용어사전 on SEOUL AI PRESS

토큰

Wed, 15 Jul 2026 21:55:00 +0900

토큰은 AI가 텍스트를 처리하는 기본 단위입니다. 사람은 문장을 단어와 뜻으로 읽지만, 모델은 문장을 더 작은 조각으로 나눠 계산합니다. 그 조각이 토큰입니다.

토큰 수는 비용과 성능에 영향을 줍니다. 입력 문서가 길수록 더 많은 토큰을 쓰고, 답변이 길수록 출력 토큰도 늘어납니다. 모델마다 한 번에 처리할 수 있는 최대 토큰 수가 다릅니다.

뉴스 자동화에서는 토큰 관리가 중요합니다. 원문을 너무 길게 넣으면 비용이 늘고, 너무 적게 넣으면 핵심 맥락이 빠질 수 있습니다. 그래서 먼저 사실을 추출하고, 필요한 근거만 정리해 글쓰기 단계로 넘기는 방식이 안정적입니다.

Wed, 15 Jul 2026 21:50:00 +0900

RAG는 Retrieval-Augmented Generation의 약자입니다.

AI가 답을 만들기 전에 먼저 관련 문서를 찾는 방식입니다. 예를 들어 회사 내부 규정, 제품 설명서, 뉴스 원문 같은 자료를 찾아 모델에게 함께 보여준 뒤 답변하게 만듭니다.

장점은 최신 정보나 내부 문서처럼 모델이 원래 알기 어려운 내용을 다룰 수 있다는 점입니다. 단점은 검색이 틀리면 답도 틀릴 수 있다는 점입니다. 그래서 RAG에는 문서 품질 관리와 출처 표시가 중요합니다.

Wed, 15 Jul 2026 21:45:00 +0900

LLM은 Large Language Model의 약자입니다. 한국어로는 대형 언어모델이라고 부릅니다.

쉽게 말하면 문장 사이의 패턴을 학습한 AI입니다. 질문을 받으면 단어와 문맥의 관계를 계산해 가장 그럴듯한 답을 만듭니다. 챗봇, 문서 요약, 번역, 코딩 보조, 고객 상담 자동화에 널리 쓰입니다.

주의할 점도 있습니다. LLM은 자신이 모르는 내용도 그럴듯하게 말할 수 있습니다. 그래서 뉴스, 법률, 의료, 금융처럼 사실 확인이 중요한 분야에서는 원문 출처와 검증 절차가 필요합니다.