인공지능(AI) 기술이 빠르게 진화하면서 AGI, RAG, 디퓨전 같은 생소한 용어들이 쏟아지고 있다. 전문가도 혼동하는 이 용어들을 정확히 이해해야 AI 산업의 흐름을 읽을 수 있다. 테크크런치가 업계 필수 용어 8가지를 정의한 '살아있는 용어사전'을 공개했다.

AGI(인공지능 일반지능) — 인류 수준의 지능이란?

AGI는 "평균적인 인간이 할 수 있는 대부분의 일을 인간보다 잘 할 수 있는 AI"라는 뜻이지만, 정의가 명확하지 않다. 샘 올트먼 오픈AI 최고경영자(CEO)는 "동료로 고용할 수 있을 수준의 AI"라고 표현했다. 오픈AI는 헌장에서 "경제적으로 가치 있는 업무의 대부분에서 인간을 뛰어넘는 고도로 자율적인 시스템"이라고 정의했다. 반면 구글 딥마인드는 "대부분의 인지 작업에서 인간만큼 유능한 AI"로 이해한다. 심지어 AI 연구의 최전선 전문가들도 AGI의 정의를 두고 혼란스러워한다.

AI 에이전트 — 사람을 대신할 자율 시스템

AI 에이전트는 기본 챗봇을 넘어 경비 정산, 항공권 예약, 레스토랑 예약, 심지어 코드 작성과 유지보수까지 자동화하는 도구다. 핵심은 "여러 AI 시스템을 연결해 복합 작업을 수행하는 자율 시스템"이라는 뜻이다. 다만 이 분야는 아직 인프라 구축이 진행 중이라 각 조직마다 에이전트의 정의가 조금씩 다르다.

API 엔드포인트 — AI가 제어할 '숨은 버튼'들

API 엔드포인트는 소프트웨어 뒤에 숨어 있는 "버튼"이라고 보면 된다. 개발자들은 이 인터페이스를 통해 앱끼리 데이터를 주고받거나, AI 에이전트가 제3자 서비스를 직접 제어하도록 연결한다. 스마트홈 기기와 플랫폼에 이미 내장되어 있지만 일반 사용자는 눈치 채지 못한다. AI 에이전트가 고도화되면서 이 엔드포인트를 자동으로 찾아 활용하기 시작했고, 이로 인해 예상 밖의 자동화 가능성이 열리고 있다.

사고의 연쇄(Chain of Thought) — AI가 단계적으로 생각하기

"기린이 고양이보다 큰가?"처럼 단순한 문제는 생각 없이 답할 수 있지만, 복잡한 문제는 단계적 계산이 필요하다. 예를 들어 "닭과 소가 총 40개의 머리와 120개의 다리를 가졌다면 각각 몇 마리인가?"는 방정식을 세워야 풀린다(답: 닭 20마리, 소 20마리).

대규모언어모델(LLM)의 사고의 연쇄도 같은 원리다. 복잡한 문제를 작은 단계들로 쪼개 풀면 더 정확한 답을 얻는다. 시간은 좀 더 걸리지만 특히 논리나 코딩 작업에서 정확도가 훨씬 높아진다. 이를 위해 추론 모델들은 강화학습으로 최적화되고 있다.

코딩 에이전트 — 개발자를 돕는 전자 인턴

AI 에이전트의 특화 버전이다. 단순히 코드를 제안하는 것이 아니라, 코드를 작성·테스트·디버깅하며 전체 코드베이스를 모니터링한다. 버그를 찾고, 테스트를 실행하고, 수정안을 적용하는 반복 작업을 자동화하는 것이다. 마치 "밤샘도 없고 집중력이 흐트러지지 않는 인턴을 고용한 것"처럼. 다만 인턴처럼 인간이 최종 검토는 해야 한다.

컴퓨팅 파워(Compute) — AI 산업의 초석

일반적으로 AI 모델을 구동하는 계산 능력을 뜻한다. GPU, CPU, TPU, 기타 인프라가 이에 해당한다. AI 산업은 이 컴퓨팅 파워로 모델을 학습하고 배포하는 만큼, 이 용어는 AI 산업의 가장 핵심 자원을 가리키는 경우가 많다.

딥러닝(Deep Learning) — 신경망으로 배우는 AI

다층 인공신경망(ANN) 구조를 갖춘 기계학습 알고리즘이다. 선형 모델이나 의사결정나무 같은 단순 모델보다 훨씬 복잡한 패턴을 학습할 수 있다. 인간의 뇌 신경망에서 영감을 얻은 구조다.

딥러닝의 큰 장점은 인간이 특징을 일일이 정의할 필요가 없다는 점이다. 알고리즘이 데이터에서 중요한 특징을 스스로 찾아낸다. 또한 오류로부터 학습하고 반복과 조정을 통해 자신의 성능을 개선한다. 다만 좋은 결과를 위해서는 수백만 개 이상의 데이터 포인트가 필요하고, 단순 모델보다 학습 시간이 길어서 개발 비용이 높은 편이다.

디퓨전(Diffusion) — 생성형 AI의 핵심 기술

이미지, 음악, 텍스트를 생성하는 AI 모델의 작동 원리다. 물리학에서 영감을 얻은 이 기술은 사진, 음악 같은 원본 데이터에 노이즈(잡음)를 서서히 추가해 구조를 "파괴"한 뒤, 역으로 이 과정을 역재생하며 이미지나 텍스트를 생성한다. 스테이블디퓨전(Stable Diffusion), 미드저니(Midjourney) 같은 인기 도구들의 기반이다.

한국 개발자·스타트업은 왜 이 용어를 정확히 알아야 하는가?

국내 AI 스타트업과 개발자들은 글로벌 AI 표준 논의에 빠르게 진입해야 한다. 오픈AI, 구글, 메타 등이 만드는 모델과 프레임워크를 다룰 때 이 용어들을 정확히 이해하지 못하면 기술 선택, 투자 판단, 협력 기회에서 뒤처질 수 있다. 특히 코딩 에이전트와 API 엔드포인트 활용은 국내 개발 생산성 향상의 핵심 이슈로 부상하고 있다.

테크크런치의 이 용어사전은 "살아있는 문서"로서 AI 산업이 진화하는 만큼 계속 업데이트될 예정이다. 용어 표준화가 곧 기술 리더십의 시작이라는 뜻이다.