LLM? RAG? — 피지컬 AI 시대를 이해하는 필수 AI 용어 가이드

LLM, RAG, 파인튜닝 등 AI 용어가 홍수처럼 쏟아집니다. 다들 아는 듯 고개를 끄덕이지만, 막상 "그래서 그게 정확히 무슨 뜻인가요?"라고 물어보면 말문이 막히기 일쑤죠. 그렇다고 이 수많은 기술 용어들을 무작정 영어 단어장 외우듯 공부하실 필요는 없습니다. AI의 발전 순서만 보더라도 간편히 이해할 수 있기 때문인데요.

AI는 인간처럼 '언어를 배우고', '더 똑똑해져서', 마침내 '현실 세계로 나오는' 순서로 발전해 왔습니다.
이 거대한 흐름만 이해하면 낯선 용어들이 하나의 흥미로운 이야기로 연결됩니다. 지금부터 세 개의 막으로 나누어, 그 자세한 내용을 알아보도록 하겠습니다.

AI가 언어를 배우다

이번 콘텐츠의 출발점은 LLM(거대언어모델, Large Language Model)입니다.

LLM은 인류가 쌓아온 방대한 텍스트 데이터를 통째로 학습한 AI 모델입니다. 단순히 단어를 조합하는 게 아니라, 질문의 맥락을 이해하고 '다음에 올 가장 자연스러운 말'을 예측해 문장을 만들어냅니다. 우리가 잘 아는 챗GPT(ChatGPT)나 클로드(Claude) 같은 서비스가 모두 이 LLM이라는 든든한 기반 위에서 작동하고 있죠.

그렇다면 AI의 성능은 무엇이 결정할까요? 여기서 파라미터와 토큰이 등장합니다.

• 파라미터 (Parameter): AI의 '뇌 크기'이자 신경세포 연결 고리라고 보시면 됩니다. 이 숫자가 많을수록 AI는 더 복잡하고 정교한 맥락을 이해할 수 있습니다.

• 토큰 (Token): AI가 언어를 잘라서 인식하는 '최소 단위'입니다. 글자나 단어 조각에 해당하죠.

💡 여기서 잠깐!
아무리 뇌가 큰(파라미터가 많은) AI라도 인간의 지시가 모호하면 엉뚱한 답을 내놓습니다. 그래서 AI에게 명확하게 일을 시키는 기술, 즉 프롬프트(Prompt, 지시문)가 중요합니다. 같은 AI라도 프롬프트를 얼마나 정교하게 작성하느냐에 따라 결과물의 품질이 하늘과 땅 차이로 달라집니다.

AI가 똑똑해지다

기본적인 언어를 마스터한 AI는 이제 특정 산업 분야의 '전문가'로 훈련받기 시작합니다. 범용 AI를 우리 회사 업무에 딱 맞게 똑똑하게 만드는 방법은 크게 두 가지가 있습니다.

첫 번째는 '파인튜닝(Fine-Tuning, 미세조정)'입니다.
기존의 똑똑한 AI 모델에게 우리 회사의 내부 데이터(예: 설비 매뉴얼, 사내 규정)를 추가로 공부시켜 훈련하는 방식입니다. 제조 기업이라면 우리 공장의 전용 질의응답 AI를 만들 수 있는 것이죠.

두 번째는 'RAG(검색 증강 생성, Retrieval-Augmented Generation)'입니다.
파인튜닝이 AI 자체를 열심히 주입식 '훈련'을 시키는 방식이라면, RAG는 AI에게 오픈북 테스트를 보게 하는 '참고' 방식입니다. 답변을 하기 직전에 외부 문서나 최신 데이터베이스를 실시간으로 검색해 보고, 그 내용을 기반으로 답을 작성하죠. 매일 데이터가 바뀌는 물류센터라면, AI가 '오늘의 실시간 재고 데이터'를 슬쩍 열어보고 정확한 답을 내놓는 식입니다.

기업들이 왜 이렇게까지 정확도에 공을 들일까요? 바로 *할루시네이션(Hallucination, 환각 현상) 때문입니다.

