AI만들기 유형 4가지와 실무에서 실제로 쓰이는 맥락

AI를 '만든다'는 말은 하나의 행위를 가리키지 않는다. AI만들기 유형은 목적, 기술 수준, 조직 규모에 따라 크게 네 가지로 나뉘며, 각각이 전혀 다른 실무 맥락에서 작동한다. 어떤 유형인지 먼저 구분해야 예산과 인력을 헛되이 쓰지 않는다.

왜 유형 구분이 먼저인가

많은 실무자가 "AI를 도입하겠다"는 결론을 먼저 내리고 방법을 나중에 찾는다. 결과는 대부분 비슷하다. 개발팀과 기획팀이 서로 다른 그림을 그리고, 예산이 소진된 뒤에야 방향을 재조정한다.

AI만들기에는 목적에 맞는 유형이 있다. 유형을 먼저 정하면 필요한 데이터, 인력, 기간이 자연스럽게 따라온다. 반대로 유형 없이 시작하면 도구 선택 단계에서 이미 길을 잃는다.

유형 1. 프롬프트 기반 AI 활용 자동화

개념과 실무 맥락

생성형 AI에 구조화된 프롬프트를 연결해 반복 업무를 자동화하는 방식이다. 모델을 직접 학습시키지 않는다. 대신 입력 형식을 표준화하고, 출력 결과를 후처리하는 파이프라인을 설계한다.

자사몰(카페24, 아임웹 기반)을 운영하는 의류 브랜드라면 신상품 등록 시 상세페이지 초안을 자동 생성하는 구조를 만들 수 있다. 상품명, 소재, 타깃 키워드를 입력하면 LLM이 초안을 반환하고, 담당자가 검수 후 업로드한다. 별도 모델 학습 없이 운영 가능하다.

진입 비용이 낮고 빠르게 검증할 수 있다는 점에서, 팀 규모가 작거나 AI 도입 초기 단계인 조직에 적합하다.

유형 2. 파인튜닝(Fine-tuning) 기반 전문화 모델

개념과 실무 맥락

기존 사전학습 모델에 특정 도메인 데이터를 추가 학습시켜 전문성을 높이는 방식이다. 범용 모델이 처리하기 어려운 전문 용어, 응답 톤, 업무 규칙을 모델 자체에 내재화할 수 있다.

법률 사무소가 계약서 검토 보조 AI를 만드는 경우가 대표적이다. 수백 건의 계약서 검토 이력과 수정 패턴을 학습 데이터로 구성하면, 범용 LLM보다 해당 사무소의 검토 기준에 가까운 결과를 얻는다. 다만 학습 데이터 품질 관리와 주기적인 재학습 비용이 수반된다.

프롬프트 방식과 파인튜닝의 차이는 명확하다. 프롬프트는 매 요청마다 맥락을 주입하고, 파인튜닝은 맥락을 모델 안에 저장한다. 응답 일관성이 중요한 업무라면 파인튜닝이 유리하다.

유형 3. RAG(검색 증강 생성) 기반 지식 연결형 AI

개념과 실무 맥락

모델을 학습시키는 대신, 외부 문서나 데이터베이스를 실시간으로 검색해 답변에 반영하는 구조다. 최신 정보를 반영해야 하거나, 기밀 문서를 모델에 직접 학습시키기 어려운 경우에 쓴다.

부동산 중개 법인이 내부 매물 DB와 계약 조건 문서를 연결해 상담 보조 AI를 구축하는 사례를 상정할 수 있다. 고객이 특정 조건을 말하면 AI가 내부 DB를 검색해 조건에 맞는 매물 정보를 불러오고, 담당자에게 요약해 전달한다. 매물 정보가 매일 바뀌어도 모델 재학습 없이 최신 상태를 유지한다.

학원 업종에서도 유사하게 적용된다. 커리큘럼 문서, 강사별 수업 방식, 레벨 배치 기준을 문서화해 RAG 파이프라인에 연결하면, 상담 직원이 신입이더라도 일관된 안내가 가능해진다.

유형 4. 멀티모달·에이전트 기반 복합 AI 시스템

개념과 실무 맥락

텍스트, 이미지, 음성 등 여러 입력을 처리하거나, AI가 스스로 도구를 호출하고 다단계 작업을 수행하는 구조다. 단일 응답을 생성하는 것을 넘어, 작업 흐름 자체를 AI가 조율한다.

병원 원무팀이 도입한다면, 환자가 업로드한 보험 서류 이미지를 인식하고, 필요한 서식을 자동 작성한 뒤, 담당자 승인 요청까지 보내는 워크플로를 구성할 수 있다. 이미지 인식, 텍스트 생성, 외부 시스템 연동이 하나의 흐름으로 연결된다.

이 유형은 구현 복잡도가 높고 유지보수 인력이 필요하다. 조직 내 AI 운영 역량이 어느 정도 갖춰진 뒤에 진입하는 것이 현실적이다.

유형 선택의 기준

네 가지 유형은 난이도 순서가 아니다. 목적 적합성의 문제다.

• 반복 업무 자동화가 목표라면 유형 1
• 응답 일관성과 전문성이 핵심이라면 유형 2
• 내부 지식 활용이 중심이라면 유형 3
• 복잡한 업무 흐름 자동화가 필요하다면 유형 4

조직 대부분은 유형 1이나 유형 3에서 시작해 점진적으로 복잡도를 높인다. 처음부터 유형 4를 목표로 설정하면 실행 단계에서 좌초할 가능성이 높다.

FAQ

Q. AI만들기 유형을 결정할 때 가장 먼저 확인해야 할 것은 무엇인가

보유한 데이터의 형태와 양이다. 정형화된 반복 입력이 있다면 유형 1로 빠르게 시작할 수 있다. 내부 문서가 많고 최신성이 중요하다면 유형 3이 현실적이다. 학습 데이터를 별도로 구축해야 한다면 유형 2는 준비 기간이 길어진다.

Q. 비개발자 실무자도 AI만들기에 직접 참여할 수 있는 유형이 있는가

유형 1은 프롬프트 설계와 입출력 구조 정의가 핵심 작업이기 때문에, 도메인 지식을 가진 비개발자가 주도적으로 참여할 수 있다. 유형 3도 문서 정리와 분류 작업은 비개발자가 담당하는 경우가 많다. 유형 2와 유형 4는 기술 인력과의 협업이 필수다.

Q. 한 조직이 여러 유형을 동시에 운영하는 것이 가능한가

가능하다. 실제로 규모가 있는 조직은 부서별로 다른 유형을 병행한다. 마케팅팀은 유형 1로 콘텐츠 초안을 자동화하고, 고객 지원팀은 유형 3으로 내부 FAQ를 연결한 챗봇을 운영하는 식이다. 단, 각 유형의 운영 주체와 유지보수 책임을 명확히 나눠야 관리 부담이 분산된다.

다음 글에서는 유형별로 실제 구축 순서와 초기 세팅에서 자주 발생하는 오류를 다룬다.