어디가서 아는 '척' 할 수 있게 해주는 AI 기본지식
일단 이것부터 보세요.
"AI 이야기 나왔을 때, 한 번이라도 못 알아 들은 적 있으신가요?"
"AI 용어들이 너무 어렵게 느껴지시나요?"
그런 분들을 위해 작성했습니다. 지금 AI 잘 모르더라도 괜찮습니다.
아래에 설명드리는 개념만 숙지하셔도 앞으로 AI 관련 대화에서 소외되지 않으실 겁니다.
300개가 넘는 AI 학술 논문, 칼럼, 강의 등을 직접 읽고 정리한 글이니, 걱정 마시고 편하게 읽으세요.
혹시 제가 누군지 궁금하신 분은 링크를 확인해 주세요.
1. 그래서 AI가 뭔가요?
"AI는 사람의 학습능력과 추론능력, 지각능력을 컴퓨터로 구현한 기술입니다."
이렇게 말하면 너무 딱딱하고 어렵죠? 조금 더 쉽게 사람을 비유로 설명해드리겠습니다.
우선 우리 사람이 학습하는 과정을 살펴 보면, 부모님께 배우고, 학교에서 공부하고, 직장에서 경험을 쌓으면서 점점 더 똑똑해지는데요.
AI도 비슷합니다. 데이터라는 '경험'을 통해 배우고 성장합니다.
아이가 사과를 처음 배울 때 빨간색이고 동그랗고 맛있는 과일이라고 배웁니다. 나중에 다른 빨간 과일을 보면 "이것도 사과인가?"라고 생각하고, 점점 사과와 다른 과일을 구별할 수 있게 되죠.
AI도 마찬가지입니다. 수많은 사과 사진을 학습하면서 "이건 사과야", "이건 사과가 아니야"라고 구분하는 법을 배웁니다. 이렇게 데이터로부터 배우는 방식을 '머신러닝'이라고 합니다.
사람이 사과를 학습하는 과정 VS AI가 사과를 학습하는 과정여기서 한 단계 더 발전한 게 '딥러닝'입니다. 딥러닝은 사람의 뇌 구조를 본떠서 만든 기술이에요. 다른 말로 인공신경망이라고 하는데요.
우리 뇌가 복잡한 정보를 처리하듯이, AI도 더 복잡한 작업을 할 수 있게 된 거죠.
요즘 화제가 되는 ChatGPT나 Claude 같은 AI들이 바로 이 딥러닝 기술을 사용합니다. 특히 이런 AI들을 '생성형 AI'라고 부르는데요.
단순히 질문에 답하는 것을 넘어서 글도 쓰고, 그림도 그리고, 음악도 만들 수 있기 때문입니다.
그래도 어렵게 느껴지시나요? 그러면 이 한 문장만 기억해주세요. "AI는 데이터를 통해 배우고 성장하는 컴퓨터 기술이다."
그러면 지금부터는 현업에서 자주 사용되는 핵심 용어들을 살펴보겠습니다.
2. ‘8가지 용어’만 알아도 충분합니다.
저도 처음에는 용어 때문에 많이 고생했습니다. "프롬프트가 뭐야?", "토큰이 뭐지?", "파인튜닝이 뭔데?" 하면서요.
제가 겪은 시행착오를 피하실 수 있도록, 꼭 알아야 할 용어 8가지 모두 설명드리겠습니다.
1번째, 프롬프트(Prompt)
프롬프트는 AI에게 내리는 '지시문'입니다. 마치 직원에게 업무를 지시하듯이, AI에게 어떤 일을 해달라고 요청하는 거죠.
재미있는 건, 같은 내용이라도 어떻게 부탁하느냐에 따라 결과물이 완전히 달라진다는 겁니다.
아래에 남겨드리는 예시와 같이 말이죠.
# 안 좋은 예시
"보고서 작성해줘" (X)
→ 평범하고 딱딱한 보고서가 나옵니다.
