AI 관련 용어 정리, 기초용어부터 전문용어 뜻까지 한 번에 보는 안내서

AI 용어는 기술 뉴스보다 먼저 익혀야 할 새로운 기본 문해력입니다

AI는 이제 검색, 문서 작성, 사진 편집, 고객 상담, 제조, 금융, 의료, 교육까지 일상과 산업 전반에 들어왔습니다. 문제는 관련 기사와 보고서가 너무 빠르게 전문용어를 사용한다는 점입니다. 생성형 AI, 모델, 학습, 추론, 토큰, 임베딩, 파인튜닝, RAG 같은 표현을 모르면 기술 자체보다 용어에서 먼저 막히게 됩니다.

이 글은 AI를 처음 접하는 분도 전체 구조를 잡을 수 있도록 기초용어와 전문용어를 나누어 정리했습니다. 단순한 사전식 나열이 아니라, 각각의 용어가 어디에 쓰이고 왜 중요한지까지 함께 설명합니다.

구분 대표 용어 핵심 뜻 먼저 이해할 포인트

기초	AI, 머신러닝, 딥러닝	컴퓨터가 데이터를 바탕으로 판단·예측·생성하도록 만드는 기술	AI가 가장 넓은 개념이고, 머신러닝과 딥러닝은 그 안의 방법입니다.
활용	생성형 AI, 챗봇, 멀티모달	글·이미지·음성·영상 등을 새로 만들어 내거나 대화형으로 처리하는 AI	요즘 기사에서 가장 자주 보이는 영역입니다.
작동	모델, 학습, 추론, 토큰	AI가 데이터를 익히고, 입력을 쪼개 처리한 뒤 답을 만드는 과정	비용과 성능을 이해할 때 꼭 필요한 용어입니다.
전문	임베딩, 벡터DB, RAG, 파인튜닝	AI가 지식 검색, 기업 문서 활용, 맞춤형 응답을 하도록 돕는 기술	기업용 AI 도입에서 자주 등장합니다.

AI, 머신러닝, 딥러닝은 포함 관계로 이해하면 쉽습니다

AI, 즉 인공지능은 사람이 하던 인식, 판단, 예측, 생성, 의사결정 보조 기능을 컴퓨터가 수행하도록 만드는 넓은 기술 영역입니다. 여기에는 규칙 기반 시스템부터 최신 생성형 AI까지 모두 포함됩니다.

머신러닝은 AI 안에서 데이터를 학습해 패턴을 찾는 방법입니다. 예를 들어 과거 구매 기록을 보고 고객 이탈 가능성을 예측하거나, 수많은 사진을 보고 고양이와 강아지를 구분하는 방식입니다. 사람이 모든 규칙을 직접 쓰는 대신, 데이터에서 규칙에 가까운 패턴을 찾아내게 하는 것이 핵심입니다.

딥러닝은 머신러닝 안에서도 인공신경망을 여러 층으로 쌓아 복잡한 패턴을 학습하는 방식입니다. 이미지 인식, 음성 인식, 자연어 처리, 대규모 언어모델 발전에 큰 영향을 준 기술입니다. 쉽게 말해 AI가 가장 큰 원이고, 그 안에 머신러닝이 있으며, 머신러닝 안에 딥러닝이 들어가는 구조입니다.

생성형 AI와 대규모 언어모델은 요즘 AI 뉴스의 중심입니다

생성형 AI는 기존 데이터를 참고해 새로운 글, 이미지, 코드, 음악, 영상 등을 만들어 내는 AI입니다. 검색처럼 이미 있는 페이지를 찾아주는 것에서 한 걸음 더 나아가, 사용자의 입력에 맞춰 새로운 결과물을 구성한다는 점이 특징입니다.

대규모 언어모델, 즉 LLM은 방대한 텍스트를 학습해 문장을 이해하고 다음에 올 가능성이 높은 단어 흐름을 예측하면서 답변을 만들어 내는 모델입니다. 챗봇, 문서 요약, 번역, 코드 작성, 상담 자동화, 회의록 정리 같은 서비스의 기반이 됩니다.

여기서 중요한 용어가 입력 지시문입니다. 사용자가 AI에게 무엇을 해 달라고 입력하는 문장이나 조건을 뜻합니다. 같은 모델이라도 입력 지시문을 어떻게 쓰느냐에 따라 결과 품질이 크게 달라집니다. 그래서 AI 활용 능력은 단순히 도구를 켜는 능력이 아니라, 목표와 조건을 명확하게 전달하는 능력에 가까워지고 있습니다.

모델, 학습, 추론, 토큰은 AI의 작동 방식을 설명하는 핵심어입니다

모델은 AI가 학습을 통해 만들어 낸 판단 구조입니다. 사람으로 비유하면 경험을 통해 형성된 사고방식에 가깝습니다. 모델은 데이터를 보고 규칙과 패턴을 익힌 뒤, 새로운 입력이 들어오면 그동안 학습한 구조를 바탕으로 결과를 냅니다.

