라이프스타일

인공지능(Artificial Intelligence)이란 무엇인가

인공지능은 여러 기술과 응용을 아우르는 말로, 챗봇과 같은 뜻이 아니며 반드시 글을 생성하는 것도 아니다. 이 글은 OECD의 시스템 정의에서 출발해 사진 분류와 지역사회 자원 추천을 예로 입력, 도출, 출력이 사람의 목표와 어떻게 연결되는지 설명하고, 머신러닝·딥러닝·생성형 AI와의 관계를 정리한다. 구체적인 질문으로 AI 기능이 하는 일을 파악하고 능력, 자율성 수준, 신뢰성을 구분할 수 있다.

읽는 데 약 9분

LINE 공유
사진, 글이 적힌 종이, 방향을 나타내는 경로가 중앙의 원형 연산부로 모여들고, 바깥으로 다양한 모양의 결과가 생성되어 인공지능의 여러 용도를 상징한다.
사진: Mokaair (© Mokaair)
목차
  1. 1. 먼저 시스템이 하는 일 살펴보기
  2. 2. 인공지능에는 데이터 학습만 있는 것이 아니다
  3. 3. 지역사회 자원 추천 사례로 살펴보기
  4. 4. 능력, 자율성, 신뢰성은 따로 살펴보기
  5. 5. 일반 사용자가 할 수 있는 구체적인 질문

영어로 Artificial Intelligence, 줄여서 AI라고 하는 인공지능은 추론, 인식, 계획 등의 작업을 수행할 수 있는 시스템을 연구하고 만드는 광범위한 분야다. 예측, 추천, 분류 또는 콘텐츠 생성이 가능하며, 대화하는 소프트웨어만을 가리키지 않는다. AI 기능을 이해하려면 사람과 닮았는지부터 묻기보다 무엇을 입력받고, 어떻게 결과를 얻으며, 그 결과가 사람이나 환경에 어떤 영향을 미치는지부터 살펴보는 것이 좋다.

여기서는 OECD의 AI 시스템 설명을 실용적인 출발점으로 삼되, 분야마다 용어의 범위가 다를 수 있음을 인정한다. 이어서 직접 만든 사진 정리와 지역사회 자원 추천 사례를 통해 추상적인 용어를 관찰 가능한 과정으로 풀어본다. 자료 검증 기준일은 2026년 9월 14일이다.

먼저 시스템이 하는 일 살펴보기

OECD의 정의는 시스템이 목표에 따라 입력으로부터 예측, 콘텐츠, 권고 또는 결정을 도출하고, 물리적 또는 가상 환경에 영향을 미칠 수 있다는 점을 중시한다. 또한 시스템마다 자율성 수준과 배포 후 적응 정도가 다르다고 설명한다. 이는 시스템에 의식, 감정 또는 인간과 같은 이해력이 있다고 전제하지 않고도 다양한 응용을 살펴볼 수 있는 관점을 제공한다.

NIST 용어집 페이지는 여러 문서에서 가져온 인공지능 정의를 나열하며, 각각의 맥락을 확인하라고 안내한다. 이는 때로는 논의 목적에 따라 ‘AI인지 아닌지’가 달라질 수 있다는 뜻이다. 제품 소개 문구, 연구 논문, 거버넌스 문서는 서로 다른 경계를 적용할 수 있다. 일반 사용자는 모든 소프트웨어에 서둘러 단 하나의 꼬리표를 붙이기보다 기능과 한계를 파악하는 것이 더 중요하다.

예를 들어 사진첩이 사진을 고양이, 개, 풍경으로 분류한다면 입력은 이미지이고 출력은 범주 또는 관련 점수다. 편지 작성 도우미는 초안과 요구사항을 받아 수정된 글을 출력한다. 내비게이션의 경로 추천에는 위치, 도로망, 목표 조건이 관여한다. 이런 기능에는 AI 구성 요소가 포함될 수 있지만, 제품 전체에는 인터페이스, 데이터, 일반 프로그램과 사람이 정한 규칙도 필요하다.

