WEBVTT

00:00:00.000 --> 00:00:07.900
마이크로소프트 365, 코파일럿, AI, 에이저, 그리고 일의 미래를 만들어가는 사람들과 함께하는 10일간의 여정을 준비되셨나요?

00:00:08.300 --> 00:00:11.960
오는 1월, M365 컨이더 커진 규모로 돌아옵니다.

00:00:12.280 --> 00:00:18.360
전세계 MVP와 업계 전문가들이 선보이는 라이브 세션, 실무 데모, 실용적인 지식을 만나보세요.

00:00:18.600 --> 00:00:21.560
뻔한 슬라이드는 없습니다. 지루한 유행어도 없습니다.

00:00:21.920 --> 00:00:29.380
코파일럿 스튜디오, AI 에이전트, 패브릭, 보안, 거버넌스, 자동화 등 실제적인 과제들을 다룹니다.

00:00:29.380 --> 00:00:35.040
IT 전문가든, 개발자든, 비즈니스 리더든 여러분을 위해 준비된 세션이 있습니다.

00:00:35.620 --> 00:00:40.140
10일 동안 다양한 기술을 탐구하고 글로벌 커뮤니티와 교류할 수 있습니다.

00:00:40.480 --> 00:00:44.600
라이브를 시청하고 실질적인 인사이트를 여러분의 조직에 적용해보세요.

00:00:44.900 --> 00:00:51.020
2027년 1월, 10일간의 여정, 하나의 마이크로소프트 커뮤니티, 지금 등록이 시작되었습니다.

00:00:51.460 --> 00:00:53.640
오늘 바로 여러분의 자리를 확보하세요.

00:00:55.060 --> 00:00:57.800
M365 COM단넷에서 확인하실 수 있습니다.

00:00:59.940 --> 00:01:04.640
M365 COM단넷에서 지금 참여하시고 1월 라이브에서 뵙겠습니다.

00:01:04.960 --> 00:01:10.580
파워포인트 슬라이드를 완벽하게 맞추느라 몇 시간씩 보냈는데, 누군가 브랜드 색상을 바꿔버린 기억 있으신가요?

00:01:10.840 --> 00:01:15.480
마이크로소프트 디자이너가 마우스를 잡을 필요도 없이 단 몇 초 만에 그 작업을 처리한다면 어떨까요?

00:01:15.660 --> 00:01:20.360
그런데 더 중요한 건 단순히 빠르기만 한 게 아니라 작업하면서 여러분의 스타일을 학습한다는 점입니다.

00:01:20.540 --> 00:01:26.380
오늘 이것이 어떻게 지루한 에셋 제작을 끝내고, 여러분의 마케팅팀 운영 방식을 영원히 바꿀 수 있는지 보여드리겠습니다.

00:01:26.380 --> 00:01:31.440
여러분은 이제 브랜드 아이덴티티를 AI에 맡길 준비가 되셨나요?

00:01:32.080 --> 00:01:36.940
수동 작업에서 지능형 자동화로 마케팅 전단지나 피치 데크 작업을 해보셨다면,

00:01:37.580 --> 00:01:41.400
사소한 수정 몇 번의 오후 시간이 얼마나 빨리 지나가는지 아실 겁니다.

00:01:41.400 --> 00:01:48.940
텍스트 상자를 사진과 맞추기 위해 0.5mm 조정하기, 경영진이 마음에 들어하지 않는다는 이유로 이미지 교체하기,

00:01:49.480 --> 00:01:53.580
헤드라인 폰트 크기를 대충이 아닌 정확한 기업 규격으로 맞추기 등 말이죠.

00:01:53.800 --> 00:01:55.840
진짜 문제는 그 다음부터 시작입니다.

00:01:56.100 --> 00:02:01.400
다른 사람이 파일을 열어 수정을 가하면 무엇이 최종본인지 확인하느라 버전을 비교해야 합니다.

00:02:01.660 --> 00:02:06.560
이건 단순히 지루한 게 아니라 창의적인 작업에 쏟아야 할 시간을 야금야금 갉아먹는 일입니다.

00:02:06.560 --> 00:02:15.480
가장 시간이 많이 걸리는 부분은 큰 수정 사항이 아니라 로고를 조금 옮기거나 승인된 팔레트에 맞춰 파란색 음영을 조정하고,

00:02:16.020 --> 00:02:19.980
글 머리 기호에 폰트 굵기를 맞추는 등 끝없는 피드백 루프입니다.

00:02:20.640 --> 00:02:26.440
말 그대로 수천 번이 사소한 수정으로 지치게 되는데, 그룹 프로젝트에서는 이런 수정 사항이 배로 늘어납니다.

00:02:26.660 --> 00:02:31.560
브랜드에 딱 맞는 결과물을 얻기 위해 10번, 12번씩 수정 과정을 거치는 건 흔한 일이죠.

00:02:31.740 --> 00:02:35.820
바로 그 지점에서 마이크로소프트 디자이너에 탑재된 AI 가판도를 바꿉니다.

00:02:35.820 --> 00:02:42.820
브랜드 키트, 색상, 글꼴, 로고, 이미지 스타일을 학습하면 AI 가 알아서 해당 요소를 자동으로 적용합니다.

00:02:43.560 --> 00:02:52.820
텍스트와 이미지를 넣기만 하면 헤드라인 글꼴은 32포인트로, 버튼은 네이비 색상 코드로, 사진은 따뜻한 색감으로 구성된 네이아웃이 완성됩니다.

00:02:53.780 --> 00:02:58.700
일일이 모든 디자인 요소를 확인할 필요 없이 처음부터 일관된 결과물을 얻을 수 있습니다.

00:02:58.960 --> 00:03:01.580
구체적인 사례를 통해 그 차이를 생각해보세요.

00:03:01.580 --> 00:03:13.500
과거에는 제품 출시 전단지를 만들려면 빈 파워포인트나 인디자인 파일에서 시작해 스타일을 입히고, 텍스트를 정렬하고 색상을 바꾸는 수작업이 필요했습니다.

00:03:13.920 --> 00:03:22.320
하지만 디자이너, 디자이너에서는 헤드라인과 본문, 제품 이미지만 입력하면 AI가 브랜드 규칙에 맞는 세련된 초안을 몇 초 만에 5에서 6개씩 만들어냅니다.

