생성형 AI란? — 종류가 왜 이렇게 많고, 뭐부터 써야 하나

• 생성형 AI란 있는 것을 찾아 주는 AI가 아니라 없던 것을 만들어 내는 AI입니다
• 종류가 많아 보이는 이유는 하나뿐입니다 — 무엇을 만들어 내느냐로 갈라지기 때문입니다
• 뭐부터 쓸지 고민이라면 순서는 정해져 있습니다 — 글이 먼저, 그다음이 그림입니다

생성형 AI란 이미 있는 것을 찾아 주는 AI가 아니라, 없던 것을 새로 만들어 내는 AI입니다. 글을 써 주고, 그림을 그려 주고, 목소리와 음악을 만들고, 짧은 영상을 뽑고, 프로그램 코드까지 짭니다. 영어로는 만들어 낸다는 뜻의 단어를 붙여 부르는데, 한국어로 옮긴 말이 바로 생성형입니다.

뉴스에서는 거의 매일 나오는 말입니다. 그런데 막상 그게 정확히 뭘 가리키는 말입니까라고 물으면 대답이 잘 안 나옵니다. 어떤 날은 대화창 이야기였다가, 어떤 날은 그림 이야기였다가, 또 어떤 날은 목소리를 흉내 냈다는 이야기로 나오니 하나의 물건인지 여러 개인지부터 헷갈립니다.

그래서 많은 분이 생성형 AI를 검색한 뒤에 곧바로 생성형 AI 종류를 다시 검색합니다. 뭐가 있는지, 그리고 그중에 뭐부터 손대야 하는지가 진짜 궁금한 것이기 때문입니다. 이 글에서는 정의부터 시작해 갈래를 나누고, 마지막에 시작 순서까지 정리해 두겠습니다. 제품 이름을 외우실 필요는 없습니다.

생성형 AI란 결국 무엇을 가리키는 말일까요?

핵심은 만든다는 한 단어입니다. 검색은 이미 어딘가에 있는 글을 찾아서 보여 줍니다. 지도는 이미 그려진 길을 보여 줍니다. 계산기는 정해진 규칙대로 답을 냅니다. 이것들은 전부 이미 있는 것을 꺼내 오는 일입니다.

생성형 AI는 다릅니다. 초등학생 딸에게 보낼 생일 편지를 써 주십시오라고 부탁하면 세상 어딘가에 있던 편지를 찾아서 가져오는 것이 아니라, 그 자리에서 문장을 새로 만들어 냅니다. 그래서 같은 부탁을 두 번 하면 두 번 다 다른 편지가 나옵니다. 이것이 검색과 결정적으로 다른 점입니다.

만들어 내는 대상은 글에 그치지 않습니다. 그림, 목소리, 음악, 영상, 프로그램 코드까지 사람이 손으로 만들던 것 대부분이 대상에 들어갑니다. 종류가 많아 보이는 이유가 여기에 있습니다. 기술이 여러 개라서가 아니라 만들어 내는 결과물이 여러 가지라서 갈래가 늘어난 것입니다.

그래서 정의를 외울 때는 길게 외우실 필요가 없습니다. 없던 것을 만들어 내면 생성형, 있는 것을 찾아 주거나 골라 주면 그렇지 않은 쪽. 이 한 줄만 들고 계시면 앞으로 나오는 이야기 대부분을 제자리에 놓을 수 있습니다.

예전의 AI와는 무엇이 그렇게 달랐을까요?

사실 AI라는 말은 오래전부터 있었습니다. 다만 예전의 AI는 주로 판단하는 일을 했습니다. 메일함에 들어온 편지가 스팸인지 아닌지 가려내고, 사진 속 동물이 고양이인지 개인지 맞히고, 카드 결제가 평소 쓰던 패턴에서 벗어났는지 잡아냈습니다.

