7.1. 부록 — AI 개념 사전

앞 챕터에서 낯선 용어는 이 부록을 펼쳐 보라 했습니다. 처음부터 통독하기보다, 본문을 읽다 걸린 말을 그때그때 찾아보시길 권합니다.

정의는 짧게 두고 항목마다 회계·재무 실무의 예시를 하나씩 붙였습니다. 성질이 비슷한 말끼리 묶어 두었으니 옆 항목도 함께 보시면 이해가 빠릅니다.

AI의 성질

LLM·확률모델

LLM(대규모 언어 모델)은 방대한 텍스트로 훈련되어, 문장을 여기까지 읽었을 때 다음에 올 말을 확률로 예측해 이어 붙이는 기계입니다. 내용을 이해해서 답하는 것이 아니라, 앞말에 그럴듯한 다음 말을 확률로 뽑아 잇습니다. 그래서 이 가이드는 AI를 '확률모델'이라 부릅니다.

예시: 같은 거래 내역에 계정 분류를 시켜도, 매번 확률에서 뽑은 결과라 표현이나 근거 설명이 조금씩 달라질 수 있습니다.

토큰

토큰(Token)은 AI가 다루는 말의 조각입니다. 한국어는 대략 글자 한두 자, 영어는 짧은 단어 하나 정도가 토큰 하나에 해당합니다. 동시에 AI 요금과 사용량 한도가 매겨지는 단위이기도 합니다.

예시: 긴 계정 명세를 통째로 넣으면 그만큼 토큰이 늘어 요금과 한도에 바로 반영됩니다.

컨텍스트 윈도우

컨텍스트 윈도우(Context Window)는 AI가 한 번에 볼 수 있는 토큰의 범위, 즉 한 대화에서 참고할 수 있는 분량의 한계입니다(본문에서는 '맥락 창'이라고도 했습니다). 이 범위를 넘어서는 분량은 AI가 아예 보지 못하거나 앞부분을 잊습니다.

예시: 수백 페이지짜리 조서 전체를 한 번에 넣고 검토시키려면 그만큼 넓은 컨텍스트 윈도우가 필요합니다.

불확정성

불확정성(Nondeterminism)은 같은 요청에도 출력이 매번 조금씩 흔들리는 성질입니다. 확률에서 뽑아 답을 만드는 확률모델의 태생적 특성이라, 성능이 좋아진다고 사라지지 않습니다. 뒤의 할루시네이션과는 다릅니다 — 불확정성은 '출력의 흔들림'이고, 할루시네이션은 '그럴듯한 오답'입니다.

예시: 같은 정산표 서식을 100번 요청하면 색·테두리·폰트가 100번 미묘하게 달라집니다.

할루시네이션

할루시네이션(Hallucination, 환각)은 사실이 아닌 것을 사실처럼 자신 있게 지어내는 현상입니다. 무서운 점은 형식이 완벽해서, 원문을 펼쳐 보기 전에는 진짜와 가려내기 어렵다는 것입니다. 앞의 불확정성과 반드시 구분하시기 바랍니다 — 이쪽은 흔들림이 아니라 그럴듯한 거짓입니다.

예시: 리스 회계처리의 근거를 물으면 존재하지 않는 K-IFRS 제1116호 문단 번호를 매끄럽게 인용합니다.

벤치마크

벤치마크(Benchmark)는 AI 모델의 성능을 재기 위한 표준 시험 점수입니다. 추론·코딩·언어 이해 같은 능력을 정해진 문제 세트로 채점해 모델끼리 비교합니다. 다만 순위가 몇 주 만에도 뒤집히므로, 점수는 반드시 기준일과 함께 봐야 합니다.

예시: 3부의 모델 비교표에 굳이 기준일을 못 박은 것도, 벤치마크 순위가 그만큼 빨리 바뀌기 때문입니다.

두 도구의 성질

결정론

결정론(Determinism)은 정해진 규칙대로 매번 같은 결과를 내는 방식입니다. 같은 입력에 항상 같은 출력을 내며, 이 가이드 내내 확률모델의 대립 개념으로 쓰입니다. 예외 상황에는 약하지만, 반복 업무에서는 '매번 똑같이'를 보장하는 강점이 됩니다.

예시: 엑셀 수식과 매크로가 대표적입니다 — 같은 표에 같은 수식을 넣으면 언제 돌려도 결과가 같습니다.

RPA

RPA(Robotic Process Automation)는 사람이 화면에서 하던 클릭·입력 절차를 규칙대로 따라 하도록 자동화하는 도구입니다. 결정론 계열이라 정해진 절차는 빠르고 정확하게 반복하지만, 화면 구성이 바뀌거나 규칙에 없는 예외를 만나면 멈추거나 틀린 결과를 냅니다.

예시: 홈택스 화면을 순서대로 따라 클릭해 신고를 처리하는 시나리오가 RPA인데, 홈택스 화면이 개편되면 시나리오 전체가 멈춥니다.

에이전트

에이전트(Agent)는 목표를 받아 스스로 파일을 열고 코드를 짜 실행하며 여러 단계를 이어서 수행합니다. 대화만 하는 챗봇과 달리, 물으면 답하는 데 그치지 않고 내 파일이나 프로그램을 직접 건드려 일을 처리합니다. 같은 AI라도 답을 말로 돌려주면 챗봇이고, 일을 대신 처리해 결과물을 내놓으면 에이전트입니다.