00:03:22.320 --> 00:03:27.320
요소의 순서를 조금 수정할 수는 있지만, 전체적인 구조는 이미 완벽하게 잡혀 있습니다.

00:03:27.900 --> 00:03:33.220
최근에 만난 한 마케팅 매니저는 시즌 캠페인 작업으로 눈코 뜰 새 없이 바빴습니다.

00:03:33.700 --> 00:03:40.340
디자이너를 쓰기 전에는 한 번 디자인할 때마다 주로 레이아웃을 정리하는데 6시간 정도를 써야 했습니다.

00:03:40.880 --> 00:03:47.120
도구를 바꾼 뒤에는 스타일이나 품질을 포기하지 않고도 같은 작업을 1시간 남짓으로 단축했습니다.

00:03:47.120 --> 00:03:52.180
반복적 인서식 작업만 줄여도 매주 하루치 근무 시간을 절약하는 셈입니다.

00:03:52.340 --> 00:03:55.340
파일럿 프로그램에서도 비슷한 결과가 보고되었습니다.

00:03:55.620 --> 00:04:00.940
일상적인 홍보물을 만들 때 디자이너를 사용한 팀들은 작업 처리량이 눈에 띄게 늘었고,

00:04:01.480 --> 00:04:07.680
캠페인 기한 준수율이 높아졌으며, 사소한 수정 요청과 프로젝트 당 수정 횟수는 눈에 띄게 줄었습니다.

00:04:08.020 --> 00:04:10.940
흥미로운 점은 창의성이 전혀 줄지 않았다는 것입니다.

00:04:10.940 --> 00:04:19.520
오히려 세부적인 정렬 작업에 쏟던 에너지를 줄 이니 디자이너와 마케터들이 브레인스토밍과 콘셉트 개발에 더 집중할 수 있게 되었습니다.

00:04:19.920 --> 00:04:24.060
그 이유 중 하나는 디자이너가 레이아웃을 제안하는 방식 때문입니다.

00:04:24.640 --> 00:04:27.640
틀에 박힌 템플릿에 내용을 맞추게 하는 것이 아니라,

00:04:28.260 --> 00:04:33.220
AI가 제공된 콘텐츠를 분석해 효과적인 시각적 계층 구조를 제안합니다.

00:04:33.500 --> 00:04:38.400
따라서 처음부터 직접 만드는 고생 대신 어느 정도 완성된 초안을 바탕으로 작업을 시작할 수 있습니다.

00:04:38.400 --> 00:04:42.920
창의적 피로를 줄여줄 만큼 충분한 가이드를 제공하지만, 최종 결정은 사용자의 몫으로 남겨둡니다.

00:04:43.060 --> 00:04:45.160
여기에는 한 가지 근본적인 의문이 남습니다.

00:04:45.340 --> 00:04:47.980
디자이너는 어떻게 당신의 스타일을 알고 있을까요?

00:04:48.160 --> 00:04:52.240
답은 마이크로소프트 365를 통해 정의된 브랜드 키트를 전달받고,

00:04:52.760 --> 00:04:57.100
사용자가 승인하거나 거절한 수정 내용을 통해 시간이 흐를수록 학습하기 때문입니다.

00:04:57.320 --> 00:05:00.820
만약 일반적인 스톡 이미지를 특정 스타일의 이미지로 계속 교체하면,

00:05:01.320 --> 00:05:04.660
AI는 다음 제안부터 해당 스타일을 우선적으로 적용합니다.

00:05:04.660 --> 00:05:08.580
모델을 따로 훈련시키지 않더라도 팀이 작업하는 과정 자체가 곧 학습이 됩니다.

00:05:08.800 --> 00:05:10.220
결국 이것이 핵심입니다.

00:05:10.460 --> 00:05:13.580
이것은 인간의 취향이나 판단력을 대체하려는 것이 아닙니다.

00:05:13.780 --> 00:05:17.080
단순 반복 작업처럼 느껴지는 디자인 업무를 덜어내고,

00:05:17.540 --> 00:05:22.760
판단이나 창의적인 도약, 고객의 공감을 이끌어내는 순간에 집중하게 하려는 것입니다.

00:05:23.020 --> 00:05:25.000
그런 것들은 여전히 사람의 몫이니까요.

00:05:25.180 --> 00:05:27.460
디자이너는 픽셀이 제자리에 있도록 미리 정렬해 주어,

00:05:27.720 --> 00:05:29.740
여러분이 그런 곳에 에너지를 낭비하지 않게 해줍니다.

00:05:29.740 --> 00:05:32.040
자동화된 비주얼은 시작일 뿐입니다.

00:05:32.900 --> 00:05:38.060
더 큰 변화는 이러한 지능이 팀의 실제 협업 방식에 직접 통합될 때 일어납니다.

00:05:38.740 --> 00:05:40.900
혼란 없는 협업이 가능해지는 것이죠.

00:05:41.120 --> 00:05:43.300
공유 디자인 파일을 작업해본 적이 있다면,

00:05:43.900 --> 00:05:46.680
버전 관리가 완전히 꼬여버리는 순간을 아실 겁니다.

00:05:47.040 --> 00:05:51.020
누군가 바탕화면의 이전 사본을 수정해 최종 2로 저장하고,

00:05:51.540 --> 00:05:56.820
이제 여러분은 SharePoint 폴더에 있는 최종 밑줄 이거 사용 파일과 비교해야 하는 상황 말입니다.

00:05:56.820 --> 00:05:59.160
세 사람이 동시에 작업한다고 생각해보세요.

00:05:59.620 --> 00:06:00.420
엉망이 되겠죠.

00:06:00.620 --> 00:06:02.100
노력이 부족해서가 아닙니다.

00:06:02.280 --> 00:06:06.900
협업이 실제로 이루어지는 방식과 동떨어진 방식으로 작업하도록 도구가 강요하기 때문입니다.

00:06:07.080 --> 00:06:12.340
표실은 마이크로소프트 365를 완벽히 사용하는 기업조차 자산이 흩어져 있다는 것입니다.