이런 일에는 공통점이 있습니다. 답이 미리 정해진 몇 개 중에 하나였다는 점입니다. 스팸이냐 아니냐 둘 중 하나, 고양이냐 개냐 둘 중 하나입니다. 잘 만든 AI란 주어진 보기 중에서 정답을 더 자주 고르는 AI를 뜻했습니다.

생성형은 여기서 한 칸을 넘어갑니다. 보기 중에서 고르는 것이 아니라, 보기를 직접 써냅니다. 스팸인지 아닌지 알려 주는 대신 답장을 대신 써 주고, 고양이 사진을 분류하는 대신 세상에 없던 고양이 그림을 그려 냅니다.

말로 적어 놓으면 한 끗 차이처럼 보입니다. 그런데 이 한 끗이 왜 그렇게 큰 변화가 되었는지는 일이 누구 손에 남느냐를 보면 바로 이해됩니다. 판단만 해 주는 AI는 사람이 할 일을 줄여 주지 못합니다. 스팸을 걸러 줘도 답장은 여전히 사람이 씁니다. 보고서가 중요한지 아닌지 알려 줘도 보고서는 여전히 사람이 씁니다.

생성형은 빈 화면을 채우는 일 자체를 대신 맡습니다. 사람이 가장 오래 붙잡고 있던 일은 판단이 아니라 첫 줄을 쓰는 일이었습니다. 기획서의 첫 문단, 사과 메일의 첫 문장, 썸네일의 첫 시안. 이 첫 덩어리가 대신 나오기 시작하면서 사람의 역할이 쓰는 쪽에서 고치는 쪽으로 옮겨 갔습니다.

그래서 예전 AI는 주로 회사의 시스템 안쪽에서 조용히 돌았고 일반인은 쓴다는 느낌조차 받기 어려웠는데, 생성형은 나오자마자 일반인이 직접 열어서 씁니다. 결과물이 눈앞에 나오니 쓰는 재미도 있고, 잘못 나오면 바로 알아차릴 수도 있습니다. 기술이 갑자기 몇 배 좋아져서가 아니라, 하는 일의 성격이 바뀌어서 체감이 커진 것입니다.

예전 AI는 골랐고, 생성형 AI는 만듭니다.판단하던 AI가 만들기 시작하면서 사람의 자리가 쓰는 쪽에서 고치는 쪽으로 옮겨 갔습니다.

종류는 어떻게 나눠서 보면 좋을까요?

여기서부터가 검색하시는 분들이 가장 궁금해하는 부분입니다. 이름이 하도 많이 나오니 목록을 만들고 싶어지는데, 이름으로 외우면 한 달 뒤에 다 바뀌어 있습니다. 서비스는 생기고 없어지고 합쳐지기 때문입니다.

대신 무엇을 만들어 내느냐로 나누면 목록이 바뀌어도 자리는 그대로입니다. 새 서비스가 나와도 다섯 칸 중 하나에 들어갈 뿐입니다. 각 갈래가 지금 어디까지 왔는지도 같이 적어 두겠습니다.

• 글을 만드는 것 — 대화, 요약, 번역, 초안 쓰기. 다섯 갈래 중 가장 완성도가 높고, 일상 문서라면 사람이 손볼 거리가 눈에 띄게 줄었습니다. 다만 사실관계는 여전히 믿을 수 없습니다
• 그림을 만드는 것 — 삽화, 썸네일, 배경, 제품 이미지 시안. 분위기 있는 그림은 아주 잘 나오지만 글자를 그려 넣는 것과 손가락 같은 세부는 아직 자주 틀립니다
• 소리를 만드는 것 — 읽어 주는 목소리와 배경 음악. 나레이션은 사람과 구분이 어려울 정도로 왔고, 음악도 분위기용으로는 충분합니다. 대신 감정을 미세하게 조절하는 일은 아직 서툽니다
• 영상을 만드는 것 — 몇 초짜리 짧은 장면. 다섯 갈래 중 가장 덜 여문 쪽입니다. 한 장면은 그럴듯한데 같은 인물을 여러 장면에 걸쳐 똑같이 유지하는 일이 아직 어렵습니다
• 코드를 만드는 것 — 프로그램 짜기와 오류 잡기. 짧은 기능은 놀랄 만큼 잘 만들지만, 덩치가 커지면 앞뒤가 안 맞는 코드를 자신 있게 내놓습니다

