Microsoft Ignite 2025 오프닝 키노트 핵심 정리

핵심 요약

이번 키노트는 'AI를 기술'이 아니라 '비즈니스 변혁의 엔진'으로 쓰는 방법에 집중하며, M365 Copilot·Copilot Studio·GitHub·Fabric·Foundry를 하나의 지능 레이어로 엮어 조직 전체에 에이전트와 자동화를 깔아넣는 전략을 보여준다. 핵심 메시지는 "업무 흐름 속에 녹아든 AI, 누구나 만드는 AI, 관측·통제 가능한 AI"를 통해 '프론티어 기업'으로 도약하라는 것이다.

프론티어 기업 vs 과거식 디지털 전환

마이크로소프트는 성공하는 AI 도입 기업을 '프론티어 기업'이라 부르며, 단순히 기존 프로세스에 기술을 덧칠하는 과거식 '디지털 전환'과 구분한다.

프론티어 기업은 네 가지 축에 집중한다. 직원 경험을 개선해 최고의 인재에게 AI 도구를 쥐여주고, 고객 여정을 AI로 재설계하고, 업무 프로세스를 'AI 우선'으로 다시 설계하며, 마지막으로 이를 기반으로 새로운 혁신과 경쟁우위를 만든다.

이때 중요한 관점은 "기술 주도가 아니라, 비즈니스 목표 주도의 AI 적용"이다. 성공과 실패를 가르는 것은 어떤 모델을 쓰느냐보다, 조직의 전략·지표·일하는 방식을 AI 기반으로 재구상했는지 여부에 가깝다.

AI 프로젝트가 자주 실패하는 네 가지 이유

키노트에서는 실제 고객 사례 분석을 통해 AI 프로젝트 실패의 공통 원인을 네 가지로 정리한다.

첫째, 경영/비즈니스와 IT의 목표가 따로 노는 경우다. 현장의 문제와 데이터·시스템 구축 방향이 엇갈리면, 아무리 고급 모델을 써도 영향이 작다.

둘째, 데이터 품질과 통합 문제다. 여러 시스템에 흩어진 조각난 데이터와 중복·오류는 AI에게 "일관된 진실"을 제공하지 못하고, 결과의 신뢰성을 떨어뜨린다.

셋째, 거버넌스·규제 대응 부재다. 보안·규제·윤리 기준이 모호하면, 리스크를 우려한 조직이 실제 업무 적용을 막아 AI를 '실험용 장난감' 수준에 머물게 만든다.

넷째, '파일럿 남발'이다. 작은 PoC를 이곳저곳에서 시도하지만, 회사 차원의 우선순위·공유 인프라·표준이 없어 스케일업되지 못하고 "랜덤 혁신"으로 소모된다.

'AI를 사람의 야망 흐름에 넣기'라는 관점

마이크로소프트가 반복해서 강조하는 문장이 있다. "사람이 하는 일을 복사해 채팅창에 붙여 넣는 것"이 AI 활용의 전부가 아니라는 점이다.

핵심은 사람들이 이미 쓰고 좋아하는 도구(Outlook, Word, Excel, PowerPoint, Teams, 개발도구 등) 안에 AI를 녹여, 기존의 업무 흐름을 끊지 않고 지능을 집어넣는 것이다.

또한, AI는 단순 도우미가 아니라 개인의 야망·목표를 함께 실행하는 '에이전트' 역할을 하게 된다. 예를 들어, 일정 준비, 문서 작성, 코드 수정, 보안 사고 대응, 공장 품질 점검까지 "목표만 말하면 세부 행동은 에이전트가 수행하는 구조"를 지향한다.

이 관점이 익숙해지면, "이 업무를 어떻게 자동화하지?"보다 "내 역할의 본질을 돕는 에이전트를 어떻게 정의할까?"로 생각이 바뀐다.