00:06:12.560 --> 00:06:14.540
지난 화요일 팀즈 채팅에 있는 버전,

00:06:15.040 --> 00:06:17.180
누군가의 이메일 스레드에 숨겨진 버전,

00:06:17.720 --> 00:06:20.820
SharePoint 깊숙한 곳에 묻힌 마스터 템플릿까지 제각각이죠.

00:06:21.780 --> 00:06:24.560
올바른 파일을 찾으려면 동료 3명에게 연락해야 하고,

00:06:24.560 --> 00:06:27.800
누군가 최신 업데이트를 덮어쓰지 않았길 바라야 합니다.

00:06:27.940 --> 00:06:31.800
파일을 찾았을 때 쯤이면 이미 팀 절반이 잘못된 파일을 검토한 뒤일 겁니다.

00:06:32.100 --> 00:06:36.320
이 지점이 바로 디자이너의 M365 생태계 통합이 변화를 만드는 곳입니다.

00:06:36.520 --> 00:06:38.400
파일 공유 사이를 오갈 필요 없이,

00:06:38.920 --> 00:06:40.520
디자이너를 열고 SharePoint,

00:06:41.140 --> 00:06:44.800
OnDrive 또는 팀즈에 연결된 자산에서 바로 작업하면 됩니다.

00:06:45.140 --> 00:06:49.100
편집은 모두가 보고 있는 동일한 버전 내에서 실시간으로 이루어집니다.

00:06:49.100 --> 00:06:53.240
헤드라인을 변경하거나 이미지를 바꾸면 즉시 팀 전체에 반영됩니다.

00:06:53.420 --> 00:06:55.020
파일을 따로 보낼 필요가 없습니다.

00:06:55.380 --> 00:06:58.740
디자이너는 연결된 작업 공간 속에 또 다른 인터페이스일 뿐입니다.

00:06:58.940 --> 00:06:59.680
상상해보세요.

00:07:00.020 --> 00:07:04.080
당신과 동료가 디자이너에서 세일 이벤트 전단지를 함께 작업합니다.

00:07:04.320 --> 00:07:08.940
브랜드 폰트와 색상이 미리 로드된 마케팅 시어포인트 라이브러리에서 바로 불러온 파일입니다.

00:07:09.160 --> 00:07:11.920
당신이 대표 이미지를 조정하고 동료가 부제목을 다듬으면,

00:07:12.360 --> 00:07:14.760
서로의 편집 내용이 즉시 나타나는 것을 볼 수 있습니다.

00:07:15.040 --> 00:07:18.020
작업이 끝나면 업데이트된 파일은 원래 위치에 그대로 저장되며,

00:07:18.020 --> 00:07:20.820
사용자 역할에 따라 버전 기록도 자동으로 보관됩니다.

00:07:20.980 --> 00:07:23.840
되돌려야 할 때도 무작위 첨부 파일을 뒤질 필요가 없습니다.

00:07:24.140 --> 00:07:26.140
올바른 체크포인트로 복원하기만 하면 됩니다.

00:07:26.420 --> 00:07:28.880
이는 기존 템플릿 시스템에서 크게 달라진 점입니다.

00:07:29.080 --> 00:07:31.160
부식 템플릿은 정적인 파일로 존재했습니다.

00:07:31.440 --> 00:07:34.040
다운로드하고, 편집하고, 다시 업로드해야 했죠.

00:07:34.180 --> 00:07:38.440
수정할 때 마다 사람들이 올바른 스타일을 수동으로 적용했는지 확인해야 했고,

00:07:38.940 --> 00:07:40.860
누군가는 반드시 실수를 저질렀습니다.

00:07:41.140 --> 00:07:46.640
여전히 파일 이름 지점, 색상 코드, 로고 비율이 맞는지 감시할 관리자가 필요했습니다.

00:07:46.640 --> 00:07:50.400
디자이너가 다른 M365 콘텐츠와 같은 공간에 있고,

00:07:50.680 --> 00:07:53.980
AI가 백그라운드에서 브랜드 규칙을 적용함에 따라,

00:07:54.560 --> 00:07:57.020
그런 감시 업무는 자연스럽게 사라집니다.

00:07:57.240 --> 00:08:01.540
하지만 무엇이 부족한지 미리 파악한다는 예상치 못한 장점도 있습니다.

00:08:02.300 --> 00:08:07.680
AI가 회사의 아울룩 캘린더에 있는 이벤트용 캠페인 자산을 만들고 있음을 감지하면,

00:08:08.340 --> 00:08:10.060
위치 관련 이미지를 제안하거나,

00:08:10.300 --> 00:08:14.060
이벤트 슬로건을 가져오는 등 작업을 더 빠르게 완료할 수 있도록

00:08:14.060 --> 00:08:16.260
디자인 프롬프트를 표시할 수 있습니다.

00:08:16.920 --> 00:08:19.720
팀즈 회의 메모에 제품 초점에 대한 내용이 포함되어 있다면,

00:08:20.240 --> 00:08:23.940
이를 바탕으로 텍스트 블록이나 이미지에 대한 권장사항을 제시할 수 있습니다.

00:08:24.160 --> 00:08:27.200
그 위도는 사용자가 일일이 맥락을 찾으러 다닐 필요 없이,

00:08:27.440 --> 00:08:29.660
대화와 실행 사이의 간극을 좁히는 것입니다.

00:08:29.880 --> 00:08:36.180
하지만 그렇다면 AI 가부서별 어조와 스타일의 미묘한 차이를 실제로 이해할 수 있을까 하는 의문이 자연스럽게 생깁니다.

00:08:36.380 --> 00:08:40.040
마케팅 부서의 언어가 항상 인사팀의 언어와 일치하는 것은 아니기 때문입니다.

00:08:40.040 --> 00:08:46.300
고객 대상 광고에는 완벽한 디자인이 내부 커뮤니케이션 자료에는 너무 비격식적으로 느껴질 수 있습니다.

00:08:46.560 --> 00:08:50.860
AI 는 패턴을 파악하는 데 능숙하지만 인간의 어조는 다루기 까다로워서,

00:08:51.440 --> 00:08:54.020
자동 제한이 약간 어색하게 느껴지기 쉽습니다.

00:08:54.220 --> 00:08:55.960
그래서 학습 루프가 중요합니다.

