AI 용어 사전 만드는 법: 헷갈리는 인공지능 말을 업무 기준으로 정리하기
AI 용어 사전은 인공지능 관련 단어를 외우기 위한 목록이 아니라, 업무와 공부에서 같은 말을 같은 의미로 쓰기 위한 기준표다. 모델, 프롬프트, 토큰, 맥락, 환각, 자동화 같은 말을 사람마다 다르게 이해하면 AI 도구를 써도 결과가 흔들린다. 이 글에서는 AI 용어를 어떻게 고르고, 어떤 형식으로 정리하고, 실제 업무에 어떻게 적용하면 좋은지 정리한다.
AI를 처음 배우는 사람은 용어에서 막히는 경우가 많다. 반대로 AI를 어느 정도 쓰는 사람도 말의 기준이 없으면 설명이 길어진다. “프롬프트를 고쳐 주세요”라는 말이 질문을 바꾸라는 뜻인지, 조건을 추가하라는 뜻인지, 출력 형식을 정하라는 뜻인지 서로 다르게 받아들일 수 있다.
AI 용어 사전은 왜 필요한가
AI 용어는 기술 문서에서 나온 말이 많지만, 실제 사용자는 업무 상황에서 그 말을 이해해야 한다. 그래서 사전식 정의만으로는 부족하다. “토큰은 텍스트 단위”라고 외워도, 긴 문서를 넣으면 왜 답변이 잘리는지 이해하지 못하면 실무에는 도움이 되지 않는다.
AI 용어 사전의 목적은 전문 용어를 어렵게 설명하는 것이 아니다. 내가 실제로 AI를 쓸 때 어떤 판단을 해야 하는지 연결하는 것이다. 용어 하나마다 “무슨 뜻인가”, “어디서 문제가 생기는가”, “내가 어떻게 써야 하는가”가 함께 있어야 한다.
예를 들어 환각이라는 말을 단순히 “AI가 틀린 답을 하는 현상”으로만 적으면 부족하다. 업무 기준에서는 “출처가 없는데 사실처럼 말하는 답변”, “확인하지 않은 숫자나 기관명을 만들어 내는 답변”, “보고서에 그대로 넣으면 책임 문제가 생기는 답변”까지 적어야 실제로 쓸 수 있다.
AI 용어를 외우는 것과 정리하는 것은 다르다
많은 사람이 AI 용어를 가나다순이나 영어 약어 순서로 정리한다. 하지만 처음 배우는 사람에게는 그 방식이 잘 맞지 않는다. 실제 사용 흐름과 연결되지 않기 때문이다.
실무에서는 AI 용어를 아래처럼 사용 단계별로 나누는 편이 이해하기 쉽다.
| 사용 단계 | 자주 나오는 용어 | 정리할 핵심 질문 |
|---|---|---|
| 입력 | 프롬프트, 맥락, 파일 업로드 | AI에게 무엇을 얼마나 알려줘야 하는가? |
| 처리 | 모델, 토큰, 추론, 임베딩 | AI가 답을 만들 때 어떤 한계가 있는가? |
| 출력 | 요약, 초안, 표, 코드, 이미지 | 결과물을 어디까지 믿고 고쳐야 하는가? |
| 검수 | 환각, 출처, 편향, 개인정보 | 사용 전에 무엇을 확인해야 하는가? |
| 반복 | 자동화, 에이전트, 워크플로 | 사람이 계속 확인해야 할 지점은 어디인가? |
이렇게 정리하면 용어가 따로 놀지 않는다. “프롬프트”는 입력 단계의 문제이고, “토큰”은 처리 한계와 연결되며, “환각”은 출력 검수에서 확인해야 할 문제로 이해된다.
AI 용어 사전에 반드시 넣을 기본 항목
처음부터 많은 단어를 넣을 필요는 없다. 오히려 너무 많은 용어를 한 번에 넣으면 다시 보지 않는 문서가 된다. 먼저 자주 쓰고 자주 오해하는 단어부터 넣는 것이 좋다.