학습은 모델이 데이터에서 패턴을 익히는 과정입니다. 텍스트, 이미지, 음성, 센서 데이터처럼 다양한 자료가 학습에 쓰일 수 있습니다. 학습에는 많은 계산 자원과 시간이 필요하며, 데이터 품질이 낮으면 결과 품질도 떨어질 수 있습니다.

추론은 이미 학습된 모델이 실제 질문이나 요청에 답을 만드는 과정입니다. 사용자가 챗봇에 질문을 입력했을 때 몇 초 안에 답변이 나오는 과정이 추론입니다. 기업에서는 추론 속도, 비용, 정확도, 보안이 중요한 평가 기준이 됩니다.

토큰은 AI가 문장을 처리하기 위해 나누는 작은 단위입니다. 한국어에서는 한 글자, 단어 일부, 문장 조각이 토큰으로 나뉠 수 있습니다. AI 서비스 요금이나 처리 가능한 문서 길이를 설명할 때 토큰이라는 말이 자주 나오는 이유가 여기에 있습니다.

자연어 처리, 컴퓨터 비전, 멀티모달은 AI가 세상을 받아들이는 방식입니다

자연어 처리는 사람이 쓰는 언어를 컴퓨터가 이해하고 생성하도록 만드는 기술입니다. 번역, 요약, 감정 분석, 질의응답, 문서 분류, 챗봇이 여기에 속합니다. LLM의 확산으로 자연어 처리는 가장 대중적인 AI 활용 분야가 되었습니다.

컴퓨터 비전은 이미지와 영상을 분석하는 AI 기술입니다. 얼굴 인식, 불량품 검사, 의료 영상 판독 보조, 자율주행의 차선·보행자 인식 등이 대표 사례입니다. 글을 다루는 자연어 처리와 달리, 컴퓨터 비전은 픽셀과 시각적 패턴을 중심으로 판단합니다.

멀티모달 AI는 텍스트만이 아니라 이미지, 음성, 영상, 표, 센서 데이터 등 여러 형태의 정보를 함께 처리하는 AI입니다. 예를 들어 사진을 보여주고 설명을 요청하거나, 회의 음성을 요약하고 발표자료까지 만드는 방식이 멀티모달 활용에 해당합니다.

임베딩, 벡터DB, RAG는 기업용 AI 검색의 핵심 조합입니다

임베딩은 글, 이미지, 문서 같은 정보를 숫자 배열로 바꾸는 방식입니다. 컴퓨터는 의미를 직접 이해하지 못하므로, 의미가 비슷한 내용끼리 가까운 위치에 놓이도록 숫자 공간에 표현합니다. 이 숫자 표현 덕분에 AI는 단순 키워드 일치가 아니라 의미 기반 검색을 할 수 있습니다.

벡터DB는 임베딩으로 바뀐 데이터를 저장하고 빠르게 검색하는 데이터베이스입니다. 일반 검색이 같은 단어를 찾는 데 강하다면, 벡터 검색은 표현이 달라도 의미가 비슷한 내용을 찾는 데 유리합니다. 사내 규정, 기술 문서, 고객 상담 이력, 연구 자료 검색에 많이 쓰입니다.

RAG는 검색 증강 생성이라는 뜻입니다. AI가 답변하기 전에 외부 문서나 사내 자료를 검색하고, 그 검색 결과를 근거로 답변을 생성하는 방식입니다. 모델이 기억하고 있는 내용만으로 답하는 것보다 최신성, 근거성, 사내 문서 활용성이 좋아질 수 있습니다. 다만 검색 자료 자체가 틀리거나 오래되면 답변도 흔들릴 수 있으므로, 문서 관리와 출처 표시가 중요합니다.

파인튜닝, 사전학습, 전이학습은 모델을 목적에 맞게 조정하는 방법입니다

사전학습은 큰 모델이 방대한 일반 데이터를 먼저 학습하는 과정입니다. 이를 통해 언어 구조, 상식적 패턴, 이미지 특징 같은 넓은 기반을 갖게 됩니다. 오늘날 많은 AI 모델은 이 사전학습 단계를 거친 뒤 특정 목적에 맞게 추가 조정됩니다.

파인튜닝은 이미 학습된 모델을 특정 업무나 말투, 분야에 맞게 추가 학습시키는 과정입니다. 예를 들어 법률 문서, 의료 기록, 고객센터 상담 문체, 제조 품질 보고서처럼 특정 분야 데이터로 성능을 보완할 수 있습니다. 다만 비용과 데이터 보안, 과적합 위험을 함께 고려해야 합니다.

전이학습은 한 분야에서 학습한 지식을 다른 관련 분야에 활용하는 방식입니다. 처음부터 모든 것을 다시 학습하지 않아도 되기 때문에 효율적입니다. AI 모델 개발에서 시간과 비용을 줄이는 중요한 접근법입니다.

