AI 시대, 매일같이 새로운 용어가 쏟아집니다.
RAG, MCP, 파인튜닝, 토큰, 파이썬…
단어만 들어도 머리가 복잡하죠. 🤯
“나도 알아야 할 것 같은데,
왜 이렇게 어렵게만 설명할까?”
아마 많은 분들이 이렇게 느끼실 거예요.
그래서 준비했습니다.
오늘은 AI 시대에 꼭 알아야 할 10가지 필수 용어를 정리합니다.
딱딱한 교과서식이 아니라,
Aria.Kim 스타일 — 일상 속 비유와 감성으로,
누구나 쉽게 이해할 수 있게 풀어드릴 거예요.
복잡한 AI 개념도,
한 번에 친근하게 다가올 거예요. ✨
🗒️AI 필수 용어 1
프롬프트 엔지니어링(Prompt Engineering)
📘 한눈에 보기
👉 원하는 답을 얻기 위해 AI에게 입력 문장을 똑똑하게 설계하는 기술.
📝 핵심 정리
- 모델의 출력을 최적화하는 방법
- 질문·조건·맥락을 구조화
- 파라미터 수정 없이 성능 향상 가능
- 결국, “질문을 잘 던지는 기술”
🌿 Aria 감성 해설
“카페에서 ‘커피 하나요’ 하면 아메리카노가 나오죠.
근데 ‘바닐라라떼 톨사이즈, 얼음은 적게, 오트밀크로’라고 하면? ☕
내가 원하는 게 딱 나와요.
AI도 똑같아요.
막연히 ‘보고서 작성해줘’보다,
‘3분 발표용 요약, 표 포함, 회사 보고서 톤으로’라고 하면 훨씬 잘 나오죠.
그게 프롬프트 엔지니어링이에요.”
💡 인사이트 더하기 – 프롬프트 엔지니어란?
예전엔 ‘유튜브 크리에이터’가 꿈의 직업이었죠.
이제는 AI 시대라 ‘프롬프트 엔지니어’가 그렇게 떠올라요.
AI에게 ‘말하듯’ 요청만 잘 해도
마법 같은 결과가 나오다 보니,
‘프롬프트로 AI를 조련하는 사람’이 유망해진 거예요.
근데 이것도 다는 아니에요.
AI가 점점 똑똑해지면,
그냥 입력하는 건 누구나 하게 될 수 있어요.
그래서 ‘프롬프트 설계를 잘하는 능력’은 ‘모든 직업의 기본 역량’으로 옮겨가고 있다고 해요.”
| 트렌드 포인트 | 설명 |
|---|---|
| 시장 수요 | 단기적으로 유망 역할 → 하지만 빠르게 일반화될 가능성 있음 |
| 기업 교육 | 일부 기업은 신입 채용 시 Prompt Engineering 교육 필수로 도입 중 |
| 미래 방향성 | 지금은 직무로 있지만, 곧 모든 AI 활용자의 기본 스킬이 될 것으로 전망 |
🗒️AI 필수 용어 2
AI 할루시네이션(Hallucination)
📘 한눈에 보기
👉 AI가 사실이 아닌 내용을 그럴듯하게 말하는 오류.
📝 핵심 정리
- 틀린 정보를 자신감 있게 말함
- 신뢰성과 정확성을 해치는 문제
- 검증·교차 확인 필수
- RAG·Fine-tuning으로 완화 가능
🌿 Aria 감성 해설
회사에서 모르는 걸 아는 척 대답하는 동료, 본 적 있으시죠? 😅
겉으론 자신감 넘치지만, 실제론 하나도 모르고 엉뚱한 대답만 하잖아요.
AI도 똑같아요.
때로는 ‘진짜인 척’ 말하지만 사실은 허세일 뿐.
이것을 AI 할루시네이션이라고 합니다.
그래서 우리는 AI가 준 답을
‘팩트체크’하는 습관이 필요합니다.
