최근 구글의 인공지능 '제미나이(Gemini)'가 보여주는 퍼포먼스가 남다릅니다. 이미지 생성부터 복잡한 추론, 수학적 계산까지 전 영역에서 고성능을 입증하고 있습니다. 구글은 지난 2월 19일, 핵심 추론 능력을 한 단계 더 진화시킨 '제미나이 3.1 프로'를 전격 출시했습니다. 이 모델은 공개 직후 글로벌 AI 평가 기관인 '아티피셜 애널리시스'에서 타사 모델들을 제치고 세계 1위에 등극했습니다.

제미나이의 남다른 추론 능력을 잘 보여준 사례는 최근 화제가 된 '세차장 질문'입니다. 한 유저가 "세차장이 집에서 50m 거리인데 걸어갈까, 운전할까?"라는 질문을 던졌는데요. 여타 LLM들이 '50m'라는 짧은 거리에만 꽂혀 "당연히 걸어가라"고 답할 때, 오직 제미나이만 '세차'라는 키워드를 정확히 인지했습니다. "세차를 하려면 차를 가져가야 하니 반드시 운전해서 가라"는 답을 주었습니다. 인간에겐 당연하지만 AI에겐 고차원적인 문맥 파악이 필요한 정답을 내놓았습니다.

제미나이의 이런 지능은 국내 표준화 대학입시 시험인 대학수학능력시험(수능)에서도 여실히 드러났습니다. 테스트 결과, 제미나이 3.1 프로는 국어, 수학, 영어 등 주요 과목에서 만점을 기록하며 LLM 최초로 수능 만점 달성이라는 성적표를 받았습니다. 특히 과거 AI들의 고질적인 약점이었던 '이미지 인식' 문제가 대폭 개선되어, 도표나 그래프가 포함된 문항에서도 95.8%라는 압도적인 정답률을 보여주었습니다.

제미나이의 활약은 텍스트를 넘어 이미지 영역으로도 거침없이 확장 중입니다. 구글은 고품질 추론 능력과 빠른 속도를 결합한 차세대 이미지 생성 도구 '나노바나나 2'의 출시를 알렸는데요. 이제 이용자들은 유료급의 고퀄리티 이미지를 훨씬 빠른 속도로, 심지어 무료로 마음껏 만들 수 있게 되었습니다. 인물이나 사물의 일관성을 유지하는 능력은 물론 4K 초고화질까지 지원한다고 합니다. 

최근 생성형 AI와 대화하다 보면 가끔 기계가 아니라 진짜 사람과 이야기하고 있다는 착각이 듭니다. 구글의 오픈소스 모델 버트(BERT)를 활용한 최신 연구에 따르면, 이러한 인간미의 비밀은 AI가 학습한 수만 권의 '소설'에 있었습니다. 연구진이 소설 학습 여부에 따라 모델을 비교 분석한 결과, 소설을 읽은 AI는 인물을 만들어내는 능력이 압도적으로 뛰어났습니다. 누구든 될 수 있는 소설 속 인물의 속성이 AI에게 이식되어, 사용자와 상호작용을 할 수 있는 그럴듯한 페르소나를 형성하게 된 것입니다.

소설은 AI에게 타인과 소통하는 방식인 '목소리'를 선물했습니다. 우리가 챗GPT에게 조언을 구할 때 느껴지는 상담사 같은 말투는 소설 속 화자가 독자에게 말을 거는 방식을 AI가 복제했기에 가능합니다. 실제로 실험 결과, 소설을 학습한 모델은 'you', 'your', 'she', 'he' 같은 인칭 대명사 예측 능력이 눈에 띄게 향상되었습니다. 연구진은 이를 소설이 제공하는 가장 큰 힘인 '그럴듯하지만 실제로는 존재하지 않는 사람(Somebody)'을 만들어내는 능력이라고 설명합니다. 이 덕분에 AI가 대화의 맥락과 인물의 정체성을 더 오래 유지할 수 있게 되었다고 분석합니다.

