[AI] 일상 속 AI와 생성형 AI의 차이: 스팸 필터·지도·번역기로 이해하기

스팸 필터·지도 앱·번역기로 일상 속 AI와 생성형 AI의 차이를 알아봅니다. 

 

---

 

ChatGPT 생성형 이미지

 

---

 

“나는 AI를 잘 몰라요”라고 생각해도, 오늘 이미 AI가 활용된 서비스를 여러 번 썼을 수 있어요.

메일함에서 스팸을 걸러주고, 지도 앱에서 교통 상황을 예측하고, 번역기에서 외국어 문장을 바꿔주는 기능이 대표적이에요.

 

그런데 이런 기능을 쓸 때는 AI라는 느낌이 잘 들지 않다가, ChatGPT 같은 서비스에 질문할 때는 “지금 AI를 쓰고 있구나” 하고 느끼게 되죠.

 

이번 글에서는 익숙한 세 가지 사례로 AI가 어떤 일을 하는지 살펴보고, 생성형 AI와 어떻게 연결되는지 알아볼게요. 처음 읽는 분도 이해할 수 있도록 어려운 용어는 필요한 만큼만 설명하겠습니다.

 

이 글에서 배울 내용은 스팸 필터·지도 앱·번역기에서 AI가 맡는 일, 경로를 계산하는 알고리즘과 교통을 예측하는 AI의 차이

번역과 생성형 AI를 칼같이 나누기 어려운 이유, 내 기기에서 분류·예측·번역 결과를 관찰하는 방법입니다.

 

스팸 필터 — 분류하는 AI

 

메일함을 열면 스팸으로 판단된 메일이 따로 모여 있죠. AI를 활용하는 스팸 필터는 메일 데이터에서 학습한 패턴을 바탕으로 새 메일이 스팸에 가까운지 판단해요.

 

실제 서비스에서는 이런 모델과 함께 발신자 정보나 별도로 정한 규칙 등도 활용할 수 있어요.

여기서 핵심은 분류라는 일이에요. 이 기능에서 우리가 받는 결과는 새로 쓴 글이 아니라 “스팸인지 아닌지”에 대한 판단이죠. 우체국 직원이 편지를 보고 알맞은 우편함으로 나누는 모습에 비유할 수 있어요.

 

물론 분류가 항상 맞는 것은 아니에요. 정상 메일이 스팸함으로 들어가기도 하므로, 사용자가 잘못된 분류를 바로잡는 기능도 제공돼요.

 

지도 앱 — 경로 계산과 교통 예측이 함께 작동해요

 

지도 앱에서 목적지를 검색하면 빠른 길이나 유료 도로를 피하는 길처럼 여러 경로를 보여줘요.

이때 경로를 계산하는 일과 교통 상황을 예측하는 일을 나눠서 보면 이해하기 쉬워요.

 

도로의 연결 관계와 구간별 이동 시간을 바탕으로 경로를 찾는 것은 알고리즘이 할 수 있는 일이에요.

복잡한 계산을 하거나 실시간 정보를 반영한다고 해서 그 기능이 모두 AI인 것은 아니에요.

 

AI는 앞으로 도로가 얼마나 막힐지 예측하는 데 활용될 수 있어요.

Google Maps는 과거 교통 패턴과 현재 교통 정보를 결합해 미래 교통 상황을 예측하는 데 머신러닝을 활용한다고 설명해요.

 

이런 예측은 예상 도착 시간과 경로 안내에 도움을 줘요. Google Maps 공식 설명

따라서 “지도 앱은 AI예요”보다는 “지도 앱의 교통 예측 등에 AI가 쓰여요”라고 말하는 편이 정확해요.

 

번역기 — 번역도 문장을 생성하는 작업이에요

 

번역기는 AI를 “기존 것을 바꾸는 기술”과 “새것을 만드는 기술”로 딱 나누기 어렵다는 점을 보여줘요. 신경망 번역기도 원문을 바탕으로 번역 문장을 생성하기 때문이에요.