💡 인사이트 더하기
AI가 이렇게 ‘허세를 부리는 이유’와,
정말 AI가 친구가 될 수 있는지에 대한 더 깊은 이야기는
👉 AI 친구, 진짜일까? 에서 확인해보실 수 있습니다.
🗒️AI 필수 용어 3
파인 튜닝(Fine-Tuning)
📘 한눈에 보기
👉 특정 분야에 맞게 모델을 다시 훈련해 정확도를 높이는 과정.
📝 핵심 정리
- 일반 모델을 특정 도메인에 맞춤화
- 데이터 품질이 성능을 좌우
- Hallucination 완화 가능
- 맞춤형 AI 제작 핵심 방법
🌿 Aria 감성 해설
“기성복은 대충 맞지만, 맞춤 정장은 내 몸에 딱 맞죠. 👔
AI도 그래요.
보통 모델은 뭐든 조금씩 알지만,
의학 AI, 법률 AI, 게임 AI처럼
딱 맞게 훈련하면 훨씬 정확해져요.
이게 바로 파인튜닝이에요.”
📊 인사이트 더하기
💠Fine-Tuning이 필요한 순간
- 📚 전문 지식이 필요한 영역: 예) 의학·법률·금융 → 일반 모델은 지식 부족/법적 리스크
- 🏢 기업 내부 데이터: 특정 회사 매뉴얼, 고객 FAQ 반영 필요
- 🧠 특정 톤·스타일: 예) “우리 회사 브랜드 목소리”로 글쓰기
💠한계와 고려사항
- 💸 비용: 대규모 데이터 준비 + 모델 재학습 → 비용/시간 큼
- ⚠️ 데이터 품질: 편향된 데이터를 넣으면 오히려 결과가 왜곡
- ⏳ 유지 관리: 세상 지식은 계속 변하기 때문에, 업데이트가 항상 주기적 필요
🗒️AI 필수 용어 4
MCP (Model Context Protocol)
📘 한눈에 보기
👉 여러 AI·도구·데이터를 연결해주는 표준 규약.
📝 핵심 정리
- 시스템 간 연결·대화 가능
- AI 협업·자동화의 기반
- Agent형 AI 필수 인프라
- RAG와 함께 자주 언급됨
🌿 Aria 감성 해설
회사에서 슬랙, 노션, 구글 드라이브 다 따로 쓰면 불편하죠.
MCP는 이걸 하나로 연결해주는 허브예요. 🔌
AI도 마찬가지예요.
서로 다른 모델과 툴이 MCP를 통해
하나의 팀처럼 대화하고 협업할 수 있어요.
💡 인사이트 더하기 — MCP 추천 사이트 Top 5
- MCP.so
→ MCP 관련 리소스를 모아둔 허브 사이트. 최신 서버, 사용 사례, 가이드라인을 한눈에 보기 편리. - Claude MCP (ko)
→ Anthropic Claude 모델에 최적화된 MCP 설명과 예시를 제공. 한국어 버전 지원으로 이해가 쉬움. - Smithery.ai
→ MCP 기반 AI 기능을 직접 테스트·빌드할 수 있는 플랫폼. 개발자와 실무자가 실습하기 좋은 도구. - Cursor MCP Directory
→ 다양한 MCP 서버와 플러그인을 모아둔 디렉터리. AI 개발자가 참고하기 좋은 오픈 리소스 모음집. - MCP Market — Web Scraping & Data Collection
→ 데이터 수집·스크래핑 관련 MCP 모듈을 한눈에 비교·선택할 수 있는 온라인 마켓플레이스.
🗒️AI 필수 용어 5
RAG (Retrieval-Augmented Generation)
📘 한눈에 보기
👉 AI가 외부 지식을 검색해 더 정확하고 최신 답을 주는 방식.
📝 핵심 정리
- 기존 모델 지식 한계 극복
- 검색 + 생성 결합
- 최신성·정확성 강화
- Hallucination 완화 가능
🌿 Aria 감성 해설
보고서를 쓸 때, 머릿속 지식만으로 쓰면 허점이 많아요.
