삽질 테크 블로그

Appearance

1 생성형 AI의 정의 ​

1.1 생성형 AI란? ​

생성형 AI(Generative AI)란 텍스트, 이미지, 음악, 코드 등의 새로운 콘텐츠를 스스로 생성할 수 있는 인공지능 기술입니다. 기존의 AI가 데이터를 분석하고 분류하는 역할을 했다면, 생성형 AI는 새로운 데이터를 만들어내는 능력을 갖춘 것이 특징입니다. 생성형 AI 영역 예시 텍스트 생성 자연어 이해 및 생성, 문서 작성, 번역, 대화형 AI로 사람처럼 문장을 만들어 대화하거나 글을 씀 예시 모델 : ChatGPT (GPT-4o), Claude (Claude 3.5 Sonnet/Opus), Gemini 2.0 이미지 생성 텍스트 입력을 바탕으로 고해상도 이미지 생성 예시 모델 : DALL·E 3, Midjourney v6, FLUX.1 음악 생성 텍스트 입력을 기반으로 음악 작곡 및 편집 예시 모델 : Suno AI, AIVA 영상 생성 텍스트, 이미지, 기존 영상 등의 입력 기반으로 영상 생성 예시 모델(서비스) : Sora, Runway Gen-3, Pika 2.0, Google Veo 2

1.2 기존 AI와의 차이점 ​

기존 AI와 생성형 AI는 근본적인 기능과 활용 방식에서 차이가 있습니다. 기존 AI는 데이터를 분석하고 패턴을 찾아내는 데 초점을 맞추지만, 생성형 AI는 학습한 패턴을 기반으로 새로운 콘텐츠를 생성하는 데 특화되어 있습니다. [표. 기존 AI vs. 생성형 AI] 구분 기존 AI 생성형 AI 주요 기능 데이터 분석, 예측, 분류, 탐색 새로운 콘텐츠 생성 작동 원리 주어진 데이터를 바탕으로 특정 규칙을 학습하여 결과 도출 학습한 데이터의 패턴을 활용해 새로운 데이터를 생성 학습 방식 지도 학습 (Supervised Learning) 비지도 학습 (Unsupervised Learning) 강화 학습 (Reinforcement Learning) 다양한 학습 방식을 조합하여 학습 지도 학습 + 비지도 학습 + 강화 학습 + 생성적 학습 출력 결과 기존 데이터의 패턴을 분석해 답변 (예측, 분류, 추천) 기존 데이터의 패턴을 기반으로 새로운 데이터 생성 활용 예시 스팸 필터, 추천 시스템, 음성 인식, 사기 탐지 텍스트 생성, 이미지 생성, 음악 생성 한계점 새로운 데이터 생성 불가능, 정형화된 작업 수행 생성된 데이터의 정확성 검증 필요, 가짜 정보 생성 가능

💡 쉽게 말하면? 기존 AI는 고양이 사진을 입력하면 "고양이" 라고 판별하지만, 생성형 AI는 "고양이 사진을 만들어줘" 라고 요청하면 고양이 이미지를 만들어 응답할 수 있습니다. 이렇게 생성형 AI는 기존 AI보다 창의적이고 새로운 방식으로 문제를 해결하는 능력을 가졌기 때문에, 업무 자동화, 콘텐츠 제작, 고객 응대 등 다양한 분야에서 혁신을 일으키고 있습니다.

2 생성 모델 (Generative Model) ​

2.1 생성 모델(Generative Model)이란? ​

생성 모델은 단순히 데이터를 분류하거나 예측하는 것이 아니라 새로운 데이터를 만들어내는 모델입니다.

