AI 용어 정리 개발자가 헷갈리는 5쌍

AI 용어 정리 개발자가 헷갈리는 5쌍

 

⚡ 한 줄 요약: AI 용어는 외우는 게 아니라 '헷갈리는 쌍'으로 구분해야 실무에서 안 틀린다.

 

 

📑 목차

• 무슨 일인지
• 배경 — 왜 '쌍'으로 봐야 하나
• 개발자에게 주는 의미
• 실무 적용 — 용어를 코드로 매핑
• 체크포인트

 

 

무슨 일인지

TechCrunch가 올해도 'AI 용어 사전(AI glossary)'을 갱신해 내놨다.
생성형 AI가 퍼지면서 hallucination, inference, distillation 같은 단어가 회의·PR·제품 스펙에 뒤섞여 등장하는데, 정작 정의가 제각각이라 대화가 어긋나는 일이 잦다.
그래서 "가장 자주 마주치는 핵심 용어를 한자리에 모았다"는 취지의 글이다.

그런데 개발자에게 필요한 건 단어 나열이 아니다.
정의를 각각 읽으면 다 아는 것 같은데, 막상 비슷해 보이는 두 용어를 구분하려 하면 막힌다.
그래서 이 글은 원문의 정의를 재료로, '헷갈리는 5쌍'만 골라 실무 기준으로 갈랐다.

 

 

배경 — 왜 '쌍'으로 봐야 하나

용어 사전의 함정은 각 항목이 독립적으로 설명된다는 점이다.
실무에서 판단이 갈리는 지점은 항상 '이것이냐 저것이냐'의 경계다.
아래 5쌍이 그 경계다.

 

헷갈리는 쌍	핵심 차이	실무에서 갈리는 지점
학습(training) ↔ 추론(inference)	가중치를 '바꾸는가' vs '쓰는가'	비용·GPU가 붙는 곳이 다름
파인튜닝 ↔ RAG	지식을 '모델에' vs '외부 검색으로'	최신성/도메인 반영 방식
환각(hallucination) ↔ 버그	'그럴듯한 창작' vs '코드 오류'	재현·수정 전략이 다름
에이전트 ↔ 워크플로우	'스스로 판단' vs '고정 분기'	신뢰성/디버깅 난이도
파라미터(param) ↔ 하이퍼파라미터	학습으로 정함 vs 사람이 정함	튜닝 대상이 완전히 다름

 

특히 학습 vs 추론은 비용 구조를 좌우한다.
학습은 가중치(weights)를 갱신하는 무거운 작업이고, 우리가 API로 매일 호출하는 건 대부분 '추론'이다.
이 둘을 뭉뚱그리면 "왜 파인튜닝이 이렇게 비싸냐"는 질문에 답을 못 한다.

 

 

개발자에게 주는 의미

용어를 '쌍'으로 잡아두면 설계 대화가 짧아진다.
예컨대 "최신 사내 문서를 반영하라"는 요구가 오면, 파인튜닝(모델 재학습)이 아니라 RAG(검색 결합)가 1차 후보다.
문서가 자주 바뀌는데 파인튜닝을 고르면 갱신할 때마다 재학습 비용을 문다.

환각도 마찬가지다.
환각은 '버그'가 아니라 '확률적으로 그럴듯한 출력'이라, 스택 트레이스로 못 잡는다.
그래서 대응이 코드 수정이 아니라 근거 제공(RAG)·검증 단계 추가·출력 제약으로 간다.

 

 

실무 적용 — 용어를 코드로 매핑

정의를 외우는 것보다, API 파라미터가 어떤 용어에 대응하는지 보면 즉시 손에 잡힌다.

# 아래는 전부 '추론(inference)' 단계의 손잡이다. 가중치는 안 바뀐다.
response = client.messages.create(
    model="claude-opus-4-8",     # 이미 '학습'이 끝난 가중치를 '추론'에 사용
    max_tokens=1024,             # token: 텍스트를 쪼갠 처리 단위
    temperature=0.2,             # 낮을수록 환각↓·결정적, 높을수록 창의적
    system="사내 문서만 근거로 답하라",  # 환각 억제용 제약 = 프롬프트 엔지니어링
    messages=[{"role": "user", "content": query}],
)
# 최신 지식이 필요하면? 여기서 파인튜닝이 아니라
# query 앞에 검색 결과를 붙이는 RAG가 먼저다.

temperature, max_tokens 같은 값은 사람이 정하는 하이퍼파라미터 쪽이고, 모델 내부 가중치는 학습이 정한 파라미터다.
이 구분이 서면 "출력이 매번 다르다"는 현상도 temperature 손잡이로 바로 설명된다.
※ 실제 파라미터명·기본값은 각 벤더 공식 문서 확인을 권장한다.

 

 

체크포인트

• 오늘 당장: 위 5쌍 중 팀이 자주 뭉뚱그리는 하나를 골라, 다음 회의에서 정의를 맞춰라 — 대화 비용이 준다.
• 설계 시: '최신성·도메인 반영' 요구가 오면 파인튜닝 전에 RAG를 먼저 검토하라.
• 품질 이슈 시: 이상 출력이 '버그'인지 '환각'인지 먼저 분류하라 — 수정 경로가 갈린다.

 

 

참고(출처)

• TechCrunch — The only AI glossary you'll need this year

🔗 함께 보면 좋은 글

• 국비지원AI교육 후 진짜 쓰는 LLM 코딩법
• AI가 천재라는 말, 절반은 거짓말입니다
• ZAI, ZCode로 커서·클로드코드에 도전

 

 

📊 오늘의 개발 트렌드 (자동 집계)

GitHub·Hacker News·Hugging Face·App Store·Cloudflare Radar에서 매일 자동으로 모은 개발 트렌드입니다. (2026-07-04 07:11 기준)

🐙 GitHub 급상승

• usestrix/strix (+2,804★/일) — Open-source AI penetration testing tool to find and fix your app’s vul
• openai/codex-plugin-cc (+629★/일) — Use Codex from Claude Code to review code or delegate tasks.
• JuliusBrussee/caveman (+2,851★/일) — 🪨 why use many token when few token do trick — Claude Code skill that

📰 Hacker News 화제

• Half-Baked Product (1169p·357💬)
• Valve open-source the Steam Machine e-ink screen so you can make your own (501p·90💬)
• Wordgard: In-browser rich-text editor from the creator of ProseMirror (234p·85💬)

🤗 Hugging Face 트렌딩 모델

• empero-ai/Qwythos-9B-Claude-Mythos-5-1M-GGUF (1,366,360 DL·1365♥)
• zai-org/GLM-5.2 (191,462 DL·3334♥)

💰 App Store 매출 TOP (한국)

• YouTube — Google
• ChatGPT — OpenAI OpCo, LLC
• 리니지M — NC Corp.

🌐 가장 많이 방문되는 웹 (Cloudflare Radar)

• google.com (#1) · Search Engines
• googleapis.com (#2) · Information Technology
• cloudflare.com (#3) · Technology