# 좋은 예시
"2024년 MZ세대를 겨냥한 화장품 브랜드의 마케팅 보고서를 작성해줘. 시장 분석, 타겟 고객 페르소나, SNS 전략을 포함해줘." (O)
→ 구체적이고 실용적인 보고서가 나옵니다.
이렇게 전략적으로 프롬프트를 작성하는 기술을 '프롬프트 엔지니어링'이라고 합니다. 앞으로 AI를 잘 다루고 싶으시다면, 이 기술은 꼭 익히셔야 합니다.
2번째, 토큰(Token)
토큰은 AI가 언어를 처리하는 최소 단위입니다. 조금 추상적이죠? 예를 들어, 우리가 책을 읽을 때를 생각해보세요. 긴 문장을 읽을 때, 우리는 자연스럽게 끊어 읽습니다.
"오늘 날씨가 정말 좋네요" → "오늘 / 날씨가 / 정말 / 좋네요"
AI도 이런 식으로 텍스트를 작은 단위로 나눠서 처리합니다. 이때 각각의 조각을 '토큰'이라고 부릅니다. 물론 AI가 나누는 방식은 우리와 조금 다릅니다. 예를 들어 "사랑해요"라는 단어를 아래와 같이 나눕니다.
# 사람은, "사랑해요" 한 단어로 인식
# AI는, "사랑"+“해요" 두 개의 토큰으로 인식
이렇게 나누는 이유는 AI가 더 효율적으로 언어를 이해하고 처리하기 위해서입니다. 마치 레고 블록처럼, 작은 조각들을 조합해 다양한 문장을 만들어내는 거죠.
3번째, 파라미터(Parameter)
파라미터는 AI의 '뇌세포' 같은 겁니다. 파라미터가 많을수록 AI가 더 복잡한 생각을 할 수 있죠. 비유하자면,
초등학생 (적은 파라미터) → 간단한 덧셈뺄셈
대학생 (많은 파라미터) → 복잡한 미적분
실제로 AI 모델들 간에도 이런 차이가 있습니다. 이 차이가 실무에서는 이렇게 나타납니다. "마케팅 전략을 분석해줘"라고 요청했을 때,
GPT-3: 1,750억 개의 파라미터
GPT-4: 1조 개 이상으로 추정
# GPT-3는, "SNS 광고를 늘리고 인플루언서 마케팅을 하면 좋을 것 같습니다."
# GPT-4는, "최근 MZ세대의 소비 트렌드를 보면, 가치소비가 증가하는 추세입니다. 따라서 브랜드의 ESG 활동을 강조하고, 이를 숏폼 콘텐츠로 제작하여 틱톡과 인스타그램 릴스에 집중적으로 홍보하는 것을 추천드립니다."
4번째, 파인튜닝(Fine-tuning)
파인튜닝은 AI를 특정 분야의 전문가가 될 수 있게 맞춤 교육을 시키는 것을 의미하는데요. 일반적인 AI는 백과사전처럼 모든 분야의 지식을 가지고 있지만, 특정 분야의 전문가는 아닙니다.
하지만 파인튜닝을 거치면 특정 분야의 전문가로 만들 수 있습니다. 예를 들어 일반적인 AI를 법률 전문 AI나 의료 전문 AI로 발전시킬 수 있죠.
<법률 회사의 경우>
# 기본 AI → "계약서에는 당사자 간의 합의가 필요합니다."
# 파인튜닝 후 → "본 계약서 제4조의 면책조항이 '약관의 규제에 관한 법률' 제6조에 위배될 소지가 있습니다."
고객센터의 경우,
# 기본 AI → "죄송합니다. 어떻게 도와드릴까요?"
# 파인튜닝 후 → "안녕하세요, ○○쇼핑입니다. 고객님의 소중한 말씀 귀담아 듣겠습니다."
5번째, RAG (Retrieval-Augmented Generation)
RAG는 AI에게 참고자료를 주는 거라면 생각하면 됩니다. 예를 들어, "우리 회사 휴가 정책이 어때?"라고 묻는다는 상황을 가정한다면,
일반 AI → "회사마다 휴가 정책이 다릅니다."
