AI 핵심 개념 가이드
AI Concepts Guide

AI 업계에서 자주 쓰는
핵심 개념 정리

AI 제품 용어부터 개발 기본 용어까지 45선

작성이지에이전시
구성7 PART · 45개 개념
대상AI 제품 기획·운영 실무자
작성일2026. 09. 29
이렇게 읽으면 좋습니다

기술 이름만 외우기보다 어떤 문제를 해결하기 위해 쓰는가를 기준으로 이해하세요. 실제 제품에서는 한 개념을 단독으로 쓰기보다 다른 구성 요소와 연결해서 사용합니다. 각 개념마다 EASY 박스에 누구나 이해할 수 있는 쉬운 비유 설명을 달았습니다. ★ 필수 표시는 꼭 알아야 할 16개 개념이며, 왼쪽 ‘★ 필수만’을 누르면 이것만 모아 볼 수 있습니다. 파란 태그를 누르면 연관 개념으로 이동합니다.

랜덤 10문제 · 단어↔EASY 설명 맞히기 · 난이도 3단계
PART 01

AI 기본

AI Fundamentals · 4개 개념
01.
Generative AI

생성형 AI★ 필수기초

학습한 데이터의 패턴을 바탕으로 글·이미지·음성·코드 같은 새로운 결과물을 만들어내는 AI.
EASY

새로운 걸 ‘만들어내는’ AI예요. 그림을 많이 본 친구가 처음 보는 그림도 그릴 수 있는 것처럼, 많이 보고 배운 AI가 새 글이나 그림을 만들어요.

예를 들면“바다에서 수영하는 고양이 그려줘” 하면 세상에 없던 그림을 새로 그리기

왜 중요한가기존 AI가 분류·예측 중심이었다면, 생성형 AI는 콘텐츠와 업무 결과물 자체를 만들어 활용 범위가 훨씬 넓습니다.
어디에 쓰나
  • 글쓰기·요약
  • 이미지·영상 생성
  • 코드 작성
  • 상담 챗봇
함께 볼 개념
02.
LLM (Large Language Model)

대규모 언어 모델★ 필수기초

방대한 텍스트로 학습해 다음에 올 단어(토큰)를 예측하는 방식으로 글을 이해하고 생성하는 거대한 AI 모델.
EASY

세상의 책을 엄청나게 많이 읽은 ‘말 잘하는 AI’예요. 끝말잇기처럼 “다음에 올 말이 뭘까?”를 아주 잘 맞혀서 자연스러운 문장을 만들어요.

예를 들면“옛날 옛적에…” 다음에 올 말을 맞히고, 또 그 다음 말을 맞히며 이야기를 완성하기

왜 중요한가ChatGPT, Claude, Gemini 같은 대부분의 AI 서비스의 두뇌입니다. 이 문서의 거의 모든 개념이 LLM을 중심으로 돌아갑니다.
어디에 쓰나
  • 대화형 챗봇
  • 문서 요약·번역
  • 코드 생성
  • 에이전트의 두뇌
함께 볼 개념
03.
Transformer

트랜스포머심화

문장 속 단어들이 서로 얼마나 관련 있는지(어텐션)를 계산해 문맥을 이해하는 신경망 구조. 현재 LLM의 기반.
EASY

문장을 읽을 때 “이 단어는 저 단어랑 관련 있네!” 하고 연결선을 그어주는 방법이에요. “철수가 사과를 먹었다. 그는 배불렀다”에서 ‘그’가 철수라는 걸 알아내요.

예를 들면긴 문장에서 중요한 단어끼리 형광펜으로 이어가며 뜻을 파악하기

왜 중요한가거의 모든 최신 LLM이 이 구조를 쓰기 때문에 컨텍스트, KV 캐시, 속도 같은 개념을 이해하는 출발점이 됩니다.
어디에 쓰나
  • LLM
  • 번역 모델
  • 이미지·음성 모델
  • 멀티모달 AI
함께 볼 개념
04.
Parameter

파라미터중급

모델이 학습을 통해 조정하는 내부 숫자 값. 모델의 지식과 능력이 이 값들에 저장된다.
EASY

AI 머릿속에 있는 수많은 ‘조절 다이얼’이에요. 공부할 때마다 다이얼을 조금씩 돌려서 정답에 가까워지게 맞춰요. 다이얼이 많을수록 더 많은 걸 기억할 수 있어요.

예를 들면“700억 개 파라미터 모델” = 조절 다이얼이 700억 개 달린 AI

왜 중요한가“70B 모델”처럼 모델 크기를 말할 때 기준이 되며, 크기에 따라 성능·비용·속도가 달라집니다.
어디에 쓰나
  • 모델 크기 비교
  • 비용·하드웨어 산정
  • 파인튜닝 범위 결정
  • 양자화 대상
함께 볼 개념
PART 02

프롬프트 · 검색

Prompt & Retrieval · 6개 개념
05.
Prompt Engineering

프롬프트 엔지니어링★ 필수기초

모델에게 어떤 지시를 어떤 형식으로 전달할지 설계하는 작업.
EASY

AI에게 부탁하는 말을 잘 다듬는 기술이에요. 친구에게 “그림 그려줘”라고 하는 것보다 “빨간 모자를 쓴 고양이를 크레파스로 그려줘”라고 하면 원하는 그림이 더 잘 나오죠. AI도 똑같아요.