하지만 소설을 먹고 자란 AI에는 우리가 경계해야 할 요소도 숨어 있습니다. 소설에는 작가의 가치관이나 시대적 편향이 고스란히 담겨 있기 때문인데요. 특히 로맨스 소설처럼 성별 고정관념이 강한 장르가 학습되면 AI도 이를 그대로 답습할 위험이 큽니다. 실제로 메타의 라마(LLaMA) 모델 학습 데이터에는 스티븐 킹, 제이디 스미스 등 유명 작가들의 작품이 포함되어 있습니다. 그렇기에 이들의 시각이 AI의 가치 판단에 직간접적인 영향을 미치고 있습니다. 이는 저작권 논란을 넘어 AI가 의료나 교육 등 중요한 분야에서 편향된 답변을 내놓을 수 있다는 실질적인 우려로 이어집니다.

결국 이제는 AI의 기술적 성능 만큼이나 학습 데이터를 감시하는 작업이 중요해졌습니다. 연구진은 AI가 어떤 데이터로 학습되었고 그 안에 어떤 편향이 숨어 있는지 추적하는 '데이터 감사(Data Audit)'가 문화적·사회적 책임 차원에서 반드시 수행되어야 한다고 제안합니다. 우리가 사용하는 AI의 답변이 중립적인 정보가 아니라 특정 소설의 세계관을 반영한 결과물일 수 있기 때문입니다. 생성형 AI가 문화를 재구성하는 시대, 학습 데이터를 분석하는 일은 이제 기술자와 인문학자 모두의 필수적인 과제가 되었습니다.

쿼카 쌤이 알려주는 AI Tech 용어 #4 🤖

또 만났네요, 반가워요🐨

AI 용어들이 없어지거나 쉬워지지 않는 이상 계속 함께할게요.

(어쩌면 우리 평생 만날지도요...😌)

오늘도 낯선 AI 용어들을 친숙하게 만들어 드릴게요.
천천히 같이 가보시죠 🔜

• 실제 데이터 확보 비용·시간 절감

• 희귀·위험 상황까지 확장 학습 가능

• 프라이버시 보호 대안으로 부상

🏢 AI-DLC (AI-Driven Development Lifecycle)

: 기획·설계·개발·테스트·운영 등 개발 전 과정에 AI를 체계적으로 통합하는 방법론이에요. AI를 일부 단계에만 쓰는 게 아니라, 프로젝트 흐름 자체를 재설계하는 접근이죠. 개발 프로세스가 AI 중심으로 재편되는 흐름을 보여줍니다.

✅ 포인트

• 전 단계 AI 활용으로 생산성 극대화

• 개발 속도와 반복 작업 자동화 개선

• AI-Native 조직 문화와 직결

데이터란 과연 무엇인가? (Feat. 아인슈타인) 

데이터는 흔히 숫자나 기록, 파일의 형태로 이해되지만, 그 본질은 생각보다 훨씬 더 깊습니다. 데이터(data)라는 단어의 어원은 라틴어 datum에서 왔습니다. Datum은 "주어진 것", "이미 던져진 것"이라는 의미를 가집니다. 중요한 점은, datum에는 의미나 판단이 포함되어 있지 않다는 사실입니다. 그것은 단지 '주어졌을 뿐인 것'입니다.

다시 말해, 데이터는 세계가 우리에게 주는 흔적이며, 인간이 현실을 인식하고 이해하기 위해 포착한 가장 원초적인 단서입니다. 다시 말해 데이터는 '가공된 정보'가 아니라, 해석 이전의 '선험적 출발점'입니다.

조금만 진도를 더 나가보도록 합시다.

사실, 모든 데이터의 시작은 물리적 세계에 있습니다. 예를 들어 우리가 보는 '시각 데이터'는 빛에서 출발합니다. 빛은 단순한 밝음이 아니라 에너지를 지닌 물리적 존재이며, 물질과 상호작용할 수 있습니다.

아인슈타인 선생의 광전효과에서 보듯, 빛은 물질에 닿는 순간 전자를 방출하게 만들고, 이는 전기 신호로 변환됩니다. 이 현상은 현대 과학과 기술의 토대이자, "관측 가능한 세계는 신호로 바뀔 수 있다"는 사실을 보여줍니다. 즉, 데이터는 세계가 스스로를 드러내는 방식입니다.

인간의 시각도 이와 크게 다르지 않습니다.

눈은 빛을 받아들이는 생물학적 센서이며, 망막의 광수용체는 빛을 전기 신호로 변환합니다. 이 신호는 곧바로 '의미'가 되지 않는다. 단지 신경 신호일 뿐입니다.