00:08:56.180 --> 00:08:59.100
디자이너는 브랜드 키트에 고정된 규칙만 적용하는 것이 아니라,

00:08:59.580 --> 00:09:02.540
AI 가초안을 만든 후 사용자가 수정하는 내용도 기록합니다.

00:09:02.740 --> 00:09:05.140
AI 가 내부 메모 레이아웃을 계속 제한하는데,

00:09:05.140 --> 00:09:07.240
인사팀에서 이를 지속적으로 수정한다면,

00:09:07.800 --> 00:09:11.380
시간이 지남에 따라 해당 맥락에 더 잘 맞게 제한을 변경할 수 있습니다.

00:09:11.620 --> 00:09:12.680
완벽하지는 않지만,

00:09:12.940 --> 00:09:17.420
실제 사용자 행동과 상호작용할수록 동일한 실수를 반복하지 않게 됩니다.

00:09:17.760 --> 00:09:19.140
이제 우리는 도구가 혼란을 관리하고,

00:09:19.880 --> 00:09:23.640
팀은 메시지와 디자인에 집중하는 협업 모델에 더 가까워지고 있습니다.

00:09:23.940 --> 00:09:26.100
하지만 완벽한 해결책이라고 생각하기 전에,

00:09:26.280 --> 00:09:29.620
AI가 여전히 이상한 선택을 할 수 있다는 점을 기억해야 합니다.

00:09:29.620 --> 00:09:33.100
그러한 사각지대가 바로 이야기의 다음 부분이 시작되는 곳입니다.

00:09:33.300 --> 00:09:36.000
AI가 여전히 잘못된 결과를 내놓을 때입니다.

00:09:36.220 --> 00:09:38.820
AI 도구가 캠페인용 이미지를 제한했는데,

00:09:39.140 --> 00:09:42.280
완전히 다른 대상을 겨냥한 것 같아 위하했던 적이 있다면,

00:09:42.540 --> 00:09:43.660
그 느낌을 아실 겁니다.

00:09:44.100 --> 00:09:45.880
기업 교육 프로그램을 알리려는데,

00:09:46.120 --> 00:09:49.120
AI가 이벤트 날짜를 입력할 공간이 마련된,

00:09:49.360 --> 00:09:52.880
열대해변 이미지를 당당하게 제시하는 상황을 생각해보세요.

00:09:53.220 --> 00:09:55.260
기술적 인 관점에서는 틀린 게 아니지만,

00:09:55.720 --> 00:09:57.620
귀하의 상황에는 전혀 맞지 않는 것입니다.

00:09:57.620 --> 00:10:00.920
이런 순간들은 마이크로소프트 데모에서는 볼 수 없는 장면입니다.

00:10:01.100 --> 00:10:04.220
실제 프레젠테이션은 대개 가장 이상적인 시나리오만 보여주기 때문입니다.

00:10:04.380 --> 00:10:06.000
브랜드 팔레트가 완벽하게 적용되고,

00:10:06.340 --> 00:10:07.820
텍스트는 페이지에 균형있게 배치되며,

00:10:08.160 --> 00:10:10.840
마치 사내 라이브러리에서 가져온 듯한 이미지가 사용되는 모습 말입니다.

00:10:11.020 --> 00:10:14.420
현실 세계에서 AI가 항상 의도한 대로 작동하는 것은 아닙니다.

00:10:14.640 --> 00:10:16.860
AI는 목표로 하는 어조를 오해하여,

00:10:17.000 --> 00:10:20.080
청중이나 문화에 맞지 않는 시각자료를 제시할 수 있습니다.

00:10:20.420 --> 00:10:22.740
이러한 불일치는 진지한 보도자료에 비해,

00:10:22.840 --> 00:10:26.580
배경 이미지가 지나치게 장난스러운 정도의 사소한 것일 수도 있고,

00:10:26.580 --> 00:10:32.240
전혀 다른 업종을 연상시키는 스톡 사진을 사용하는 것처럼 눈에 띄는 것일 수도 있습니다.

00:10:32.720 --> 00:10:37.400
제가 인터뷰한 한 마케팅팀은 내부 윤리 규정 도입 과정에서 이런 일을 겪었습니다.

00:10:37.780 --> 00:10:39.780
AI는 개방형 사무실에서 웃으며,

00:10:39.940 --> 00:10:42.480
하이파이브를 하는 직원들의 이미지를 제안했습니다.

00:10:42.800 --> 00:10:43.740
분위기는 밝았지만,

00:10:44.180 --> 00:10:46.900
경영진이 의도했던 진지한 어조와는 거리가 멀었습니다.

00:10:47.200 --> 00:10:50.960
또 다른 사례는 전문 서비스 기업의 고객 프레젠테이션에서 나타났습니다.

00:10:50.960 --> 00:10:57.760
AI는 보수적인 금융권 청중을 대상으로 한 슬라이드에 밝은 색상의 스타트업 작업 공간을 자동으로 선택했습니다.

00:10:58.020 --> 00:11:01.180
메시지, 사실관계, 레이아웃까지 모두 훌륭했습니다.

00:11:01.460 --> 00:11:04.280
하지만 시각적 구성이 잘못된 신호를 전달했습니다.

00:11:04.660 --> 00:11:09.260
초기 전문 사용자들은 수정 작업에서 나타나는 몇 가지 패턴을 보고하고 있습니다.

00:11:09.620 --> 00:11:13.140
종종 AI가 부차적인 세부사항에 너무 많은 강조를 두거나,

00:11:13.340 --> 00:11:17.500
핵심 메시지를 축소할 때 레이아웃 계층 구조를 미세 조정하는 경우가 많습니다.

00:11:17.500 --> 00:11:25.640
때로는 AI가 스타일과 어울린다고 판단하여 추가한 장식 요소들이 특정 상황에서는 오히려 산만함을 줄 때 이를 제거하기도 합니다.

00:11:25.780 --> 00:11:27.920
또한, 예상보다 자주 발생하는 일인데,

00:11:28.420 --> 00:11:34.960
브랜드 가이드라인을 시스템에 입력했음에도 이를 완전히 준수하지 않는 자동선택 스톱 이미지를 교체하는 작업이 필요합니다.