 

번역 기술에는 사람이 정한 규칙을 활용하는 방식, 번역 사례의 통계적 패턴을 활용하는 방식, 신경망을 활용하는 방식 등이 있어요. 신경망 번역은 최근에야 등장한 기술은 아니에요. Google은 통계 기반 번역을 거쳐 2016년에 신경망 번역 도입을 발표했어요. Google 번역 발표

 

Google이 당시 공개한 신경망 번역 모델은 입력 문장을 처리한 뒤, 그 정보를 참고하며 출력 문장을 순차적으로 생성해요.

그래서 신경망 번역기를 생성형 AI로 가는 “중간 단계”라고 설명하기보다는, 원문의 의미를 다른 언어로 표현하는 문장 생성 사례로 이해하면 좋아요. Google Research 설명

 

번역 전용 모델과 대화형 LLM을 비교할 때는 문장을 만드는지 여부보다, 번역에 특화돼 있는지, 다양한 지시와 작업을 처리하는지를 살펴보세요.

 

생성형 AI란 무엇인가 — 콘텐츠를 생성하는 AI

 

생성형 AI는 학습한 패턴과 입력 내용을 바탕으로 글·이미지·음성·영상 같은 콘텐츠를 생성하는 AI예요. ChatGPT·Claude·Gemini 같은 대화형 서비스에서는 질문에 답하거나 글을 작성하는 형태로 익숙하게 접할 수 있죠.

Google Cloud 용어 설명

 

다만 “생성한다”는 말이 세상에 없던 독창적인 결과를 반드시 만든다는 뜻은 아니에요.

익숙한 표현이 나오거나 같은 답이 반복될 수 있고, 내용이 틀릴 수도 있어요. 생성 여부와 독창성·정확성은 별개의 문제예요.

 

또한 분류·번역·생성은 서로 완전히 분리된 작업이 아니에요.

대화형 AI에도 메일을 분류하거나 문장을 번역해 달라고 요청할 수 있어요.

“전통적인 AI”라는 표현은 기존의 분류·예측 중심 활용을 설명할 때 편리하지만, 모든 AI를 두 칸으로 나누는 엄밀한 기준으로 쓰기는 어려워요.

 

이 시리즈에서는 생성형 AI 중에서도 언어를 다루는 대규모 언어 모델(LLM)을 중심으로 살펴볼 거예요. LLM은 생성형 AI 전체와 같은 뜻은 아니에요.

 

대화형 AI는 왜 더 “AI 같다”고 느껴질까요?

 

차이는 우리가 AI를 만나는 방식에서도 찾을 수 있어요.

스팸 필터나 교통 예측은 앱 안에서 작동하고, 우리는 그 결과만 보게 되는 경우가 많아요.

 

반면 대화형 AI에서는 직접 질문하고, 답이 만들어지는 과정을 보고, 추가 질문으로 결과를 바꿔볼 수 있어요.

이런 사용 방식의 차이가 “AI와 상호작용하고 있다”는 느낌에 영향을 줄 수 있어요.

 

분류·예측·번역 결과 관찰하기

 

이메일 계정, 지도 앱, 번역 앱이나 웹사이트를 준비해 보세요. 이번 실습의 목적은 서비스가 내놓는 결과를 관찰하는 것이에요.

화면에 나타난 결과만으로 내부 모델의 종류나 학습 과정을 확인할 수 있는 것은 아니에요.

 

스팸함에서 분류 결과 살펴보기

메일 서비스의 스팸함에서 제목과 발신자를 살펴보세요.서비스에서 스팸 분류 사유를 제공한다면 함께 확인해 보세요.

내가 받으려던 정상 메일이 잘못 들어가 있는지도 살펴볼 수 있어요.

 

내가 신청한 뉴스레터처럼 정상 메일임을 확실히 아는 경우에만 ‘스팸 아님’으로 변경하세요.

실습을 위해 임의의 스팸 메일을 받은 편지함으로 옮길 필요는 없어요.

모르는 메일의 링크나 첨부파일도 열지 마세요. 버튼 이름과 위치는 기기나 서비스에 따라 다를 수 있어요. Gmail 고객센터 안내

 

이 조작 한 번으로 모델이 즉시 학습하는 모습을 확인할 수 있다고 생각하지는 마세요.