예를 들면“숙제 도와줘” 대신 “초등학교 4학년 수준으로, 세 줄로, 예시 하나 넣어서 설명해줘”라고 말하기

왜 중요한가같은 모델도 지시 구조에 따라 결과 품질이 크게 달라집니다.
어디에 쓰나
  • 역할·목표·제약조건을 명확히 적기
  • 출력 형식 지정
  • 예시(few-shot) 제공
  • 실패 조건과 금지사항 명시
함께 볼 개념
06.
Context Engineering

컨텍스트 엔지니어링중급

모델이 답변할 때 참고할 정보의 종류, 순서, 양, 시점을 설계하는 작업.
EASY

AI가 대답하기 전에 책상 위에 어떤 자료를 놓아줄지 정하는 일이에요. 시험 볼 때 필요한 교과서 페이지만 딱 펴놓으면 문제를 더 잘 풀 수 있잖아요. 책을 다 쌓아두면 오히려 헷갈려요.

예를 들면요리 질문을 받으면 레시피 카드만 보여주고, 상관없는 수학책은 치워두기

왜 중요한가긴 문맥을 무작정 넣는 것보다 필요한 정보를 정확히 구성하는 것이 품질과 비용에 더 중요합니다.
어디에 쓰나
  • 시스템 지침 설계
  • 사용자 정보·문서·도구 결과 선택
  • 컨텍스트 우선순위 관리
  • 토큰 예산 관리
함께 볼 개념
07.
RAG (Retrieval-Augmented Generation)

검색 증강 생성★ 필수중급

외부 문서나 데이터베이스에서 관련 정보를 찾아 LLM의 입력에 넣고 답변하게 하는 구조.
EASY

AI가 모르는 걸 대답하기 전에 먼저 책장에서 책을 찾아보고 대답하는 방법이에요. 선생님께 질문했을 때 “잠깐, 사전 좀 찾아볼게” 하고 확인한 뒤 알려주시는 것과 같아요.

예를 들면“우리 학교 급식 메뉴가 뭐야?”라고 물으면 급식표를 찾아서 읽고 대답하기

왜 중요한가최신 정보나 사내 데이터처럼 모델이 원래 모르는 사실을 근거로 답하게 할 수 있습니다.
어디에 쓰나
  • 사내 문서 Q&A
  • 고객지원
  • 법률·정책 검색
  • 제품 매뉴얼 챗봇
함께 볼 개념
08.
Embeddings

임베딩★ 필수중급

텍스트·이미지 같은 정보를 의미를 보존하는 숫자 벡터로 변환한 표현.
EASY

말이나 그림을 AI가 알아볼 수 있는 ‘숫자 주소’로 바꾸는 거예요. 뜻이 비슷한 말은 주소가 가까운 동네에 살아요. 그래서 ‘강아지’와 ‘멍멍이’는 이웃이고, ‘강아지’와 ‘자동차’는 멀리 떨어져 살아요.

예를 들면‘사과’와 ‘배’는 과일 동네에, ‘버스’와 ‘기차’는 탈것 동네에 모여 살기

왜 중요한가키워드가 달라도 의미가 비슷한 항목을 찾는 검색·추천·분류에 핵심입니다.
어디에 쓰나
  • 의미 기반 검색
  • 유사 문서 찾기
  • 추천 시스템
  • 클러스터링
함께 볼 개념
09.
Vector Database

벡터 데이터베이스심화

임베딩 벡터를 저장하고 유사도 검색을 빠르게 수행하는 데이터베이스.
EASY

숫자 주소(임베딩)로 바뀐 정보들을 모아두는 특별한 도서관이에요. 제목이 똑같지 않아도 “이거랑 비슷한 거 찾아줘”라고 하면 가까운 동네에 사는 책들을 금방 찾아줘요.

예를 들면공룡 사진을 보여주면 도서관에서 공룡이 나오는 책을 쏙쏙 골라주기

왜 중요한가대규모 문서에서 관련 내용을 빠르게 찾는 RAG 시스템의 검색 계층으로 자주 사용됩니다.
어디에 쓰나
  • 문서 임베딩 저장
  • Top-K 유사도 검색
  • 메타데이터 필터
  • 하이브리드 검색
함께 볼 개념
EmbeddingsRAGRetrieval
PART 03

학습 · 정렬

Training & Alignment · 5개 개념
11.
Fine-tuning

파인튜닝★ 필수중급

기존 모델의 파라미터를 특정 데이터와 목적에 맞게 추가 학습하는 작업.
EASY

이미 공부를 많이 한 AI에게 한 가지 과목을 특별 과외시키는 거예요. 원래 똑똑한 학생이 축구부에 들어가서 축구만 따로 더 연습하면 축구를 훨씬 잘하게 되는 것과 같아요.

