#15. AI는 어떤 일을 할 수 있을까? AI의 기능적 분류

AI의 기능적 분류

앞에서는 AI를 텍스트 AI, 이미지 AI, 음성 AI, 영상 AI처럼 다루는 데이터의 형태에 따라 살펴봤습니다.

이번에는 기준이 다릅니다.

같은 이미지 데이터를 사용하더라도 사진 속 물체를 찾아낼 수도 있고, 앞으로의 움직임을 예상할 수도 있으며, 새로운 이미지를 만들 수도 있습니다. 사용하는 데이터는 같지만 AI가 수행하는 기능은 서로 다릅니다.

따라서 AI를 이해할 때는 두 가지 기준을 구분해야 합니다.

1. AI가 어떤 데이터를 사용하는가?
2. 그 데이터를 이용해 어떤 일을 하는가?

AI의 기능을 나누는 방식이 하나로 정해져 있는 것은 아닙니다. 이 글에서는 AI가 정보를 받아 결과를 만들고 행동으로 연결하는 과정을 기준으로 다음과 같이 구분합니다.

인식·분류 → 예측 → 추천·선택 → 생성·변환 → 계획·최적화 → 실행·제어

이 여섯 가지는 서로 완전히 분리된 기술이 아니라, AI가 맡는 역할을 이해하기 위해 기능별로 나눈 것입니다. 실제 AI 서비스에서는 여러 기능이 순서대로 연결되거나 동시에 사용됩니다.

AI의 기능은 어떻게 이어질까?

AI가 주변 상황을 분석하고 실제 행동까지 수행하는 과정은 다음과 같이 볼 수 있습니다.

1. 인식·분류: 현재 무엇이 있는지 파악한다.
2. 예측: 앞으로 어떤 결과가 나타날지 계산한다.
3. 추천·선택: 여러 후보 가운데 적합한 것을 고른다.
4. 생성·변환: 새로운 결과물을 만들거나 형태를 바꾼다.
5. 계획·최적화: 목표를 이루기 위한 순서와 방법을 정한다.
6. 실행·제어: 정한 내용을 실제 시스템이나 기계에서 수행한다.

모든 AI가 이 과정을 전부 거치는 것은 아닙니다.

스팸 메일 분류 AI는 인식·분류 단계에서 끝날 수 있고, 이미지 생성 AI는 생성·변환 기능이 중심입니다. 자율주행차나 로봇처럼 주변을 살피고 직접 움직이는 AI는 여러 기능을 연속적으로 사용합니다.

1. 인식하고 분류하는 AI

인식·분류 AI는 입력된 데이터에서 필요한 특징을 찾아내고, 그것이 무엇인지 구분합니다.

사진 속에 사람이 있는지 찾거나, 이메일이 스팸인지 판별하거나, 음성에서 어떤 단어가 말해졌는지 알아내는 기능이 여기에 해당합니다.

대표적인 활용 사례는 다음과 같습니다.

1. 사진 속 사람이나 사물 찾기
2. 얼굴이나 지문 확인하기
3. 음성을 문자로 바꾸기
4. 불량 제품과 정상 제품 구분하기
5. 스팸 메일과 정상 메일 분류하기
6. 의료 영상에서 이상 징후 찾기

인식과 분류는 비슷해 보이지만 역할에 차이가 있습니다.

인식은 데이터 안에서 필요한 대상을 찾아내는 기능에 가깝고, 분류는 찾아낸 대상을 정해진 종류 가운데 하나로 구분하는 기능에 가깝습니다.

예를 들어 공장 카메라가 제품 표면의 흠집을 찾아내는 것은 인식이고, 그 제품을 정상·불량으로 나누는 것은 분류입니다.

AI가 대상을 사람처럼 이해한다고 보기는 어렵습니다. 학습 데이터에서 발견한 특징을 바탕으로 어떤 대상이나 종류에 가까운지를 계산합니다.

2. 앞으로의 결과를 예측하는 AI

예측 AI는 과거와 현재의 데이터를 바탕으로 앞으로 나타날 가능성이 높은 결과를 계산합니다.

날씨, 매출, 수요, 고장 가능성처럼 아직 발생하지 않은 일을 미리 예상하는 데 사용됩니다.

대표적인 활용 사례는 다음과 같습니다.

1. 다음 달 상품 판매량 예측하기
2. 기계가 고장 날 가능성 계산하기
3. 고객이 서비스를 해지할 가능성 예측하기
4. 대출금을 갚지 못할 위험 분석하기
5. 교통량과 도착 시간 예상하기
6. 질병이 발생할 가능성 계산하기

예측 AI가 미래를 정확히 알고 있는 것은 아닙니다.

