실습 ③: 흐름 + Office Script + AI 프롬프트 — 그리고 함정

시간	소요	수강생 역할
10:48	10분	🟠 데모 + 따라보기 (시간 부족 시 데모 위주)

실습 ① 에서 본 것처럼 — Excel Table만 잘 정의돼 있으면 흐름 없이도 충분하고, 실습 ② 처럼 코드 없이 커넥터+OData 필터만으로도 상당히 멀리 갈 수 있습니다. 그럼에도 Office Script까지 가는 이유는 그 자체가 만능이라서가 아니라, 커넥터의 한계(5,000행, 단순 필터)를 넘는 시나리오를 우회하기 위해서 입니다.

목차

1. 1. Office Script까지 가야 할 때 — 솔직한 실익 검토
   1. ✅ Office Script가 진짜 필요한 경우
   2. ❌ Office Script가 오히려 손해인 경우
   3. ⚠️ 함정 — AI 프롬프트의 코드 인터프리터
2. 2. 이 실습이 만드는 것 — 4단 콤보
3. Part A. 흐름 만들기 (Step 1~12)
   1. Step 1. 샘플 Excel 준비
   2. Step 2. 에이전트 흐름(Power Automate) 만들기
   3. Step 3. OneDrive에 임시 저장
   4. Step 4. 여기까지 테스트
   5. Step 5. Office Script 작성 (시트 → JSON)
   6. Step 6. 흐름에 “스크립트 실행” 노드 추가
   7. Step 7. AI 프롬프트 실행 노드 추가
   8. Step 8. 사용자 지정 프롬프트 작성 ⭐ (함정 회피 포인트)
   9. Step 9. 프롬프트 단독 테스트
   10. Step 10. 흐름으로 돌아와 입력 파라미터 매핑
   11. Step 11. 흐름의 응답 노드
   12. Step 12. 흐름 전체 테스트
4. Part B. 토픽에 흐름 연결 (Step 13~17)
   1. Step 13. 새 토픽 만들기 + 질문 노드 ① (요청문)
   2. Step 14. 질문 노드 ② (파일)
   3. Step 15. 흐름 호출 노드 추가 (record 타입 변환 ⭐)
   4. Step 16. 결과 메시지 노드
   5. Step 17. 전체 테스트
5. 3. 같은 질문, 세 가지 길 — 실습 ① vs ② vs ③
6. 4. 손에 쥔 4단 콤보 — 응용 포인트

---

1. Office Script까지 가야 할 때 — 솔직한 실익 검토

✅ Office Script가 진짜 필요한 경우

시나리오	왜 실습 ②(커넥터)로는 부족한가
매우 큰 엑셀 (수천~수만 행)	커넥터 상한 5,000행 초과 — 스크립트로 사전 집계
컬럼 변환·피벗·복잡 그룹화	OData 필터는 단순 비교만 가능
반복적·결정적 리포트	매월 같은 구조의 출력 — 스크립트가 결정성 보장
사전 데이터 가공	빈 칸·이상치 정리, 타입 변환

❌ Office Script가 오히려 손해인 경우

시나리오	왜
일회성 자연어 분석	실습 ①이 더 빠르고 답변 품질도 충분함
단순 필터링이면 충분	실습 ②(커넥터+OData) 가 더 가볍고 유지보수 쉬움
자유로운 후속 질문이 필요	흐름은 1회성 응답에 가까움 — 후속 질의가 어색해짐

⚠️ 함정 — AI 프롬프트의 코드 인터프리터

흐름의 마지막 단계인 AI 프롬프트는 코드 인터프리터를 켜면 수치 계산을 정확히 할 수 있습니다. 하지만 실전에는 다음과 같은 함정이 있습니다.

• 데이터를 그냥 던지고 “알아서 분석해” 라고 하면, 코드 인터프리터가 컬럼 구조를 잘못 추측해 오류가 자주 발생합니다.
• 프롬프트에 “컬럼이 무엇이고 어떤 타입인지” 를 자세히 설명해 줘야 안정적으로 동작합니다.
• 모델·요청 형태에 따라 코드 인터프리터를 끄는 게 오히려 답변이 깔끔 한 경우도 적지 않습니다.

요컨대 Office Script 길은 — 실습 ① 만큼 단순하지 않으며, 실익이 명확한 시나리오를 정해서 적용해야 합니다.

---

2. 이 실습이 만드는 것 — 4단 콤보

실습 ②(커넥터) 와 동일한 토픽 구조로 받되, 흐름의 데이터 처리 단계를 Office Script 로 교체합니다. 비교 학습을 위해 별개 토픽으로 만듭니다.

