핵심 정리
- 생성형 AI는 없던 결과물을 새로 지어 내놓는 AI예요. 준비된 답 중에서 골라 주는 것이 아니에요.
- 요즘 흔한 만드는 방식은 조금씩 쌓아 가거나 다듬어 가는 것이에요. 글은 한 조각씩 이어 붙이고, 그림은 흐릿한 화면 전체를 한 단계씩 또렷하게 다듬는 방식이 많이 쓰여요.
- 무엇이 어울리는지는 수많은 예시를 보며 익힌 감각에서 나와요. 규칙을 사람이 적어 준 것이 아니에요.
- 같은 주문에도 매번 조금씩 다른 결과가 나와요. 만들 때마다 고르는 선택이 달라지기 때문이에요.
- 글·그림·소리·영상까지 익힌 짜임새로 새로 만든다는 점은 같아요.
비유로 이해하기
꽃집에 들어가 노란색 위주로 작은 꽃만 넣어 한 다발 묶어 달라고 말하면, 주인은 진열대에 놓인 완성품을 집어 주지 않아요. 통에 꽂힌 낱송이 앞에 서서 한 송이씩 골라 손안에 더해 가며 그 자리에서 새 다발을 지어요. 어제 같은 주문으로 묶은 다발과 오늘 묶은 다발은 대개 조금씩 달라요.
생성형 AI가 하는 일이 이 묶는 일이에요. 어딘가 만들어 둔 답을 찾아 꺼내 오는 것이 아니라, 주문을 받고 그 자리에서 한 조각씩 새로 지어 내놓아요.
손이 척척 움직이는 이유는 그동안 묶어 본 다발이 수천 다발이기 때문이에요. 어떤 꽃 옆에 어떤 잎이 어울리는지가 몸에 배어 있어서, 처음 듣는 주문에도 다음 한 송이가 손에 잡혀요.
자세히 알아보기
고르는 일과 짓는 일은 달라요
AI가 하는 일은 크게 둘로 갈려요. 하나는 이미 있는 것을 보고 어느 쪽인지 판정하는 일이에요. 사진을 보고 고양이인지 아닌지 답하거나, 메일을 보고 광고인지 아닌지 가르는 일이 여기에 들어가요. 답은 정해진 몇 개 중 하나예요.
다른 하나가 없던 것을 지어 내는 일이에요. 답이 정해진 목록에 없어요. 나올 수 있는 문장도 그림도 사실상 무한하고, 그중 하나를 새로 만들어 내놓아야 해요. 진열대에서 다발을 고르는 일과 낱송이로 다발을 묶는 일만큼 성격이 달라요.
그래서 잘했는지 따지는 방법도 달라요. 판정하는 일은 맞았는지 틀렸는지 셀 수 있지만, 지어 낸 결과물에는 정답표가 없어요. 그럴듯한지, 주문에 맞는지로 판단할 수밖에 없어요.
한 조각씩 더해 가며 완성해요
요즘 많이 쓰는 생성형 AI는 결과물을 한 번에 통째로 뱉기보다 여러 번에 나눠 만들어요. 글을 쓸 때는 다음에 올 조각 하나를 고르고, 그 조각을 붙인 다음 다시 다음 조각을 골라요. 다발에 한 송이를 꽂고 전체를 다시 본 뒤 그다음 송이를 고르는 것과 같아요.
그림도 마찬가지예요. 한 붓에 완성하는 대신 뿌연 상태에서 조금씩 형태를 잡아 가는 단계를 여러 번(보통 수십 번, 빠른 모델은 몇 번) 거쳐요. 화면에 글이 주르륵 흘러나오거나 그림이 서서히 또렷해지는 모습은 이 과정이 실제로 진행 중이라는 뜻이에요.
한 조각을 고를 때는 그때까지 만들어 둔 부분을 전부 다시 봐요. 앞에서 빨간 꽃을 꽂았으면 그다음 선택이 달라져요. 한 번 잘못 꽂힌 송이가 뒤쪽 선택까지 끌고 가는 일이 생기는 것도 이 때문이에요.
어울림의 감각은 수많은 예시에서 왔어요
무엇 다음에 무엇이 어울리는지를 사람이 규칙으로 적어 준 것이 아니에요. 엄청난 양의 글과 그림을 훑으면서 함께 자주 나타난 짜임새를 익힌 결과예요. 어떤 말 뒤에 어떤 말이 이어지는지, 하늘을 그릴 때 위쪽이 어떤 색을 띠는지 같은 감각이 그렇게 쌓여요.
이 감각은 문장이나 그림을 통째로 외운 것과 달라요. 외웠다면 새 주문에는 손도 못 댔을 거예요. 조각들 사이의 어울림을 익혔기 때문에 처음 듣는 조합에도 결과를 내놓을 수 있어요.
