[테크수다 기자 도안구 eyeball@techsuda.com] 2023년 매킨지가 공개한 AI 용어 설명을 번역한 바 있습니다. 2026년 신년도 되어 이번에는 구글 제미나이에게 물어서 업데이트를 했습니다.

2026년 AI 키워드는 '실행'입니다.

• 에이전틱 AI (Agentic AI): 2026년 가장 중요한 용어입니다. 사용자의 지시를 기다리는 수준을 넘어, 목표를 달성하기 위해 스스로 계획을 세우고 외부 도구(이메일, 결제 시스템 등)를 사용해 업무를 완수하는 AI를 말합니다. (예: "다음 주 제주도 여행 예약해 줘"라고 하면 항공권 결제부터 호텔 예약까지 직접 마침)
• 피지컬 AI (Physical AI): AI가 디지털 세상(화면)을 벗어나 로봇, 드론, 자율주행차 같은 실제 하드웨어와 결합한 형태입니다. 센서를 통해 현실을 인식하고 직접 움직이는 '몸을 가진 AI'를 뜻합니다.
• 고급 추론 (Advanced Reasoning): AI가 답을 내놓기 전, 내부적으로 수만 번의 시뮬레이션을 거쳐 스스로 오류를 수정하는 단계입니다. 인간처럼 '심사숙고'하는 능력이 강화된 모델들을 지칭합니다.

AI 용어 설명 (2026년 기준)

1. AI 기본 개념

AI (Artificial Intelligence / 인공지능)

• 기계가 인간 지능과 유사한 사고, 학습, 문제해결 능력을 수행하도록 하는 기술 전체를 의미합니다.

Machine Learning (ML / 머신러닝)

• 데이터로부터 스스로 규칙을 학습하는 AI 기법입니다. 반복 학습을 통해 정확성이 향상됩니다.

Deep Learning (DL / 딥러닝)

• 신경망 기반의 머신러닝 하위 분야로, 인지·패턴 인식 능력이 뛰어나 복잡한 데이터(이미지, 음성, 텍스트)를 처리합니다.

Natural Language Processing (NLP / 자연어처리)

• 인간의 언어(말·글)를 이해하고 생성하는 AI 기술입니다.

2. 생성·응용 중심 용어

Generative AI (생성 AI)

• 새로운 콘텐츠(텍스트, 이미지, 영상, 음악 등)를 생성하는 AI 기술군입니다. 예: GPT, DALL·E, 이미지 생성 모델 등.

Large Language Model (LLM / 거대 언어 모델)

• 방대한 텍스트를 학습해 자연어 생성·이해를 수행하는 모델입니다. 예: GPT-계열, Gemini, Claude 등이 대표적입니다.

Multimodal Model (다중모달 모델)

• 텍스트 뿐 아니라 이미지·음성 등 여러 형태의 데이터를 동시에 처리할 수 있는 모델입니다.

Hallucination (AI 환각)

• AI가 사실이 아닌 내용을 사실처럼 생성하는 오류 현상입니다.

3. AI 상호작용 & 활용 구조

Prompt (프롬프트)

• AI에게 주는 명령 또는 질문입니다. 질의의 품질이 결과물의 품질에 영향을 줍니다.

Persona (페르소나)

• AI가 특정 역할이나 전문성을 가진 것처럼 행동하도록 지시하는 설정입니다.

Context Window (컨텍스트 윈도우)

• AI가 한 번에 기억·처리할 수 있는 정보의 한계입니다.

4. 고급 AI 개념 (2026년 주목)

Agentic AI / 에이전틱 AI

• 목표를 받아 스스로 판단하고 행동할 수 있는 AI입니다. 단순 명령 수행을 넘어 자체적으로 계획·실행을 할 수 있습니다.

Diffusion Transformer (DiT / 확산 트랜스포머)

• 2026년 이미지·영상 생성 분야에서 부각되는 구조로, 전체 이미지 맥락을 이해해 고품질 결과를 생성합니다.

Advanced Reasoning (고급 추론)

• AI가 여러 단계의 내부 평가와 검증을 통해 더 논리적이고 정확한 결론을 도출하는 능력입니다.