[사용자] → 토픽 (실습 ③ 전용)
   ├ 질문 노드 ① — 요청문
   ├ 질문 노드 ② — 파일
   ↓ 흐름 호출 (요청문 + 파일 record)
[Power Automate 흐름]
   ├ ① OneDrive 임시 저장
   ├ ② Office Script: 시트 → JSON
   ├ ③ AI 프롬프트: JSON + 요청문 → 분석 텍스트
   ↓
[토픽 메시지 노드] → [사용자]

시간이 부족한 경우: 강사 데모만 보고 코드는 본 가이드를 참고해 사후 따라해도 무방합니다.

---

Part A. 흐름 만들기 (Step 1~12)

Step 1. 샘플 Excel 준비

• 과일판매_Table.xlsx 를 OneDrive 작업 폴더로 업로드
• 첫 번째 시트 이름은 그대로 두기 (Sheet1)
• 컬럼: 연도, 분기, 과일, 판매량 (헤더는 1행)

Step 2. 에이전트 흐름(Power Automate) 만들기

1. make.powerautomate.com 접속
2. 만들기 → 인스턴트 클라우드 흐름
3. 트리거: Copilot Studio (V2) → “Copilot에서 흐름을 호출할 때”
4. 흐름 이름: 엑셀분석_스크립트_흐름
5. 트리거 입력 추가:
   • 요청문 (텍스트)
   • 파일 (파일) — 콘텐츠와 파일명을 모두 받도록 파일 형식 선택

포인트: 입력 파라미터의 이름과 타입은 토픽에서 호출할 때 동일하게 매핑되어야 합니다.

Step 3. OneDrive에 임시 저장

1. 새 작업: OneDrive for Business → 파일 만들기
2. 폴더 경로: /Apps/엑셀분석_임시/
3. 파일 이름: temp_@{utcNow('yyyyMMddHHmmss')}.xlsx
4. 파일 콘텐츠: 트리거 입력의 파일 콘텐츠

포인트: 임시 폴더는 OneDrive에 미리 만들어두면 깔끔합니다.

Step 4. 여기까지 테스트

1. 흐름 저장 → 테스트 → “수동으로”
2. 입력: 요청문 "test", 파일 과일판매_Table.xlsx
3. OneDrive /Apps/엑셀분석_임시/ 에 파일 생성 확인

체크포인트: 실패 시 OneDrive 권한 또는 트리거 입력 매핑을 다시 확인.

Step 5. Office Script 작성 (시트 → JSON)

1. OneDrive에서 과일판매_Table.xlsx 열기 (Excel for the web)
2. 리본 메뉴: 자동화 → 새 스크립트
3. Excel Copilot 사용 권장: 우측 Copilot 창에 다음 프롬프트

   “이 통합 문서의 첫 번째 시트에 있는 모든 데이터를 헤더 포함한 객체 배열 JSON 문자열로 반환하는 Office Script를 만들어줘. main 함수의 반환 타입은 string이어야 해.”

4. 생성된 코드 검토 후 저장
5. 스크립트 이름: 시트_to_JSON

샘플 코드:

function main(workbook: ExcelScript.Workbook): string {
  const sheet = workbook.getFirstWorksheet();
  const range = sheet.getUsedRange();
  if (!range) return "[]";
  const values = range.getValues();
  if (values.length < 2) return "[]";
  const headers = values[0].map(String);
  const rows = values.slice(1).map(row => {
    const obj: { [key: string]: string | number | boolean } = {};
    headers.forEach((h, i) => obj[h] = row[i]);
    return obj;
  });
  return JSON.stringify(rows);
}

포인트: 반환 타입을 string(JSON 문자열) 으로 잡으면 다음 단계 AI 프롬프트가 받기에 가장 편합니다.

Step 6. 흐름에 “스크립트 실행” 노드 추가

1. Power Automate 흐름으로 돌아옴
2. 새 작업: Excel Online (Business) → 스크립트 실행
3. 매개변수:
   • 위치: OneDrive for Business
   • 문서 라이브러리: OneDrive
   • 파일: 동적 콘텐츠에서 Step 3에서 만든 파일의 ID
   • 스크립트: 시트_to_JSON

Step 7. AI 프롬프트 실행 노드 추가

1. 새 작업: AI Builder → 프롬프트로 텍스트 만들기 (Create text with GPT using a prompt)
2. 새 프롬프트 만들기 클릭

Step 8. 사용자 지정 프롬프트 작성 ⭐ (함정 회피 포인트)

새 창에서 프롬프트 디자이너가 열립니다.