예를 들면보통 AI에게 병원 대화만 잔뜩 공부시켜서 병원 전문 AI로 만들기

왜 중요한가반복적인 스타일, 형식, 특정 태스크 행동을 모델 자체에 더 깊게 반영할 때 유용합니다.
어디에 쓰나
  • 분류 태스크 특화
  • 일관된 출력 형식
  • 도메인 스타일 학습
  • 특정 작업 행동 강화
함께 볼 개념
12.
LoRA / PEFT (Low-Rank Adaptation / Parameter-Efficient Fine-Tuning)

효율적 파인튜닝심화

전체 모델을 다시 학습하지 않고 일부 파라미터나 작은 어댑터만 학습하는 기법.
EASY

AI 전체를 다시 가르치는 대신, 작은 ‘부품’만 새로 붙여서 가르치는 방법이에요. 자전거를 새로 사지 않고 바구니만 달아서 장보기용 자전거로 바꾸는 것처럼 싸고 빨라요.

예를 들면큰 AI는 그대로 두고, 작은 ‘말투 부품’만 붙여서 사투리를 쓰게 하기

왜 중요한가GPU 메모리와 학습 비용을 크게 줄이면서도 특정 태스크에 맞춘 모델을 만들 수 있습니다.
어디에 쓰나
  • 개인화 모델
  • 사내 도메인 튜닝
  • 저비용 실험
  • 여러 어댑터 운영
함께 볼 개념
Fine-tuningQuantizationOpen-weight Models
13.
Instruction Tuning

인스트럭션 튜닝심화

지시와 정답 형태의 데이터로 모델이 다양한 명령을 더 잘 따르도록 추가 학습하는 방법.
EASY

“이렇게 부탁하면 이렇게 대답해”라는 예시를 많이 보여줘서 AI가 부탁을 잘 알아듣게 만드는 공부예요. 심부름 연습을 많이 한 아이가 “우유 사와” 하면 척척 해내는 것과 같아요.

예를 들면“요약해줘”, “번역해줘”, “표로 만들어줘” 같은 부탁과 모범 답안을 잔뜩 보여주기

왜 중요한가기초 모델을 실제 대화형 어시스턴트로 바꾸는 중요한 단계입니다.
어디에 쓰나
  • 질문답변
  • 요약
  • 분류
  • 도구 사용 형식 학습
함께 볼 개념
14.
RLHF / RLAIF (Reinforcement Learning from Human / AI Feedback)

피드백 기반 정렬심화

사람 또는 AI의 선호 피드백을 활용해 모델의 응답 행동을 조정하는 학습 방식.
EASY

AI가 한 대답에 사람(또는 다른 AI)이 “이게 더 좋아!” 하고 칭찬 스티커를 붙여주면서 가르치는 방법이에요. 칭찬받은 대답을 AI가 점점 더 자주 하게 돼요.

예를 들면두 대답 중 더 친절하고 정확한 쪽에 스티커를 붙여주기

왜 중요한가단순 다음 토큰 예측을 넘어 도움이 되는 응답, 지시 준수, 선호 스타일을 강화하는 데 사용됩니다.
어디에 쓰나
  • 응답 선호 학습
  • 안전 행동 조정
  • 대화 품질 개선
  • 정렬(alignment)
함께 볼 개념
Reward ModelPreference OptimizationInstruction Tuning
15.
Distillation

지식 증류심화

큰 모델(teacher)의 출력이나 행동을 작은 모델(student)이 학습하도록 하는 방식.
EASY

큰 선생님 AI가 알고 있는 걸 작은 학생 AI에게 알려주는 거예요. 두꺼운 백과사전을 요약 노트로 정리하면 가볍게 들고 다닐 수 있는 것처럼, 작은 AI도 꽤 똑똑해지고 빨라져요.

예를 들면큰 AI가 푼 문제와 답을 작은 AI가 보고 따라 배우기

왜 중요한가성능을 최대한 유지하면서 더 빠르고 저렴한 작은 모델을 만들기 위해 사용됩니다.
어디에 쓰나
  • 소형 모델 제작
  • 특정 태스크 압축
  • 모바일·엣지 모델
  • 서빙 비용 절감
함께 볼 개념
Fine-tuningQuantizationModel Compression
PART 04

추론 · 인프라

Inference & Infra · 7개 개념
16.
Inference

추론중급

학습이 끝난 모델에 실제 입력을 넣어 결과를 생성하는 실행 단계.
EASY

공부를 다 마친 AI가 실제로 문제를 푸는 순간이에요. 공부하는 시간이 ‘학습’이라면, 시험지를 받고 답을 쓰는 시간이 ‘추론’이에요.