World Models (월드 모델)

• AI가 외부 환경의 물리적 규칙과 상호작용을 모사해 스스로 상황을 이해·예측하는 모델입니다.

소버린 AI (Sovereign AI)

• 국가나 기업이 타국에 의존하지 않고 자체 데이터와 인프라로 구축한 '독립적 AI'입니다. 데이터 주권과 보안이 중요해진 2026년의 핵심 트렌드입니다.

컨피덴셜 컴퓨팅 (Confidential Computing)

• 데이터 처리 과정 중에도 정보를 암호화하여 AI 모델이 데이터를 학습하거나 추론할 때 정보가 유출되지 않도록 보호하는 보안 기술입니다.

5. 공존을 위한 약속

AI가 일상 깊숙이 들어온 만큼, 인간과의 관계 정립이 중요해졌습니다.

• 휴먼-인-더-루프 (Human-in-the-Loop): AI가 모든 것을 결정하는 것이 아니라, 최종 판단이나 윤리적 검증 단계에 반드시 인간이 개입하는 설계 방식입니다. 신뢰를 구축하기 위한 필수 장치입니다.
• 디시전 인텔리전스 (Decision Intelligence): AI가 단순히 데이터를 분석하는 데 그치지 않고, "이런 결정을 내렸을 때 어떤 결과가 나올지" 시나리오를 제시해 인간의 의사결정을 돕는 기술입니다.

6. 로봇·물리 시스템과 AI

Physical AI / 물리적 AI

• AI가 로봇·물리적 시스템과 결합해 환경을 인식하고 동작을 수행하는 기술입니다. 산업용, 협동로봇, 자율주행, 수술용 로봇 등 다양한 분야에 적용됩니다.

7. AI 거버넌스·정책·윤리

Responsible AI (책임 있는 AI)

• 공정성·투명성·설명 가능성·프라이버시 보호 등을 고려한 AI 설계 및 운영 원칙입니다.

AI Governance (AI 거버넌스)

• 조직적·정책적 차원에서 AI 기술의 안전하고 신뢰할 수 있는 활용을 위해 규칙과 관리체계를 구축하는 영역입니다.

8. 하드웨어·운영

GPU (Graphics Processing Unit / 그래픽 처리 장치)

• 대규모 AI 연산에 특화된 병렬 처리 장치로, 대부분의 AI 모델 학습과 추론에 사용됩니다.

Edge AI (에지 AI)

• 데이터를 클라우드가 아닌 사용자의 기기나 로컬 서버에서 처리하는 AI로, 응답 속도 향상과 프라이버시 확보에 강점이 있습니다.

9. 과거와의 비교: 2025 vs 2026

• AGI (Artificial General Intelligence / 범용 AI)는 여전히 논의되지만 산업계에서는 정의가 흐려지거나 재브랜딩되는 경향이 있습니다. 일부 기업은 AGI 대신 “Powerful AI”나 “Human-aligned AI” 등 새로운 용어를 사용합니다. (The Verge)
• 2025년에는 GANs, transformer, neural network 등 기본 구조 용어 중심이었지만, 2026년에는 에이전틱 AI, 고급 추론, DiT, 물리적 AI 같은 응용·능동 개념이 부상하고 있습니다. (AI 코리아 커뮤니티 뉴스레터)

10. 용어 정리표 (핵심)

[2023년 매킨지가 설명한 AI 용어]

API : (애플리케이션 프로그래밍 인터페이스)는 프로그래밍 방식으로 (일반적으로 외부) 모델, 데이터 세트 또는 기타 소프트웨어에 액세스하는 방법입니다.

Artficial intelligence : 인공 지능(AI)은 전통적으로 인간의 지능이 필요한 작업을 수행하는 소프트웨어의 능력입니다.

Deep learning : 딥 러닝은 학습할 수 있는 매개변수나 가중치가 있는 연결된 '뉴런'의 계층인 심층 신경망을 사용하는 머신 러닝의 하위 집합입니다. 특히 이미지, 텍스트, 오디오와 같은 비정형 데이터에서 학습하는 데 효과적입니다.