00:11:35.140 --> 00:11:38.260
브랜드 템플릿 자체가 항상 방어막이 되어주는 것은 아닙니다.

00:11:38.480 --> 00:11:41.640
AI 위 제안은 미묘한 방식으로 템플릿을 무시할 수 있습니다.

00:11:41.860 --> 00:11:46.880
공식 색상보다 약간 밝은 색조가 사용되거나 폰트 굵기가 살짝 달라지는 식입니다.

00:11:46.880 --> 00:11:49.980
문서상으로는 그런 변화를 알아채지 못할 수도 있지만,

00:11:50.580 --> 00:11:54.120
수년간 브랜드 무결성을 지켜온 사람에게는 즉시 눈에 띕니다.

00:11:54.320 --> 00:11:56.800
최종 결과물을 세심하게 검토하는 사람이 없다면,

00:11:57.300 --> 00:12:00.180
이러한 미세한 편차는 실제 제작물에 그대로 반영됩니다.

00:12:00.400 --> 00:12:03.340
그렇기에 인간의 감독이 절대적으로 필요한 것입니다.

00:12:03.580 --> 00:12:06.180
생성 단계가 점점 빠르고 정확해지더라도,

00:12:06.680 --> 00:12:09.300
누군가는 여전히 브랜드 관리자 역할을 해야 합니다.

00:12:09.520 --> 00:12:11.900
이는 AI를 불신하라는 이야기가 아닙니다.

00:12:11.900 --> 00:12:16.880
브랜드의 역사, 목표 시장, 청중의 민감도를 이해함으로써 얻을 수 있는 문화적,

00:12:17.220 --> 00:12:21.160
전략적 통찰력이 AI에게는 부족하다는 것을 인정해야 한다는 것입니다.

00:12:21.360 --> 00:12:23.180
스타일 준수는 자동화할 수 있습니다.

00:12:23.420 --> 00:12:25.040
하지만 직관은 자동화할 수 없습니다.

00:12:25.360 --> 00:12:28.700
네, 여기서 발생하는 마찰의 일부는 단순히 머신러닝의 본질적인 특성 때문이기도 합니다.

00:12:28.860 --> 00:12:31.080
AI는 학습 데이터, 제공된 사용자 행동,

00:12:31.360 --> 00:12:33.420
그리고 사용자가 입력한 데이터를 기반으로 작동합니다.

00:12:33.600 --> 00:12:37.340
이러한 신호들이 충돌하거나 요청이 이전에 학습한 범위를 벗어나면,

00:12:37.740 --> 00:12:38.940
추측의 영역이 커집니다.

00:12:38.940 --> 00:12:42.380
AI가 올바른 선택을 했을 때 그 추측 과정은 눈에 보이지 않을 수 있습니다.

00:12:42.580 --> 00:12:45.120
하지만 실수를 할 때면 그 과정은 매우 명확하게 드러납니다.

00:12:45.320 --> 00:12:49.480
흥미롭게도 이러한 인간 개입의 필요성은 디자인 분야만의 문제가 아닙니다.

00:12:49.680 --> 00:12:51.660
데이터 관리와 같은 분야도 마찬가지인데,

00:12:52.160 --> 00:12:55.080
도구가 반복적 인 작업의 80%를 자동화할 수 있지만,

00:12:55.700 --> 00:12:58.380
실제 적용 전에는 여전히 전문가의 검토가 필요합니다.

00:12:58.560 --> 00:13:02.560
두 경우 모두 AI가 엄청나게 많은 힘든 작업을 처리할 수 있습니다.

00:13:02.880 --> 00:13:05.480
하지만 의미를 해석하거나, 문맥을 확인하거나,

00:13:05.480 --> 00:13:09.780
미묘한 오류를 잡아내는 것은 인간의 검토가 있어야 제대로 이루어집니다.

00:13:09.920 --> 00:13:13.280
따라서 디자이너가 콘텐츠 제작 시간을 확실히 줄여주고는 있지만,

00:13:13.920 --> 00:13:16.580
크리에이티브 리뷰어의 역할을 대체한 것은 아닙니다.

00:13:16.760 --> 00:13:19.800
이제 오타를 수정하거나 박스를 재정렬하는 것에서 벗어나,

00:13:20.200 --> 00:13:24.540
메시지와 톤, 적합성에 대한 더 높은 수준의 판단을 내리는 역할로 변화했습니다.

00:13:24.840 --> 00:13:26.500
효율성은 분명히 향상되었지만,

00:13:26.960 --> 00:13:30.340
최종 결과물이 나오기 전 내부 검토 과정은 여전히 필수적입니다.

00:13:30.340 --> 00:13:34.440
디자인 영역 밖에서 AI가 어떻게 사용되는지 살펴보면,

00:13:35.080 --> 00:13:38.100
자동화와 감독의 결합이 의외의 곳에서 나타나는데,

00:13:38.780 --> 00:13:44.640
특히 전통적으로 수동 디자인 작업만큼이나 지루했던 데이터 워크플로우 세계에서 그렇습니다.

00:13:45.300 --> 00:13:48.480
ETL의 고통에서 데이터 플로우즈 인투 위 이점으로,

00:13:48.640 --> 00:13:51.180
구식 방식으로 데이터 파이프라인을 관리해본 적이 있다면,

00:13:51.660 --> 00:13:53.440
그것이 얼마나 취약한지 잘 아실 겁니다.

00:13:53.440 --> 00:13:59.080
이상한 시간에 예약된 크론 잡, 몇 달 전 퇴사한 사람이 급하게 작성한 배시 스크립트,

00:13:59.520 --> 00:14:05.380
그리고 CSV 위 작은 서식 변경 하나의 전체가 멈춰버리는 긴 의존성 체인 같은 것들 말이죠.

00:14:05.580 --> 00:14:08.040
그저 복잡한 것이 아니라 매우 불안정했습니다.

00:14:08.280 --> 00:14:10.040
상위 단계에서 작은 문제만 생겨도,

00:14:10.360 --> 00:14:11.540
데이터를 다 보지도 못한 채,

00:14:11.700 --> 00:14:14.320
어젯밤 어느 서버가 작업을 실행했는지 고민하게 됩니다.