| 용어 | 쉬운 설명 | 실무에서 조심할 점 |
|---|---|---|
| 모델 | AI가 답을 만들 때 사용하는 기본 엔진 | 모델이 바뀌면 같은 질문에도 답변 품질과 비용이 달라질 수 있다. |
| 프롬프트 | AI에게 주는 지시문과 질문 | 목적, 조건, 출력 형식을 빼면 답이 넓고 애매해진다. |
| 맥락 | AI가 답을 만들 때 참고하는 배경 정보 | 필요 없는 정보가 많으면 핵심을 놓칠 수 있다. |
| 토큰 | AI가 문장을 처리할 때 나누는 텍스트 단위 | 문서가 길면 일부 내용이 빠지거나 답변이 짧아질 수 있다. |
| 환각 | AI가 사실처럼 보이지만 틀린 내용을 만드는 현상 | 숫자, 법령, 기관명, 출처는 반드시 따로 확인해야 한다. |
| 자동화 | 반복 작업을 규칙과 도구로 이어 처리하는 방식 | 검수 지점 없이 자동화하면 오류도 함께 반복된다. |
이 표의 핵심은 어려운 정의를 줄이는 대신 “조심할 점”을 같이 적는 것이다. AI 용어는 이해만 하고 끝나는 단어가 아니라, 사용 습관을 바꾸는 기준이 되어야 한다.
실제 예시: 프롬프트라는 말을 업무 기준으로 바꾸기
예를 들어 사내에서 “프롬프트를 잘 써야 한다”는 말을 자주 한다고 해보자. 이 문장은 맞지만 너무 넓다. 사람마다 다르게 받아들인다. 어떤 사람은 질문을 길게 쓰는 것으로 이해하고, 어떤 사람은 예쁜 문장을 쓰는 것으로 이해한다.
AI 용어 사전에서는 이 말을 더 구체적으로 바꿔야 한다.
프롬프트: AI에게 주는 작업 지시문이다. 좋은 프롬프트는 목적, 대상, 조건, 자료, 출력 형식을 포함한다. 업무용 프롬프트는 “무엇을 해줘”보다 “누가 읽을 어떤 결과물을 어떤 기준으로 만들어줘”에 가깝다.
이렇게 적으면 바로 행동 기준이 생긴다. 다음에 누군가 “프롬프트를 고치자”고 말하면 단순히 문장을 늘리는 것이 아니라 목적, 대상, 조건, 출력 형식 중 무엇이 빠졌는지 확인하게 된다.
AI 용어 사전은 이 형식으로 만들면 된다
AI 용어 사전은 복잡한 문서 도구가 없어도 만들 수 있다. 메모장, 노션, 구글 문서, 엑셀, 워드프레스 비공개 글 어디든 상관없다. 중요한 것은 형식이 일정해야 한다는 점이다.
아래 5칸만 있으면 실무용으로 충분하다.
| 항목 | 무엇을 적는가 | 예시 |
|---|---|---|
| 용어 | 자주 쓰는 AI 단어 | 환각 |
| 한 줄 정의 | 초보자도 이해할 설명 | AI가 사실처럼 보이는 틀린 답을 만드는 현상 |
| 업무 예시 | 내가 실제로 만나는 상황 | 없는 논문, 없는 통계, 잘못된 기관명을 답변에 넣음 |
| 확인 기준 | 사용 전 점검할 방법 | 공식 사이트, 원문 자료, 날짜를 따로 확인 |
| 금지 표현 | 오해를 부르는 말 | AI가 알려줬으니 맞다 |
특히 “금지 표현” 칸이 중요하다. 팀 안에서 자주 쓰지만 위험한 말을 정리해 두면 실수를 줄일 수 있다. 예를 들어 “AI가 찾아줬다”라는 말은 “출처를 확인했다”와 다르다. 이런 차이를 사전에 적어 두면 업무 대화가 훨씬 명확해진다.
개인용 AI 용어 사전 만드는 순서
혼자 공부하는 사람이라면 처음부터 완벽한 사전을 만들 필요가 없다. 일주일 동안 AI를 쓰면서 막힌 단어만 모아도 충분하다.
- AI 관련 글이나 도구 설명에서 이해가 안 되는 단어를 적는다.
- 공식 문서나 신뢰할 수 있는 자료에서 기본 의미를 확인한다.
- 그 뜻을 내 업무나 공부 상황의 말로 다시 바꾼다.
- 실제로 써본 예시를 하나 붙인다.
- 나중에 다시 볼 때 헷갈렸던 부분을 수정한다.
예를 들어 “컨텍스트”라는 단어가 어렵다면 “AI가 현재 답변을 만들 때 참고하는 앞뒤 정보”라고 적는다. 그 옆에 “회의록 전체를 넣으면 맥락이 많아지지만, 핵심 질문이 없으면 답이 흐려질 수 있음”처럼 내 경험을 붙이면 된다.