Work IQ: 조직의 '일하는 방식'을 아는 지능 레이어

Work IQ는 M365 기반 환경에서 돌아가는 '업무 맥락용 AI 두뇌'다. 단순 커넥터가 아니라, 조직의 데이터·관계·업무 습관을 이해하는 지능 레이어로 설명된다.

Work IQ는 크게 세 가지 요소로 설명된다. 데이터(메일, 문서, 회의, 비즈니스 시스템 등에서 오는 조직 지식), 메모리(개인의 스타일·우선순위·선호), 추론(이 둘을 합쳐 다음 행동·적합한 에이전트를 예측하는 능력)이다.

중요한 차별점은 "권한 모델을 그대로 존중한 전체 문맥 접근"이다. 커넥터는 데이터 조각을 끌어올 뿐 관계를 충분히 이해 못 하거나 권한을 제대로 반영하지 못할 수 있지만, Work IQ는 M365의 보안·권한 체계를 그대로 따르고 전체 관계 그래프를 활용해 더 정확한 답변과 자동화를 제공한다.

사용자 입장에서는 "회사 전체에 흩어진 자료를 AI가 나 대신 이해하고 요약·연결해 주는, 일종의 지능형 사내 검색+비서"라고 보면 쉽다.

M365 Copilot: 일상 업무 속 AI 파트너

M365 Copilot은 Word, Excel, PowerPoint, Outlook, Teams 등에서 직접 활용하는 '업무용 Copilot'이다. 핵심 가치는 "내가 이미 쓰던 Office 도구에 AI가 자연스럽게 붙어, 문서·메일·회의·데이터 작업을 함께 처리해 주는 것"이다.

키노트에서는 가상의 스포츠 의류 회사 'Safa' 사례로 그 사용을 보여준다. COO는 Copilot으로 고객사(Microsoft)의 대량 티셔츠 요청을 이해하고, 팀과의 채팅에 문맥을 공유하며, 재고 분석·견적 작성·이메일 응답을 줄줄이 AI와 협업해 몇 분 안에 처리한다.

또한 새로운 기능으로:

• Copilot Chat에서 바로 Word/Excel/PowerPoint 작업을 하는 전용 에이전트

• 전체 메일함 맥락을 이해해 업무 우선순위 정리·회의 준비·후속 액션 정리

• M365 E5 구독에 'Security Copilot' 포함(보안 분석용 AI)

등이 발표된다. 실무자 관점에서는 "이제 문서·메일·보안까지 한 화면에서 AI와 같이 처리하는 그림"으로 이해하면 좋다.

에이전트 생태계: Copilot Studio와 GitHub Copilot

앞으로 모든 조직은 수많은 AI 에이전트로 돌아가는 '에이전트 기반 조직'이 될 것이라는 메시지가 반복된다. 이를 위해 마이크로소프트는 역할별 도구를 제공한다.

비개발자나 도메인 전문가에게는 Copilot Studio가 있다. 이 도구로 이메일 트리거, Teams 메시지, 워크플로우, 사내 데이터 연결을 가진 에이전트를 로우코드로 만들 수 있다. 키노트에서는 '근무자 병가 이메일을 감지→대체자 자동 섭외→점장에게 보고'까지 처리하는 근무 교대 에이전트를 몇 단계 설정만으로 만드는 예시가 나온다.

개발자에게는 GitHub Copilot이 "에이전트 함대 + Agent HQ" 방식으로 진화하고 있다. 개발자는 특정 이슈를 '프론트엔드 전용 에이전트'나 '보안 수정 에이전트'에게 할당해, 브랜치 생성·코드 수정·PR 생성까지 맡길 수 있고, 자신은 리뷰·테스트·설계 같은 고부가 업무에 집중한다.

결국 현업·Citizen 개발자·전문 개발자가 서로 다른 도구를 쓰지만, 모두 같은 지능 레이어와 데이터 기반에서 에이전트를 만들고 공유하는 구조를 지향한다.