예를 들면“오늘 날씨에 뭐 입을까?”라고 물으면 AI가 답을 만들어내는 그 순간

왜 중요한가실서비스에서는 정확도뿐 아니라 속도, 메모리, 비용을 결정하는 핵심 운영 영역입니다.
어디에 쓰나
  • 텍스트 생성
  • 배치 추론
  • 스트리밍 응답
  • GPU 추론
함께 볼 개념
17.
Serving

모델 서빙중급

모델을 API 또는 서비스 형태로 실제 사용자나 다른 시스템이 호출할 수 있게 운영하는 것.
EASY

AI를 식당처럼 문을 열어두고 손님(사용자)이 언제든 주문할 수 있게 운영하는 거예요. 요리사(AI)가 있어도 식당 문을 안 열면 아무도 음식을 못 먹잖아요.

예를 들면앱에서 버튼을 누르면 언제든 AI가 대답해주도록 준비해두기

왜 중요한가모델을 실험실 밖의 제품으로 만드는 과정에서 확장성·장애 대응·비용 관리가 중요해집니다.
어디에 쓰나
  • API 서버
  • 오토스케일링
  • 로드밸런싱
  • 모델 버전 관리
함께 볼 개념
18.
Latency / Throughput

지연시간과 처리량심화

Latency는 한 요청의 응답 속도, Throughput은 일정 시간 동안 처리 가능한 전체 요청량입니다.
EASY

지연시간은 ‘내 음식이 나오기까지 걸리는 시간’, 처리량은 ‘식당이 한 시간에 손님을 몇 명 받을 수 있는지’예요. 둘 다 좋아야 인기 식당이 돼요.

예를 들면대답이 1초 만에 나오면 지연시간이 짧은 것, 동시에 1000명에게 대답하면 처리량이 큰 것

왜 중요한가AI 제품의 사용자 경험과 인프라 비용을 동시에 좌우합니다.
어디에 쓰나
  • 첫 토큰 지연
  • 초당 토큰 수
  • 동시 사용자 처리
  • 배치 처리
함께 볼 개념
19.
Tokens / Context Window

토큰과 컨텍스트 윈도우★ 필수중급

토큰은 모델이 읽고 생성하는 기본 단위이며, 컨텍스트 윈도우는 한 번에 처리할 수 있는 전체 토큰 범위입니다.
EASY

토큰은 AI가 글을 읽을 때 자르는 작은 조각(레고 블록)이에요. 컨텍스트 윈도우는 AI가 한 번에 책상 위에 올려놓을 수 있는 블록의 개수예요. 책상이 넘치면 오래된 블록부터 떨어져요.

예를 들면아주 긴 이야기를 주면 AI가 앞부분을 잊어버리는 이유

왜 중요한가비용, 긴 문서 처리, 기억할 수 있는 정보량, 프롬프트 설계에 직접 영향을 줍니다.
어디에 쓰나
  • 토큰 예산 계산
  • 긴 문서 분할
  • 요약 압축
  • 컨텍스트 우선순위
함께 볼 개념
20.
KV Cache (Key-Value Cache)

KV 캐시심화

Transformer가 이전 토큰에서 계산한 Key·Value 값을 저장해 다음 토큰 생성 때 재사용하는 방식.
EASY

AI가 앞에서 계산한 걸 메모해두고 다시 쓰는 방법이에요. 구구단을 매번 처음부터 외우지 않고 적어둔 표를 보면 훨씬 빠르잖아요.

예를 들면긴 문장을 한 글자씩 쓸 때마다 앞 내용을 다시 계산하지 않고 메모장 보기

왜 중요한가긴 대화나 생성 작업에서 반복 계산을 줄여 추론 속도를 크게 높입니다.
어디에 쓰나
  • 긴 응답 생성
  • 챗봇 대화
  • Prefill/Decode 최적화
  • 메모리 관리
함께 볼 개념
21.
Quantization

양자화심화

모델 파라미터의 숫자 정밀도를 낮춰 메모리 사용량과 연산 비용을 줄이는 기법.
EASY

AI 머릿속 숫자를 조금 대충 적어서 가볍게 만드는 거예요. 3.14159265 대신 3.14라고만 써도 대부분 문제는 풀 수 있고, 공책도 훨씬 덜 쓰죠.

예를 들면무거운 AI를 가볍게 만들어서 휴대폰에서도 돌아가게 하기

왜 중요한가대형 모델을 더 작은 GPU나 로컬 장비에서 돌리거나 서빙 비용을 낮추는 데 사용됩니다.
어디에 쓰나
  • FP16 → INT8/INT4
  • 로컬 LLM
  • 추론 비용 절감
  • 엣지 배포
함께 볼 개념
22.
MoE (Mixture of Experts)

Mixture of Experts심화

여러 전문가 네트워크 중 입력에 필요한 일부만 활성화하는 모델 구조.
EASY

여러 명의 전문가 선생님이 있고, 문제에 맞는 선생님 몇 분만 불러서 푸는 방식이에요. 수학 문제면 수학 선생님, 영어 문제면 영어 선생님만 오니까 모두가 다 일할 필요가 없어요.

