🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

LTM의 CIO 라제시 쿠마르는 Microsoft 365 Copilot을 단순한 업무 보조 도구에서 전략 리서치와 사내 AI 활용 확산을 돕는 협업 파트너로 발전시켜 사용하고 있다.

📌 핵심 요약

• 라제시 쿠마르는 2년 전 Microsoft 365 Copilot을 처음 사용할 때 이메일 내용을 묻거나 초대 거절 문구를 쓰게 하는 짧은 프롬프트 위주로 활용했다.
• 이후 그는 OneNote에 먼저 문단 단위의 지시문을 작성한 뒤 Copilot에 넘길 만큼 프롬프트를 더 길고 복잡하게 구성하게 되었고, 이를 협업 수준의 변화로 설명했다.
• 초기에는 Teams와 Outlook 등 Microsoft 365 핵심 도구 안에 Copilot이 자연스럽게 내장되어 맥락을 이해하고 이메일과 채팅을 정리해 주는 점에 크게 주목했다.
• 생산성 향상이 일상이 된 뒤에는 Copilot의 Researcher 에이전트를 전략 주제 조사, 사례 연구 선별, 벤더 금융 점검과 시장 조사 등에 활용하며 동료에게 반복적으로 조사를 부탁하던 방식을 줄였다.
• Kumar는 CIO로서 부서별 Copilot 세션과 비개발자 대상 해커톤을 진행하고, Copilot Studio를 포함한 플랫폼 역량과 에이전트 사고를 확산시키며 인재와 프로젝트를 빠르게 연결하는 에이전트 사례도 만들고 있다.

🧩 주요 포인트

1. 라제시 쿠마르는 2년 전 Microsoft 365 Copilot을 처음 사용할 때 이메일 내용을 묻거나 초대 거절 문구를 쓰게 하는 짧은 프롬프트 위주로 활용했다.
2. 이후 그는 OneNote에 먼저 문단 단위의 지시문을 작성한 뒤 Copilot에 넘길 만큼 프롬프트를 더 길고 복잡하게 구성하게 되었고, 이를 협업 수준의 변화로 설명했다.
3. 초기에는 Teams와 Outlook 등 Microsoft 365 핵심 도구 안에 Copilot이 자연스럽게 내장되어 맥락을 이해하고 이메일과 채팅을 정리해 주는 점에 크게 주목했다.
4. 생산성 향상이 일상이 된 뒤에는 Copilot의 Researcher 에이전트를 전략 주제 조사, 사례 연구 선별, 벤더 금융 점검과 시장 조사 등에 활용하며 동료에게 반복적으로 조사를 부탁하던 방식을 줄였다.
5. Kumar는 CIO로서 부서별 Copilot 세션과 비개발자 대상 해커톤을 진행하고, Copilot Studio를 포함한 플랫폼 역량과 에이전트 사고를 확산시키며 인재와 프로젝트를 빠르게 연결하는 에이전트 사례도 만들고 있다.

🧠 상세 정리

1. 짧은 명령에서 복잡한 협업으로 바뀐 사용 방식

기사의 출발점은 Kumar가 Copilot에 던지는 프롬프트의 길이와 성격이 달라졌다는 점이다. 2년 전 그는 “이 이메일이 무슨 내용인가”, “이 초대를 정중히 거절하는 메모를 써 달라” 같은 한 줄짜리 요청을 주로 사용했다. 하지만 지금은 OneNote에 먼저 문단 단위의 지시를 정리한 뒤 Copilot에게 넘긴다. Kumar는 프롬프트가 복잡해지고 있으며, Copilot과의 협업이 다른 수준으로 진화했다고 말한다.

2. Microsoft 365 업무 흐름 안에 내장된 Copilot의 첫 인상

Kumar가 초기에 크게 놀란 부분은 Copilot이 Teams와 Outlook 같은 Microsoft 365 제품군의 핵심 업무 도구 안에 녹아 있다는 점이었다. 그는 별도의 복사와 붙여넣기 없이도 Copilot이 맥락을 이해한다고 설명했다. 이 맥락 이해는 기사에서 Copilot 뒤의 지능 계층인 Work IQ와 연결되어 언급된다. Kumar는 이메일과 채팅의 바다를 헤치고 자신이 주목해야 할 사안에 집중하는 데 Copilot을 활용했고, 그때의 흥미가 여전히 이어지고 있다고 말했다.