예시: "이 폴더의 정산표들을 서로 대사해 달라"는 요청을 받아 파일을 하나씩 열고 비교까지 끝내 주면 에이전트로 동작한 것입니다.

다루는 법·도구

프롬프트

프롬프트(Prompt)는 AI에게 주는 지시, 곧 무엇을 어떻게 해 달라고 건네는 말입니다. 같은 요청도 무엇을·어떤 형식으로 달라고 짚어 줄수록 결과가 정확해집니다.

예시: "이 거래를 분개해 달라"보다 "계정과목·금액·근거를 표로 정리해 분개해 달라"처럼 구체적으로 건네면 곧바로 쓸 만한 답이 돌아옵니다.

시스템 프롬프트

시스템 프롬프트(System Prompt)는 개별 지시가 아니라 대화 전체에 늘 얹히는 밑바탕 지침으로, 한 번 걸어 두면 그다음 모든 답에 자동으로 적용됩니다.

예시: "나는 개발을 모르는 실무자이니 전문 용어는 늘 쉽게 풀어서 설명해 달라"를 시스템 프롬프트에 넣어 두면, 이후 설명이 알아서 눈높이에 맞춰집니다.

스킬

스킬(Skills)은 자주 쓰는 작업의 절차와 규칙을 하나로 묶어 AI가 그때그때 꺼내 읽게 하는 지침 패키지입니다. 뒤의 테마 스킬과 구분해야 합니다 — 스킬은 서식이 아니라 지침(말)입니다.

예시: 조서 작성 절차를 정리해 AI가 필요할 때 꺼내 읽게 한 것이 스킬입니다.

테마 스킬

테마 스킬(Theme Skill)은 그중에서도 서식(색·표 양식·제목부)을 코드로 고정해 둔 자산입니다. 앞의 스킬이 지침(말)이라면, 테마 스킬은 서식을 박아 둔 코드라는 점이 다릅니다.

예시: 엑셀 표 서식을 코드로 고정해 AI가 내용만 채우게 하는 것이 테마 스킬입니다.

MCP

MCP(Model Context Protocol)는 AI에 외부 데이터나 도구를 신뢰성 있게 연결하는 표준입니다. AI가 자기 안에 든 지식만으로 답하지 않고, 지정한 자료원을 직접 참조해 근거를 대게 해 줍니다.

예시: 검증된 회계기준 지식베이스를 MCP로 붙여 두면, AI가 기억에 의존해 지어내는 대신 그 자료를 근거로 답하게 할 수 있습니다.

하네스

하네스(Harness)는 AI가 내놓은 산출물을 자동으로 검증하는 환경입니다. 사람이 매번 눈으로 확인하는 대신, 정해 둔 검사·대사 규칙을 통과하는지 자동으로 점검하게 만드는 장치입니다.

예시: AI가 쓴 감사조서 초안을 합계 검증·문서 간 대사 게이트에 자동으로 걸어, 통과하지 못하면 걸러 내게 하는 식입니다.

훅

훅(Hook)은 특정 시점이 되면 자동으로 실행되도록 걸어 둔 규칙이나 스크립트입니다. 사람이 매번 기억해 실행하지 않아도, 정해진 순간에 알아서 작동합니다.

예시: 파일을 저장하는 순간 서식 규칙을 자동으로 검사하도록 훅을 걸어 두면, 규칙에 어긋난 산출물을 곧바로 잡아냅니다.

서브에이전트

서브에이전트(Sub-agent)는 에이전트가 큰 일을 쪼개 일부를 떼어 맡기는 하위 에이전트입니다. 한 에이전트가 전부 처리하는 대신 작업을 나눠 분담시키면, 더 빠르고 체계적으로 끝낼 수 있습니다.

예시: 계정별 조서를 계정마다 다른 서브에이전트가 나눠 초안을 잡고, 상위 에이전트가 그 결과를 모아 정리하는 식입니다.

RAG

RAG(Retrieval-Augmented Generation, 검색 증강 생성)는 AI가 답하기 전에 근거가 될 문서를 먼저 찾아 붙여 주고, 그 자료를 바탕으로 답하게 하는 방식입니다. 기억에 의존해 지어내는 것을 줄여, 할루시네이션을 낮추는 대표적인 방법입니다.

예시: 기준서 원문에서 관련 문단을 검색해 함께 넣어 주면, AI가 그 원문을 인용 근거로 삼아 답합니다.

루프 엔지니어링

루프 엔지니어링(Loop Engineering)은 작성 → 검증 → 수정을 정해진 조건에 이를 때까지 자동으로 반복시키도록 짜는 설계입니다. 한 번의 출력으로 끝내지 않고, 검증을 통과할 때까지 AI가 스스로 고쳐 쓰게 만드는 것이 핵심입니다.

예시: 조서 초안이 대사·검증 게이트를 모두 통과할 때까지 AI가 초안을 자동으로 다시 고쳐 쓰게 돌리는 것이 루프 엔지니어링입니다.

여기 없는 말을 만나면, 6부에서 말한 대로 지금 켜져 있는 AI에게 그 자리에서 물어 확인하시면 됩니다.