환각, 편향, 설명가능성은 AI를 안전하게 쓰기 위한 필수 용어입니다

환각은 AI가 사실이 아닌 내용을 그럴듯하게 말하는 현상입니다. 생성형 AI는 문장을 자연스럽게 만드는 데 강하지만, 모든 답변이 사실이라는 뜻은 아닙니다. 특히 법률, 의료, 투자, 계약, 정책 정보처럼 책임이 큰 영역에서는 출처 확인이 필요합니다.

편향은 학습 데이터나 설계 방식 때문에 특정 집단, 지역, 성별, 문화, 언어에 불리하거나 왜곡된 결과가 나오는 문제입니다. AI가 객관적으로 보이더라도 학습 데이터가 사회의 기존 편견을 담고 있으면 결과에도 영향을 줄 수 있습니다.

설명가능성은 AI가 왜 그런 판단을 했는지 사람이 이해할 수 있도록 설명하는 성질입니다. 금융 심사, 채용, 의료 판정, 공공 행정처럼 결과가 개인에게 큰 영향을 주는 분야에서는 정확도만큼 설명가능성과 책임성이 중요합니다.

AI 거버넌스는 기업이나 기관이 AI를 안전하고 책임 있게 쓰기 위한 규칙, 절차, 역할, 검증 체계를 뜻합니다. NIST AI 위험관리 프레임워크, OECD AI 원칙, EU AI Act처럼 국제적으로도 AI의 위험과 책임을 다루는 기준이 빠르게 정리되고 있습니다.

API, 에이전트, 자동화는 AI가 실제 업무로 연결되는 지점입니다

API는 서로 다른 프로그램이 기능을 주고받기 위한 연결 통로입니다. AI API를 사용하면 기업 서비스 안에 번역, 요약, 챗봇, 이미지 분석, 문서 검색 기능을 넣을 수 있습니다.

AI 에이전트는 사용자의 목표를 바탕으로 여러 단계를 계획하고 도구를 사용해 작업을 수행하는 AI 시스템을 뜻합니다. 단순히 답변만 하는 챗봇보다 한 단계 더 나아가, 일정 확인, 문서 작성, 코드 실행, 파일 정리, 데이터 조회 같은 작업 흐름을 이어갈 수 있습니다.

자동화는 반복 업무를 사람의 수작업 없이 처리하도록 만드는 방식입니다. AI 자동화는 기존 자동화보다 비정형 데이터 처리에 강합니다. 이메일 내용 요약, 계약서 조항 분류, 고객 문의 의도 파악처럼 규칙만으로 처리하기 어려웠던 업무에 적용할 수 있습니다.

AI 용어를 익히는 가장 좋은 순서는 개념에서 위험관리로 가는 것입니다

AI 용어를 처음 공부할 때는 모든 단어를 한꺼번에 외우려 하기보다, 먼저 포함 관계와 흐름을 잡는 것이 좋습니다. AI, 머신러닝, 딥러닝을 이해한 뒤 생성형 AI와 LLM으로 넘어가고, 그다음 모델·학습·추론·토큰을 익히면 기술 기사를 읽는 속도가 달라집니다.

그 후에는 임베딩, 벡터DB, RAG, 파인튜닝처럼 실무 도입과 연결되는 용어를 보면 됩니다. 마지막으로 환각, 편향, 설명가능성, 거버넌스를 함께 이해해야 AI를 단순한 신기술이 아니라 책임 있게 운영해야 할 시스템으로 볼 수 있습니다.

AI를 잘 쓰는 사람은 단어를 많이 아는 사람이 아니라, 용어 사이의 관계를 이해하고 상황에 맞게 질문할 수 있는 사람입니다. 오늘 정리한 용어만 잡아도 AI 뉴스, 기업 도입 사례, 정부 정책, 기술 보고서를 읽을 때 훨씬 분명한 기준이 생깁니다.

2026.07.23 - [분류 전체보기] - 호르무즈 해협 봉쇄, 유가와 수혜주부터 세계 경제 전망까지 한 번에 보는 핵심 정리

호르무즈 해협 봉쇄, 유가와 수혜주부터 세계 경제 전망까지 한 번에 보는 핵심 정리

2026.07.23 - [분류 전체보기] - 쿠팡 화재 총정리, 메자닌 구조와 손실 규모, 발화원인, 보상 문제

쿠팡 화재 총정리, 메자닌 구조와 손실 규모, 발화원인, 보상 문제

2026.07.23 - [분류 전체보기] - 오세훈 시장 유죄 선고, 서울 시정과 보궐선거 가능성까지 달라지는 정치 지형

오세훈 시장 유죄 선고, 서울 시정과 보궐선거 가능성까지 달라지는 정치 지형

2026.07.21 - [분류 전체보기] - ETF의 문제점과 정부의 대응: 투자자가 먼저 봐야 할 해결책과 정책방향 총정리

ETF의 문제점과 정부의 대응: 투자자가 먼저 봐야 할 해결책과 정책방향 총정리

2026.07.21 - [분류 전체보기] - AI 관련 주식시장 변화와 대응 방법 총정리: SK하이닉스와 삼성전자를 중심

AI 관련 주식시장 변화와 대응 방법 총정리: SK하이닉스와 삼성전자를 중심