동시에 한계도 여기서 나와요. 통에 없는 꽃은 다발에 들어갈 수 없듯이, 학습에서 거의 보지 못한 것은 어설프게 나와요. 손가락 개수나 긴 글자처럼 예시는 많아도 정확한 규칙이 필요한 대상은 따로 어긋나기 쉬워요. 요즘은 많이 나아졌지만 작은 글씨나 긴 문장에서는 아직 틀리는 일이 있어요.
같은 주문에도 매번 다른 결과가 나와요
한 조각을 고를 때 AI는 후보 하나만 두고 있지 않아요. 어울릴 만한 후보 여럿에 각각 얼마나 그럴듯한지 점수를 매기고, 그중에서 하나를 뽑아요. 이 뽑는 과정에 약간의 우연이 섞여 있어서 같은 주문에도 결과가 매번 달라져요.
우연의 폭은 조절할 수 있어요. 폭을 좁히면 무난하고 비슷한 결과가 나오고, 넓히면 뜻밖의 조합이 늘어나는 대신 어색해질 위험도 같이 커져요. 마음에 드는 결과가 나올 때까지 여러 번 돌려 보는 방식이 통하는 것도 이 우연 덕분이에요. 우연을 고정해 두면(같은 시작값·같은 설정) 같은 결과를 다시 만들 수도 있어요. 많은 서비스가 기본으로 우연을 켜 두기 때문에 매번 달라 보이는 거예요.
만드는 대상이 바뀌면 만드는 방법도 달라져요
지어 내는 대상은 글일 수도, 그림일 수도, 목소리나 영상일 수도 있어요. 대상이 달라지면 조각의 생김새가 달라져요. 글에서는 말의 조각, 그림에서는 화면 전체를 한 단계 다듬는 일, 소리에서는 짧은 시간 토막이 한 조각이 돼요.
익힌 짜임새를 따라 새로 만든다는 점은 같지만, 만드는 방법은 대상과 모델에 따라 달라요. 글은 조각을 하나씩 이어 붙이고, 그림은 흐릿한 화면 전체를 여러 번 다듬는 방식이 흔해요. 그래도 한 분야에서 잘 통한 기술이 다른 분야로 옮겨 가는 일이 많아요. 글에서 시작한 기술이 그림으로, 그림에서 시작한 기술이 소리와 영상으로 건너갔어요. 여러 종류를 한꺼번에 다루는 서비스가 빠르게 늘어난 배경이기도 해요.
조금 더 정확하게
생성형 AI는 학습 데이터에 담긴 짜임새를 확률의 모양으로 익힌 뒤, 그 확률을 따라 새 결과물을 뽑아내는 모델을 가리켜요. 판정만 하는 모델이 경계선을 긋는 데 집중한다면, 생성 모델은 데이터가 어떤 모습으로 퍼져 있는지 자체를 익혀요. 그래서 그 퍼짐 안에서 아직 아무도 만든 적 없는 지점을 하나 집어낼 수 있어요.
비유가 어긋나는 지점도 있어요. 꽃집 주인은 통에 있는 실제 꽃을 집어 오지만, 생성 모델 안에는 꺼내 쓸 문장이나 그림이 통째로 들어 있지 않아요. 학습에 쓴 자료는 저장되지 않고, 결과물은 매번 계산으로 만들어져요. 다만 학습에서 아주 여러 번 본 것은 그와 매우 비슷한 형태로 나올 수 있어서, 저작권 문제가 생기는 지점 중 하나가 여기예요. 남의 작품을 학습에 쓰는 일 자체를 두고도 논란이 있어요.
또 하나, 꽃집 주인은 자기가 묶은 다발이 예쁜지 스스로 알지만 생성 모델은 그렇지 않아요. 그럴듯함만 따질 뿐 사실인지 확인하는 장치는 따로 없어요.
직접 해보기
흔한 오해
어딘가에 저장된 글이나 그림을 찾아서 보여 준다고 생각하기 쉽지만, 실제로는 학습 자료를 통째로 담아 두지 않고, 익힌 짜임새로 매번 계산해 새로 만들어요.
새로 만들어 낸 것이니 사실도 새롭고 정확하다고 여기기 쉽지만, 실제로는 그럴듯함을 기준으로 만들어서 사실과 어긋난 내용이 자연스러운 문장에 섞여 나올 수 있어요.
사람처럼 창작한다고 생각하기 쉽지만, 실제로는 학습에서 익힌 짜임새 안에서 조합을 고르는 일이라 아무 예시도 없는 완전히 낯선 형식은 잘 만들지 못해요.
한 줄 요약
생성형 AI는 준비된 답을 골라 주는 대신, 익혀 둔 어울림을 따라 조금씩 쌓고 다듬어 매번 새 결과물을 지어 내는 AI예요.
잘못된 내용이나 더 좋은 비유가 있나요? 수정 제안 보내기 · 마지막 수정 2026-10-17