기존 데이터에서 반복적으로 나타난 관계를 찾아 비슷한 상황에서 어떤 결과가 발생할 가능성이 높은지를 계산합니다.

따라서 과거와 다른 상황이 발생하거나 학습 데이터에 중요한 정보가 빠져 있다면 예측 결과가 크게 달라질 수 있습니다.

인식·분류가 현재 입력된 것이 무엇인지 구분하는 기능이라면, 예측은 그 이후에 어떤 결과가 나타날지 계산하는 기능입니다.

3. 적합한 것을 추천하고 선택하는 AI

추천·선택 AI는 여러 후보 가운데 사용자나 상황에 더 적합하다고 판단되는 항목을 골라 제시합니다.

온라인 쇼핑몰의 상품 추천, 동영상 플랫폼의 콘텐츠 추천, 음악 앱의 재생 목록 등이 대표적인 사례입니다.

대표적인 활용 사례는 다음과 같습니다.

1. 사용자가 좋아할 만한 영상 추천하기
2. 구매 가능성이 높은 상품 보여주기
3. 취향에 맞는 음악이나 영화 제안하기
4. 관심을 가질 만한 뉴스 배열하기
5. 구직자에게 적합한 채용 공고 추천하기
6. 질문과 관련성이 높은 검색 결과 보여주기

추천에는 예측 기능이 함께 사용되는 경우가 많습니다.

AI는 사용자의 과거 행동이나 비슷한 이용자들의 선택을 분석하여 각 항목을 클릭하거나 구매할 가능성을 계산합니다. 그다음 서비스가 정한 기준에 따라 순서를 정하거나 하나를 선택합니다.

예측과 추천의 차이는 목적에 있습니다.

예측은 각 결과가 나타날 가능성을 계산하는 기능입니다. 추천·선택은 그 계산 결과를 이용해 여러 후보의 순위를 정하거나 적합한 항목을 고르는 기능입니다.

예를 들어 AI가 사용자가 영화를 볼 가능성을 계산하는 것은 예측이고, 그 결과를 바탕으로 첫 화면에 보여줄 영화 순서를 정하는 것은 추천입니다.

추천 결과가 반드시 사용자에게 가장 좋은 선택이라는 뜻은 아닙니다.

서비스의 목표에 따라 사용자가 오래 머물 가능성이 높은 콘텐츠, 광고 수익이 높은 콘텐츠 또는 구매 가능성이 높은 상품이 우선될 수도 있습니다.

4. 새로운 결과를 생성하고 변환하는 AI

생성·변환 AI는 입력된 내용을 바탕으로 새로운 결과물을 만들거나 기존 내용을 다른 형태로 바꿉니다.

생성형 AI가 널리 사용되면서 가장 익숙해진 기능 가운데 하나입니다.

대표적인 활용 사례는 다음과 같습니다.

1. 질문에 대한 답변 작성하기
2. 글이나 보고서 초안 만들기
3. 긴 문서를 짧게 요약하기
4. 문장을 다른 언어로 번역하기
5. 설명에 맞는 이미지 만들기
6. 음성이나 음악 생성하기
7. 프로그램 코드 작성하기
8. 기존 사진이나 영상을 수정하기

생성과 변환은 함께 사용되지만 차이가 있습니다.

생성은 입력을 바탕으로 새로운 결과물을 만드는 기능입니다. 변환은 기존 내용을 유지하면서 언어, 형식, 길이, 표현 방식 등을 바꾸는 기능입니다.

예를 들어 주제만 입력해 새로운 글을 만드는 것은 생성이고, 작성된 한국어 글을 영어로 번역하는 것은 변환입니다. 긴 회의록을 짧은 요약문으로 바꾸는 것도 변환에 가깝습니다.

생성 AI는 학습을 통해 익힌 데이터의 특징과 관계를 바탕으로 입력에 어울리는 결과를 구성합니다.

결과가 자연스럽게 표현되더라도 내용이 항상 정확한 것은 아닙니다. 사실과 다른 설명을 만들거나 존재하지 않는 정보를 실제처럼 표현할 수 있으므로 중요한 내용은 별도로 확인해야 합니다.

5. 목표를 달성할 방법을 계획하고 최적화하는 AI

계획·최적화 AI는 주어진 목표와 조건을 확인한 뒤, 목표를 달성하기 위한 순서와 방법을 정합니다.

여러 선택지를 비교하여 시간, 비용, 거리, 안전성, 효율 등을 고려하고 더 적합한 방법을 찾는 기능입니다.