프롬프트 이름: 엑셀_분석_프롬프트_스크립트

프롬프트 본문:

당신은 Excel 데이터 분석가입니다. 아래 [데이터]는 Excel 시트의 행을
JSON 배열로 변환한 것입니다. [요청문]에 따라 데이터를 분석하고,
한국어로 친절하게 답변하세요.

[데이터 스키마] ← ⚠️ 이 절을 생략하면 코드 인터프리터가 자주 실패합니다
- 연도 (number): 2006 ~ 2025
- 분기 (string): "Q1" | "Q2" | "Q3" | "Q4"
- 과일 (string): "사과" | "배" | "감"
- 판매량 (number): 정수

[규칙]
- 숫자는 천 단위 콤마로 표기합니다.
- 평균/합계 등 계산이 필요하면 정확히 계산합니다.
- 데이터에 없는 값은 추측하지 말고 "데이터에 없습니다"라고 답하세요.
- 답변은 결론 한 줄 + 근거 표(또는 목록)로 구성하세요.

[요청문]


[데이터]

입력 변수 추가:

• 요청문 (텍스트)
• 데이터JSON (텍스트)

모델 설정:

• 모델: GPT-5 (또는 사용 가능한 최신 모델)
• 코드 인터프리터: 🟡 상황에 따라 선택
  • 켜기: 평균·합계·그룹화 등 결정적 수치 계산이 정말 필요할 때
  • 끄기: 모델이 충분히 강하고 데이터가 작아 LLM이 직접 풀어내는 게 더 깔끔한 경우 — 실제 테스트해보고 더 좋은 쪽으로

테스트:

• 요청문: “사과의 연도별 평균 판매량은?”
• 데이터JSON: Step 5에서 한 번 실행해본 JSON 결과를 그대로 붙여넣기

테스트 결과가 그럴듯하면 프롬프트 저장.

💡 함정 회피 1: 데이터 스키마를 안 적으면 코드 인터프리터가 컬럼 타입을 잘못 추측하기 쉽습니다. 위 [데이터 스키마] 절이 핵심.

💡 함정 회피 2: 같은 데이터·같은 질문에 대해 코드 인터프리터 ON / OFF 양쪽을 한 번씩 테스트해보고 더 안정적인 쪽을 채택. “켜기 = 항상 더 정확”이 아닙니다.

Step 9. 프롬프트 단독 테스트

프롬프트 디자이너의 테스트 모드에서 다양한 요청문으로 점검:

• “사과의 연도별 평균 판매량은?”
• “가장 많이 팔린 과일 Top 3는?”
• “2024년 전체 판매량 합계는?”

Step 10. 흐름으로 돌아와 입력 파라미터 매핑

1. AI 프롬프트 노드에 두 입력이 보임
2. 요청문 → 트리거의 요청문 동적 콘텐츠 매핑
3. 데이터JSON → Step 6 “스크립트 실행”의 결과(result) 동적 콘텐츠 매핑

Step 11. 흐름의 응답 노드

1. 마지막 작업: Copilot Studio에 응답 (Respond to Copilot)
2. 출력 추가:
   • 이름: 결과텍스트 (텍스트)
   • 값: AI 프롬프트 노드의 응답 텍스트 동적 콘텐츠

Step 12. 흐름 전체 테스트

1. 저장 후 테스트 → 수동으로
2. 요청문: “사과의 연도별 평균 판매량은?”
3. 파일: 과일판매_Table.xlsx
4. 결과 텍스트가 자연어 분석 결과로 나오는지 확인

체크포인트: 여기까지 성공하면 백엔드(흐름)는 완성. 이제 토픽에서 호출합니다.

---

Part B. 토픽에 흐름 연결 (Step 13~17)

실습 ①·② 와 충돌하지 않게 별개의 새 토픽 으로 만듭니다. 같은 에이전트 안에서 세 실습의 결과를 나란히 비교할 수 있게 두는 것이 학습 효과가 큽니다.