00:14:14.560 --> 00:14:15.480
가장 최악인 점은,

00:14:15.700 --> 00:14:17.940
오류는 항상 불편한 시간에 발생한다는 것입니다.

00:14:18.180 --> 00:14:21.180
새벽 2시에 어제 데이터 로드에 실패했다는 알람을 받게 되는데,

00:14:21.180 --> 00:14:24.300
원본 시스템 담당자는 아침까지 연락이 안됩니다.

00:14:24.460 --> 00:14:26.040
파이프라인을 다시 시작할 때쯤이면,

00:14:26.380 --> 00:14:28.760
이미 데시보드 사용자의 절반은 왜 여기가 비어있죠?

00:14:28.900 --> 00:14:30.440
라며 이메일을 보내고 있을 겁니다.

00:14:30.700 --> 00:14:34.660
디버깅에 허비한 그 시간들은 실제 데이터 가치와는 아무런 상관이 없는 경우가 많습니다.

00:14:34.900 --> 00:14:36.920
로그를 뒤지고, 정규식을 수정하고,

00:14:37.320 --> 00:14:40.640
원래 상태로 되돌리기 위해 단계를 다시 실행하는 데 시간을 닫습니다.

00:14:40.920 --> 00:14:45.160
마이크로소프트 패브릭 위 데이터 플로우즈 인투는 이러한 부담을 크게 덜어주고 있습니다.

00:14:45.480 --> 00:14:48.820
맞춤형 파이프라인을 한 줄씩 직접 구축하고 유지하는 대신,

00:14:48.820 --> 00:14:53.000
노코드나 로우코드 인터페이스에서 많은 작업을 처리할 수 있습니다.

00:14:53.440 --> 00:15:00.140
이미 많은 분들이 엑셀과 파워BI에서 사용 중인 기술인 파워커리 가추출 및 변환 단계를 처리합니다.

00:15:00.400 --> 00:15:05.400
즉, 세 가지 다른 파일 형식을 결합하기 위해 처음부터 파설을 만들 필요가 없다는 뜻입니다.

00:15:05.620 --> 00:15:08.000
소스를 연결하고, 필드를 지정하고,

00:15:08.440 --> 00:15:12.560
데이터를 시각적으로 구성하기만 하면 나머지는 서비스가 알아서 처리합니다.

00:15:12.820 --> 00:15:15.900
인투가 흥미로운 점은 AI가 내장되어 있다는 것입니다.

00:15:15.900 --> 00:15:19.680
단순히 테이블을 결합하거나 열 이름을 바꾸는 도구가 아닙니다.

00:15:19.880 --> 00:15:24.400
가져온 데이터를 적극적으로 분석하여 패턴에 기반한 변환을 제한합니다.

00:15:25.000 --> 00:15:27.920
날짜와 시간열을 항상 하나의 필드로 결합한다면,

00:15:28.500 --> 00:15:31.640
AI가 해당 단계를 자동으로 제한하기 시작합니다.

00:15:32.300 --> 00:15:35.620
두 시스템의 고객 아이디 스키마가 일치함을 감지하면,

00:15:36.180 --> 00:15:39.020
수동으로 맵핑하지 않아도 관계를 파악해 줍니다.

00:15:39.020 --> 00:15:47.940
예를 들어 구글 애드스 내보내기, 이메일 참여 통계, 소셜 플랫폼 지표 등 마케팅 캠페인 데이터를 통합한다고 가정해봅시다.

00:15:48.120 --> 00:15:56.660
기존 ETL 설정에서는 필드 이름 정규화, 통화 변환, 날짜 범위 조정, 누락된 값 채우기 등을 위해 아마 스크립트를 작성해야 했을 것입니다.

00:15:57.080 --> 00:16:03.040
인투를 사용하면 각 데이터 소스를 파워 커리에 넣고 AI가 일관성 없는 열 유형을 표시하게 한 뒤,

00:16:03.540 --> 00:16:05.920
제한된 수정 사항을 직접 적용할 수 있습니다.

00:16:06.200 --> 00:16:08.860
결과적으로 수동으로 모든 데이터 불일치를 추적할 필요 없이,

00:16:09.060 --> 00:16:11.580
보고서 작성을 위한 하나의 깔끔한 테이블이 완성됩니다.

00:16:11.820 --> 00:16:15.540
지금까지의 테스트를 보면 이것이 단순히 편리함 이상의 가치를 제공한다는 것을 알 수 있습니다.

00:16:15.780 --> 00:16:18.960
엔지니 변환을 병렬로 처리하고, 전체를 다시 실행할 필요 없이,

00:16:19.140 --> 00:16:23.500
부분적인 오류에서 복구됨으로 이전 데이터 흐름보다 새로 고침 속도가 향상되었습니다.

00:16:23.500 --> 00:16:26.100
결함 허용 능력 또한 중요한 강점입니다.

00:16:26.300 --> 00:16:30.220
새로 고침 도중 한 데이터 소스에서 오류가 발생해도 나머지는 완료될 수 있으며,

00:16:30.220 --> 00:16:34.620
일반적인 파이프라인 실패, 메시지가 아닌 명확한 오류 메시지를 받게 됩니다.

00:16:34.840 --> 00:16:38.500
그것만으로도 불필요한 처리 주기와 추측을 낭비할 필요가 없어집니다.

00:16:38.700 --> 00:16:43.280
자연스럽게 전문 데이터 엔지니어의 필요성이 줄어드는 것인지 의문이 들 수 있습니다.

00:16:43.540 --> 00:16:45.940
마케팅 분석가가 코드 한 줄 작성하지 않고,

00:16:46.200 --> 00:16:49.440
여러 데이터 소스에서 작동하는 파이프라인을 구축할 수 있다면,

00:16:50.080 --> 00:16:51.940
전담 ETL팀이 여전히 필요할까요?

00:16:51.940 --> 00:16:54.540
실제로는 그 대답이 조금 더 미묘합니다.

00:16:54.740 --> 00:16:58.240
단순 반복 작업은 완전히 셀프 서비스로 넘어갈 수 있지만,

00:16:58.240 --> 00:17:04.240
수십 개의 소스, 복잡한 비즈니스 로직 또는 규제 요구 사항이 있는 파이프라인은

00:17:04.240 --> 00:17:08.200
여전히 숙련된 엔지니어의 감독과 아키텍처 기술이 필요합니다.