인공지능에는 데이터 학습만 있는 것이 아니다

머신러닝은 AI의 주요 방법 중 하나로, 데이터로 모델을 훈련해 새로운 입력에 적용할 수 있는 관계를 학습하게 한다. 지식 및 규칙 기반 방법도 AI 발전의 일부다. 예를 들어 명시적인 지식과 추론 프로그램으로 문제를 처리하는 방식이 있다. 현대의 시스템은 여러 방법을 혼합하기도 하므로, 신경망이 없다는 이유만으로 인공지능이 아니라고 단정할 수는 없다.

한편 정해진 시간에 작동하는 단순한 알림은 자동으로 실행된다는 이유만으로 AI가 되지 않는다. 자동화는 작업을 할 때마다 사람이 실행을 지시해야 하는지를 설명하고, 인공지능은 시스템의 추론이나 관련 기술을 설명한다. 둘은 겹치는 부분이 있지만 같은 문제는 아니다. 제품을 소개할 때는 ‘완전 자동’이라고만 하기보다 어느 부분이 인식, 추천 또는 생성을 담당하는지 밝혀야 한다.

은 머신러닝에 속하는 방법의 한 종류로, 일반적으로 여러 층의 신경망으로 표현을 학습한다. 반면 생성형 AI는 콘텐츠를 생성하는 능력을 기준으로 분류한다. 이 용어들은 분류 관점이 다르므로 모두 서로 완전히 겹치지 않는 상자처럼 나눌 수는 없다. 하나의 텍스트 생성 모델이 딥러닝, 머신러닝, 인공지능에 동시에 속할 수 있다.

지역사회 자원 추천 사례로 살펴보기

이 예시에서 직접 설정한 요구사항은 ‘새로 이사 온 주민에게 적합한 지역사회 활동을 찾아 달라’는 것이다. 시스템은 주민이 직접 제공한 관심사, 참여 가능한 시간대와 활동 정보를 받아 먼저 시간이 맞지 않는 활동을 걸러낸 뒤 관련성에 따라 추천한다. 예상 출력은 몇 가지 활동과 추천 이유일 수 있으며, 주민 대신 바로 참가 신청을 하는 것은 아니다. 추천과 참가 신청 실행은 서로 다른 동작이며 필요한 권한도 다르다.

주민이 야외 활동을 좋아한다고만 말했다면 시스템은 원예나 걷기 운동을 추천할 수 있지만, 이는 제공된 정보에 근거한 추론일 뿐이다. 주민의 나이, 건강 상태 또는 다른 민감한 특성을 임의로 단정해서는 안 된다. 추천 이유에는 시간대가 맞거나 활동 내용이 관심사와 비슷하다는 등 확인 가능한 조건을 밝혀, 사용자가 시스템의 이해를 바로잡을 기회를 제공해야 한다.

테스트할 때 저녁 활동을 선호한다는 입력을 넣어 새벽 활동을 여전히 앞순위에 두는지 확인하고, 취소된 활동도 넣어 계속 추천하지 않는지 확인할 수 있다. 활동 정보가 오래됐다면 데이터 갱신에 문제가 있을 수 있다. 데이터가 정확한데도 순위를 정할 때 시간대를 무시한다면 그때 규칙이나 모델을 점검해야 한다. 이렇게 나누어 살펴보면 단순히 AI의 추천이 나쁘다고 말하는 것보다 개선하기 쉽다.

사람의 목표와 데이터가 함께 시스템에 입력되고, 시스템이 예측, 콘텐츠 또는 제안을 생성한 뒤, 이용 절차에 따라 행동 여부가 결정된다.
제안을 할 수 있다고 해서 사용자 대신 행동할 권한을 받은 것은 아니다. · 사진: Mokaair (© Mokaair)
자세한 설명 보기

사람의 목표와 데이터가 함께 시스템에 입력되고, 시스템이 예측, 콘텐츠 또는 제안을 생성한 뒤, 이용 절차에 따라 행동 여부가 결정된다.

