밀워키 Copilot 활용 교육 | 생성형 AI로 업무생산성을 높이는 6시간 과정
딥택트러닝은 밀워키 구성원을 대상으로 Copilot 활용법과 생성형 AI 업무생산성 교육을 진행했습니다. 이번 과정은 생성형 AI와 LLM의 기본 원리를 이해하고, 프롬프트 작성부터 이메일·회의록·CRM 자동화·보고서 작성·Deep Research·프로젝트 관리·데이터 분석까지 실제 업무에 적용하는 6시간 실습형 기업교육입니다.
Copilot과 생성형 AI 도구를 도입했다고 해서 업무 방식이 자동으로 달라지는 것은 아닙니다. 업무의 목적과 맥락을 정확히 전달하고, 복잡한 과제를 단계로 나누며, 반복 업무를 워크플로우와 Agent로 전환하는 역량이 필요합니다.
이번 밀워키 Copilot 교육은 일상 업무의 시간 절약과 프로젝트성 업무의 효과 향상을 함께 다뤘습니다. 구성원이 자신의 업무에서 AI를 적용할 지점을 직접 발견하도록 다양한 실무 사례와 개인 실습으로 구성했습니다.
교육 개요
•
교육 주제: 생성형 AI 활용으로 업무생산성 높이기
•
교육 대상: 밀워키 구성원
•
교육 시간: 6시간, 10:00~17:00
•
교육 방식: 개인 실습, 상호 학습
•
핵심 키워드: 밀워키 Copilot 교육, 생성형 AI 업무 활용, 프롬프트 작성, 이메일 회신, 회의록 작성, CRM 자동화, Copilot Agent, 보고서 작성, Deep Research, WBS, 데이터 분석
왜 Copilot 업무 활용 교육이 필요한가
생성형 AI를 사용해 본 구성원도 실제 업무에서는 다음과 같은 어려움을 경험합니다.
•
질문을 입력해도 일반적이고 업무 맥락이 부족한 답변이 나오는 경우
•
긴 이메일의 핵심과 의사결정 항목을 파악하는 데 시간이 드는 경우
•
회의 내용을 기록했지만 결정 사항과 후속 업무가 분명하지 않은 경우
•
CRM 등 반복 업무를 매번 같은 방식으로 수작업하는 경우
•
보고서의 목차, 조사와 작성 과정을 한 번에 AI에 맡기는 경우
•
Deep Research 결과의 출처와 사실을 충분히 검토하지 않는 경우
•
프로젝트와 데이터 분석에 AI를 어디서부터 적용할지 모르는 경우
Copilot 교육은 기능을 나열하는 시간이 아닙니다. 업무 절차를 분석하고 AI가 잘하는 일과 사람이 판단해야 할 일을 구분하는 과정입니다.
생성형 AI와 LLM의 작동 원리 및 한계
교육에서는 AI, 머신러닝, 딥러닝과 생성형 AI의 관계를 살펴보고 ChatGPT와 Copilot의 공통 작동 원리를 이해했습니다.
LLM은 사용자의 지시를 따르는 Instruction Following, 제공된 정보와 대화의 맥락을 반영하는 In-Context Learning, 복잡한 문제를 단계별로 처리하는 Step by Step 방식에 강점이 있습니다.
반면 최신 정보가 부족할 수 있고, 사실이 아닌 내용을 그럴듯하게 생성하는 할루시네이션과 근거 불분명 문제가 있습니다. AI 답변에는 이유와 출처를 요구하고, 원자료와 다른 도구로 교차 검증해야 합니다.
업무 결과를 높이는 프롬프트 작성 3원칙
좋은 프롬프트는 특별한 주문을 외우는 것이 아니라 AI가 업무 상황을 이해하도록 정보를 전달하는 방식입니다.
원하는 결과와 지시를 먼저 말하고 배경 자료를 구분합니다. 큰 업무는 목차, 조사, 초안과 검토 단계로 나누고, 대상·목적·일정·제약조건을 제공합니다. 첫 답변에는 방향과 분량을 피드백한 뒤 최종안으로 다시 정리합니다.
이메일 회신 업무를 단계별로 처리합니다
장황하고 여러 요청이 포함된 이메일은 바로 답장을 작성하기보다 다음 순서로 처리합니다.
1.
메일의 핵심 내용 요약
2.
회신에 반드시 포함해야 할 항목 정리
3.
사용자가 결정해야 할 내용을 객관식 질문으로 확인
4.
상대방의 어조와 상황에 맞춘 회신 작성
5.
회신 이후 필요한 후속 업무를 할 일 목록으로 정리
고객 클레임 메일은 고객의 핵심 불만과 감정을 먼저 분석해야 합니다. 확인되지 않은 해결책을 약속하지 않고, 담당자가 실제로 진행할 수 있는 조치와 확인 일정을 반영해 답변을 작성합니다.
