AI 용어집

AI 제품에서 내 데이터가 어떻게 처리되는지 조절하는 옵션이에요. 예를 들어 내 채팅이 제공업체의 모델 개선에 쓰일 수 있는지, 채팅 기록을 보관하는지 등이요.

예시: 업무에 채팅 도구를 쓰기 전에 설정을 열고, 내 채팅을 모델 개선에 쓰는 것에 관한 옵션을 찾아서, 내 상황과 조직의 규칙에 맞게 고르세요.

자주 헷갈리는 개념: 개인정보 설정은 제품, 플랜, 계정 유형에 따라 다르고 바뀔 수도 있으니, 기본값을 짐작하지 말고 현재 설정을 직접 확인하세요. 모델 개선을 꺼도 아무것도 저장되지 않는다는 뜻은 아니므로, 민감한 개인 정보, 회사 정보, 다른 사람의 데이터는 여전히 붙여 넣지 마세요.

더 알아보기: 도구 고르고 사용 결과 돌아보기, 사무 작업 나누기

출처: Data controls in ChatGPT (OpenAI, 2026-10-10 확인)

시스템이 먼저 정해진 문서 모음에서 관련 구절을 찾아 모델에 넘겨, 답이 그 내용에 근거하도록 하는 방법이에요.

예시: 회사 도움말 봇이 직원 안내서에서 휴가 관련 부분을 검색한 다음, 그 부분을 바탕으로 답을 쓰고 어떤 부분을 썼는지 보여 줄 수 있어요.

자주 헷갈리는 개념: 검색 증강 생성은 모델을 다시 학습시키지 않아요. 요청할 때마다 찾아본 텍스트를 덧붙이는 방식이라는 점이 파인튜닝과 달라요. 엉뚱한 구절을 찾거나 잘못 읽으면 답이 여전히 틀릴 수 있으니, 근거로 삼은 구절을 열어 보세요.

출처: Retrieval-augmented generation (RAG) in Azure AI Search (Microsoft, 2026-10-10 확인)

아주 많은 텍스트로 학습해서 다음에 올 가능성이 높은 단어나 단어 조각을 예측하는 AI 모델의 한 종류예요. 이 덕분에 질문에 답하고, 글을 쓰고, 요약할 수 있어요.

예시: “광합성을 10살 아이에게 설명해 주세요”라고 입력하면, 채팅 앱 뒤의 대규모 언어 모델이 다음에 올 가능성이 높은 조각을 하나씩 골라 답을 조금씩 써 나가요.

자주 헷갈리는 개념: 대규모 언어 모델은 앱이 아니라 엔진이에요. 내가 여는 채팅 앱은 하나 이상의 모델을 실행하고 그 주변에 파일 업로드, 검색, 채팅 저장 같은 기능을 더한 AI 제품이에요.

더 알아보기: AI가 해 줄 수 있는 것과 없는 것, 제품, 모델, 플랜

AI 모델이 웹 검색, 계산기, 캘린더 같은 외부 기능이나 서비스를 호출하고 그 결과를 답에 활용하는 능력이에요.

예시: 동네 박물관 운영 시간을 물으면, 웹 검색이 가능한 도구는 최신 페이지를 찾아볼 수 있지만, 도구가 없는 모델은 학습 때 배운 내용으로만 답할 수 있어요.

자주 헷갈리는 개념: 도구 사용은 하나의 능력이고, 에이전트는 여러 단계에 걸쳐 많은 도구를 쓸 수 있는 시스템이에요. 도구가 없는 모델은 마치 확인한 것처럼 답해도 웹이나 내 캘린더를 확인할 수 없어요.

더 알아보기: AI가 해 줄 수 있는 것과 없는 것

출처: Tool use with Claude (Anthropic, 2026-10-10 확인)

텍스트, 이미지, 오디오, 동영상처럼 두 가지 이상의 입력이나 출력을 다룰 수 있는 것이에요.

예시: 손으로 쓴 장보기 목록을 사진으로 찍고, 음식 종류별로 묶어 타이핑한 목록으로 바꿔 달라고 요청해요.