하지만 최신 뉴스, 통계자료를 검색해 참고하면 신뢰도가 달라지죠. 📑
AI도 똑같아요.
RAG는 단순히 ‘기억 속’ 정보가 아니라,
필요할 때 외부 자료를 가져와 답을 보강하는 방식이에요.
💡 인사이트 — Fine-Tuning vs RAG
전문가들도 자주 혼동하는 두 가지 용어를 깔끔하게 비교해봅니다.
| 구분 | Fine-Tuning | RAG |
|---|---|---|
| 학습 방식 | 모델을 새 데이터로 재학습 | 외부 지식 검색 + 생성 |
| 비용 | 높음 (재학습 필요) | 낮음 (검색 인프라 중심) |
| 최신성 | 학습 시점에 제한 | 실시간 최신 자료 반영 |
| 활용 예시 | 전문 도메인 특화 (의학, 법률 등) | 뉴스 요약, FAQ, 리서치 |
🗒️AI 필수 용어 6
AI 파이프라인(AI Pipeline)
📘 한눈에 보기
👉 데이터가 입력돼 모델을 거쳐 결과로 나오는 전체 흐름.
📝 핵심 정리
- 데이터 전처리 → 모델 처리 → 출력 단계
- Embedding, Parsing 등과 연결
- AI 시스템의 큰 그림 제공
- 문제 지점 파악에도 유용
🌿 Aria 감성 해설
라면을 끓일 때, 물 끓이고 → 스프 넣고 → 면 넣고 → 계란 풀고 → 완성! 🍲
AI도 비슷해요.
데이터가 들어와 여러 단계를 거쳐 결과가 나와요.
이 과정을 ‘AI 파이프라인’이라고 부르는 거예요.
💡 인사이트 — AI Pipeline이 중요한 이유
- 문제 진단이 빨라진다
- 출력이 이상할 때, 파이프라인 단계별로 어디서 오류가 생겼는지 추적 가능.
- 예: 데이터 전처리 문제인지, 모델 자체 문제인지 빠르게 구분.
- 최적화 포인트가 보인다
- “이 부분만 GPU로 가속하면 된다”, “여기서 Embedding을 교체하면 성능이 확 올라간다”처럼 개선 지점이 선명해짐.
- 실제 활용 사례
- 🔍 챗봇: 질문 입력 → 파싱 → 검색(RAG) → 응답 생성
- 🎶 추천 시스템: 사용자 활동 로그 → Embedding → 모델 예측 → 추천 결과
- 🏥 의료 AI: CT 이미지 입력 → 전처리 → 진단 모델 추론 → 판독 리포트 출력
👉 쉽게 말해, AI Pipeline은 “AI 시스템의 생산 라인“이에요.
생산 라인을 이해하면, 어디서 병목이 생기고 어떻게 성능을 높일지 한눈에 보이죠.
🗒️AI 필수 용어 7
임베딩(Embedding)
📘 한눈에 보기
👉 단어나 문장을 숫자 벡터로 바꿔, 의미 유사도를 계산하는 기술.
📝 핵심 정리
- 텍스트를 좌표처럼 숫자로 변환
- 비슷한 단어끼리 가깝게 위치
- RAG, 검색, 추천 시스템 핵심
- AI가 ‘뜻의 거리’를 계산하는 방법
🌿 Aria 감성 해설
지도맵에서 ‘치킨집’과 ‘피자집’이 가까이 있으면 둘 다 야식 카테고리죠. 🍗🍕
AI도 단어를 좌표로 바꿔 배치해요.
‘강아지’와 ‘고양이’는 가까이,
‘자동차’는 훨씬 멀리.
이렇게 배치하면,
AI가 ‘이 단어랑 저 단어가 비슷하다’는 걸 눈치챌 수 있어요.