• 할루시네이션: AI가 모르는 것도 마치 사실인 양 그럴듯하게 거짓 정보를 지어내 답변하는 오류를 말합니다. 일상적인 대화에서는 웃고 넘길 수 있지만, 엄격한 산업 현장에서는 작은 오답 하나가 거대한 공정 마비나 안전사고로 이어질 수 있습니다. 파인튜닝과 RAG는 이 위험을 통제하는 강력한 안전장치인 셈입니다.

이렇게 정확해진 AI는 이제 단순한 '답변자'를 넘어 행동가로 진화하고 있습니다. 스스로 목표를 세우고, 계획을 짜고, 실행까지 완료하는 AI 에이전트가 그 주인공입니다. 발주서 확인부터 배차 요청, 정산까지 사람이 반복하던 고정 업무를 AI가 알아서 처리하는 사례가 빠르게 늘고 있습니다.

AI가 현실로 나오다

모니터 화면 속 텍스트 안에만 갇혀 있던 AI는 이제 세상을 직접 보고 듣기 위해 밖으로 탈출하기 시작합니다.

그 시작이 바로 멀티모달 AI(Multimodal AI)입니다. 텍스트뿐만 아니라 이미지, 영상, 음성 등 다양한 형태의 감각 데이터를 함께 이해하는 AI입니다. 공장 카메라 영상을 실시간으로 분석해 미세한 스크래치나 불량품을 순식간에 걸러내는 검사 AI가 대표적입니다.

하지만 실제 거친 현장에서 AI를 쓰려면 두 가지 숙제가 생깁니다. 바로 보안과 속도의 문제입니다. 이를 해결하기 위해 온디바이스 AI(On-Device AI)를 이용하기도 하는데요. 거대한 클라우드 서버를 거치지 않고, 스마트폰이나 로봇, 기기 내부의 칩셋에서 AI가 즉각 작동하는 기술입니다. 데이터가 외부로 나가지 않아 보안이 철저하고, 네트워크 지연의 걱정에서 벗어날 수 있습니다.

이 모든 진화 여정의 최종 종착지에 바로 피지컬 AI(Physical AI)가 있습니다.

💡 피지컬 AI란?
디지털 화면 속에서 언어와 이미지를 다루던 AI가, 3D 비전이라는 '눈'과 로봇이라는 '몸'을 통해 우리가 살아가는 물리적인 세계(Physical World)에서 직접 판단하고 행동하는 단계입니다.

과거의 로봇은 정해진 위치의 물건만 반복해서 들어 올렸지만, 피지컬 AI를 탑재한 로봇은 무작위로 뒤섞여 있는 상자를 스스로 인식해 분류하고, 모양과 형태가 제각각인 부품을 알아서 안전하게 집어 옮깁니다. AI가 드디어 가상을 넘어 진짜 현실의 생산성을 바꾸기 시작한 것입니다.

산업 현장으로 스며들고 있는 AI

AI 기술의 무게중심은 이제 단순한 챗봇 대화창을 넘어, 우리의 진짜 일터인 물류와 제조 현장으로 빠르게 이동하고 있습니다.

씨메스로보틱스는 바로 이 변화의 최전선에서 3D 비전과 AI 기반 로봇 자동화 기술을 통해 피지컬 AI를 산업 현장에 실제로 구현하고 있습니다. 정형화되지 않아 사람이 직접 해야만 했던 어렵고 위험한 작업들, 복잡한 프로그래밍 없이는 불가능했던 로봇 제어를 AI의 힘으로 혁신합니다.

기술 용어가 아직 조금 낯설고 어려워도 괜찮습니다. 진짜 중요한 것은 '이 기술이 우리 공장, 우리 물류 현장의 고질적인 문제를 어떻게 해결할 수 있는가'를 아는 것이니까요.

우리 비즈니스의 자동화와 효율화를 고민하고 계신다면, 그 첫 질문의 시작부터 씨메스로보틱스가 함께하겠습니다.