예를 들면요리 질문엔 ‘요리 전문가’만, 코딩 질문엔 ‘코딩 전문가’만 일하기

왜 중요한가전체 파라미터 수를 크게 늘리면서도 한 번의 추론에서 사용하는 계산량은 제한할 수 있습니다.
어디에 쓰나
  • 대규모 LLM
  • Sparse routing
  • Expert specialization
  • 효율적 확장
함께 볼 개념
PART 05

에이전트 · 시스템

Agents & Systems · 5개 개념
23.
Agents / Agentic Systems

에이전트 시스템★ 필수기초

LLM이 단순 답변을 넘어 목표를 달성하기 위해 계획하고 도구를 사용하며 여러 단계를 수행하는 시스템.
EASY

대답만 하는 게 아니라 목표를 위해 스스로 계획 세우고 여러 일을 차례차례 해내는 AI예요. “소풍 준비해줘” 하면 날씨 확인, 준비물 목록, 도시락 메뉴까지 알아서 해주는 똑똑한 도우미예요.

예를 들면“여행 계획 짜줘” 하면 검색하고, 비교하고, 일정표까지 만들어주기

왜 중요한가검색, 파일 처리, API 호출, 코드 실행 같은 행동을 조합해 복합 업무를 자동화할 수 있습니다.
어디에 쓰나
  • 리서치 에이전트
  • 코딩 에이전트
  • 업무 자동화
  • 멀티스텝 문제 해결
함께 볼 개념
24.
Tool Calling / Function Calling

도구 호출★ 필수중급

LLM이 구조화된 형식으로 외부 함수·API·데이터 소스를 호출하도록 하는 기능.
EASY

AI가 혼자 못 하는 일을 할 때 계산기, 지도, 달력 같은 도구를 꺼내 쓰는 거예요. 사람도 어려운 계산은 계산기를 쓰잖아요.

예를 들면“지금 서울 날씨 어때?” 하면 AI가 날씨 앱을 불러서 확인하기

왜 중요한가모델의 언어 능력을 실제 행동과 연결하는 핵심 인터페이스입니다.
어디에 쓰나
  • 날씨 API
  • DB 조회
  • 결제 시스템
  • 파일·코드 실행
함께 볼 개념
25.
MCP (Model Context Protocol)

Model Context Protocol★ 필수중급

AI 모델과 외부 도구·데이터 소스를 표준화된 방식으로 연결하기 위한 프로토콜.
EASY

AI와 여러 도구를 연결하는 ‘공통 콘센트’ 규칙이에요. 모든 전자제품이 같은 콘센트 모양을 쓰면 어디든 꽂을 수 있듯이, 이 규칙을 따르면 어떤 도구든 AI에 쉽게 연결돼요.

예를 들면메일, 달력, 파일 폴더를 같은 방식으로 AI에 꽂아 쓰기

왜 중요한가각 서비스마다 별도 통합 코드를 만드는 부담을 줄이고 도구 생태계를 재사용하기 쉽게 만듭니다.
어디에 쓰나
  • 도구 연결
  • 데이터 소스 연결
  • IDE·에이전트 통합
  • 표준 인터페이스
함께 볼 개념
26.
LLM Orchestration

LLM 오케스트레이션심화

모델, 프롬프트, RAG, 도구, 메모리, 워크플로를 하나의 시스템으로 조율하는 설계.
EASY

AI, 검색, 도구, 기억장치 같은 여러 연주자를 한 곡으로 맞춰주는 ‘지휘자’ 역할이에요. 악기가 각자 따로 놀면 시끄럽지만, 지휘자가 있으면 멋진 음악이 돼요.

예를 들면질문을 받으면 먼저 검색하고, 다음에 계산하고, 마지막에 AI가 정리하게 순서 정하기

왜 중요한가실제 AI 제품은 한 번의 LLM 호출보다 여러 구성 요소를 적절히 연결하는 능력이 더 중요합니다.
어디에 쓰나
  • 모델 라우팅
  • 도구 체인
  • RAG 결합
  • 실패 시 재시도·분기
함께 볼 개념
27.
Memory

메모리기초

이전 대화나 사용자·업무 상태를 저장하고 이후 상호작용에서 다시 활용하는 구조.
EASY

AI가 예전 대화나 내 취향을 기억해두는 일기장이에요. 친구가 “너 딸기 좋아하지?” 하고 기억해주면 기분 좋잖아요.

예를 들면지난번에 “나는 매운 거 못 먹어”라고 했던 걸 기억해서 순한 메뉴 추천하기

왜 중요한가장기적인 개인화와 연속적인 업무 처리를 가능하게 하지만 개인정보와 오래된 정보 관리가 중요합니다.
어디에 쓰나
  • 대화 요약
  • 사용자 선호
  • 작업 상태
  • 장기 프로필
함께 볼 개념
PART 06

신뢰성 · 운영

Reliability & Ops · 5개 개념
28.
Guardrails

가드레일중급

모델 입력·출력·도구 사용에 규칙과 검증 단계를 적용해 위험한 행동이나 잘못된 결과를 줄이는 시스템.
EASY

AI가 위험하거나 엉뚱한 곳으로 가지 않게 막아주는 ‘도로 난간’이에요. 난간이 있으면 차가 길 밖으로 떨어지지 않죠.

