많은 사람들이 AI → ML → DL → GenAI → LLM → RAG → Agent처럼 하나의 진화 단계라고 이해하지만, 실제로는 서로 다른 차원의 개념입니다.
아래에서 각 항목을 실무 관점까지 포함하여 자세히 설명하겠습니다.
AI는 하나의 사다리가 아니다
AI 기술을 제대로 이해하는 가장 쉬운 지도
AI는 하나의 기술이 아닙니다.
AI 시스템은
모델(Model)
기능(Capability)
아키텍처(Architecture)
에이전트(Agent)
라는 서로 다른 계층으로 구성됩니다.
1. Core Hierarchy (핵심 계층)
이 부분만이 진짜 “상위-하위 관계”입니다.
AI
└── ML
└── DL
① AI (Artificial Intelligence)
가장 큰 개념입니다.
사람처럼 판단하고
추론하고
문제를 해결하도록 만드는 모든 기술입니다.
예)
* 전문가 시스템
* 로봇
* 자율주행
* 음성인식
* ChatGPT
AI 안에는
* Machine Learning
* Rule-based AI
* Robotics
* Planning
등이 모두 포함됩니다.
② ML (Machine Learning)
AI의 하위 분야입니다.
사람이 규칙을 전부 작성하는 것이 아니라
데이터로부터
패턴을 학습합니다.
예)
Netflix 추천
쿠팡 추천
신용카드 사기 탐지
주가 예측
③ DL (Deep Learning)
Machine Learning 중에서도
Deep Neural Network를 사용하는 분야입니다.
CNN
Transformer
LSTM
GPT
모두 DL입니다.
대표 사례
이미지 인식
음성 인식
번역
LLM
2. Model Capabilities
여기부터는 계층이 아닙니다.
모델의 종류와 기능입니다.
A. Generative AI
새로운 콘텐츠를 생성하는 AI입니다.
생성 가능한 것
텍스트
이미지
동영상
음악
코드
문서
예)
ChatGPT
Claude
Gemini
Midjourney
Sora
Runway
핵심
생성형 AI는
“모델”
이 아니라
“기능”
입니다.
B. Foundation Model
거대한 사전학습 모델입니다.
하나의 작업만 수행하는 것이 아니라
다양한 작업에 활용됩니다.
예)
GPT
Claude
Gemini
Llama
Qwen
Mistral
DeepSeek
Foundation Model은
여러 서비스의 기반 모델입니다.
Foundation Model
↓
Chatbot
↓
RAG
↓
Agent
↓
Coding Assistant
C. LLM
Large Language Model
언어 중심 Foundation Model입니다.
잘하는 것
텍스트 생성
번역
요약
QA
프로그래밍
문서 작성
대표
GPT
Claude
Gemini
Qwen
DeepSeek
Llama
중요한 점
LLM은
Foundation Model의 일부입니다.
모든 Foundation Model이
LLM은 아닙니다.
예)
SAM
CLIP
DINO
등은 Foundation Model이지만 LLM이 아닙니다.
D. Multimodal Model
텍스트만 이해하지 않습니다.
입력
텍스트
이미지
음성
동영상
출력도 가능합니다.
대표
GPT-4o
Claude
Gemini
Qwen VL
3. System Patterns
여기서부터는
모델이 아니라
AI 시스템을 구축하는 방식입니다.
① RAG
Retrieval-Augmented Generation
LLM이 답변하기 전에
외부 지식을 검색합니다.
질문
↓
Vector DB 검색
↓
관련 문서 검색
↓
LLM
↓
답변
대표
사내 챗봇
ISO 문서 검색
법률 검색
논문 검색
의료 검색
장점
최신 정보 가능
환각 감소
기업 데이터 활용
② Tool Use
LLM이
도구를 사용하는 구조입니다.
예)
Google Search
GitHub
Slack
Database
ERP
CRM
Calendar
Python
API
즉
AI가
“행동”할 수 있게 됩니다.
③ Agentic Workflow
정해진 Workflow를
자동으로 실행합니다.