💡 인사이트 — 임베딩 실제 활용 사례
- 넷플릭스 추천 🎬 : 비슷한 분위기의 영화를 Embedding으로 연결
- 채용 서비스 매칭 💼 : 이력서와 공고의 키워드 의미를 비교
- 검색 엔진 🔍 : “카페에서 공부하기 좋은 곳” → 스터디 카페도 함께 노출
- 고객 상담 💬 : “비밀번호 못 찾겠어요” → 비밀번호 재설정 가이드 연결
🗒️AI 필수 용어 8
파싱(Parsing)
📘 한눈에 보기
👉 문장을 구조적으로 분석해, 컴퓨터가 이해할 수 있게 바꾸는 과정.
📝 핵심 정리
- 문장을 작은 단위로 나눔
- 주어·동사·목적어 등 구조 파악
- 자연어 → 기계가 읽는 구조 변환
- AI가 질문·명령을 정확히 해석하게 함
🌿 Aria 감성 해설
교수님이 이렇게 말하죠.
‘팀별 3명, 보고서 5쪽 이상, 마감은 화요일.’ 📅
학생들이 이해하려면 정리해야 해요:
→ ‘누가?’ 팀별 3명
→ ‘무엇을?’ 보고서 5쪽
→ ‘언제까지?’ 화요일
AI도 똑같아요.
긴 문장을 이런 식으로 구조화해 ‘무엇을 해야 하는지’ 정확히 이해하는 게 파싱이에요.
💡 인사이트 — Parsing이 중요한 이유
- AI의 ‘귀’를 열어준다 👂
- 사람이 말하는 긴 문장을 쪼개서, AI가 ‘정확히 무슨 요청인지’ 이해하게 함.
- 예: “내일 아침 9시에 팀장님 회의 일정 캘린더에 등록해줘” → Parsing 없으면 단순 텍스트, Parsing 있으면 이벤트 등록 가능.
- 대화형 AI의 실질적 뇌 구조 🧠
- GPT 같은 언어모델도 내부적으로는 Parsing을 통해 맥락을 정리해야 의미 있는 답변을 할 수 있음.
- 실제 활용 사례
- 📅 스마트 스케줄러: 음성으로 일정 말하면 자동 캘린더 등록
- 💬 챗봇 고객센터: “비밀번호 못 찾겠어요” → “비밀번호 재설정 프로세스 안내”
- 🤖 코딩 어시스턴트: “리스트에서 중복 제거하는 파이썬 코드 짜줘” → Parsing으로 ‘리스트’, ‘중복 제거’, ‘파이썬’ 인식 후 코드 작성
👉 쉽게 말해, Parsing은 AI가 사람 말에서 ‘실행 가능한 지시어’를 뽑아내는 과정이에요.
Parsing이 없다면, AI는 그냥 말만 이해하는 ‘수다쟁이’일 뿐이죠.
🗒️AI 필수 용어 9
파이썬(Python)
📘 한눈에 보기
👉 AI 개발·실습에서 가장 널리 쓰이는 프로그래밍 언어.
📝 핵심 정리
- 간단한 문법, 배우기 쉬움
- AI·데이터 분석 라이브러리 풍부
- 자동화, 웹서비스, 연구에 두루 활용
- 입문자도 바로 실습 가능한 언어
🌿 Aria 감성 해설
취업 준비할 때 ‘엑셀 잘 다룹니다’는 기본 소양이죠.
AI 시대에는 ‘파이썬 할 줄 압니다’가 그 자리를 대신해요.
복잡한 문법 없이도, 몇 줄만 쓰면 데이터 불러오고,
AI 모델 돌리고, 자동화까지 할 수 있거든요.
프로그래밍 언어라기보다,
20–30대에게는 AI 시대의 엑셀 같은 도구예요. 🖥️
💡 인사이트 더하기 — 파이썬 배우기 좋은 사이트 Top 5
- 프로그래머스 무료 파이썬 입문
- → 코딩 처음 하는 사람도 쉽게 따라할 수 있는 무료 입문 강의. 실습 위주라 바로 적용 가능.
- Boostcourse 파이썬 프로그래밍
- → 네이버 커넥트재단이 운영하는 온라인 강좌. 기초부터 실습까지 단계별 학습 제공.
