AI 핵심 용어 지도
우리는 지금 "AI 혁명"이라는 단어가 과장이 아닌 시대에 살고 있습니다. 하루가 다르게 새로운 모델과 기술이 등장하고, 그때마다 새로운 약어와 용어들이 쏟아져 나오죠. 문제는 이 용어들이 단순한 유행어가 아니라, 앞으로 기업과 개인이 AI를 어떻게 활용하고 전략을 세워야 하는지를 결정짓는 중요한 개념들이라는 데 있습니다.
그래서 오늘은 자주 언급되지만 제대로 이해하기 쉽지 않은 AI 핵심 용어들을 하나의 지도처럼 풀어보고자 합니다. 이 글을 읽으신다면, "LLM과 SLM은 뭐가 다르지?", "소버린 AI는 왜 중요한 걸까?", "파운데이션 모델은 LLM과 같은 건가?" 같은 질문에 조금 더 명확한 답을 갖게 되실 겁니다.
1. 파운데이션 모델 (Foundation Model)
AI의 새로운 토대를 의미하는 개념입니다.
범용적으로 여러 과제에 적용할 수 있도록, 대규모 데이터로 사전 학습된 모델입니다.
특정 문제를 해결하기 위해 제로에서 모델을 만들 필요 없이, 이 토대를 바탕으로 조금만 조정(fine-tuning)하면 다양한 과제를 수행할 수 있습니다.
GPT, Claude, Gemini 같은 모델들이 대표적인 사례입니다.
"AI 시대의 공용 인프라"에 해당한다고 이해하면 쉽습니다.
사례와 전망
미국의 OpenAI, Google DeepMind, Anthropic이 글로벌 시장을 선도하며 거대한 파운데이션 모델을 출시하고 있습니다.
한국에서는 네이버의 HyperCLOVA, 카카오의 KoGPT가 대표적인 시도입니다. 이들은 한국어 데이터를 대규모로 학습시켜, 국내 기업과 사용자가 더 자연스럽게 활용할 수 있는 모델을 만들고 있습니다.
파운데이션 모델의 핵심은 “한 번 잘 만들어두면, 수많은 파생 모델과 서비스를 만들어낼 수 있다”는 점입니다. 즉, 국가나 기업 입장에서는 파운데이션 모델 자체를 확보하는 것이 곧 AI 산업의 주도권을 잡는 일과 직결됩니다.
2. 대규모 언어 모델 (LLM: Large Language Model)
AI 혁명을 이끈 핵심 기술.
자연어 처리에 특화된 초거대 언어 모델입니다.
수십억~수천억 개의 파라미터를 활용해 인간 언어를 이해하고 생성합니다.
대화, 글쓰기, 요약, 번역, 코드 작성 등 범용적으로 활용 가능합니다.
GPT 시리즈, Claude, LLaMA 등이 대표적입니다.
사례와 전망
ChatGPT가 대표적 성공 사례입니다. 출시 몇 달 만에 1억 명 이상이 사용하며 “AI 대중화”를 촉발했습니다.
LLM은 고객 상담, 법률 문서 분석, 논문 요약, 소프트웨어 개발 보조 등 수많은 산업 분야에 적용되고 있습니다.
앞으로는 LLM이 단순 텍스트를 넘어, 시뮬레이션과 의사결정 보조까지 확장되며 기업의 지능형 의사결정 엔진으로 자리 잡을 가능성이 큽니다.
3. 특화형 LLM (sLLM: Specialized LLM)
일반 LLM에서 한 단계 더 좁힌 버전.
법률, 의료, 금융, 국방 등 특정 도메인에 최적화된 모델입니다.
예를 들어, 의료 데이터를 기반으로 학습된 AI는 의사에게 환자 기록을 요약해주거나 진단 보조 역할을 할 수 있습니다.
일반 LLM보다 데이터는 적지만, 전문성은 훨씬 강력합니다.
사례와 전망
미국에서는 Harvey AI가 법률 분야에서 sLLM으로 각광받고 있습니다. 변호사들이 방대한 판례를 검색하고 요약하는 시간을 획기적으로 줄여주죠.
한국에서는 금융권에서 sLLM을 활용해 투자 리포트 요약, 불공정 거래 탐지, 맞춤형 금융 상담 같은 기능을 실험 중입니다.
향후에는 모든 산업별로 자체 sLLM이 등장할 것이며, 이는 기업의 경쟁 우위를 좌우할 중요한 자산이 될 것입니다.
4. 소형 언어 모델 (SLM: Small Language Model)
작지만 강한 모델을 지향합니다.
LLM 대비 파라미터 수를 줄여 경량화한 모델입니다.
스마트폰, IoT 기기, 자율주행차 등 온디바이스 환경에서 작동하기 적합합니다.
성능은 LLM에 못 미치지만, 빠른 속도와 낮은 비용이 장점입니다.
"AI 대중화"의 관문 역할을 할 가능성이 큽니다.
사례와 전망
구글은 Gemini Nano를 안드로이드 기기에 탑재해, 오프라인 환경에서도 AI 기능을 사용할 수 있도록 하고 있습니다.
한국에서도 삼성전자가 SLM을 활용한 갤럭시 AI 기능을 선보이며, 실시간 번역과 텍스트 요약 기능을 스마트폰 내에서 구현했습니다.
SLM은 앞으로 개인화된 AI 비서가 일상에 스며드는 핵심 열쇠가 될 것입니다.
5. 소버린 AI (Sovereign AI)
기술 경쟁만큼 중요한 "데이터와 주권"의 문제.
각 국가·지역이 자체 데이터, 인프라, 규제 체계를 바탕으로 독립적 AI 역량을 확보하려는 전략입니다.