2.2 생성모델의 종류 ​

생성모델은 다양한 방식으로 데이터를 생성하며, 각 모델은 서로 다른 원리를 기반으로 동작합니다. 대표적인 생성모델의 종류와 특징을 살펴보겠습니다. 생성 모델에는 Transformer, Diffusion, GAN이 가장 널리 사용되며, 최신 AI 기술의 핵심을 이루고 있습니다. 이 외에도 Variational Autoencoder(VAE), Autoregressive Model, Flow-based Model과 같은 생성 모델이 존재하며, 특정 연구 및 응용 분야에서 활용됩니다. 모델명 설명 동작 방식 예제 Transformer 기반 모델 (GPT, DALL·E 등) 문맥을 이해하고, 새로운 텍스트나 이미지를 생성하는 모델 Transformer 모델은 입력된 데이터를 여러 단계로 분석하며, 문맥을 이해하여 새로운 내용을 생성합니다. 텍스트 생성 → GPT-4o/GPT-o1이 문장을 이해하고 새로운 문장을 만들어냄 이미지 생성 → DALL·E가 텍스트 설명을 보고 그림을 그림 ChatGPT → 자연스러운 문장을 생성 DALL·E → 텍스트를 기반으로 새로운 이미지 생성 Diffusion 모델 (Stable Diffusion 3.5, FLUX.1 등) 이미지를 점진적으로 개선하며 새로운 그림을 생성하는 방식 Diffusion 모델은 처음에는 랜덤한 노이즈(흐릿한 이미지)에서 시작해서 점차 선명한 이미지로 발전하는 방식을 사용합니다. 노이즈를 점점 제거하면서 정교한 이미지를 만들어냄 GAN보다 자연스럽고 고해상도의 이미지를 생성 가능 Stable Diffusion → 다양한 스타일의 그림을 생성 Imagen 3 (Google DeepMind) → 텍스트를 기반으로 고품질 이미지 생성 FLUX.1 (Black Forest Labs) → Flow Matching 기반의 최신 이미지 생성 모델 AI 사진 보정 → 흐릿한 사진을 선명하게 변환 GAN (Generative Adversarial Network, 생성적 적대 신경망) 두 개의 신경망이 경쟁하면서 더 정교한 데이터를 생성하는 모델 GAN은 생성자(Generator) 와 판별자(Discriminator) 라는 두 개의 신경망이 서로 경쟁하며 학습합니다. 생성자 → 진짜 같은 데이터를 생성하려고 노력 판별자 → 생성된 데이터가 진짜인지 가짜인지 판별 둘이 계속 경쟁하면서(적대적 학습) 생성자는 점점 더 정교한 데이터를 만들어냄 딥페이크(DeepFake) → 실제 사람처럼 보이는 가짜 얼굴 생성 AI 아트 → 기존 화풍을 학습하여 새로운 그림 생성 패션 디자인 → 새로운 옷 디자인 생성

📌 Transformer 기반 모델은 텍스트 및 이미지 생성에서 가장 중요한 역할을 하고 있는 모델입니다.

📌 (*수정) 최근에는 Diffusion 모델이 GAN을 사실상 대체하였으며, GAN은 특수 용도(실시간 이미지 변환 등)에서만 제한적으로 사용되고 있습니다. [출처: Papers with Code, "Diffusion Models vs GANs", 2024]

3 생성형 AI의 활용 사례 ​

생성형 AI는 다양한 산업에서 실질적인 가치를 제공하며 빠르게 발전하고 있습니다. 텍스트를 자동으로 생성하거나, 번역을 돕고, 코드를 작성하는 등 여러 작업을 AI가 지원하고 있는데요, 그렇다면 구체적으로 어떤 분야에서 어떻게 활용되고 있을까요?

  1. 텍스트 생성 – 자동으로 글을 작성하는 AI 블로그 및 기사 작성 AI가 초안을 작성하면 사용자는 내용을 다듬는 작업만 진행 뉴스 기사, 마케팅 콘텐츠 등 다양한 콘텐츠 제작 가능 광고 문구 자동 생성 짧고 강렬한 광고 카피를 AI가 추천 (*수정) 활용 서비스: ChatGPT, Jasper AI, Copy.ai, Notion AI, Writesonic [출처: 각 서비스 공식 사이트]

  2. 코드 작성 – 개발자 업무 효율화 코드 자동 생성 개발자가 작성 중인 코드의 다음 줄을 AI가 예측하고 자동 완성 코드 리뷰 및 버그 수정 AI가 코드의 오류를 분석하고 개선점을 제안 (*수정) 활용 서비스: GitHub Copilot, Cursor, Claude Code [출처: github.com/features/copilot, cursor.com, Anthropic]

  3. 질문 답변(Q&A) – 고객 응대 및 정보 검색 보조 고객 상담 및 지원 AI 챗봇이 고객 문의에 실시간으로 답변 제공 검색 엔진 강화 사용자의 질문에 맞춰 최적의 정보를 제공 활용 서비스: ChatGPT API, IBM watsonx Assistant

  4. 번역 – 다국어 지원 강화 실시간 번역 지원 여러 언어로 텍스트를 번역하여 글로벌 커뮤니케이션 가능 문맥을 고려한 자연스러운 번역 기존 번역기보다 자연스럽고 정확한 번역 제공 활용 서비스: Google Translate, DeepL