- 생활코딩 Python 입문
- → 독학자에게 최적화된 튜토리얼. 짧고 이해하기 쉬운 영상과 글로 구성.
- 프로그래머스 전체 코스
- → 기초뿐만 아니라 알고리즘, 데이터 분석, AI까지 확장 가능한 다양한 학습 과정 제공.
- Coursera Python Specialization
- → 글로벌 온라인 강의 플랫폼. 세계 명문대 강의와 과제를 통해 체계적으로 배울 수 있음.
🗒️AI 필수 용어 10
토큰&컨텍스트 윈도우(Tokens & Context Window)
📘 한눈에 보기
👉 AI가 텍스트를 잘게 쪼갠 단위(토큰)로 이해하고, 한 번에 볼 수 있는 최대 길이(컨텍스트 윈도우)에 따라 답변 품질이 달라짐.
📝 핵심 정리
- 토큰 = 단어/단어 조각을 쪼갠 최소 단위
- 윈도우 = AI가 한 번에 읽을 수 있는 최대 분량
- 윈도우를 넘으면 앞부분을 “잊어버림”
- 긴 글 처리·대화 맥락 유지에 핵심
🌿 Aria 감성 해설
여행 갈 때 가방 크기가 정해져 있잖아요.
작은 캐리어에는 옷 몇 벌밖에 안 들어가고,
큰 캐리어에는 신발, 책, 노트북까지 챙길 수 있죠. 🧳
AI도 마찬가지예요.
토큰은 짐 조각이고, 컨텍스트 윈도우는 가방 크기예요.
가방이 작은 모델은 긴 글을 다 못 담고,
큰 모델은 많은 맥락을 기억할 수 있어요.
💡 인사이트 — 모델별 윈도우 크기
| 모델 | 컨텍스트 윈도우 | 주요 특징 요약 |
|---|---|---|
| GPT‑5 (API 기준) | ~400,000 토큰 (입력 272K + 출력 128K) | 전례 없는 길이–책·장문·대화 모두 무리 없이 처리 가능 |
| Gemini 2.5 Pro | ~1,000,000 토큰 | 가장 긴 맥락 처리–코드, 영상, 오디오까지 자유롭게 섞어 이해 |
| Claude Sonnet 4 | ~1,000,000 토큰 | 전체 코드베이스나 대형 문서를 통째로 이해하는 데 특화 |
| Claude Opus 4.1 | ~200,000 토큰 | 실무·기업 환경에 맞춘 안정적인 장기 문맥 처리 |
| GPT-4o | ~128,000 토큰 | 멀티모달 처리 가능, 이미지·음성까지 고려된 범용 모델 |
| Grok 4 (xAI) | ~256,000 토큰 | 고급 추론과 실시간 도구 통합에 특화–멀티모달(텍스트+이미지) 입력 지원 |
👉 윈도우 크기가 클수록 긴 보고서 요약, 논문 분석, 장기 대화가 가능해집니다.
AI 핵심 용어 체크 퀴즈 — Notion Simple × Aria.Kim
오답이면 짧은 설명이 아래 표시됩니다. 정답이면 “정답입니다.” → 다음 문제로!
10개 용어, 복습해보기
얼마나 이해했나 테스트해볼까요? Aria.Kim 스타일로 가볍게 점검해요 ✨
문제
수고했어요! 🌟
복습: 오답 표시된 문제를 다시 풀어보세요마무리
지금 살펴본 10가지 용어는,
AI 시대를 살아가는 우리 모두의 공용어가 될 거예요. ✨💡
프롬프트 엔지니어링으로 대화를 시작하고,
RAG와 MCP로 확장하며,
파이프라인·임베딩·파싱으로 원리를 이해하고,
파이썬과 토큰 윈도우로 직접 실습할 수 있죠.
처음엔 낯설고 어려웠던 단어들이,
이제는 여러분 곁에 두고 쓸 수 있는 친근한 도구가 되었길 바랍니다. 🌸📚