예를 들면나쁜 말이나 위험한 방법을 물어보면 AI가 대답하지 않도록 막기

왜 중요한가LLM은 확률적으로 동작하므로 실제 서비스에서는 모델 자체 성능만큼 안전한 운영 제어가 중요합니다.
어디에 쓰나
  • 출력 스키마 검증
  • 금지 행동 차단
  • 도구 권한 제어
  • PII 필터링
함께 볼 개념
29.
Evals

평가 시스템중급

모델이나 AI 제품이 원하는 기준을 실제로 얼마나 잘 만족하는지 반복 측정하는 체계.
EASY

AI가 얼마나 잘하는지 정기적으로 보는 ‘시험’이에요. 시험을 봐야 어느 과목을 더 공부해야 하는지 알 수 있죠.

예를 들면질문 100개를 주고 몇 개나 맞게 대답하는지 점수 매기기

왜 중요한가프롬프트나 모델을 바꿀 때 좋아졌는지 나빠졌는지를 감이 아니라 데이터로 판단하게 해줍니다.
어디에 쓰나
  • 정답 기반 평가
  • LLM-as-a-judge
  • 회귀 테스트
  • 온라인 A/B 테스트
함께 볼 개념
30.
Hallucination

환각★ 필수기초

모델이 근거가 없거나 사실이 아닌 내용을 자연스럽고 확신 있게 생성하는 현상.
EASY

AI가 모르는 걸 아는 척하며 그럴듯하게 지어내는 거예요. 책을 안 읽고 독후감을 쓰면서 자신 있게 내용을 지어내는 것과 비슷해요. 말은 멀쩡해 보여도 틀린 내용이에요.

예를 들면세상에 없는 책 제목이나 사람 이름을 진짜처럼 말하기

왜 중요한가신뢰가 중요한 제품에서는 출처 확인, RAG, 검증 로직이 필요합니다.
어디에 쓰나
  • 가짜 출처
  • 존재하지 않는 수치
  • 잘못된 인용
  • 불확실한 사실의 단정
함께 볼 개념
31.
Grounding

그라운딩중급

모델의 응답을 특정 문서, 데이터, 도구 결과 같은 실제 근거에 연결하는 방식.
EASY

AI가 대답할 때 “이건 이 책 몇 쪽에 나와요” 하고 근거를 붙잡고 말하게 하는 거예요. 발표할 때 출처를 밝히면 믿을 수 있는 것과 같아요.

예를 들면“회사 규칙집 3장에 따르면…”처럼 진짜 자료를 보고 대답하기

왜 중요한가답변의 사실성을 높이고 사용자가 근거를 확인할 수 있게 합니다.
어디에 쓰나
  • 문서 인용
  • 검색 결과 기반 답변
  • DB 결과 기반 생성
  • 출처 추적
함께 볼 개념
32.
Observability / Tracing

관측성과 트레이싱심화

AI 시스템에서 어떤 입력·모델·도구·프롬프트가 어떤 결과를 만들었는지 추적하는 운영 체계.
EASY

AI가 어떤 과정을 거쳐 그 대답을 했는지 발자국을 남겨 추적하는 거예요. 블랙박스 영상이 있으면 무슨 일이 있었는지 나중에 되돌려 볼 수 있잖아요.

예를 들면이상한 대답이 나왔을 때 어떤 자료와 도구를 썼는지 기록을 보고 원인 찾기

왜 중요한가복잡한 에이전트나 RAG 시스템의 오류, 비용, 지연, 품질 저하 원인을 찾는 데 필수적입니다.
어디에 쓰나
  • 프롬프트 로그
  • 도구 호출 추적
  • 토큰·비용 기록
  • 실패 단계 분석
함께 볼 개념
PART 07

개발 기본 용어

Dev Essentials · 13개 개념
33.
Architecture

아키텍처★ 필수중급

시스템을 이루는 구성 요소들과 그 사이의 연결·역할 분담을 큰 그림으로 설계한 구조.
EASY

집을 짓기 전에 그리는 ‘설계도’예요. 방은 몇 개, 부엌은 어디, 전기선은 어떻게 연결할지 먼저 정해야 튼튼하고 살기 좋은 집이 돼요.