Application Builder: 누구나 만드는 소규모 업무 앱

새롭게 공개된 Application Builder는 "M365 Copilot 안에서 자연어로 업무용 앱을 만드는 기능"으로 소개된다.

예를 들어 매장 관리자는 "직원 근무표를 한눈에 보고, 공백 시간대를 파악하고, 직원별 스케줄을 조정할 수 있는 대시보드를 만들어줘"라고 말하듯이 요청한다. 그러면 Copilot이 기존의 엑셀, 노트, 메일에 담긴 데이터를 바탕으로 스케줄 테이블, 매장 커버리지 시각화, 관리자용 뷰를 가진 앱을 자동 구성해 준다.

사용자는 새로운 개발 툴을 배우지 않고, '원래 쓰던 M365 데이터'와 '자연어 설명'만으로 업무 도구를 만드는 셈이다. 이 기능이 확산되면 한 조직 내에서 "작은 업무 앱"이 폭발적으로 늘어나고, 현장에서 문제를 느끼는 사람이 직접 해결책을 만들 수 있게 된다.

실제 산업 사례 1: 헬스케어(Epic + Copilot)

Epic은 대형 의료 정보 시스템 업체로, AI를 진료 현장에 깊게 녹여 쓰는 사례로 소개된다.

의사는 진료실에 들어가기 전, AI가 요약해 준 환자 요약(과거 진료, 유전자 검사 결과 등)을 읽고 빠르게 상황을 파악한다. 진료 중에는 스마트폰이나 태블릿을 환자와 사이에 두고 대화를 녹음하면, AI가 이를 의무기록으로 구조화하고 필요한 처방·검사·물리치료 의뢰 등을 자동으로 초안으로 만들어 준다.

또한 보험사의 사전 승인(약·시술 허가) 요청서도 AI가 자동으로 질문에 맞춰 작성해 제출 시간을 크게 줄여준다. 진료 후에는 환자 앱(MyChart)에 "얼음찜질하기, 약 복용 체크" 같은 행동 가능한 할 일 목록을 제공하고, 환자 이행 여부를 추적해 의사가 관리할 수 있게 한다.

이 모든 것이 Azure·M365·Epic 시스템을 안전하게 연결해 구현되며, 의료진의 "면허 수준(top of license)"을 넘어 "잠재력 수준(top of potential)"까지 끌어올린다는 점이 강조된다.

실제 산업 사례 2: 제조·모빌리티(메르세데스-벤츠)

메르세데스-벤츠는 AI를 사무직뿐 아니라 생산라인과 공장 전체에 걸쳐 활용하는 사례로 등장한다.

사무 영역에서는 M365 Copilot을 전사적으로 확대 도입해 회의 준비, 문서 작성, 재무팀의 인보이스 처리 자동화 등 다양한 업무를 가속하고 있다. 개발 쪽에서는 GitHub Copilot 도입 후 개발자 참여도와 생산성이 크게 늘어, 개발자는 설계·로직에 집중하고 반복 코드는 AI가 담당한다.

공장에서는 Azure 기반의 '디지털 팩토리 챗'이 품질 이슈 발생 시 생산·품질·에너지 데이터 등을 자동 분석해 "무엇이, 왜 문제인지"를 요약 보고한다. 또한, 페인트 공정에서는 Azure 시뮬레이션과 AI 모델을 활용해 온도·습도를 최적화하고, 결과적으로 에너지 사용을 20% 줄이는 성과도 냈다.

나아가 NVIDIA + Azure를 활용한 공장 디지털 트윈으로, 라인 변경 이전에 가상 환경에서 설계·시험·최적화를 수행하는 방향으로 나아가고 있다.

Fabric IQ와 Foundry IQ: 데이터와 AI를 잇는 '지능 레이어'

조직에는 구조화된 데이터(ERP, CRM, 데이터 웨어하우스)와 비정형 데이터(문서, 메일, 회의록)가 모두 존재하며, 이 둘 사이를 이해하고 추론하는 '지능 레이어'가 필요하다.