회의록을 기록에서 실행 관리로 전환합니다
회의록은 회의 녹음 -> 음성의 텍스트 변환 -> 생성형 AI 정리의 흐름으로 작성합니다. 클로바노트 등의 도구를 활용해 화자를 구분하고 텍스트를 추출한 뒤, 조직의 회의록 양식에 맞게 정리할 수 있습니다.
회의록에는 최종 결정, 미결 사항, 담당자, 마감일과 후속 일정을 구분합니다. AI가 불명확한 내용을 확정하지 않도록 확인 필요 항목도 표시합니다.
CRM 반복 업무를 Gems와 Copilot Agent로 자동화합니다
밀워키 CRM과 같이 입력 항목과 처리 순서가 일정한 업무는 반복 업무 자동화의 좋은 대상입니다. 교육에서는 자주 사용하는 프롬프트를 다듬고, Gemini Gems와 Copilot Agent의 지침으로 전환하는 방법을 살펴봤습니다.
Agent에는 수행 업무, 필수 입력, 작업 단계, 확인 질문, 참고 자료, 결과 형식과 완료 기준을 정의합니다. 자동화의 출발점은 도구가 아니라 반복되는 업무 패턴입니다.
보고서 작성 전 과정에 AI를 참여시킵니다
보고서는 상사의 니즈 파악 -> 목차 구성 -> 자료 조사 -> 본문 작성 -> 중간보고 -> 피드백 -> 최종보고의 과정으로 진행됩니다.
완성본을 한 번에 요구하기보다 상사가 기대하는 의사결정과 결과를 파악하고, 그에 맞는 목차와 조사 계획을 설계합니다. 작성 후에는 문장과 형식을 조정하고 다이어그램, 인포그래픽과 프레젠테이션으로 시각화할 수 있습니다.
Deep Research로 외부 자료를 수집하고 검증합니다
최신 시장, 고객과 경쟁 정보를 조사할 때는 ChatGPT, Perplexity, Gemini, Genspark 등의 Deep Research 기능을 활용할 수 있습니다.
Deep Research를 시작하기 전에 핵심 질문, 비교 기준, 1차 출처, 조사 범위와 검증 방법을 정합니다. 결과는 바로 사용하지 않고 출처, 발행일, 수치와 원문을 확인합니다.
프로젝트 업무는 WBS와 Agent AI로 구조화합니다
업무를 기한 없이 반복되는 일상 업무와 완료 기한이 있는 프로젝트로 구분하면 AI 적용 방식도 달라집니다.
프로젝트는 WBS를 활용해 큰 목표를 실행 가능한 작업으로 나눌 수 있습니다. 완료 목표와 일정, 담당 업무, 위험 요소, 할 일과 체크리스트를 함께 정리합니다.
검색 AI는 최신 사실을 찾고, 생성 AI는 논리적 추론과 아이디어 생성에 강점이 있습니다. Agent AI는 여러 도구를 연결해 업무 프로세스를 계획하고 실행합니다. 업무의 성격에 따라 적합한 AI 역할을 선택해야 합니다.
정성·엑셀·PDF 데이터를 AI로 분석합니다
정성 데이터는 MECE와 클러스터링으로 분류합니다. 엑셀은 데이터의 의미, 결측치와 이상치를 확인한 뒤 근거 수치로 인사이트를 도출합니다. PDF와 NotebookLM은 여러 자료의 핵심을 연결하는 데 활용하되 원문과 대조해야 합니다.
이런 조직에 추천합니다
•
Microsoft Copilot을 도입했지만 업무 활용 범위가 제한적인 조직
•
이메일, 회의록과 CRM 반복 업무 시간을 줄이고 싶은 조직
•
프롬프트를 개인의 경험이 아닌 팀의 업무 자산으로 만들고 싶은 조직
•
보고서 작성과 Deep Research 역량을 높여야 하는 영업·마케팅·기획 조직
•
프로젝트 WBS와 데이터 분석에 생성형 AI를 적용하려는 조직
•
Copilot Agent와 반복 업무 자동화를 준비하는 기업
생성형 AI 업무 활용의 핵심은 모든 일을 AI에 위임하는 것이 아닙니다. 작업할 때 AI를 적극적으로 초대하되 사람이 주요 과정에 계속 개입하고, 사실과 근거를 검토하며 최종 결과에 책임져야 합니다.
딥택트러닝은 조직의 실제 업무와 사용 환경을 반영해 Copilot 기업교육, 생성형 AI 업무 활용 교육, AI 업무 자동화 교육, 보고서 작성과 데이터 분석 교육을 설계합니다.
•
교육 문의: 010-6651-6268 (박재현 소장)
#밀워키 #Copilot교육 #MSCopilot교육 #생성형AI교육 #AI업무활용 #업무생산성교육 #프롬프트교육 #업무자동화 #CopilotAgent #DeepResearch #보고서작성 #WBS #데이터분석 #NotebookLM #기업교육 #딥택트러닝 #박재현소장