자주 헷갈리는 개념: 멀티모달이라고 해서 모든 제품이나 플랜에서 모든 입력이 되는 건 아니에요. 이미지는 읽지만 오디오는 못 읽거나, 이미지는 만들지만 동영상은 못 만드는 도구도 있어요. 내 도구가 무엇을 받는지 확인하고, 이미지에 대한 설명도 다른 출력처럼 꼼꼼히 확인하세요.

제품 안에서 답을 만들어 내는 특정 AI 모델로, 이름과 보통 버전 번호로 구분해요.

예시: 채팅 앱에서 숫자가 붙은 모델 이름 몇 개 중에서 고를 수 있는 경우가 있어요. 각각에게 같은 질문을 하면 길이, 스타일, 정확도가 다른 답이 나올 수 있어요.

자주 헷갈리는 개념: 모델 버전은 엔진이고, 제품은 그것을 감싼 앱이며, 플랜은 어떤 버전을 고를 수 있는지 정해요. 숫자가 더 높다고 내 작업에서 더 좋은 결과가 보장되지는 않으니, 바꾸기 전에 내 작업으로 직접 시험해 보세요.

더 알아보기: 제품, 모델, 플랜

AI 모델을 측정하고 비교하는 데 쓰는 고정된 테스트 과제 모음이에요. 점수는 특정 조건에서 그 테스트를 얼마나 잘했는지 보여 줄 뿐, 내 작업에 얼마나 유용할지 보여 주지는 않아요.

예시: 어떤 모델은 특정 설정으로 실행한 수학 경시대회 문제에서 좋은 점수를 받아도, 내 회의록 요약은 형편없이 쓸 수 있어요.

자주 헷갈리는 개념: 벤치마크 점수는 유용성의 전반적인 순위가 아니에요. 결과는 테스트, 프롬프트, 설정에 따라 달라서 출처마다 점수가 다를 수 있어요. 내 작업을 두세 개 도구로 직접 해 보는 것이 내 필요를 더 직접적으로 확인하는 방법이에요.

더 알아보기: 답을 단계별로 개선하기, 도구 고르고 사용 결과 돌아보기

출처: Artificial Analysis Intelligence Benchmarking Methodology (Artificial Analysis, 2026-10-10 확인)

아주 많은 예시에서 배운 패턴을 바탕으로 텍스트, 이미지, 오디오, 코드 같은 새 콘텐츠를 만드는 AI예요.

예시: 재활용에 관한 학교 포스터 제목 후보 다섯 개를 요청하면, 도구가 새 제목 다섯 개를 써 줘요.

자주 헷갈리는 개념: 검색 엔진은 이미 있는 페이지를 알려 주지만, 생성형 AI는 그럴듯하게 들리면서도 틀릴 수 있는 새 텍스트를 써요. 도구가 웹 검색도 하지 않는 한, 무언가를 찾아보는 게 아니에요.

더 알아보기: AI가 해 줄 수 있는 것과 없는 것

학습 중에 배운 숫자인 학습된 가중치가 공개되어, 라이선스 조건에 따라 사람들이 직접 내려받고 실행하고 수정할 수 있는 모델이에요.

예시: 개발자가 오픈 웨이트 모델을 내려받아 자기 컴퓨터에서 실행하면 문서가 그 컴퓨터에만 남지만, 모델과 함께 제공되는 라이선스는 여전히 따라야 해요.

자주 헷갈리는 개념: 오픈 웨이트는 오픈소스 AI와 같지 않아요. 라이선스가 상업적 이용이나 특정 용도를 제한할 수 있고, 학습 데이터와 학습 코드는 아예 공개되지 않을 수도 있어요. Open Source Initiative가 정의하는 오픈소스 AI는 사용, 연구, 수정, 공유의 자유와 함께 데이터 정보, 코드, 가중치를 요구해요.

출처: Gemma 4 model overview (Google, 2026-10-10 확인)

누구나 어떤 목적으로든 사용, 연구, 수정, 공유할 수 있는 조건으로 공개된 AI예요. 학습 코드, 학습된 가중치, 그리고 숙련된 사람이 비슷한 시스템을 만들 수 있을 만큼의 학습 데이터 정보가 함께 공개돼요.