Fabric IQ는 Microsoft Fabric(데이터/분석 플랫폼)에서 "비즈니스 개념과 관계"를 모델링하는 역할을 한다. 매출, 재고, 고객, 지역, 캠페인 같은 개념과 그 관계를 명시적으로 정의하고, 이를 기반으로 AI와 사람이 같은 언어로 데이터를 이해하도록 돕는다.

Foundry IQ는 Foundry(모델·에이전트 플랫폼)에서 "RAG를 넘은 컨텍스트 엔지니어링"을 제공하는 레이어로 소개된다. Work IQ, Fabric IQ, Blob Storage, 웹, 기타 사내 데이터 소스를 넘나들며, 단순 검색이 아니라 계획을 세우고, 여러 자료를 비교하며, 반복적으로 더 나은 답을 찾는 방식으로 에이전트를 돕는다.

결국 이 세 가지(IQ) 조합은 "사람이 조직을 이해하는 방식에 가깝게 AI가 조직을 이해하게 만들자"는 시도다.

Foundry와 모델 생태계, 그리고 Anthropic 파트너십

Microsoft Foundry는 "AI 시대의 개방형·모듈형 서버/플랫폼"으로, 다양한 모델·도구·프레임워크 위에 에이전트를 구성하고 운영하는 기반이다.

여기에는 OpenAI, Llama, DeepSeek 등 다양한 모델이 포함되어 있고, 이번 키노트에서는 Anthropic의 Claude(소넷, 오푸스 등) 모델이 Azure Foundry에 공식 추가되는 것이 큰 발표 포인트다. 또한 모델 라우터 기능을 통해 비용·성능·정확도에 따라 자동으로 최적의 모델을 선택해 주며, 품질과 지연 시간을 동시에 개선하는 것을 목표로 한다.

흥미로운 부분은 동일한 모델(예: Claude)이 Foundry뿐 아니라 M365 Copilot, GitHub Copilot(Agent HQ) 등 여러 계층에서 함께 활용된다는 점이다. 즉, 한 번 계약·도입한 모델이 엔드유저 업무·개발·백엔드 에이전트에 재사용되며, 관리·관측도 통합된다는 의미다.

인사이트

이번 키노트의 핵심 메시지는 "AI를 여기저기 붙이는 게 아니라, 회사의 '일하는 방식' 그 자체를 재설계하라"는 것이다.

실천 관점에서 몇 가지 포인트를 뽑으면 다음과 같다. 먼저, PoC 남발 대신 "우리 회사에서 가장 큰 비즈니스 임팩트를 낼 수 있는 2~3개의 핵심 업무 흐름"에 AI를 깊게 녹여보는 것이 좋다. 예를 들어, 영업 제안 프로세스, 고객 지원, 공장 품질 관리처럼 명확한 반복 패턴이 있고 데이터가 있는 영역을 고르는 것이다.

둘째, 현업이 직접 에이전트를 만들고 앱을 만들 수 있는 도구(Copilot, Application Builder, Copilot Studio)를 열어주되, 데이터·보안·품질 기준은 중앙에서 정해주는 '가드레일 모델'을 도입하는 것이 중요하다.

셋째, 개발팀은 GitHub Copilot과 Foundry를 활용해 "에이전트를 활용한 개발·운영 자동화"에 먼저 투자하는 것이 좋다. 자기 조직의 개발 생산성과 품질이 올라가야, 다른 조직을 위한 AI 솔루션도 더 빨리 만들 수 있기 때문이다.

마지막으로, 모든 기술 도입의 기준은 "직원·고객·환자·시민의 시간을 돌려주고, 더 의미 있는 일에 집중하게 해 주는가?"라는 질문이 되어야 한다. 이 질문에 '예'라고 답할 수 있는 사용 사례를 하나씩 쌓아가는 것이, 프론티어 기업으로 가는 가장 현실적인 길이다.

출처 및 참고 :