예를 들면앱을 만들기 전에 “화면은 여기, 데이터 창고는 저기, AI는 이 사이에” 하고 그림 그려두기

왜 중요한가처음 구조를 잘못 잡으면 기능이 늘어날수록 고치기 어렵고 비용이 크게 늘어납니다.
어디에 쓰나
  • 서비스 전체 설계도 작성
  • 기술 스택 선정
  • 확장성·비용 검토
  • AI 기능을 어디에 붙일지 결정
함께 볼 개념
34.
Debugging

디버깅★ 필수기초

프로그램이 예상과 다르게 동작하는 원인(버그)을 찾아내고 고치는 과정.
EASY

고장 난 장난감에서 어디가 문제인지 찾아서 고치는 거예요. 불이 안 켜지면 건전지가 없는지, 선이 끊어졌는지 하나씩 확인하는 탐정 놀이예요.

예를 들면버튼을 눌렀는데 아무 일도 안 일어나면, 어느 단계에서 멈췄는지 차례로 확인하기

왜 중요한가개발 시간의 상당 부분이 디버깅입니다. 원인을 빨리 찾는 능력이 곧 개발 속도입니다.
어디에 쓰나
  • 오류 메시지 분석
  • 로그 확인
  • 재현 조건 찾기
  • AI 엉뚱한 답변 원인 추적
함께 볼 개념
35.
API (Application Programming Interface)

API★ 필수기초

프로그램끼리 정해진 약속(요청·응답 형식)에 따라 기능이나 데이터를 주고받는 창구.
EASY

식당의 ‘주문 창구’예요. 주방에 직접 들어가지 않아도 메뉴판대로 주문하면 음식이 나오죠. 프로그램도 창구에 정해진 방식으로 부탁하면 결과를 받아요.

예를 들면날씨 앱이 기상청 API에 “서울 날씨 알려줘” 하고 부탁해서 받아오기

왜 중요한가AI 모델, 결제, 지도, 메시지 등 대부분의 외부 기능은 API로 연결해 사용합니다.
어디에 쓰나
  • AI 모델 호출
  • 결제·알림 연동
  • 앱과 서버 통신
  • 외부 데이터 가져오기
함께 볼 개념
36.
Frontend / Backend

프론트엔드와 백엔드★ 필수기초

프론트엔드는 사용자가 보고 만지는 화면, 백엔드는 뒤에서 데이터 처리·저장·로직을 담당하는 부분.
EASY

식당에 비유하면 프론트엔드는 손님이 앉는 ‘홀’, 백엔드는 요리하는 ‘주방’이에요. 손님은 홀만 보지만, 맛있는 음식은 주방에서 만들어져요.

예를 들면버튼과 글씨가 보이는 화면은 프론트엔드, 버튼을 눌렀을 때 정보를 찾아오는 건 백엔드

왜 중요한가역할이 나뉘어 있어야 화면과 기능을 따로 개선하고, 문제가 어디서 생겼는지 빠르게 찾을 수 있습니다.
어디에 쓰나
  • 웹·앱 화면 개발
  • 회원가입·로그인 처리
  • 관리자 페이지
  • AI 응답을 화면에 보여주기
함께 볼 개념
37.
Server

서버기초

다른 컴퓨터(클라이언트)의 요청을 받아 데이터나 기능을 제공하는 컴퓨터 또는 프로그램.
EASY

부탁을 받으면 대신 일을 해주는 ‘24시간 일하는 컴퓨터’예요. 편의점처럼 밤에도 문을 열어두고 손님이 오면 필요한 걸 내어줘요.

예를 들면내가 유튜브를 켜면 멀리 있는 서버가 영상을 보내주기

왜 중요한가서비스가 24시간 켜져 있고 여러 사용자가 동시에 쓰려면 안정적인 서버가 필요합니다.
어디에 쓰나
  • 웹사이트 운영
  • API 제공
  • AI 모델 서빙
  • 파일 저장·전송
함께 볼 개념
38.
Cloud

클라우드기초

서버·저장소·연산 자원을 직접 사지 않고 인터넷으로 필요한 만큼 빌려 쓰는 방식.
EASY

컴퓨터를 집에 사두는 대신 필요할 때 빌려 쓰는 거예요. 자전거를 사지 않고 공유 자전거를 탄 만큼만 돈 내는 것과 같아요.

예를 들면사진을 휴대폰이 아니라 인터넷 사진첩에 저장해서 어디서든 보기

왜 중요한가초기 비용 없이 시작하고, 사용자가 늘면 자원을 바로 늘릴 수 있습니다.
어디에 쓰나
  • 서버 호스팅
  • 파일 저장
  • GPU로 AI 실행
  • 백업
함께 볼 개념
39.
Database

데이터베이스★ 필수기초

데이터를 체계적으로 저장하고 빠르게 찾고 수정할 수 있게 관리하는 시스템.
EASY

정보를 차곡차곡 정리해둔 ‘큰 서랍장’이에요. 이름표가 붙어 있어서 “3반 김철수 성적” 하면 바로 꺼낼 수 있어요.