예시: 한 연구 그룹이 모델을 가중치, 전체 학습 코드, 학습 데이터 출처에 대한 자세한 설명과 함께 모든 용도를 허용하는 조건으로 공개하면, 다른 팀이 이를 살펴보고 자체 버전을 다시 학습시킬 수 있어요.

자주 헷갈리는 개념: 오픈소스 AI와 오픈 웨이트는 서로 다른 표시예요. 가중치는 내려받을 수 있지만 학습 코드나 데이터 정보가 공개되지 않았거나, 라이선스가 사용 방법을 제한하는 모델은 오픈 웨이트이지만, Open Source Initiative의 정의로는 오픈소스 AI가 아니에요. 표시를 믿기보다 라이선스를 읽어 보세요.

출처: The Open Source AI Definition – 1.0 (Open Source Initiative, 2026-10-10 확인)

언어 이해, 이미지 인식, 예측처럼 사람들이 보통 인간의 사고와 연결 짓는 작업을 하는 컴퓨터 시스템이에요.

예시: 사진 속 얼굴로 사진을 묶어 주는 사진 앱도 AI를 쓰고, 노트를 바탕으로 이메일 초안을 써 주는 채팅 도구도 AI를 써요.

자주 헷갈리는 개념: AI는 하나의 제품이 아니라 분야 전체예요. 생성형 AI는 새 텍스트, 이미지, 오디오를 만드는 부분이고, 스팸 필터처럼 분류하거나 순위를 매기거나 예측만 하는 AI 시스템도 많아요.

더 알아보기: AI가 해 줄 수 있는 것과 없는 것

텍스트 조각을 나타내는 숫자 목록으로, 숫자가 얼마나 가까운지로 두 텍스트가 얼마나 관련 있는지 소프트웨어가 잴 수 있게 해 줘요.

예시: 노트 앱은 임베딩을 써서, “차 고치는 데 얼마 들었지”라고 검색해도 단어가 다른 “자동차 수리 비용”이라는 제목의 노트를 찾을 수 있어요.

자주 헷갈리는 개념: 임베딩은 사람이 읽는 요약이나 답이 아니에요. 검색, 묶기, 검색 증강 생성을 위해 뒤에서 쓰이는 내부 표현이에요.

출처: Vector embeddings (OpenAI, 2026-10-10 확인)

모델의 학습 데이터가 끝나는 날짜예요. 그래서 모델은 그 이후의 사건이나 변화를 모를 수 있어요.

예시: 지난달에 바뀐 규정을 물으면, 웹 검색이 없는 모델은 옛 규정을 여전히 유효한 것처럼 설명할 수 있어요.

자주 헷갈리는 개념: 지식 기준일은 제품이 출시되거나 마지막으로 업데이트된 날짜가 아니며, 보통 그보다 이른 날짜예요. 도구가 웹을 검색하면 답은 찾은 페이지에 따라 달라지니, 어느 경우든 날짜와 출처를 확인하세요.

더 알아보기: AI가 해 줄 수 있는 것과 없는 것, AI로 리서치하고 인용 확인하기

출처: How up-to-date is Claude's training data? (Anthropic, 2026-10-10 확인)

모델이 최종 답을 내기 전에 문제를 나누는 단계를 추가로 거치는 작업 방식이에요. 수학, 논리, 계획, 코드에 자주 쓰여요.

예시: 시험 두 개와 아르바이트에 맞춰 주간 공부 시간표를 짜 달라고 하면, 추론 모드의 모델은 더 오래 걸리면서 조건을 하나씩 따져 본 뒤 최종 계획을 보여 줄 수 있어요.

자주 헷갈리는 개념: 추론한다고 해서 맞는 건 아니에요. 단계가 그럴듯해 보여도 실수가 있을 수 있으니 결과를 확인하세요. 보통 더 느리고 사용 한도를 더 많이 쓸 수 있어서, 간단한 다시 쓰기나 요약에는 필요 없을 수도 있어요.