대표적인 활용 사례는 다음과 같습니다.

1. 가장 빠른 이동 경로 찾기
2. 물류 차량의 배송 순서 정하기
3. 공장의 생산 일정 조정하기
4. 직원이나 장비의 작업 일정 배치하기
5. 전력 사용량을 효율적으로 조절하기
6. 게임에서 목표를 달성할 행동 순서 정하기
7. 여러 단계로 이루어진 업무 과정 구성하기

예측이 “어떤 결과가 나타날 가능성이 높은가”를 계산한다면, 계획은 “목표를 이루려면 어떤 순서로 무엇을 해야 하는가”를 정합니다.

최적화는 가능한 방법이 여러 개일 때 정해진 기준에 더 잘 맞는 방법을 찾는 기능입니다.

예를 들어 배송 차량이 각 지역에 도착하는 시간을 예상하는 것은 예측입니다. 배송해야 할 장소의 순서를 정하는 것은 계획이고, 이동 거리와 시간을 가장 적게 만드는 경로를 찾는 것은 최적화입니다.

에이전틱 AI와 계획 기능

최근에는 사용자가 목표를 제시하면 AI가 필요한 작업을 나누고, 순서를 정하고, 도구를 선택해 작업을 이어가는 방식이 주목받고 있습니다.

이를 흔히 에이전틱 AI 또는 AI 에이전트라고 부릅니다.

일반적인 생성형 AI가 질문에 대한 답변이나 결과물을 만드는 데 집중한다면, 에이전틱 AI는 목표를 달성하기 위한 작업 과정을 구성합니다.

예를 들어 사용자가 “다음 주 회의 준비 자료를 만들어줘”라고 요청했을 때 다음과 같이 작업할 수 있습니다.

1. 필요한 자료의 종류를 정한다.
2. 관련 정보를 찾는다.
3. 핵심 내용을 정리한다.
4. 문서나 발표 자료를 만든다.
5. 결과를 확인하고 부족한 부분을 수정한다.

이 과정에는 생성 기능만 사용되는 것이 아닙니다.

목표를 작은 작업으로 나누는 계획 기능, 적합한 자료와 도구를 고르는 선택 기능, 문서를 만드는 생성 기능이 함께 사용됩니다. 외부 서비스에 직접 내용을 입력하거나 파일을 저장한다면 실행 기능까지 연결됩니다.

따라서 에이전틱 AI는 완전히 새로운 하나의 기능이라기보다, 계획을 중심으로 여러 기능을 연결해 목표 달성 과정 전체를 수행하는 방식으로 이해할 수 있습니다.

6. 실행·제어 AI는 판단을 실제 행동으로 옮긴다

실행·제어 AI는 분석하거나 계획한 결과를 실제 시스템이나 기계의 동작으로 연결합니다.

AI가 결과를 화면에 보여주는 데서 끝나지 않고, 디지털 환경이나 현실 환경에 직접 변화를 만드는 단계입니다.

대표적인 활용 사례는 다음과 같습니다.

1. 자율주행차의 방향과 속도 조절하기
2. 로봇 팔을 움직여 물건 집기
3. 드론의 고도와 비행 방향 제어하기
4. 건물의 온도와 조명 자동 조절하기
5. 이상 거래를 발견해 결제를 차단하기
6. 조건에 맞는 이메일을 분류하거나 전송하기
7. 업무 시스템에 데이터를 입력하고 문서 저장하기

계획과 실행·제어의 차이는 실제 환경에 변화를 일으키는가에 있습니다.

계획 AI는 무엇을 어떤 순서로 할지 정합니다. 실행·제어 AI는 그 계획에 따라 시스템의 상태를 바꾸거나 기계를 움직입니다.

예를 들어 로봇이 물건을 옮길 때 이동 경로와 동작 순서를 정하는 것은 계획입니다. 모터를 움직여 로봇 팔을 회전시키고 물건을 집는 것은 실행·제어입니다.

소프트웨어에서도 같은 구분이 적용됩니다.

AI가 이메일 답변 초안을 작성하는 것은 생성입니다. 어떤 이메일에 먼저 답할지 정하는 것은 계획·선택입니다. 사용자의 승인이나 허용된 권한에 따라 이메일을 실제로 발송하는 것은 실행입니다.

실행·제어 기능은 다른 기능보다 오류가 미치는 영향이 클 수 있습니다.