Step 13. 새 토픽 만들기 + 질문 노드 ① (요청문)

1. Copilot Studio → 실습 ①의 에이전트 열기 → 토픽 → 새 토픽 (빈 토픽)
2. 토픽 이름: 엑셀 분석 (스크립트)
3. 트리거 구문:
   • 엑셀 분석 스크립트
   • 오피스 스크립트로 엑셀 분석
4. 첫 노드: 질문 (Question)
   • 메시지: “어떤 분석을 원하시나요? (예: 사과의 연도별 평균은?)”
   • 식별: 사용자의 전체 응답 (텍스트)
   • 변수 이름: Topic.요청문

Step 14. 질문 노드 ② (파일)

다음 노드로 또 하나의 질문 노드 추가:

• 메시지: “분석할 Excel 파일을 첨부해주세요.”
• 식별: 파일 (File)
• 변수 이름: Topic.첨부파일
• 속성 → 고급 → 파일 메타데이터 활성화 ← 체크

Step 15. 흐름 호출 노드 추가 (record 타입 변환 ⭐)

1. 새 노드 추가 → 작업(Action) → 흐름 → 엑셀분석_스크립트_흐름 선택
2. 입력 파라미터 매핑:
   • 요청문 → Topic.요청문

   • 파일 → 수식(fx) 사용:

     {
       name: Topic.첨부파일.Name,
       contentBytes: Topic.첨부파일.Content
     }
     

포인트: Copilot Studio의 파일 변수와 Power Automate 트리거의 파일 입력은 스키마가 달라서, Copilot Studio 쪽에서 record(레코드)로 직접 매핑해줘야 합니다. Name, Content 두 속성이 핵심. (테넌트 버전에 따라 속성 이름이 Name/Content 또는 name/contentBytes 등으로 다를 수 있으니 흐름 트리거의 입력 스키마와 일치하도록 확인하세요.)

Step 16. 결과 메시지 노드

1. 흐름 호출 노드 다음 → 메시지 노드 추가
2. 메시지 본문에 흐름 출력 변수 결과텍스트 삽입
3. 토픽 저장 + 게시

Step 17. 전체 테스트

1. 우측 테스트 패널 → 새 대화 시작
2. 첫 입력: 엑셀 분석 스크립트
3. “어떤 분석을 원하시나요?” → 사과의 연도별 평균 판매량은?
4. “분석할 Excel 파일을 첨부해주세요” → 과일판매_Table.xlsx
5. 약 5~15초 대기 후 분석 결과 출력 확인

체크포인트: 결과가 일반론으로만 나오면 다음 순서로 확인:

1. 흐름 실행 이력에서 데이터JSON 입력이 비어있지 않은지
2. 토픽 변수 매핑의 Name / Content 속성명이 흐름 트리거 입력과 일치하는지
3. 질문 노드의 파일 메타데이터 활성화 가 켜져 있는지
4. AI 프롬프트 결과가 이상하면 → 코드 인터프리터 ON/OFF 를 바꿔 재시도

---

3. 같은 질문, 세 가지 길 — 실습 ① vs ② vs ③

	실습 ① (질문 노드만)	실습 ② (커넥터+OData)	실습 ③ (Office Script)
적용 범위	모든 채널	모든 채널	모든 채널
셋업 비용	매우 낮음 (5분)	낮음 (10~12분)	중간 (20~25분)
흐름 / 코드	❌ / ❌	✅ / ❌	✅ / ✅
데이터 크기	중소형 (Table 필요)	중형 (≤5,000행)	중대형 가능
데이터 가공	❌	△ 단순 필터	✅ 결정적 처리
후속 행동 자동화	❌	✅	✅
답변 품질	Table이면 우수	우수	프롬프트 정교화 필요
후속 자유 질문	✅ 자연스러움	△ 한 번에 끝남	△ 한 번에 끝남

기본은 실습 ①, 그 다음 실습 ② 입니다. 실습 ③ 은 “커넥터 한계를 넘는 데이터·결정적 가공이 명확히 필요한 시나리오” 에서만 꺼내쓰는 도구로 두세요.

---

4. 손에 쥔 4단 콤보 — 응용 포인트

이 17 단계를 마치면 다음 자산을 얻습니다.

자산	한 줄
토픽 (질문 노드 + 파일)	채널 무관한 결정적 입력
흐름 (OneDrive 임시 저장)	첨부 파일을 LLM 처리 가능한 위치로 이동
Office Script (시트→JSON)	LLM이 읽을 수 있는 형태로 변환
AI 프롬프트 (스키마 + 코드 인터프리터)	정확한 수치 계산 + 자연어 요약

이 4단 콤보는 다른 정형 데이터 시나리오에 그대로 옮겨 쓸 수 있는 패턴입니다. 다음 S3 — 12 패턴 카탈로그 에서 이 패턴을 포함한 12 설계 패턴을 한 자리에 정리합니다.