여기서는 잘못된 분류를 사용자가 바로잡을 수 있다는 점을 살펴보면 충분해요.

 

지도에서 경로와 예상 소요 시간 비교하기

지도 앱에서 출발지와 목적지를 정하고, 제공되는 경로별 거리와 예상 소요 시간을 비교해 보세요.

가장 짧은 길과 가장 빨리 도착할 것으로 예상되는 길이 같은지도 살펴보세요.

 

출발 시각 설정을 지원한다면 같은 구간을 다른 시간대로 설정해 예상 소요 시간을 비교해 보세요.

이 기능을 지원하지 않는 앱에서는 현재 제공되는 경로끼리 비교해도 괜찮아요.

 

미래 시각의 결과는 실제로 측정한 미래 교통 상황이 아니라 예측값이에요.

결과가 달라졌다는 사실만으로 실시간 정보가 반영됐거나 AI가 작동했다는 것을 입증할 수는 없어요.

 

번역에서 자연스러움과 의미를 따로 확인하기

짧은 문장을 하나 번역해 보세요. 예를 들어 “회의는 금요일 오후 3시에 시작하며, 토요일에는 열리지 않습니다”처럼 날짜·숫자·부정 표현이 들어 있는 문장이 좋아요.

 

읽기 자연스러운지뿐 아니라 금요일과 토요일, 오후 3시, ‘열리지 않는다’는 뜻이 유지되는지도 살펴보세요.

자연스러워 보여도 의미가 달라졌다면 좋은 번역이라고 하기 어렵겠죠.

 

잘 모르겠는 부분은 메모해 두세요. 번역 결과가 자연스럽다는 이유만으로 LLM을 사용한 서비스라고 판단할 수는 없어요.

 

---

• 전통적인 AI와 생성형 AI, 둘 다 AI라고 부르는 게 맞나요?
  • 네. AI에는 분류·예측·언어 처리·콘텐츠 생성 등 다양한 기술과 활용이 포함돼요.
  • 다만 사람이 하던 일을 자동화했다는 이유만으로 모든 프로그램을 AI라고 부르지는 않아요.
  • 이 글의 구분은 각 기능이 맡는 일을 이해하기 위한 설명이며, 기능과 기술은 서로 겹칠 수 있어요.
• 지도 앱 경로 추천은 그냥 계산 아닌가요?
  • 경로를 찾는 계산 자체는 머신러닝 없이도 할 수 있어요.
  • 지도 서비스에서는 여기에 교통 상황을 예측하는 AI 등을 결합할 수 있죠.
  • 계산량이 많거나 정보가 실시간으로 바뀐다는 사실만으로 AI인지 판단하기보다는, 어떤 부분에 학습된 모델을 사용하는지 살펴보면 돼요.
• 앞으로 이 시리즈에서 AI라고 하면 항상 생성형 AI를 말하나요?
  • 앞으로는 생성형 AI, 특히 LLM을 활용하는 내용을 주로 다룰 예정이에요.
  • 다만 AI 전체와 생성형 AI, LLM이 같은 말은 아니므로, 구분이 필요한 대목에서는 해당 용어를 명확하게 쓰겠습니다.

---

 

오늘 살펴본 사례는 AI가 맡는 일이 하나가 아니라는 점을 보여줘요.

스팸 필터는 메일을 분류하는 데 AI를 활용할 수 있어요.

지도 앱에서는 경로 계산과 교통 예측을 구분해야 하며, 예측 등에 AI가 쓰여요.

신경망 번역기도 번역 문장을 생성하므로, 번역과 생성을 서로 반대되는 일로 나누기는 어려워요.

생성형 AI는 다양한 콘텐츠를 만들지만, 결과의 독창성이나 정확성을 보장하지는 않아요.

평소 쓰는 앱을 볼 때 “이건 AI일까?”에서 한 걸음 더 나아가 “어떤 기능에 AI가 쓰일까?”를 생각해 보세요. 서비스 전체의 이름보다 실제로 맡는 일을 살펴보면 차이가 더 잘 보일 거예요.