모델이 답을 쓸 때 한 번에 고려할 수 있는 모든 텍스트예요. 내 메시지, 추가한 자료, 답 자체가 모두 포함돼요.

예시: 아주 긴 채팅에서는 처음에 준 세부 내용이 더 이상 컨텍스트 윈도우에 들어가지 않으면 도구가 그 내용을 놓칠 수 있어요.

자주 헷갈리는 개념: 컨텍스트 윈도우는 장기 기억이 아니에요. 지금 모델 앞에 있는 내용만 다루고, 별도의 메모리 기능은(제품에 있다면) 채팅 사이에 메모를 저장해요. 크기는 단어나 페이지가 아니라 토큰으로 재요.

더 알아보기: 알맞은 맥락 주기

출처: Context windows (Anthropic, 2026-10-10 확인)

모델이 읽고 쓰는 작은 텍스트 단위로, 글자 하나, 단어의 일부, 단어 하나, 문장 부호가 될 수 있어요.

예시: 짧고 흔한 단어는 토큰 하나인 경우가 많고, 길거나 드문 단어는 여러 토큰으로 나뉠 수 있어요.

자주 헷갈리는 개념: 토큰은 단어와 같지 않아서, 토큰 단위로 정한 한도와 가격은 단어나 페이지 수로 정확히 바뀌지 않아요. 모델마다 텍스트를 나누는 방식이 달라서 같은 텍스트도 토큰 수가 다르게 계산될 수 있어요.

더 알아보기: 알맞은 맥락 주기

출처: Understanding and counting tokens (OpenAI, 2026-10-10 확인)

기존 모델을 라벨이 붙은 더 작은 예시 모음으로 추가 학습시켜, 회사 문체를 따르는 것처럼 특정 방식으로 동작하게 만드는 거예요.

예시: 고객 지원팀이 과거 고객 질문과 승인된 답변을 짝지은 데이터로 모델을 파인튜닝하면, 새 답변도 같은 어조와 형식을 따라요.

자주 헷갈리는 개념: 파인튜닝은 모델 자체를 바꾸며, 준비된 데이터와 기술적인 설정이 필요해요. 프롬프트에 지침이나 예시를 넣거나 검색 증강 생성으로 문서를 연결하는 방법은 모델을 그대로 두며, 일상적인 작업에는 보통 더 간단해요.

출처: About supervised fine-tuning for Gemini models (Google Cloud, 2026-10-10 확인)

AI 도구에 원하는 것을 알려 주기 위해 주는 지시, 질문, 자료예요.

예시: “이 문단을 12살 독자에게 맞게 80단어 이내로 다시 써 주세요”도 프롬프트이고, 이메일을 붙여 넣은 뒤 “제가 해야 할 일 세 가지를 나열해 주세요”라고 쓰는 것도 프롬프트예요.

자주 헷갈리는 개념: 프롬프트에 특별한 키워드나 요령이 필요하지 않아요. 쉬운 말이면 충분해요. 작업을 말하고, 맥락을 조금 주고, 어떤 형식으로 답을 받고 싶은지 말하세요.

더 알아보기: 첫 질문하기, 명확한 목표로 시작하기

무료 등급이나 유료 구독처럼 AI 제품을 이용할 수 있는 수준으로, 어떤 기능을 쓸 수 있는지에 영향을 줘요.

예시: 반 친구 두 명이 같은 채팅 앱을 쓰지만 한 명은 무료 등급이고 한 명은 매달 결제한다면, 보이는 기능, 사용 한도, 모델 선택지가 다를 수 있어요.

자주 헷갈리는 개념: 플랜은 모델이나 제품이 아니라 가입한 계정 등급이에요. 일부 제공업체에서는 앱 구독과 개발자용 API 사용을 따로 청구해요.

더 알아보기: 제품, 모델, 플랜, 도구 고르고 사용 결과 돌아보기

출처: I have a paid Claude subscription (Pro, Max, Team, or Enterprise plans). Why is Claude API usage billed separately from my paid Claude plan? (Anthropic, 2026-10-10 확인)

AI 모델이 아주 많은 예시 데이터에서 패턴을 배우는 과정으로, 나중에 어떻게 답할지를 결정해요.