AI가 잘못된 문장을 만드는 것과 자동차, 의료 장비, 산업용 로봇을 잘못 움직이는 것은 위험의 크기가 다릅니다. 따라서 실행·제어 AI에는 정확성뿐만 아니라 권한 관리, 작동 범위 제한, 중단 장치, 사람의 확인 과정이 함께 필요합니다.

기능의 경계가 겹쳐 보이는 이유

여섯 가지 기능은 서로 완전히 독립된 기술이 아닙니다.

AI가 하나의 결과를 만들기 위해 여러 기능을 연속적으로 사용하기 때문에 경계가 겹쳐 보일 수 있습니다.

예를 들어 상품 추천 서비스는 사용자의 행동을 인식하고, 각 상품을 구매할 가능성을 예측한 뒤, 상품의 순위를 정해 추천합니다.

1. 사용자의 검색과 구매 기록을 파악한다.
2. 각 상품을 선택할 가능성을 예측한다.
3. 서비스의 기준에 따라 상품 순위를 정한다.
4. 상위 상품을 화면에 보여준다.

자율주행차는 더 많은 기능을 함께 사용합니다.

1. 인식·분류: 도로, 신호등, 차량, 보행자를 찾는다.
2. 예측: 주변 차량과 보행자의 움직임을 예상한다.
3. 계획·최적화: 안전하게 이동할 경로를 정한다.
4. 실행·제어: 가속, 제동, 방향 조절을 수행한다.

AI 에이전트도 여러 기능을 연결합니다.

1. 사용자의 요청과 현재 상태를 파악한다.
2. 필요한 작업과 결과를 예상한다.
3. 사용할 정보와 도구를 선택한다.
4. 문서나 답변을 생성한다.
5. 작업 순서와 방법을 계획한다.
6. 허용된 범위에서 프로그램이나 서비스를 실행한다.

따라서 AI를 하나의 기능으로만 설명하면 실제 작동 방식을 충분히 보여주기 어렵습니다.

“이 AI는 생성 AI다”라는 설명은 생성 기능이 가장 눈에 잘 보인다는 뜻일 수 있습니다. 내부에서는 인식, 선택, 예측, 계획 기능이 함께 사용될 수 있습니다.

데이터 형태와 기능은 서로 다른 분류 기준이다

AI의 종류를 구분할 때 가장 혼동하기 쉬운 부분은 데이터 형태와 기능을 섞어서 생각하는 것입니다.

이미지 AI는 이미지 데이터를 다루는 AI이고, 예측 AI는 앞으로의 결과를 계산하는 AI입니다. 두 표현은 서로 다른 기준에서 만들어졌습니다.

같은 AI를 데이터 형태와 기능이라는 두 가지 기준으로 함께 설명할 수도 있습니다.

텍스트, 이미지, 음성, 영상, 센서는 AI에 들어오는 데이터의 형태를 설명합니다.

인식, 예측, 추천, 생성, 계획, 실행은 AI가 그 데이터를 이용해 수행하는 역할을 설명합니다.

AI 서비스를 볼 때 확인해야 할 것

AI라는 이름만으로는 해당 서비스가 실제로 어떤 역할을 하는지 알기 어렵습니다.

AI 서비스를 살펴볼 때는 다음 질문을 확인해야 합니다.

1. 어떤 데이터를 입력받는가?
2. 입력된 데이터에서 무엇을 찾아내는가?
3. 현재 상태를 구분하는가, 미래 결과를 예측하는가?
4. 여러 후보의 순위를 정하거나 하나를 선택하는가?
5. 새로운 결과물을 만들거나 기존 내용을 변환하는가?
6. 목표를 달성하기 위한 작업 순서를 정하는가?
7. 결과를 보여주는 데서 끝나는가?
8. 실제 시스템이나 기계를 직접 움직이는가?

이 질문을 적용하면 AI가 담당하는 역할뿐만 아니라 오류가 발생했을 때 어떤 문제가 생길지도 더 구체적으로 파악할 수 있습니다.

문장을 생성하는 AI와 자동차의 움직임을 제어하는 AI에는 필요한 안전 기준이 같을 수 없습니다. 추천 결과를 보여주는 AI와 결제를 자동으로 차단하는 AI도 책임과 영향의 범위가 다릅니다.

AI를 이해하려면 기술의 이름보다 어떤 데이터를 받아 어떤 기능을 수행하고, 그 결과가 어디까지 연결되는지를 살펴봐야 합니다.

DANA NOTES 한줄정리

AI의 기능은 인식·분류, 예측, 추천·선택, 생성·변환, 계획·최적화, 실행·제어로 나눌 수 있으며, 실제 AI 서비스는 이 기능들을 서로 연결해 작동합니다.