뇌는 이 신호들을 조합하고, 대비를 강조하고, 과거의 경험과 연결해 비로소 '사물', '색', '위험', '아름다움'이라는 인식을 만들어냅니다. 이 과정에서 데이터는 단순한 자극에서 벗어나 '의미를 획득한 정보'로 진화합니다.

같은 빛, 같은 장면, 같은 수치는 사람에 따라 다르게 해석됩니다. 착시가 존재하고, 통계가 오해를 낳으며, 같은 데이터를 두고도 상반된 결론이 나오는 이유가 여기에 있습니다. 데이터 자체는 객관적일 수 있지만, 해석은 언제나 인간의 몫입니다. 따라서 데이터는 진실 그 자체가 아니라, 진실에 접근하기 위한 재료라고 할 수 있습니다.

이는 인간의 상호주관적 현실이, 결국 데이터 그 자체가 아니라 데이터에 부여된 해석 위에 형성된다는 사실을 명백하게 보여줍니다.

이러한 관점에서 보면, 현대 사회에서 데이터의 가치는 단순히 '많음'에 있지 않습니다. 중요한 것은 어떻게 수집되었는가, 어떤 맥락에서 해석되는가, 누가 그것을 읽어내는가입니다.

AI와 빅데이터 역시 데이터를 이해하는 또 하나의 인식 체계일 뿐, 의미를 결정하는 최종 주체는 여전히 인간입니다. 기계는 패턴을 찾을 수 있지만, 그 패턴이 왜 중요한지 판단하는 것은 인간의 가치관과 목적입니다.

결국 데이터란 세계와 인간을 연결하는 중간 다리이자 매개물입니다. 또한 데이터는 답이 아니라 질문이며, 결론이 아니라 가능성입니다.

그래서 '데이터란 무엇인가?'라는 질문은 곧, 우리는 세계를 어떻게 보고, 무엇을 의미 있다고 여기느냐는 질문과 별반 다르지 않습니다.

플리토가 일본 콘텐츠 산업을 중심으로 AI 통번역 수요 확대에 힘입어 현지 매출 180% 성장을 기록했습니다. 일본 법인(플리토 재팬)의 2025년 매출은 50억 원을 넘어설 전망으로, 전년 대비 3배 가까이 증가한 수치입니다. 애니메이션·게임·출판 등 고품질 로컬라이제이션 수요를 기반으로 B2B 중심 사업을 확대하며 안정적인 매출 기반을 구축했습니다. 특히 AI 동시통역 솔루션 '라이브 트랜스레이션'이 전년 대비 약 5배 성장하며 국제 행사·전시회를 중심으로 도입이 확산되고 있습니다. 초개인화 통번역 서비스 '챗 트랜스레이션'을 앞세워 B2C 시장 확장도 추진 중입니다. 플리토는 일본 시장 성과를 바탕으로 글로벌 언어 AI 사업의 수익화 모델을 본격 확대한다는 전략입니다.

플리토가 14년간 축적한 언어 데이터를 기반으로 AI 시대 핵심 데이터 기업으로 부상하고 있습니다. 이정수 대표는 "데이터 없이 AI를 하겠다는 것은 어불성설"이라며 한국 AI 산업이 데이터 중심으로 전환해야 한다고 강조했습니다. 플리토는 지난해 매출 360억 원, 영업이익 62억 원을 기록하며 창업 이후 처음으로 흑자 전환에 성공했습니다. 챗GPT 등장 이후 초거대언어모델 경쟁이 격화되면서 양질의 언어 데이터 수요가 급증했고 글로벌 빅테크 기업들과 협업이 확대됐습니다. 이 대표는 미국이 AI 예산의 약 30%를 데이터에 투자하는 반면 한국은 0.1% 수준에 불과하다고 했습니다. 플리토는 번역을 넘어 사투리, 연령별 음성, 소음 환경 발화 등 다양한 언어 데이터를 수집하며 데이터 영역을 확장하고 있습니다. 나아가 플리토는 개인 맞춤형 AI 통번역 서비스 '챗 트랜스레이션'을 통해 B2B 중심 사업을 B2B·B2C 모델로 확대하고 있습니다.