능력, 자율성, 신뢰성은 따로 살펴보기

시스템이 어떤 작업을 수행할 수 있다고 해서 관련된 모든 행동을 스스로 실행할 권한이 있다는 뜻은 아니다. 활동 추천 모델은 요구사항을 매우 잘 대조하더라도 제안만 할 수 있고, 다른 시스템은 참가 신청을 완료할 권한을 부여받았을 수 있다. 자율성 수준은 응용 전체를 어떻게 설계했는지에 달려 있으며, 모델 자체의 크기나 답변 말투의 자신감만으로 결정되지 않는다.

배포 후 학습 여부도 별개의 문제다. 일부 모델은 고정된 상태를 유지하다 새 버전을 출시할 때만 갱신된다. 일부 시스템은 피드백에 따라 순위나 개인화 상태를 조정할 수 있다. 사용자가 대화 중 선호를 추가로 알려주는 것은 해당 입력만 바꾸는 것일 수 있으며, 모델이 가중치를 통해 그 사용자를 즉시 학습했다는 뜻은 아니다. 제품이 실제로 데이터를 어떻게 저장하고 사용하는지 살펴봐야 한다.

신뢰성은 특정 용도를 기준으로 점검해야 한다. 사진 분류가 밝은 사진에서 성능이 좋다고 해서 흐릿한 야경도 처리할 수 있는 것은 아니다. 활동 추천이 인기 있는 선택지를 찾는다고 해서 드문 요구까지 놓치지 않고 반영할 수 있는 것도 아니다. 단 한 번의 시연이나 하나의 종합 점수로 모든 상황을 판단할 수 없으며, 유창한 표현을 검증이 완료되었다는 증거로 삼아서는 더더욱 안 된다.

일반 사용자가 할 수 있는 구체적인 질문

AI를 내세우는 기능을 접하면 먼저 이렇게 물어볼 수 있다. 어떤 데이터를 사용하는가, 출력은 예측인가 확인된 사실인가, 외부 상태를 바꾸는가, 실패했을 때 수정할 수 있는가? 제품이 데이터 출처와 작동 범위를 설명하지 못한다면, 적어도 결과를 확인이 필요한 제안으로 보아야 한다. 이런 질문은 AI가 ‘정말 똑똑한지’를 논쟁하는 것보다 일상적인 사용에 더 큰 영향을 준다.

사용할 때도 작업에 실제로 필요한 정보를 제공해야 한다. 사진을 정리하는 데 가족 앨범 전체를 공개할 필요는 없을 수 있고, 활동을 추천받는 데도 전체 주소와 사적인 기록이 꼭 필요한 것은 아니다. 시스템이 더 적지만 관련성 있는 데이터를 사용하게 하면 결과를 더 쉽게 설명할 수 있다. 동시에 서비스의 데이터 처리 규칙도 살펴봐야 하며, 기능 이름만으로 개인정보 보호 수준을 판단해서는 안 된다.

인공지능의 가치는 분류를 돕고, 패턴을 찾거나 초안을 제공하는 데 있을 수 있으며, 모든 결정을 사람 대신 내릴 필요는 없다. 입력, 도출 방식, 출력과 검증 방법을 명확히 설명할 수 있다면 대부분의 AI 개념을 이해하기 위한 출발점을 이미 파악한 것이다. 이어서 머신러닝과 생성형 AI를 읽으면 이 넓은 범위 안에서 각각 어떤 역할을 하는지 더 쉽게 구분할 수 있다.