Fine-tuning : 미세 조정은 특정 작업에서 더 나은 성능을 발휘하도록 사전 학습된 기초 모델을 조정하는 프로세스입니다. 여기에는 모델이 처음에 학습된 데이터 세트보다 훨씬 작은 레이블이 지정된 데이터 세트에 대한 비교적 짧은 기간의 학습이 수반됩니다. 이러한 추가 훈련을 통해 모델은 더 작은 데이터 세트에서 발견되는 뉘앙스, 용어 및 특정 패턴을 학습하고 이에 적응할 수 있습니다.

Foundation models : 기초 모델(FM)은 방대한 양의 비정형, 레이블이 없는 데이터에 대해 학습된 딥러닝 모델로, 다양한 작업에 즉시 사용하거나 미세 조정을 통해 특정 작업에 맞게 조정할 수 있습니다. 이러한 모델의 예로는 GPT-4, PaLM, DALL-E 2, Stable Diffusion 등이 있습니다.

Generative AI : 생성형 AI는 일반적으로 기초 모델을 사용하여 구축되는 AI로, 콘텐츠 생성 기능과 같이 이전 AI에는 없던 기능을 갖추고 있습니다. 기초 모델은 비제너레이티브 목적(예: 통화 기록을 기반으로 사용자 정서를 부정 또는 긍정으로 분류)에도 사용할 수 있으며, 이전 모델에 비해 상당한 개선을 제공합니다. 이 글에서 제너레이티브 AI를 언급할 때는 모든 기초 모델 사용 사례를 포함합니다.

Graphics processing units : 그래픽 처리 장치(GPU)는 원래 컴퓨터 그래픽(예: 비디오 게임용)을 제작하기 위해 개발된 컴퓨터 칩으로 딥 러닝 애플리케이션에도 유용합니다. 이와 대조적으로, 기존의 머신 러닝 및 기타 분석은 일반적으로 컴퓨터의 "프로세서"라고 하는 중앙 처리 장치(CPU)에서 실행됩니다.

Large language models : 대규모 언어 모델(LLM)은 방대한 양의 비정형 텍스트를 처리하고 토큰이라고 하는 단어 또는 단어의 일부분 간의 관계를 학습할 수 있는 기초 모델 클래스를 구성합니다. 이를 통해 LLM은 자연어 텍스트를 생성하여 요약 또는 지식 추출과 같은 작업을 수행할 수 있습니다. ChatGPT의 기반이 되는 GPT-4와 Bard의 기반이 되는 모델인 LaMDA가 LLM의 예입니다.

Machine learning : 머신 러닝(ML)은 모델이 많은 예제 데이터 포인트를 학습하거나 보여줌으로써 기능을 습득하는 AI의 하위 집합입니다. 머신 러닝 알고리즘은 명시적인 프로그래밍 지시를 받지 않고 데이터와 경험을 처리하여 패턴을 감지하고 예측과 추천을 하는 방법을 학습합니다. 또한 알고리즘은 새로운 데이터와 경험에 대응하여 적응하고 더 효과적이 될 수 있습니다.

MLOps : AI와 ML을 확장하고 유지하기 위한 엔지니어링 패턴과 관행을 말합니다. 이는 전체 ML 수명 주기(데이터 관리, 개발, 배포 및 라이브 운영)에 걸친 일련의 관행을 포괄합니다. 이러한 관행 중 다수는 이제 지원 소프트웨어(작업을 표준화, 간소화 또는 자동화하는 데 도움이 되는 도구)를 통해 활성화되거나 최적화됩니다.

Prompt engineering : 프롬프트 엔지니어링은 입력 프롬프트를 설계, 개선 및 최적화하여 제너레이티브 AI 모델이 원하는(즉, 정확한) 출력을 생성하도록 안내하는 프로세스를 말합니다.

Structured data : 구조화된 데이터는 일부 머신 러닝 모델을 효과적으로 학습시키는 데 사용할 수 있는 표 형식의 데이터(예: 테이블, 데이터베이스 또는 스프레드시트로 구성된 데이터)입니다.

Unstructured data : 비정형 데이터는 일관된 형식이나 구조가 없으며(예: 텍스트, 이미지, 오디오 파일) 일반적으로 인사이트를 추출하기 위해 더 고급 기술이 필요합니다.