용자 환경에서 추상화되지 않습니다.

MLOps – 아이디어에서 운영화에 이르는 기계 학습 애플리케이션의 엔드 투 엔드 개발을 위한 간소화된 흐름입니다. MLOps는 대상 그룹, 포커스, 특히 자연어 처리 요구 사항 및 자산에 의해 발생하는 과제에서 LLMOps와 차별화됩니다. Pro-Code는 모델 및 애플리케이션 성능을 심층적으로 사용자 지정하고 제어하는 기능을 포함합니다. 여기에는 코드 우선 인터페이스 외에도 GUI 기반 구성 및 관리 기능이 포함될 수 있으며, 기본 개념 및 기술에 대한 심층적인 이해가 요구됩니다. RAG – (Retrieveal-Augmented Generation)는 AI 모델이 지식 원본에서 관련 정보를 검색하고 생성된 텍스트에 통합할 수 있도록 하는 프로세스입니다. 이것은 정보의 내부 표현을 보완하기 위해 외부 지식 소스에 모델을 구축하여 모델에 의해 생성 된 응답의 품질을 개선하기위한 인공 지능 프레임 워크입니다.