다섯 갈래를 한 문장으로 줄이면 이렇습니다. 글이 가장 앞서 있고, 그림이 그다음, 소리와 코드가 쓸 만한 수준, 영상이 가장 뒤입니다. 요즘은 한 서비스가 이 갈래를 여러 개씩 품고 있어서 더 복잡해 보이는데, 그래도 지금 나는 무엇을 만들려고 하는가만 정하면 어느 칸을 열어야 할지는 바로 정해집니다.

만든다는 것은 실제로 무슨 일일까요?

여기를 모르고 쓰면 나중에 꼭 한 번 크게 당합니다. 많은 분이 어딘가에서 비슷한 걸 찾아서 조금 바꿔 오는 것이라고 짐작하시는데, 그렇지 않습니다. 베껴 오는 것이 아니라 이어 붙이는 것에 가깝습니다.

원리를 최대한 쉽게 풀면 이렇습니다. 엄청난 양의 글과 그림을 미리 익힌 다음, 사람이 무언가를 부탁하면 지금까지 나온 것 뒤에 올 법한 가장 그럴듯한 다음 조각을 하나씩 이어 붙입니다. 글이면 다음 단어를, 그림이면 다음 점의 색을 고르는 식입니다. 그 조각을 수천 번 이어 붙인 결과가 우리가 받는 답입니다.

이 구조에서 두 가지가 바로 따라 나옵니다. 하나는 매번 결과가 다르다는 점입니다. 가장 그럴듯한 조각을 고를 때 일부러 약간의 여유를 두기 때문에, 같은 부탁도 열 번 하면 열 번 다릅니다. 고장이 아니라 원래 그렇게 만들어져 있습니다.

다른 하나가 더 중요합니다. 그럴듯하기만 하면 사실이 아니어도 그냥 나옵니다. 없는 법 조항, 없는 논문, 없는 통계가 아주 자연스러운 문장에 담겨 나옵니다. 이것을 할루시네이션이라고 부르는데, 쓰기 전에 꼭 한 번 읽어 두시면 좋습니다. 틀린 답보다 무서운 것이 너무 자신 있게 나오는 틀린 답입니다.

요즘 자주 들리는 LLM도 여기에 자리를 잡습니다. LLM은 생성형 AI 전체를 가리키는 말이 아니라, 다섯 갈래 중 글을 만드는 쪽을 돌리는 엔진을 부르는 이름입니다. 아주 많은 글을 익혀서 다음 단어를 잇는 일을 하는 큰 덩어리라고 보시면 됩니다. 요즘은 이 엔진이 그림이나 소리 쪽 기능까지 같이 끌고 다니기도 해서 경계가 흐려 보이는데, 출발점은 어디까지나 글 쪽이었습니다.

그래서 무엇부터 써 보면 좋을까요?

이 질문에는 정직하게 답하는 편이 낫습니다. 다섯 갈래를 골고루 맛보시라는 말은 듣기에는 좋은데 실제로는 아무것도 안 하게 됩니다. 순서는 글, 그다음 그림, 나머지는 필요할 때입니다.

글이 먼저인 이유는 세 가지입니다. 첫째, 다섯 갈래 중 완성도가 가장 높습니다. 처음 써 보는 분이 실망할 확률이 가장 낮은 쪽입니다. 둘째, 무료로 가장 많이 열려 있습니다. 돈을 내지 않고도 하루에 할 수 있는 일이 꽤 됩니다. 이 부분은 챗GPT 무료로 어디까지 되나에 따로 정리해 두었습니다.

