LLM부터 RAG까지, 헷갈리기 쉬운 AI 용어를 쉽게 정리한 가이드

AI 산업이 빠르게 커지면서 기술 자체만큼이나 새로운 용어도 쏟아지고 있다. LLM, RAG, RLHF, AGI, AI 에이전트 같은 표현은 기사와 제품 발표에서 자주 등장하지만, 정확한 의미와 쓰임은 사람마다 다르게 이해되는 경우가 많다.

TechCrunch의 용어집은 이런 혼란을 줄이기 위해 핵심 개념을 생활 언어에 가깝게 풀어 설명한다. 예를 들어 AGI는 대체로 평균적인 인간보다 많은 작업에서 더 뛰어난 AI를 가리키지만, OpenAI와 Google DeepMind처럼 주요 연구 조직 사이에서도 정의가 조금씩 다르다는 점을 짚는다.

AI 에이전트는 단순 챗봇을 넘어 사용자를 대신해 여러 단계를 수행하는 도구를 뜻한다. 비용 정산, 예약, 코드 작성과 유지보수처럼 외부 도구와 API를 호출해 실제 작업을 처리하는 방향으로 발전하고 있지만, 아직 인프라와 신뢰성은 계속 구축되는 단계다.

체인 오브 사고는 복잡한 문제를 중간 단계로 나눠 추론하는 방식이고, 코딩 에이전트는 코드 작성·테스트·디버깅을 반복적으로 수행하는 개발 특화 에이전트를 의미한다. 컴퓨트는 AI 모델을 학습하고 실행하는 데 필요한 GPU, CPU, TPU 같은 계산 자원을 가리키는 말로, 현대 AI 산업의 기반 인프라를 설명할 때 자주 쓰인다.

이 글은 특정 제품 하나를 소개하기보다 AI 뉴스를 읽을 때 반복적으로 나오는 용어의 기준점을 잡아주는 참고 자료에 가깝다. 용어가 바뀌고 새 개념이 추가되는 속도가 빠른 만큼, 이런 기본 개념을 정리해두면 모델 발표나 투자 기사, 정책 논의를 훨씬 덜 혼란스럽게 읽을 수 있다.

원문 보기