생성형 AI와 기존 AI는 무엇이 다를까

AI라는 말이 혼란스러운 이유

바둑 두던 AI와 요즘 챗봇이 같은 AI인지 헷갈렸던 적 있으시죠? 사진에서 얼굴을 찾는 AI, 영상을 추천하는 AI까지 전부 같은 이름으로 불리다 보니, 기사 하나를 읽어도 무슨 기술 이야기인지 감이 잘 안 잡히기 쉬워요. 이 글은 그 넓은 말을 '판별'과 '생성'이라는 두 칸으로 나눠서, 어떤 기사든 어느 칸에 넣고 읽으면 되는지 잡아 드려요.

혼란의 뿌리는 간단해요. AI가 특정 기술의 이름이 아니라 '사람의 지능이 필요해 보이는 일을 기계가 하게 만드는 분야 전체'를 가리키는 넓은 우산이라서 그래요. 우산 아래를 정리하는 가장 실용적인 기준 하나가 바로 '판별하는 AI'와 '생성하는 AI'의 구분이에요. 학술적으로 엄밀한 분류는 아니지만, 뉴스와 서비스를 이해하는 데는 이 구분 하나로 충분한 경우가 많아요.

판별형 AI: 이미 일상에 스며 있던 쪽

판별형 AI는 입력을 받아 분류하거나 점수를 매기는 일을 해요. 이 메일이 스팸인지 아닌지, 이 사진에 고양이가 있는지 없는지, 이 사용자가 다음에 볼 만한 영상이 무엇인지를 판단하죠. 출력은 대체로 '예/아니오', '카테고리', '순위' 같은 형태예요.

막상 주변을 둘러보면 훨씬 많아요. 스마트폰 카메라의 얼굴 인식, 쇼핑몰의 상품 추천, 은행의 이상 거래 감지, 내비게이션의 도착 시간 예측까지 — 생성형 AI 붐 이전부터 우리는 이미 판별형 AI에 둘러싸여 살고 있었어요. 다만 이런 AI는 뒤에서 조용히 일하다 보니 'AI를 쓴다'는 감각이 없었을 뿐이에요. 그래서 'AI는 최근에 갑자기 나온 것'이라는 느낌도 절반만 맞는 이야기예요.

생성형 AI: 콘텐츠를 만들어내는 쪽

생성형 AI(Generative AI)는 이름 그대로 무언가를 생성해요. 질문에 대한 답변 문장, 설명을 듣고 그린 이미지, 멜로디, 영상, 프로그램 코드까지 출력의 형태가 콘텐츠 그 자체예요. 글을 다루는 생성형 AI의 중심 기술이 앞서 다룬 LLM이고, 이미지·음악·영상 쪽은 각각 다른 계열의 모델이 쓰여요.

생성형 AI가 큰 반향을 일으킨 이유는 '만드는 일'이 그동안 사람 고유의 영역으로 여겨졌기 때문이에요. 판별형 AI가 사람의 판단을 보조했다면, 생성형 AI는 사람의 산출물과 닮은 것을 직접 내놓아요. AI를 둘러싼 저작권, 일자리, 진위 구별 같은 사회적 논쟁이 생성형 AI 등장 이후 부쩍 늘어난 것도 이 때문이에요.

둘은 경쟁 관계가 아니라 공존 관계예요

생성형 AI가 등장했다고 판별형 AI가 사라지는 건 아니에요. 스팸 필터와 추천 알고리즘은 여전히 판별형 AI의 일이고, 오히려 두 방식이 결합되는 경우가 늘고 있어요. 예를 들어 AI 챗봇이 답변을 만들 때(생성) 부적절한 내용을 거르는 장치(판별)가 함께 작동하는 식이죠.

뉴스를 읽을 때도 이 구분이 든든하게 쓰여요. 'AI 도입'이라는 같은 표현이라도 공장의 불량품 검출이라면 판별형, 고객 응대 챗봇이라면 생성형 쪽 이야기예요. 어느 쪽인지 구분하면 그 기술의 한계와 위험도 다르게 짚을 수 있어서, 기사 하나를 훨씬 또렷하게 읽게 돼요.

섞여 있을 때 가려 보는 순서 — 다른 글에서 잘 안 알려주는 부분

판별과 생성의 구분은 입문용 지도로는 훌륭한데요, 실제 서비스에서는 두 성격이 한 제품 안에 섞여 있는 경우가 점점 늘고 있어요. 사진을 보여주면 내용을 문장으로 설명해 주는 AI는 '사진을 이해한다'는 점에서 판별 쪽 능력을 쓰고, '문장을 만들어낸다'는 점에서 생성 쪽 능력을 써요. 요즘 말하는 멀티모달 AI는 대체로 이렇게 두 능력이 한 모델 안에 들어 있는 형태예요.

AI 에이전트라고 불리는 흐름도 마찬가지예요. 에이전트는 글을 만들어내는 데서 그치지 않고 '다음에 어떤 도구를 쓸지, 일을 끝낼지 더 할지'를 스스로 고르는데, 이 고르는 과정은 판별·의사결정에 가까워요. 생성형 AI 위에 판단 단계가 겹쳐진 구조라서 어느 한쪽으로만 분류하기가 어렵죠. (솔직히 저도 여기서 헷갈렸어요)

그래서 이 구분은 '이 제품은 무슨 형이다'라고 딱지를 붙이는 용도보다, '지금 이 기능은 어느 쪽 능력을 쓰고 있나'를 나눠 보는 용도로 쓰시면 편해요. 아래 세 질문을 순서대로 던져 보면 대부분 정리돼요.

• 1단계 — 출력이 무엇인가요? 등급·순위·예/아니오면 판별 쪽, 문장·이미지·소리·코드면 생성 쪽이에요.
• 2단계 — 그 출력이 세상에 없던 것인가요? 기존 자료를 골라 오는 데 가깝다면 판별 쪽 능력이 앞서고, 새로 조립해 내놓는다면 생성 쪽 능력이 앞서요.
• 3단계 — 오류가 나면 어떤 모습인가요? 엉뚱하게 분류하거나 놓치는 형태면 판별 쪽, 없는 사실을 그럴듯하게 지어내는 형태면 생성 쪽이에요.
• 판별 쪽 위험의 핵심 — 오탐·미탐 같은 오분류, 그리고 학습 데이터의 치우침을 그대로 따라가는 문제예요. 대책은 기준값 조정과 데이터 점검 쪽이에요.
• 생성 쪽 위험의 핵심 — 그럴듯하지만 사실이 아닌 내용을 만들어내는 환각이에요. 대책은 출처 확인과 사람의 검수 쪽이에요.

이제 기사 하나를 이렇게 읽으시면 돼요

정리하면 이래요. AI라는 말을 만나면 먼저 '이 기능의 출력이 무엇인지' 보고, 판별 쪽이면 오분류를, 생성 쪽이면 환각을 위험으로 두고 읽으시면 돼요. 두 능력이 섞여 있으면 굳이 하나로 정하지 마시고 단계별로 나눠 보면 훨씬 편해요.

이 틀 하나만 익혀 두면 'AI 오류' 기사에서도 원인과 대책이 자연스럽게 갈려 보여요. 처음엔 낯설어도 두세 번만 대입해 보면 금방 손에 붙는 감각이라, 뉴스 읽는 재미가 확실히 늘어요. 더 깊이 들어가고 싶으시면 관련 글의 LLM 편과 환각 편을 이어서 보시면 딱 좋아요.