용어마다 분류 관점이 다르다(2026년 9월 검증)
명칭주요 분류 관점예시
인공지능광범위한 기술 및 시스템 분야인식, 계획, 추천 및 생성
머신러닝데이터로 모델을 훈련하는 방법과거 표본으로 분류 학습
생성형 AI콘텐츠 생성 능력요구에 따라 텍스트나 이미지 생성

AI 에이전트(AI Agent)란 무엇인가: 질문에 답하기에서 작업 완료까지

AI 용어 총색인: Loop Engineering부터 생성형 AI까지

이 정리가 도움이 되셨나요? 필요한 분께 공유해 보세요

LINE 공유
  • 라이프스타일

    에이전트형 검색 증강 생성(Agentic RAG): 언제 다시 검색해야 할까

    에이전트형 검색 증강 생성은 모델이 검색 결정에 참여해 질문과 이미 찾은 근거에 따라 자료 출처를 선택하거나 검색어를 재작성하거나 추가로 검색하게 합니다. 이 글은 LangGraph 문서의 구체적인 흐름을 바탕으로 장소 대관 조건 비교를 통해 고정형 RAG와의 차이를 보여 주고, 종료 조건, 권한, 검색 기록과 비용 관리를 설명합니다. 읽고 나면 작업에 동적 탐색이 필요한지, 예측 가능한 고정 절차로 충분한지 판단할 수 있습니다.

  • 라이프스타일

    그래프 검색 증강 생성(GraphRAG): 관계를 통해 문서 전체 이해하기

    GraphRAG는 엔터티와 그 관계를 검색에 활용해 문서 간 연관성과 전체 주제에 관한 질문에 답하도록 돕습니다. 이 글은 Microsoft의 원 논문과 공식 문서를 바탕으로 엔터티 추출, 커뮤니티 요약, 로컬 검색과 글로벌 검색을 설명하고, 지역 행사 기록을 통해 질문에 따라 다른 경로가 필요함을 보여 줍니다. 또한 그래프의 연결 누락, 이름의 잘못된 병합, 요약 왜곡이 답변에 미치는 영향을 설명해 보기 좋은 관계도를 검증된 사실로 오인하지 않도록 합니다.

  • 라이프스타일

    지식 그래프(Knowledge Graph): 대상과 관계를 명확히 설명하기

    지식 그래프는 개체와 관계로 데이터를 구성해 ‘누가 무엇에 참여했고, 어디서 언제 일어났는지’를 연결을 따라 조회할 수 있게 합니다. 이 글은 커뮤니티 행사 데이터를 예로 개체 식별, 관계 방향, 출처와 시간을 살펴보고, 자원 기술 프레임워크(RDF)와 속성 그래프의 표현 방식 차이를 소개합니다. 또한 그래프가 시각화나 신뢰할 만한 사실 그 자체는 아님을 설명합니다. 읽고 나면 데이터가 그래프 구축에 적합한지 판단하고, 데이터 테이블·벡터 검색·그래프 검색 증강 생성(GraphRAG)과 어떻게 결합하는지 이해할 수 있습니다.

  • 라이프스타일

    하이브리드 검색(Hybrid Search): 정확한 단어와 의미를 함께 고려하기

    하이브리드 검색은 전문 검색과 벡터 검색 등 서로 다른 검색 결과를 결합해 정확한 코드와 자연어로 표현한 요구를 모두 반영합니다. 장비 설명서 검색을 예로 후보 확보, 중복 제거, 순위 융합, 재순위화를 살펴보고, 역순위 융합(RRF)이 순위로 서로 다른 검색 결과를 결합하는 원리를 설명합니다. 하이브리드 방식이 모든 경우에 정확도 향상을 보장하지 않는다는 점도 짚습니다. 코드 질문, 표현을 바꾼 질문, 답이 없는 질문으로 품질을 확인하고, 권한·필터링·중복 콘텐츠로 인한 편향을 구분할 수 있습니다.

출처

위에 기재된 참고 자료와 확인일 기준 정보를 바탕으로 정리했습니다. 요금, 시간표, 기능, 이용 약관은 바뀔 수 있으므로 여행, 예약 또는 구매 전에 해당 공식 사이트에서 최신 정보를 확인해 주세요.

라이프스타일