셋째가 제일 큽니다. 글은 누구나 매일 쓰기 때문입니다. 메일, 문자, 사과문, 자기소개, 아이 학교에 보낼 안내문. 그림이나 영상은 필요한 날에만 필요하지만 글은 오늘도 필요합니다. 내일 당장 쓸 데가 있는 쪽부터 시작해야 손에 붙습니다.

시작하는 방법도 거창할 것이 없습니다. 오늘 쓰기 싫었던 글 하나를 고르십시오. 그리고 배경까지 같이 적어서 부탁하시면 됩니다. 거래처에 납기가 사흘 늦어진다고 알리는 메일을 쓰려고 합니다. 정중하지만 변명처럼 들리지 않게 다섯 줄로 써 주십시오. 이렇게 부탁하는 문장을 프롬프트라고 부릅니다.

글이 손에 붙고 나서 그림으로 넘어가시면 됩니다. 썸네일이나 블로그 삽화처럼 결과가 눈에 바로 보이는 일이라 재미도 붙습니다. 처음 열어 보실 때 어디서 막히는지는 AI 이미지 생성 쪽에 따로 적어 두었습니다. 소리와 코드와 영상은 그 뒤에, 실제로 필요한 일이 생겼을 때 열어 보셔도 늦지 않습니다.

순서는 글 먼저, 그다음 그림, 나머지는 필요할 때입니다.다섯 갈래를 다 볼 필요는 없습니다. 내일 쓸 데가 있는 쪽 하나면 충분합니다.

쓰기 전에 조심할 것은 무엇일까요?

편한 만큼 조심할 것도 분명합니다. 어렵게 외울 것은 없고 세 가지만 기억하시면 됩니다.

첫째, 민감한 정보를 그대로 넣지 마십시오. 주민등록번호, 계좌번호, 비밀번호, 회사 내부 자료, 다른 사람의 개인정보는 넣지 않는 편이 안전합니다. 대화 내용이 서비스 개선에 쓰일 수 있고, 그 범위는 서비스마다 다르며 설정에 따라서도 달라집니다. 안 넣으면 확실합니다. 꼭 필요하면 이름을 바꾸고 숫자를 지운 뒤에 넣으시면 됩니다.

둘째, 사실 확인이 필요한 것은 반드시 따로 확인하십시오. 앞에서 본 것처럼 그럴듯한 거짓이 섞여 나옵니다. 법과 세금, 의료, 계약 조건, 숫자가 들어간 통계는 공식 출처에서 한 번 더 보셔야 합니다. 초안을 받는 데는 아주 좋지만, 결론을 그대로 믿을 자리는 아닙니다.

셋째, 저작권과 이용 약관은 직접 확인하십시오. 만들어 낸 결과물을 상업적으로 써도 되는지, 출처를 밝혀야 하는지는 서비스마다 다르고 같은 서비스 안에서도 요금제에 따라 다릅니다. 게다가 이 부분은 나라마다 정리가 진행 중이라 계속 바뀝니다. 남의 글에서 본 설명을 믿지 마시고, 쓰시려는 서비스의 약관 화면을 직접 보시는 편이 안전합니다.

같이 보면 좋은 글

• LLM이란? — 글을 만드는 쪽을 돌리는 엔진 이야기
• 할루시네이션이란? — 없는 사실이 자신 있게 나오는 이유
• AI 이미지 생성 시작하기 — 두 번째로 열어 볼 갈래
• AI 사전 전체 목록

여기까지 읽으셨으면 용어는 충분합니다. 정의를 외우는 것보다 하나를 직접 써 보는 쪽이 훨씬 빠릅니다. 오늘 쓰기 싫었던 글 하나를 골라서 배경까지 적어 부탁해 보십시오. 답이 마음에 안 들면 다시 부탁하면 됩니다. 그 한 번이 설명 열 줄보다 확실합니다. 다음 편에서는 부탁하는 문장을 어떻게 적어야 답이 달라지는지를 따로 정리해 두겠습니다.