AI 지형도: 무엇부터 읽어야 할까

AI에 관한 정보는 넘치지만 대부분 단편적입니다. 새 모델 소식, 프롬프트 요령, 도구 추천이 따로 돌아다니고, 그것들을 꿰는 구조는 잘 설명되지 않습니다.

이 지형도는 1CC의 글을 앞 단계가 다음 단계의 바탕이 되도록 배치한 것입니다. 처음이라면 1단계부터 차례로, 이미 익숙한 주제는 건너뛰면서 필요한 부분만 골라 읽어도 좋습니다.

아직 공개되지 않은 글은 목록에 나타나지 않습니다. 새 글은 계속 추가됩니다.

1단계 — 모델이 무엇을 하는지 이해하기

가장 먼저 짚어야 할 것은 "언어 모델이 실제로 하는 일"입니다. 이 하나를 정확히 이해하면 이후의 거의 모든 현상이 설명됩니다. 왜 같은 질문에 다른 답이 나오는지, 왜 대화가 길어지면 비싸지는지, 왜 없는 사실을 지어내는지가 모두 여기서 나옵니다.

• LLM은 어떻게 문장을 만드는가: 다음 토큰 예측의 원리 — 여기서 시작하세요
• 토큰과 토크나이저: AI가 글자를 세는 방법 — 비용과 입력 한도를 이해하는 데 필요한 단위
• temperature와 top-p: 모델의 무작위성을 다루는 법 — 출력을 안정시키거나 다양하게 만드는 조절값

2단계 — 내부 구조 들여다보기

원리를 알았다면 그 계산이 어떻게 이루어지는지 한 겹 더 들어갑니다. 이 단계는 당장 도구를 쓰는 데 필수는 아니지만, 모델의 강점과 약점이 어디서 오는지 판단하는 눈을 만들어 줍니다.

• 트랜스포머 구조 이해하기: 어텐션이 문맥을 읽는 방법 — 어텐션이 문맥을 만드는 방식
• 임베딩과 벡터 검색: 의미를 숫자로 바꾸는 방법 — 의미를 벡터로 다루는 방법, 검색의 기초
• 사전학습·파인튜닝·정렬: 모델이 만들어지는 단계 — 같은 기반 모델이 서로 다른 성격을 갖는 이유

3단계 — 한계를 알고 쓰기

AI를 실무에 쓸 때 가장 중요한 것은 무엇을 믿으면 안 되는지입니다. 이 단계를 건너뛰면 그럴듯한 오답을 그대로 사용하게 됩니다.

• 환각은 왜 생기고 어떻게 줄이는가: 원인과 실무 대응 — 환각의 구조적 원인과 실무적 대응

4단계 — 모델과 서비스 고르기

이제 선택의 문제입니다. 순위표를 보는 대신, 내 작업에 필요한 축이 무엇인지 정하고 그 기준으로 비교하는 법을 익힙니다.

• 주요 LLM 계열 한눈에 보기: 무엇이 어떻게 다른가 — 모델 계열의 설계 차이와 선택 축
• 컨텍스트 윈도우: 길수록 정말 좋은가 — 긴 입력을 다루는 방법과 그 비용
• 대화형 AI 고르는 기준: 무엇을 비교해야 하는가 — 서비스를 비교할 때 봐야 할 것

5단계 — 직접 만들기

API를 붙여 무언가를 만드는 단계입니다. 개발자가 아니어도 3단계까지 읽었다면 구조는 이해할 수 있습니다.

• LLM API 기초: 요청, 스트리밍, 에러 처리 — 요청, 스트리밍, 에러 처리의 기본
• 프롬프트 설계: 재현 가능한 출력을 얻는 법 — 재현 가능한 출력을 얻는 설계
• RAG 파이프라인 설계: 검색으로 환각 줄이기 — 검색을 붙여 환각을 줄이는 구조

6단계 — 실무에 적용하기

기술을 알았다면 이제 일에 적용할 차례입니다. 효과가 분명한 작업과 아직 사람이 해야 하는 일을 구분하는 것이 핵심입니다.

• 글쓰기에 AI 쓰기: 초안, 교정, 요약의 실제 — 글쓰기에서 잘 되는 것과 안 되는 것

7단계 — 산업의 구조 보기

마지막으로 한 걸음 물러나 전체를 봅니다. 누가 무엇을 만들고 어디에 의존하는지 알면 개별 뉴스의 의미를 스스로 해석할 수 있습니다.

• AI 산업의 층 구조: 반도체부터 응용 서비스까지 — 반도체부터 응용 서비스까지의 층 구조

목적별 빠른 경로

시간이 없다면 목적에 맞는 것만 골라 읽으세요.

AI를 업무에 쓰고 싶다면 LLM은 어떻게 문장을 만드는가: 다음 토큰 예측의 원리 → 환각은 왜 생기고 어떻게 줄이는가: 원인과 실무 대응 → 글쓰기에 AI 쓰기: 초안, 교정, 요약의 실제

제품에 LLM을 붙이려면 토큰과 토크나이저: AI가 글자를 세는 방법 → LLM API 기초: 요청, 스트리밍, 에러 처리 → 프롬프트 설계: 재현 가능한 출력을 얻는 법 → RAG 파이프라인 설계: 검색으로 환각 줄이기

비용을 줄여야 한다면 토큰과 토크나이저: AI가 글자를 세는 방법 → 컨텍스트 윈도우: 길수록 정말 좋은가

출력이 불안정하다면 temperature와 top-p: 모델의 무작위성을 다루는 법 → 프롬프트 설계: 재현 가능한 출력을 얻는 법

산업 전체를 파악하려면 AI 산업의 층 구조: 반도체부터 응용 서비스까지 → 주요 LLM 계열 한눈에 보기: 무엇이 어떻게 다른가

읽을 때 참고할 점

1CC의 글에는 벤치마크 점수, 토큰 단가, 시장 점유율 같은 수치가 없습니다. 의도적으로 뺐습니다. 이런 숫자는 몇 달이면 틀린 정보가 되고, 출처를 확인하기 어려운 경우가 많기 때문입니다. 자세한 이유는 사이트 소개에 적어 두었습니다.

대신 각 글은 판단 기준과 직접 확인하는 방법을 알려 드립니다. 구체적인 사양과 가격이 필요하다면 각 제공사의 공식 문서를 확인하시는 편이 정확합니다.