RAG 적용 AI → "귀사는 연차 15일에 더해 리프레시 휴가 5일을 추가로 제공하고 있습니다."
최신 트렌드를 파악할 때도 마찬가지입니다. RAG를 통해 AI는 실시간으로 정확한 정보를 찾아 답변할 수 있습니다. 마치 도서관에서 책을 찾아가며 리포트를 쓰는 학생처럼요.
# 일반 AI → "AI가 많이 사용되고 있습니다."
# RAG 적용 AI → "2024년 1분기 기준, 국내 기업의 63%가 생성형 AI를 도입했으며..."
6번째, 할루시네이션(Hallucination)
AI도 실수를 합니다. 때로는 없는 이야기를 지어내기도 하죠. 이런 현상을 '할루시네이션'이라고 합니다.
실제로 제가 겪은 사례를 말씀드리자면, “우리 회사의 2024년 마케팅 성과를 분석해줘"라고 요청했더니 AI가 "귀사의 메타버스 패션쇼가 큰 성공을 거뒀네요!"라고 답했습니다. (실제로는 한 적도 없는 행사였죠...)
이런 현상이 발생하는 이유는 AI가 가진 지식을 바탕으로 '그럴듯한' 답변을 만들어내려고 하기 때문입니다. 마치 시험 문제를 몰라도 어떻게든 답을 쓰려고 하는 학생처럼요.
따라서 AI의 답변은 항상 한 번 더 검증이 필요합니다. 특히 중요한 의사결정을 할 때는 더블체크는 필수적으로 해야 합니다.
7번째, LLM(Large Language Model)
LLM은 ChatGPT 같은 대형 언어 모델입니다. 쉽게 말해 '인공지능 비서'라고 생각하시면 됩니다. 재미있는 건 이 AI 비서들이 각자 다른 성격을 가지고 있다는 점입니다:
GPT-4: 만능 비서 예) "오늘 일정 정리부터 보고서 작성까지 다재다능하게 처리합니다"
Claude: 꼼꼼한 비서 예) "데이터를 세세하게 분석하고 정확한 인용을 제공합니다"
Perplexity: 트렌디한 비서 예) "최신 뉴스와 정보를 잘 알고 있습니다"
이 부분은 다음 글에서 더 자세하게 다룰 예정이니, 참고해 주시면 됩니다.
8번째, 멀티모달(Multimodal)
멀티모달은 AI가 다양한 형태의 정보를 이해하고 처리할 수 있다는 뜻입니다. 예전의 AI는 텍스트만 이해했지만, 이제는 이미지도 보고 음성도 듣고 영상도 분석할 수 있습니다. 실제 업무에서는 이렇게 활용됩니다.
<프레젠테이션 제작 시>
- 텍스트 작성: "2024년 마케팅 전략"
- 이미지 생성: 관련 차트와 그래프
- 디자인 적용: 전체적인 레이아웃 구성
<제품 분석 시>
- 카메라 활용 : 제품 사진 인식
- 이미지 분석 : 특징 설명 생성
- 검색 기능 : 경쟁사 제품과 비교 분석
이렇게 해서 지금까지 AI의 기본 개념부터 주요 용어에 대해 알아보았는데요.
이 정도만 아셔도 AI에 대한 대화가 오갈 때 어떤 이야기를 하는 건지 이해하실 수 있을 겁니다. 물론 더 중요한 건 AI를 실무에 활용하는 것인데요.
그래서 다음 글에서는 두 차례에 걸쳐 현 시점 꼭 알아야 할 대표적인 AI와 직장인 필수 AI 서비스를 소개할 예정입니다.
각 서비스별 특징과 어떤 AI 서비스를 사용해야 유리한지에 대해 말씀드리겠습니다.
추가로 궁금한 점이 있으시다면 언제든 댓글로 물어봐 주세요. '모르는 것'은 부끄러운 게 아니라, 새로운 것을 배울 수 있는 기회니까요. 다음 글에서 더 유익한 내용으로 찾아뵙겠습니다.
감사합니다.