예시: 언어 모델은 방대한 텍스트 모음으로 학습해서, 문장이 보통 어떻게 만들어지는지, 어떤 단어와 사실이 함께 나오는 경향이 있는지 익혀요.

자주 헷갈리는 개념: 학습은 내가 모델을 쓰기 전에 일어나요. 채팅할 때 모델은 이미 배운 것과 대화에 있는 내용을 바탕으로 작동해요. 내 채팅은 제공업체가 그렇게 쓸 때만 학습 데이터가 되며, 개인정보 설정으로 이를 조절할 수 있는 경우도 있어요.

더 알아보기: AI가 해 줄 수 있는 것과 없는 것

AI 모델이 사실과 다르거나 주어진 자료와 맞지 않는 텍스트를 만들어 내는 현상이에요.

예시: 어떤 주제의 책 세 권을 요청했는데, 한 권의 제목과 저자가 그럴듯해 보여도 도서관 목록에서 검색하면 그런 책이 없어요.

자주 헷갈리는 개념: 말투로는 환각을 알아챌 수 없어요. 틀린 답도 맞는 답만큼 자신 있게 읽혀요. 지식 기준일 때문에 생기는 오래된 정보와도 다르지만, 둘 다 1차 출처와 대조해야 해요.

더 알아보기: AI가 알려 준 내용 확인하는 법, AI로 리서치하고 인용 확인하기

출처: Reduce hallucinations (Anthropic, 2026-10-10 확인)

목표를 향해 여러 단계에 걸쳐 어느 정도 독립적으로 일하는 AI 시스템이에요. 다음에 무엇을 할지 스스로 정하고, 그 과정에서 검색, 파일, 다른 앱 같은 도구를 써요.

예시: 에이전트에게 금요일에 다른 도시로 가는 기차 시간을 찾고, 두 가지 선택지가 담긴 팀 메시지 초안을 써 달라고 하면, 검색하고 비교한 뒤 검토할 초안을 써 줘요.

자주 헷갈리는 개념: 채팅 어시스턴트는 내가 방향을 잡는 동안 메시지에 하나씩 답하지만, 에이전트는 내 개입이 적은 상태에서 일련의 작업을 수행해요. 실제로 행동할 수 있으니, 무엇에 접근할 수 있는지 확인하고, 무언가를 보내거나 사거나 지우기 전에 작업 결과를 검토하세요.

채팅 어시스턴트나 글쓰기 도우미처럼 실제로 쓰는 앱, 웹사이트, 기능이에요. 뒤에서 하나 이상의 AI 모델을 실행해요.

예시: 노트 앱에 “이 페이지 요약” 버튼이 추가되었다면, 버튼과 앱이 제품이고 그 뒤의 모델이 요약을 써요.

자주 헷갈리는 개념: 제품은 모델도 아니고 플랜도 아니에요. 한 제품이 여러 모델이나 모델 버전을 제공할 수 있고, 그 안에서 할 수 있는 일은 안에 든 모델뿐 아니라 제품, 내 플랜, 때로는 지역에 따라 달라져요.

더 알아보기: 제품, 모델, 플랜, 도구 고르고 사용 결과 돌아보기

소프트웨어가 AI 모델에 요청을 보내고 답을 받을 수 있게 해 주는 연결 방식으로, 개발자가 자기 앱과 워크플로에 AI를 넣을 수 있게 해 줘요.

예시: 온라인 쇼핑몰 개발자가 API로 모델을 연결하면, 새 상품을 추가할 때 누구도 채팅 앱을 열지 않아도 상품 설명 초안이 나타나요.

자주 헷갈리는 개념: API로 모델을 쓰는 것은 제공업체의 채팅 앱을 쓰는 것과 달라요. 기능이 다르고, 일부 제공업체에서는 API 사용을 앱 구독과 따로 청구해요. 일상적인 작업에 AI 도구를 쓰는 데 API는 필요 없어요.

더 알아보기: 제품, 모델, 플랜