  5. 문서 요약 – 긴 글을 핵심만 정리 보고서 및 논문 요약 긴 문서를 짧고 핵심적인 내용으로 자동 요약 이메일 요약 받은 편지함을 빠르게 정리하고 주요 내용만 확인 (*수정) 활용 서비스: ChatGPT, NotebookLM, Claude (SMMRY는 서비스 종료) [출처: Google NotebookLM (notebooklm.google)]

  6. 의료 및 법률 – 전문 분야에서의 AI 활용 의료 데이터 분석 환자의 건강 데이터를 분석하여 진단 및 치료 보조 법률 문서 해석 긴 법률 문서를 분석하고 주요 내용을 정리 (*수정) 활용 서비스: IBM watsonx, Harvey AI, CoCounsel (IBM Watson Health는 2022년 매각, ROSS Intelligence는 2021년 폐업) [출처: ABA Journal, 2021.01; IBM, 2022.01]

4 생성형 AI의 윤리적 이슈 ​

생성형 AI는 다양한 분야에서 혁신적이 가능성을 열어주지만, 동시에 여러 윤리적/법적 문제를 동반하고 있습니다. AI 기술이 더욱 발전하고 보편화 될수록, 이러한 문제에 대한 해결책 마련이 필수적입니다.

  1. 저작권 문제 생성형 AI가 학습하는 과정에서 기존의 저작권이 있는 콘텐츠를 활용할 가능성이 있으며, 생성된 결과물의 저작권 문제도 해결되지 않은 주요 이슈 AI가 생성한 콘텐츠의 저작권 소유권: AI가 만든 그림, 음악, 글의 저작권이 AI 개발자에게 있는지, 사용자에게 있는지, 아니면 공공재인지 논란이 있음. 저작권 침해 가능성: AI가 특정 작가의 스타일을 모방한 결과물을 만들 경우, 원저작자의 권리를 침해할 가능성이 있음.
  2. 악용 가능성 허위정보 및 가짜 뉴스 생성: AI는 매우 자연스러운 텍스트를 생성할 수 있어 가짜 뉴스나 허위 정보를 만들어내는 데 사용될 가능성이 큼. 딥페이크 기술: GAN 기반의 딥페이크 기술은 실제와 구분하기 어려운 가짜 영상을 만들어 정치적 선전, 사기 등에 악용될 위험이 있음. 사이버 범죄 활용: AI를 이용한 피싱 이메일, 악성 코드 생성 등이 증가하고 있으며, 보안 위협 요소로 작용할 수 있음.
  3. 개인정보 보호 AI 학습 데이터 내 개인정보 포함 가능성: AI가 학습하는 데이터에 민감한 개인정보가 포함될 경우, 데이터 유출 등의 문제가 발생할 수 있음. 데이터 보호 규정과의 충돌: (*수정) GDPR, CCPA 등의 개인정보 보호법 외에도, 한국 인공지능 기본법(2026.01.22 시행, 법률 제20985호)과 EU AI Act(2024.08 발효, Regulation 2024/1689)가 시행되어 AI 개발 및 활용에 대한 법적 규제가 구체화되고 있음.
  4. 소유권 문제 AI 생성물의 법적 소유권 불분명: AI가 만든 콘텐츠의 소유권이 누구에게 있는지에 대한 명확한 법적 기준이 없으며, 이는 향후 법률적으로 해결해야 할 중요한 문제 중 하나임. 기업과 개인 간의 소유권 논란: 기업이 AI를 개발했더라도, AI가 사용자 입력을 통해 생성한 콘텐츠의 소유권이 누구에게 귀속되는지가 명확하지 않음.

[*추가] 5. 2026년 생성형 AI 시장 현황 ​

5.1 글로벌 시장 규모 ​

생성형 AI 시장은 2025년 기준 약 670억 달러 규모로 추정되며, 2030년까지 연평균 30% 이상의 성장이 예상됩니다. [출처: Gartner, "Generative AI Market Forecast 2025"; McKinsey, "The state of AI in 2025"]

5.2 한국 시장 특성 ​

한국은 IT 인프라와 디지털 전환 역량을 바탕으로 생성형 AI 도입이 빠르게 진행되고 있습니다. 한국형 LLM 개발이 활발하며, 대표적으로 다음과 같은 모델이 있습니다.