유럽연합(EU)은 데이터 주권을 강조하며 오픈소스 모델 육성 정책을 강화하고 있습니다.
한국에서도 소버린 AI 논의가 시작되고 있는데, 이는 단순히 기술이 아니라 국가 경쟁력과 직결됩니다.
결국 "우리의 데이터는 우리 손으로 학습시키고, 우리의 가치관과 언어를 반영한 AI를 만들자"는 흐름입니다.
사례와 전망
프랑스의 Mistral AI는 유럽 내 대표적인 소버린 AI 기업으로 부상했습니다. 자체 LLM을 공개하면서 유럽형 AI의 자립을 상징합니다.
한국은 공공 데이터, 의료 데이터, 행정 데이터를 기반으로 한국형 소버린 AI 구축 필요성이 커지고 있습니다.
소버린 AI는 단순히 기술 문제가 아니라 정치·경제·안보와 연결되어 있어, 국가 차원의 전략 논의가 필수적입니다.
6. 멀티모달 모델 (Multi-modal Model)
언어만 다루던 AI에서 진짜 인간처럼 확장된 모델.
텍스트뿐 아니라 이미지, 음성, 영상 등 다양한 형태의 데이터를 동시에 이해하고 생성합니다.
예를 들어, 사진을 보여주며 "이 장면을 설명해줘"라고 하면 문장으로 설명해줍니다.
OpenAI의 GPT-4, Google Gemini, Meta의 ImageBind 등이 대표적입니다.
사례와 전망
OpenAI의 GPT-4o는 이미지·음성·텍스트를 실시간으로 처리하며 “멀티모달 AI 비서”의 가능성을 보여줬습니다.
한국에서는 의료 영상 판독, 법정 기록 분석 등 멀티모달 모델이 빠르게 도입되고 있습니다.
앞으로는 스마트 글래스, 로봇, 자율주행차와 결합해 인간과 더욱 자연스럽게 상호작용하는 방향으로 발전할 것입니다.
7. 혼합 전문가 모델 (MoE: Mixture of Experts)
효율성과 확장성의 해법
하나의 초대형 모델이 모든 걸 처리하는 대신, 여러 개의 "전문가 모델"이 필요할 때만 활성화됩니다.
덕분에 연산 자원을 절약하면서도 고성능을 유지할 수 있습니다.
앞으로 대규모 AI 인프라의 효율성을 좌우할 핵심 구조로 주목받고 있습니다.
사례와 전망
구글은 Switch Transformer라는 MoE 모델을 통해, 기존 모델보다 효율적이면서도 성능은 뛰어난 구조를 선보였습니다.
한국 스타트업들도 MoE 개념을 활용해, 특정 산업별 "전문 모듈"을 조합하는 방식으로 AI 솔루션을 개발하고 있습니다.
장기적으로 MoE는 초거대 모델과 소형 모델의 중간 지점에서 AI 산업의 균형점을 제공할 것으로 보입니다.
8. AI 거버넌스와 안전 (AI Governance & Safety)
기술만큼 중요한 윤리와 규제.
AI를 어떻게 규제하고 관리할 것인가를 다루는 분야입니다.
유럽의 AI 법(AI Act), 미국의 AI 안전 연구소 등이 대표적 사례입니다.
AI Alignment(정렬성) 문제: AI가 인간의 의도와 가치에 부합해 행동하도록 만드는 연구도 활발히 진행 중입니다.
앞으로 AI 활용을 고민하는 모든 기업에게 "거버넌스"는 기술 못지않게 중요한 과제가 될 것입니다.
사례와 전망
한국은 개인정보보호법, 인공지능 윤리기준 등을 통해 AI 거버넌스의 기본 틀을 마련했으나, 아직 기업 현장과의 간극이 큽니다.
글로벌 기업들은 "Constitutional AI(헌법적 AI)" 같은 자체 안전 장치를 개발하고 있습니다.
결국 기업이 AI를 도입할 때는 성능뿐 아니라 투명성, 책임성, 안전성을 함께 고려해야 시장에서 신뢰를 얻을 수 있습니다.
9. AI 에이전트 (Agentic AI)
단순 대화형에서 자율 수행형으로.
질문에 답하는 수준을 넘어, 스스로 계획을 세우고 도구를 호출하며 과제를 해결하는 AI입니다.
"오늘 회의 자료를 요약해서 PPT로 만들어줘" 같은 복잡한 요청도 자동으로 처리합니다.
AutoGPT, LangChain, GraphRAG 같은 기술들이 이 흐름을 뒷받침합니다.
앞으로 기업의 업무 자동화와 생산성 혁신을 이끌 핵심 트렌드입니다.
사례와 전망
미국 실리콘밸리에서는 이미 AI 에이전트를 기반으로 한 스타트업이 수백 개 등장했습니다. 예: Devin은 세계 최초의 AI 소프트웨어 엔지니어를 표방합니다.
한국 스타트업도 AI 에이전트를 이용한 영업 자동화, 고객 관리, 교육 코칭 분야에서 빠르게 실험을 진행 중입니다.
AI 에이전트는 결국 기업의 “보조 인력”에서 “실질적 팀원”으로 진화할 가능성이 큽니다.
맺음말
AI 용어는 매일같이 새롭게 등장합니다. 그러나 그 속에서 중요한 흐름을 잡으려면, 단순히 영어 약자를 아는 것에서 그쳐서는 안 됩니다. "이 용어가 왜 지금 중요한가?", "내 사업, 내 산업에 어떤 영향을 줄까?"라는 질문을 던지는 것이 더 중요합니다.
오늘 정리한 AI 핵심 용어 지도가 여러분이 AI 시대의 맥락을 읽고, 전략을 세우는 데 작은 길잡이가 되길 바랍니다.
--
Written by AI Alchemist & Maestro 두드림