예)
문서 읽기
↓
요약
↓
번역
↓
검토
↓
PDF 생성
↓
메일 전송
Claude Code가 대표 사례입니다.
④ AI Agent
Agent는
LLM보다 훨씬 큰 개념입니다.
필요한 요소
목표
계획
메모리
상태
도구
반복 실행
피드백
Agent는
생각하고
행동하고
다시 판단합니다.
⑤ Multi-Agent
여러 Agent가 협력합니다.
예)
Manager Agent
↓
Developer Agent
↓
Security Agent
↓
Tester Agent
↓
Reviewer Agent
↓
Publisher Agent
Claude Code
CrewAI
AutoGen
LangGraph
등이 대표 사례입니다.
4. Agent Loop
Agent의 핵심입니다.
Goal
↓
Observe
↓
Reason
↓
Plan
↓
Act
↓
Tool Result
↓
Update Memory
↓
Repeat
이 반복 루프가
Agent를 Agent답게 만듭니다.
LLM은 한 번 응답하면 끝나지만,
Agent는 목표를 달성할 때까지 반복적으로 계획하고 실행합니다.
5. 왜 이 구분이 중요한가?
많은 사람이 다음과 같이 오해합니다.
“LLM 다음 단계가 RAG다.”
→ RAG는 모델이 아니라 시스템 아키텍처입니다.
“Agent는 LLM의 최신 버전이다.”
→ Agent는 LLM을 포함할 수 있는 시스템입니다.
“GenAI가 가장 발전된 AI다.”
→ GenAI는 콘텐츠 생성 능력을 의미하는 기능입니다.
AI 시스템의 올바른 구성
실제 AI 서비스는 다음 요소들이 결합되어 구성됩니다.
AI System
= Foundation Model
+ Prompt
+ Context
+ RAG
+ Tool Use
+ Memory
+ State Management
+ Planning
+ Control Loop
+ Guardrails
+ Human Feedback
이러한 요소가 함께 동작해야 기업 수준의 AI 시스템이 됩니다.
ISO/IEC 42001 관점에서의 AI 시스템
AI 경영시스템 구축 시에도 이 계층적 사고가 매우 중요합니다.
계층 ISO/IEC 42001 관점 예시
AI AI 경영시스템의 범위 및 거버넌스 AI 전략, 정책
ML/DL 모델 개발 및 학습 관리 데이터 품질, 모델 검증
Foundation Model / LLM AI 자산 및 공급망 관리 GPT, Claude, Gemini 선정
RAG 지식 관리 및 정보 품질 내부 문서 검색, 최신 정보 반영
Tool Use 외부 시스템 연계 통제 ERP, CRM, 이메일 API
AI Agent 자율 의사결정 통제 권한 관리, 승인 절차
Multi-Agent 역할 분리 및 협업 구조 개발, 심사, 보안 에이전트
Guardrails 위험관리 및 통제 환각 방지, 개인정보 보호, 감사 로그
특히 ISO/IEC 42001에서는 모델 자체뿐 아니라 시스템 전체의 위험관리, 책임성, 투명성, 인간 감독(Human Oversight)을 요구하므로, 이 인포그래픽의 계층 구분은 AI 거버넌스 설계에도 매우 유용합니다.
핵심 요약
* AI → ML → DL만이 진정한 포함 관계(계층 구조)입니다.
* GenAI는 콘텐츠를 생성하는 기능(Capability)입니다.
* Foundation Model과 LLM은 모델(Model)의 종류입니다.
* RAG, Tool Use, Agentic Workflow는 시스템 아키텍처 및 구현 패턴입니다.
* AI Agent는 목표, 메모리, 도구, 상태, 제어 루프를 갖춘 자율 실행 시스템입니다.
* Multi-Agent는 여러 전문 에이전트가 협업하는 분산 AI 시스템입니다.
* 실무에서는 “좋은 모델”보다 “좋은 시스템 설계”가 AI 성능과 신뢰성을 좌우합니다.
— 이춘곤(Mark) · ISC.studio · ISC출판 도서 안내
이 글은 저자의 Facebook에 처음 게시한 글입니다. Facebook 원문 보기
💬 댓글 (0)