예를 들면학원 앱에서 학생 이름, 전화번호, 출석 기록을 저장해두는 곳

왜 중요한가회원·주문·기록 같은 핵심 정보가 모두 여기에 쌓이므로 구조 설계가 서비스 품질을 좌우합니다.
어디에 쓰나
  • 회원 정보 저장
  • 주문·결제 기록
  • 게시글 관리
  • 학생·출결 관리
함께 볼 개념
40.
Deployment

배포기초

개발한 프로그램을 실제 사용자가 쓸 수 있는 환경(서버·앱스토어 등)에 올리는 작업.
EASY

다 만든 작품을 교실 게시판에 붙여서 모두가 볼 수 있게 하는 거예요. 내 공책 안에만 있으면 아무도 못 보잖아요.

예를 들면앱에 새 기능을 만들고 “업데이트” 버튼을 눌러 사람들이 받을 수 있게 하기

왜 중요한가배포 과정이 안정적이어야 새 기능을 자주, 안전하게 내보낼 수 있습니다.
어디에 쓰나
  • 웹사이트 오픈
  • 앱스토어 업데이트
  • 새 기능 출시
  • 문제 시 이전 버전으로 되돌리기
함께 볼 개념
41.
Version Control

버전 관리 (Git)기초

코드가 언제 누구에 의해 어떻게 바뀌었는지 기록하고, 필요하면 이전 상태로 되돌릴 수 있게 하는 체계.
EASY

게임의 ‘세이브 포인트’예요. 중간중간 저장해두면 실수해도 저장한 곳으로 돌아갈 수 있어요. 누가 언제 뭘 바꿨는지도 다 적혀 있어요.

예를 들면글을 고치다 망쳤을 때 “어제 저장본”으로 되돌리기

왜 중요한가여러 사람이 동시에 작업해도 충돌을 관리할 수 있고, 실수해도 안전하게 복구할 수 있습니다.
어디에 쓰나
  • 변경 이력 관리
  • 협업
  • 이전 버전 복구
  • 기능별 브랜치 작업
함께 볼 개념
42.
Testing

테스트기초

프로그램이 의도대로 동작하는지 미리 정해둔 경우들로 확인하는 작업.
EASY

만든 종이비행기를 대회 전에 미리 날려보는 거예요. 잘 나는지 확인하고, 문제가 있으면 대회 전에 고칠 수 있어요.

예를 들면로그인 버튼이 맞는 비밀번호엔 들어가고, 틀린 비밀번호엔 막히는지 확인하기

왜 중요한가고칠 때마다 다른 곳이 망가지지 않았는지 자동으로 확인할 수 있어 안심하고 개선할 수 있습니다.
어디에 쓰나
  • 기능 동작 확인
  • 출시 전 점검
  • 자동화 테스트
  • AI 응답 품질 확인
함께 볼 개념
43.
Refactoring

리팩토링중급

겉으로 보이는 기능은 그대로 두고, 코드 내부 구조를 더 읽기 쉽고 고치기 쉽게 정리하는 작업.
EASY

방 정리하기예요. 장난감 개수는 똑같지만 제자리에 정리해두면 다음에 찾기도 쉽고 새 장난감 넣을 자리도 생겨요.

예를 들면똑같은 코드가 다섯 군데 있으면 한 곳으로 모아서 한 번만 고치면 되게 만들기

왜 중요한가코드가 지저분해지면 새 기능 추가와 버그 수정이 점점 느려지기 때문에 주기적인 정리가 필요합니다.
어디에 쓰나
  • 중복 코드 정리
  • 이름 개선
  • 구조 단순화
  • 성능 개선 준비
함께 볼 개념
44.
Logging

로그중급

프로그램이 실행되며 일어난 일(요청, 오류, 처리 결과 등)을 시간순으로 기록한 것.
EASY

프로그램이 쓰는 ‘일기장’이에요. “9시에 누가 들어옴, 9시 5분에 오류 남”처럼 적어두면 나중에 무슨 일이 있었는지 알 수 있어요.

예를 들면앱이 갑자기 꺼졌을 때 일기장(로그)을 보고 몇 시에 왜 꺼졌는지 찾기

왜 중요한가문제가 생겼을 때 무슨 일이 있었는지 되짚어볼 유일한 단서가 되는 경우가 많습니다.
어디에 쓰나
  • 오류 추적
  • 사용 기록 분석
  • 보안 점검
  • AI 호출 내역 확인
함께 볼 개념
45.
JSON (JavaScript Object Notation)

JSON중급

데이터를 “이름: 값” 쌍으로 표현하는 가볍고 널리 쓰이는 텍스트 형식.
EASY

정보를 적는 ‘약속된 메모 양식’이에요. {이름: 철수, 나이: 10}처럼 적으면 사람도 컴퓨터도 쉽게 읽을 수 있어요.

예를 들면학생 카드를 {이름, 학년, 반} 칸이 있는 똑같은 양식으로 적어서 주고받기

왜 중요한가API, 설정 파일, AI 도구 호출 등 대부분의 데이터 교환이 JSON으로 이루어집니다.
어디에 쓰나
  • API 요청·응답
  • 설정 파일
  • AI 구조화 출력
  • 데이터 저장·전송
함께 볼 개념