3. 생산성 도구를 넘어 전략 주제 리서치로 확장

초기의 생산성 향상은 곧 새로운 일상이 되었고, Kumar는 Copilot을 단순한 업무 흐름 보조가 아니라 회사 전반의 AI 활용 문화로 확장하는 방향을 탐색했다. 그는 Copilot 에이전트인 Researcher를 전략 주제에 대한 인사이트를 얻는 데 사용한다. 예를 들어 산업 서밋의 특정 청중에게 LTM의 어떤 사례 연구가 역량을 가장 잘 보여줄지 평가할 수 있다. 또 직원 생산성 도구 후보 벤더에 대한 심층 금융 점검과 시장 조사에도 Researcher를 활용한다.

4. 광범위한 조사 요청과 동료 업무 방해 감소

기사에는 Kumar가 기존 소프트웨어를 대체할 가능성을 검토할 때 사용할 수 있는 긴 프롬프트 예시가 제시된다. 그는 비싸고 구현이 복잡한 플랫폼을 두고, IT 서비스 업계의 대안과 제품 비교, 위험과 함정까지 포함한 상세 보고서를 요청할 수 있다고 설명한다. Researcher를 쓰면서 Kumar는 이미 바쁜 동료들에게 관점 공유, 조사, 슬라이드 취합을 반복적으로 부탁할 필요가 줄었다. 그는 그런 요청이 동료들에게 원치 않는 방해였을 것이라며, 이제는 Researcher 에이전트가 훌륭한 출발점을 제공한다고 말한다.

5. CIO로서 추진하는 사내 AI 채택과 에이전트 사고

Kumar는 LTM의 CIO로서 개인적 활용에 그치지 않고 회사 전체의 AI 도입도 이끌고 있다. 그의 팀은 부서별 Copilot 세션을 진행하고, 소프트웨어 개발자가 아닌 기능 부서 사용자들을 위한 해커톤도 열었다. 목적은 Microsoft Copilot Studio를 포함해 AI 기반 에이전트를 만들 수 있는 플랫폼의 전체 역량을 사용자에게 소개하는 것이다. Kumar는 다음 진화 단계가 에이전트 사고를 도입하는 데 있으며, 사용자들이 스스로 무엇을 만들 수 있는지를 묻는 단계라고 설명한다.

6. 프로젝트 인력 매칭과 개인 여행 사례

부서별 세션의 결과 중 하나로, LTM은 직원의 가용성과 역량을 프로젝트와 연결하는 에이전트를 만들었다. 이 에이전트는 전사적 자원 관리 시스템과 직원의 디지털 이력서를 바탕으로 가장 빨리 배치할 수 있는 적합한 인재를 찾는 데 도움을 준다. 기사 후반부에서는 Kumar가 개인 생활에서도 Copilot을 사용한다는 사례가 나온다. 그는 유럽의 한 도시에 저녁 7시에 도착한 뒤 앞으로 세 시간 동안 갈 만한 곳을 추천해 달라고 했고, Copilot이 제안한 몇몇 장소가 그 시간대에 매우 좋은 선택이었다고 회상한다.

🧾 핵심 주장 / 시사점

• 이 기사는 Copilot 활용의 핵심 변화가 도구 자체의 사용 여부보다 사용자가 얼마나 구체적이고 맥락 있는 지시를 구성하느냐에 있음을 보여준다.
• Kumar의 사례에서 AI는 동료의 전문성을 대체하기보다 반복적인 조사와 초안 생성 부담을 줄여 사람이 더 중요한 판단과 협업에 집중하게 하는 출발점 역할을 한다.
• LTM의 접근은 AI 도입이 개인 생산성 개선에서 끝나지 않고, 부서별 교육과 해커톤, Copilot Studio 기반 에이전트 제작을 통해 조직 운영 방식으로 확장될 수 있음을 시사한다.

✅ 액션 아이템

• 짧은 질의형 요청에서 벗어나 OneNote 문단 지시문 방식으로 프롬프트를 구조화해 협업 단위를 확대한다.
• Teams·Outlook에 내장된 Copilot의 문맥 정리 기능을 기준으로 이메일·채팅 처리 규칙을 정리해 반복 정리 작업을 통일한다.
• Researcher 에이전트와 Copilot Studio 사례를 부서별로 적용해 전략 조사·벤더 점검·시장조사 업무의 반복 의존도를 낮춘다.

❓ 열린 질문

• 문단 단위 지시문 프롬프트로 전환할 때 어느 업무군에서 협업 효율이 가장 크게 개선되는가?
• Researcher 에이전트를 전략 조사·사례 선별·시장조사에 투입했을 때 반복 요청 감소를 판단할 실질 지표는 무엇인가?
• 비개발자 대상 해커톤에서 Copilot Studio 기반 에이전트 사례를 전파할 때 인재와 프로젝트 연결 속도는 어떤 기준으로 점검할 수 있는가?