팀에서 AI 용어 사전을 쓸 때 필요한 규칙
팀 단위에서는 용어 사전이 더 중요하다. 같은 AI 도구를 써도 사람마다 말의 뜻이 다르면 결과 검수와 책임 구분이 어려워진다.
팀에서는 다음 규칙을 정해두는 것이 좋다.
- 새 용어를 추가할 때는 반드시 업무 예시를 함께 적는다.
- 법률, 보안, 개인정보 관련 용어는 담당자가 검토한다.
- 도구 이름과 기능 이름을 섞어 쓰지 않는다.
- “AI가 했다”라는 표현 대신 누가 입력하고 누가 검수했는지 적는다.
- 분기마다 오래된 용어와 실제 사용하지 않는 용어를 정리한다.
이 규칙은 문서를 예쁘게 만들기 위한 것이 아니다. AI를 업무에 넣었을 때 책임이 흐려지지 않게 하려는 장치다. AI는 답을 만들 수 있지만, 그 답을 어디에 쓸지 결정하는 사람은 여전히 사용자다.
AI 용어 사전을 만들 때 피해야 할 실수
가장 흔한 실수는 영어 원문을 그대로 복사해 두는 것이다. 영어 정의는 정확해 보이지만, 실제로 읽지 않으면 사전의 역할을 하지 못한다. 초보자용 사전이라면 쉬운 말로 다시 쓰는 과정이 필요하다.
두 번째 실수는 도구 기능을 일반 개념처럼 적는 것이다. 특정 서비스의 버튼 이름은 바뀔 수 있다. 그래서 “어떤 버튼을 누른다”보다 “어떤 목적의 기능인가”를 중심으로 적어야 오래 쓸 수 있다.
세 번째 실수는 위험한 용어를 좋은 말로만 설명하는 것이다. 자동화, 에이전트, 파일 분석 같은 단어는 편리한 면만 적으면 부족하다. 반드시 개인정보, 오답 반복, 검수 책임 같은 주의점을 함께 적어야 한다.
AI 용어 사전 체크리스트
- 용어마다 쉬운 한 줄 정의가 있는가?
- 실제 업무 예시가 붙어 있는가?
- 오해하기 쉬운 표현을 따로 적었는가?
- 숫자, 법률, 보안, 개인정보와 관련된 용어는 주의점을 적었는가?
- 도구 이름과 개념을 구분했는가?
- 최근에 쓰지 않는 용어를 정리할 기준이 있는가?
정리: AI 용어 사전은 공부 노트가 아니라 사용 기준이다
AI 용어 사전은 단어를 많이 아는 사람처럼 보이기 위한 문서가 아니다. AI를 쓸 때 같은 말을 같은 의미로 이해하고, 결과물을 검수하고, 책임 있는 사용 기준을 세우기 위한 실무 도구다.
처음에는 모델, 프롬프트, 토큰, 맥락, 환각, 자동화처럼 자주 쓰는 단어 6개만 정리해도 충분하다. 중요한 것은 어려운 정의보다 내가 실제로 어떤 상황에서 조심해야 하는지를 함께 적는 것이다. AI를 오래 쓰려면 도구 사용법만큼 말의 기준도 필요하다.
FAQ
AI 용어 사전은 초보자에게만 필요한가?
아니다. 초보자는 이해를 위해 필요하고, 실무자는 협업 기준을 맞추기 위해 필요하다. 특히 여러 사람이 같은 AI 도구를 쓰는 조직에서는 용어 기준이 없으면 결과 검수와 책임 구분이 어려워질 수 있다.
AI 용어를 몇 개부터 정리하면 좋은가?
처음에는 5개에서 10개면 충분하다. 모델, 프롬프트, 토큰, 맥락, 환각, 자동화처럼 자주 쓰는 말부터 시작하고, 실제로 헷갈린 단어를 하나씩 추가하는 방식이 좋다.
공식 정의와 내가 만든 쉬운 설명이 다르면 어떻게 해야 하나?
공식 정의를 기준으로 삼되, 실제 사용 설명은 쉬운 말로 다시 써도 된다. 다만 의미가 바뀌면 안 된다. 특히 보안, 개인정보, 법률과 관련된 용어는 쉬운 설명 옆에 출처와 주의점을 함께 적는 것이 안전하다.
공식 참고 자료
- NIST, The Language of Trustworthy AI: An In-Depth Glossary of Terms: 신뢰할 수 있는 AI 관련 용어를 공통 언어로 정리한 공식 자료다.
- NIST AI Risk Management Framework: AI 위험 관리와 신뢰성 기준을 이해할 때 참고할 수 있다.