00:17:08.420 --> 00:17:11.940
분명히 변하는 것은 전문가들이 시간을 사용하는 방식입니다.

00:17:12.160 --> 00:17:16.580
데이터 세트 제형식화나 깨진 연결 수정과 같은 일회성 요청을 처리하는 대신,

00:17:16.580 --> 00:17:23.800
확장 가능한 모델 설계, 쿼리 최적화, 조직 전체가 활용할 수 있는 분석 역량을 구축하는 데 집중할 수 있습니다.

00:17:24.500 --> 00:17:29.580
매일 그들을 방해하던 반복적인 준비 작업은 이제 인투와 같은 도구가 상위 단계에서 처리합니다.

00:17:30.460 --> 00:17:32.780
바로 여기에서 공통된 흐름이 나타납니다.

00:17:33.040 --> 00:17:36.020
마이크로소프트 디자이너 위 AI 기반 디자인이든,

00:17:36.180 --> 00:17:39.720
패브릭 위 AI 지원 데이터 준비이든, 패턴은 동일합니다.

00:17:39.720 --> 00:17:44.100
단순 반복 업무는 없애고, 중요한 부분에는 인간의 판단을 유지하는 것입니다.

00:17:44.240 --> 00:17:47.640
콘텐츠팀과 데이터팀은 생각보다 그리 멀리 떨어져 있지 않습니다.

00:17:47.820 --> 00:17:49.700
두 팀 모두 자산을 구축하고 있으며,

00:17:50.120 --> 00:17:53.600
반복적이고 자동화하기 쉬운 단계들로 업무 흐름이 정체되어 있습니다.

00:17:53.940 --> 00:17:57.600
이제 M365 위 도구들이 단계들을 대신 처리하기 시작했습니다.

00:17:57.920 --> 00:17:59.920
하나의 생태계, 두 번의 혁신.

00:18:00.120 --> 00:18:04.120
대부분의 기업은 크리에이티브 팀과 데이터 팀을 별개의 세계로 생각하곤 합니다.

00:18:04.340 --> 00:18:07.620
마케팅은 이야기를 만들고, 분석은 그 영향을 측정합니다.

00:18:07.620 --> 00:18:11.340
하지만 실제 업무 현장에서는 두 워크 플로우가 끊임없이 겹칩니다.

00:18:11.540 --> 00:18:14.640
캠페인은 소셜 게시물이 올라간다고 해서 끝나는 것이 아닙니다.

00:18:14.820 --> 00:18:17.100
크리에이티브 결정은 측정 항목에 영향을 미치고,

00:18:17.460 --> 00:18:19.520
데이터는 다음 크리에이티브 작업을 형성합니다.

00:18:19.740 --> 00:18:23.300
이들을 사일로로 나누면, 두 팀 모두 원시 데이터를 의미 있는 결과물로

00:18:23.300 --> 00:18:27.100
빠르게 전환해야 한다는 공통된 과제를 안고 있다는 사실을 간과하게 됩니다.

00:18:27.420 --> 00:18:31.280
이것이 바로 마이크로소프트 디자이너와 패브릭 데이터 흐름 인투에서 나타난 변화가

00:18:31.280 --> 00:18:34.780
서로 다른 문제를 해결함에도 불구하고 연결되어 있다고 느껴지는 이유입니다.

00:18:34.780 --> 00:18:39.360
한쪽에서는 AI가 레이아웃과 브랜드 일관성을 유지하는 지루한 작업을 대신합니다.

00:18:39.540 --> 00:18:44.060
다른 한쪽에서는 AI가 데이터 준비 과정에 반복적 인수고를 덜어주고 있습니다.

00:18:44.360 --> 00:18:48.740
이 두 가지는 합쳐져 아이디어 구상부터 결과 추적까지 걸리는 시간을 단축합니다.

00:18:49.060 --> 00:18:51.860
단순히 두 영역에서 노력을 절감하는 것을 넘어

00:18:51.860 --> 00:18:53.960
두 영역 사이의 루프를 단축시키는 것입니다.

00:18:54.180 --> 00:18:55.960
제품 출시 캠페인을 상상해보세요.

00:18:56.300 --> 00:18:58.060
크리에이티브 팀은 디자이너를 사용하여

00:18:58.060 --> 00:19:02.740
비주얼, 프로모션 배너, 이메일 이미지, 이벤트 슬라이드 등 전체 세트를 제작합니다.

00:19:02.740 --> 00:19:05.700
모든 자산이 브랜드 키트에 맞춰 자동 정렬됨으로

00:19:05.700 --> 00:19:09.880
색상을 수정하거나 올바른 로고를 찾느라 시간을 낭비할 필요가 없습니다.

00:19:10.140 --> 00:19:13.120
이와 동시에 분석팀은 제니 데이터 흐름을 설정하여

00:19:13.120 --> 00:19:16.540
사이트 트래픽, 광고 지출, 이메일 참여도

00:19:16.540 --> 00:19:20.800
웹이나 참석자 정보를 즉시 사용 가능한 데이터 세트로 통합합니다.

00:19:21.040 --> 00:19:25.020
캠페인이 시작되면 각 크리에이티브 자산이 어떤 성과를 내고 있는지

00:19:25.020 --> 00:19:27.280
수치와 바로 연결할 수 있는 상태가 됩니다.

00:19:27.600 --> 00:19:29.160
여기서 세부사항이 중요합니다.

00:19:29.160 --> 00:19:32.500
디자이너는 단순히 365에 내장된 캠버 복제품이 아닙니다.

00:19:32.640 --> 00:19:35.280
귀하의 M365 환경과 긴밀하게 연결되어 있습니다.

00:19:35.580 --> 00:19:37.260
캠페인 일정이 회사 캘린더에 있고

00:19:37.260 --> 00:19:39.480
이미지가 셰어포인트에 저장되어 있으며

00:19:39.480 --> 00:19:41.000
초안이 팀제 채팅에 있다면

00:19:41.000 --> 00:19:43.740
AI가 이를 활용해 레이아웃 제안을 시작할 수 있습니다.

00:19:43.980 --> 00:19:46.780
젠 2도 자체 영역에서 동일한 방식으로 작동합니다.

