인공지능 산업이 급속도로 성장하면서 관련 용어도 빠르게 늘어나고 있다. 업계 회의나 투자 피칭에서 자주 등장하는 LLM(대규모 언어모델), RAG(검색증강생성), RLHF(강화학습) 등의 약자와 개념들이 기술 종사자들도 혼란스러워하는 상황이 벌어지고 있다. 이에 주요 AI 용어의 의미를 명확히 정리한 기초 자료가 필요해지고 있다.
인공일반지능(AGI)은 정의가 다양하다. 오픈AI(OpenAI)의 샘 알트먼(Sam Altman) CEO는 AGI를 「평균적인 인간을 동료로 고용할 수 있을 정도의 능력」이라고 설명했다. 오픈AI의 정관에 따르면 AGI는 「경제적 가치가 있는 대부분의 작업에서 인간을 능가하는 고도로 자율적인 시스템」을 의미한다. 반면 구글 딥마인드(Google DeepMind)는 AGI를 「대부분의 인지 작업에서 인간 수준 이상의 능력을 가진 AI」로 정의하고 있다.
AI 에이전트와 코딩 에이전트는 자동화 수준이 다르다. AI 에이전트는 기본 챗봇을 넘어 경비 보고, 예약 처리, 코드 작성 등의 복합 작업을 수행하는 도구를 뜻한다. 코딩 에이전트는 더욱 특화된 형태로, 단순히 코드를 제안하는 수준을 넘어 코드 작성, 테스트, 디버깅을 자동으로 처리할 수 있다. 사람이 수동으로 검토해야 하는 번거로운 반복 작업을 최소화하면서도 인간의 감독은 여전히 필요하다.
기술 인프라 용어도 중요하다. API 엔드포인트는 소프트웨어 뒤쪽의 「버튼」으로, 다른 프로그램이 눌러서 특정 작업을 수행하게 하는 인터페이스다. 개발자들은 이를 통해 애플리케이션 간 연동을 구축한다. 스마트홈 기기와 연결된 플랫폼들도 이러한 숨은 버튼들을 갖고 있으며, AI 에이전트가 성숙해지면서 이들 엔드포인트를 자동으로 찾아 활용하는 능력이 점점 강해지고 있다.
AI 모델의 추론 능력도 진화하고 있다. 연쇄적 사고(chain-of-thought) 추론은 복잡한 문제를 작은 단계로 나누어 해결하는 방식이다. 예를 들어 「닭과 소의 머리가 40개, 다리가 120개라면」과 같은 문제를 단계적으로 풀어낸다. 이 방식은 답을 얻는 데 시간이 더 걸리지만, 특히 논리나 코딩 작업에서 정확성이 높다. 추론 모델은 전통적 대규모 언어모델로부터 파생되며 강화학습을 통해 연쇄적 사고에 최적화된다.
컴퓨트는 AI 산업의 가장 기초적인 자원이다. 컴퓨트(compute)는 AI 모델이 작동하는 데 필요한 계산 능력을 총칭한다. GPU, CPU, TPU 등 하드웨어 기반의 인프라를 의미하기도 하며, 이는 현대 AI 산업의 근간을 이룬다. AI 업계의 성장과 모델 배포는 이러한 컴퓨팅 능력을 얼마나 확보하느냐에 크게 달려 있다.