  • NAVER HyperCLOVA X: 네이버에서 개발한 한국어 특화 대규모 언어 모델로, 한국어 이해 및 생성 성능이 우수함
  • Samsung Gauss: 삼성전자에서 개발한 온디바이스(On-device) AI 모델로, 텍스트·코드·이미지 생성을 지원함

[*추가] 6. State Space Models (SSM) ​

Transformer의 대안으로 부상한 새로운 아키텍처인 **State Space Models (SSM)**이 주목받고 있습니다. 대표적인 모델인 Mamba는 선형 시간 복잡도(Linear-Time)로 동작하여, Transformer 대비 긴 시퀀스 처리에서 효율적입니다.

  • 핵심 특징: 입력 데이터에 따라 선택적으로 정보를 처리하는 Selective State Space 메커니즘 사용
  • 장점: 긴 시퀀스(수만~수십만 토큰)를 효율적으로 처리 가능, Transformer 대비 메모리/연산 효율성 우수
  • 한계: 아직 Transformer 기반 모델 대비 생태계와 검증 사례가 제한적 [출처: Gu & Dao, "Mamba: Linear-Time Sequence Modeling with Selective State Spaces", arXiv:2312.00752]

[*추가] 7. 생성형 AI 관련 법규 ​

7.1 한국 인공지능 기본법 (2026.01.22 시행) ​

  • 법률 제20985호로 제정된 한국 최초의 AI 전담 법률
  • 고위험 AI 시스템에 대한 영향평가 의무화
  • AI 개발·운영 시 투명성 확보 및 이용자 보호 의무 명시
  • AI 산업 육성과 규제의 균형을 목표로 함

7.2 EU AI Act (2024.08 발효) ​

  • AI 시스템을 위험도에 따라 4단계로 분류: 금지(Unacceptable), 고위험(High-risk), 제한적 위험(Limited Risk), 최소 위험(Minimal Risk)
  • 고위험 AI 시스템에 대한 적합성 평가, 데이터 거버넌스, 인간 감독 요구
  • 위반 시 최대 전 세계 매출의 7% 또는 3,500만 유로 벌금 부과 가능 [출처: 한국 인공지능 기본법 (법률 제20985호); EU AI Act (Regulation 2024/1689)]

7.3 SI 기업의 AI 거버넌스 의무 ​

  • AI 시스템 개발/납품 시 관련 법규 준수 여부 확인 필수
  • 고위험 AI 프로젝트의 경우 영향평가 보고서 작성 및 제출 의무
  • 고객사의 AI 거버넌스 체계 구축 컨설팅 역량 확보 필요

[*추가] 8. SI 기업 관점의 생성형 AI 활용 사례 ​

SI(시스템 통합) 기업에서 생성형 AI를 활용하는 주요 사례는 다음과 같습니다.

  • 코드 리뷰 자동화: AI가 코드 변경 사항을 분석하여 버그, 보안 취약점, 코딩 표준 위반을 자동으로 탐지
  • 테스트 케이스 생성: 요구사항 문서나 코드를 분석하여 테스트 시나리오와 테스트 코드를 자동 생성
  • RFP(제안요청서) 응답 생성: 과거 제안서와 기술 자료를 기반으로 RFP에 대한 초안을 자동 작성
  • Legacy 시스템 현대화: 기존 COBOL, VB 등 레거시 코드를 최신 언어(Java, Python 등)로 변환하는 데 AI 활용

한눈에 정리하는 이번 챕터 ​

생성형 AI는 기존 AI와 달리 새로운 콘텐츠(텍스트, 이미지 등)를 생성할 수 있다. 생성 모델에는 Transformer, Diffusion, GAN이 있으며, 각각 텍스트/이미지 생성에 강점을 가진다. 생성형 AI는 예술, 마케팅, 소프트웨어 개발, 의료 등 다양한 분야에서 활용된다. 생성형 AI의 발전과 함께 윤리적 이슈도 중요한 논점이 된다.

🚀 마무리 ​

지금까지 우리는 생성형 AI의 정의, 생성 모델의 개념, 다양한 활용 사례, 그리고 한계에 대해 알아보았습니다. 생성형 AI는 방대한 데이터를 학습하고 이를 기반으로 새로운 콘텐츠를 만들어내는 기술입니다. 이러한 원리와 모델이 실제로 어떻게 구현되는지 이해하려면, ‘대규모 언어 모델(LLM)’을 알아볼 필요가 있습니다. LLM은 방대한 양의 데이터를 학습하고, 이를 바탕으로 사람처럼 자연스럽게 텍스트를 생성하는 기술입니다. 그럼 이제, 생성형 AI의 중심이 되는 LLM이 무엇인지, 그리고 이것이 어떻게 학습되고 활용되는지 알아보겠습니다.

삽질 테크 블로그

© 2026 Shoney. All rights reserved.