00:19:47.000 --> 00:19:49.300
입력 소스 간의 열 유사성을 감지하고

00:19:49.300 --> 00:19:50.960
정규화를 제안하며

00:19:50.960 --> 00:19:54.600
파워 BI 에로드하기 전에 데이터 누락을 표시합니다.

00:19:54.600 --> 00:19:58.400
두 도구 모두 워크플로우의 서로 다른 지점에서 맥락을 활용하여

00:19:58.400 --> 00:20:01.860
원시 입력 값에서 유용한 결과물까지의 수작업을 줄여줍니다.

00:20:02.060 --> 00:20:04.820
그것이 바로 두 도구를 움직이는 공유 원칙입니다.

00:20:05.060 --> 00:20:07.140
맥락 인식과 지능형 제안입니다.

00:20:07.660 --> 00:20:09.620
단순한 생성형 마법이 아닙니다.

00:20:09.840 --> 00:20:14.080
귀하의 환경에서 이미 생성되고 있는 신호를 활용하는 타겟형 자동화입니다.

00:20:14.380 --> 00:20:16.440
M365 생태계 내에서 작업할수록

00:20:16.440 --> 00:20:19.120
AI가 포착할 수 있는 신호는 더 많아집니다.

00:20:19.340 --> 00:20:23.640
입력하지 않아도 타겟 고객층을 스스로 파악하는 디자인 프롬프트가 가능해지는 것입니다.

00:20:23.640 --> 00:20:26.580
광고 비용의 절반이 태그되지 않아듬을 감지하고

00:20:26.580 --> 00:20:28.600
조정할지 묻는 데이터 흐름입니다.

00:20:28.800 --> 00:20:30.480
이는 일회성 기믹이 아닙니다.

00:20:30.680 --> 00:20:34.400
프로젝트의 일상적인 운영 방식을 변화시킬 수 있는 패턴입니다.

00:20:34.800 --> 00:20:37.000
마이크로소프트의 더 넓은 관점에서 보면

00:20:37.000 --> 00:20:41.060
그들이 AI 우선 업무 모델로 나아가고 있음이 분명합니다.

00:20:41.260 --> 00:20:42.800
독립적인 AI가 아니라

00:20:42.800 --> 00:20:45.660
여러분이 이미 사용하는 도구에 내장되어

00:20:45.660 --> 00:20:48.300
여러분의 운영 데이터에 맞춰진 AI입니다.

00:20:48.560 --> 00:20:51.200
이 모델의 강점은 한 제품의 AI 개선 사항을

00:20:51.200 --> 00:20:53.280
다른 제품에도 적용할 수 있다는 점입니다.

00:20:53.280 --> 00:20:56.280
디자이너의 레이아웃을 일관되게 유지하는 브랜드 논리가

00:20:56.280 --> 00:20:58.900
언젠가는 파워 BI의 데이터 시각화에도

00:20:58.900 --> 00:21:01.660
동일한 시각적 정체성을 부여할 수 있을 것입니다.

00:21:01.860 --> 00:21:03.200
젠 2위 이상 탐지 기능은

00:21:03.200 --> 00:21:05.700
워드 비즈니스 케이스 내에의 일관성 없는 수치를

00:21:05.700 --> 00:21:07.560
발표 전에 미리 표시할 수 있습니다.

00:21:07.860 --> 00:21:10.260
지금 고려해볼 가치가 있는 질문을 던집니다.

00:21:10.460 --> 00:21:12.840
AI 가창의적 업무와 분석적 업무를

00:21:12.840 --> 00:21:14.480
모두 능숙하게 안내할 수 있다면

00:21:14.480 --> 00:21:17.640
에셋을 디자인하고 타겟 고객을 설정하며

00:21:17.640 --> 00:21:18.800
캠페인을 시작하고

00:21:18.800 --> 00:21:20.720
선과 데이터를 한 곳에서 확인하는

00:21:20.720 --> 00:21:23.140
통합 대시보드까지 얼마나 남았을까요?

00:21:23.340 --> 00:21:24.900
더 이상 헛된 꿈이 아닙니다.

00:21:25.100 --> 00:21:26.500
기반은 이미 마련되어 있습니다.

00:21:26.820 --> 00:21:28.840
단지 그것들이 하나의 통합된 화면으로

00:21:28.840 --> 00:21:30.260
합쳐지지 않았을 뿐입니다.

00:21:30.480 --> 00:21:32.420
두 도구를 이미 사용하는 조직에게

00:21:32.420 --> 00:21:34.580
그 즉각적인 이점은 분명합니다.

00:21:34.820 --> 00:21:36.660
수동 내보내기, 이메일 전달,

00:21:37.060 --> 00:21:39.620
업데이트 지연으로 캠페인 속도를 늦추 던 방식 없이

00:21:39.620 --> 00:21:42.000
브랜드 스토리텔링과 실시간 선과 데이터를

00:21:42.000 --> 00:21:42.900
정렬할 수 있습니다.

00:21:42.900 --> 00:21:45.700
이는 더 빠를 뿐만 아니라 오류도 적습니다.

00:21:46.480 --> 00:21:49.580
창작 부서는 결과를 거의 실시간으로 확인합니다.

00:21:50.020 --> 00:21:53.840
분석 부서는 어떤 에셋이 성과를 내는지 정확히 파악하며

00:21:53.840 --> 00:21:58.080
캠페인 종료 후가 아니라 진행 중에 즉시 조정이 이루어집니다.

00:21:59.000 --> 00:22:01.020
이제 다음 물결이 다가오고 있습니다.

00:22:01.360 --> 00:22:03.320
개별 앱 내에서만 작동하는 것이 아니라

00:22:03.320 --> 00:22:05.480
앱 전반을 조율하는 AI입니다.

00:22:05.740 --> 00:22:08.160
그때가 되면 캠페인 메시지 변경 하나만으로

00:22:08.160 --> 00:22:09.900
디자이너의 비주얼이 자동 업데이트되고

00:22:09.900 --> 00:22:12.800
데이터 흐름의 태그 규칙이 조정되며

00:22:12.800 --> 00:22:16.920
별도의 작업 없이도 대시보드의 최신 분석 결과가 제공될 것입니다.