AI for Everyone

SEARCH RESULTS

“표준”

40건

보안·윤리 분야에서 쓰이는 Software Bill of Materials(소프트웨어 자재명세서)의 약자로, 소프트웨어에 들어간 구성 요소와 그 의존 관계를 형식을 갖춰 적어 둔 목록입니다. 미국 행정명령 14028은 소프트웨어를 만드는 데 쓰인 여러 구성 요소의 상세 정보와 공급망 관계를 담은 공식 기록으로 정의합니다. 취약점이 공개됐을 때 우리 시스템에 그 부품이 들어 있는지 몇 분 안에 확인하려고 씁니다. SPDX와 CycloneDX가 대표 표준 형식입니다.

AI 학습 분야에서 쓰이는 Direct Preference Optimization(직접 선호 최적화)의 약자로, 사람이 고른 더 나은 답과 덜 나은 답의 쌍을 모델에 직접 학습시켜 사람 선호에 맞추는 사후학습 기법입니다. 기존 RLHF는 선호 데이터로 보상 모델을 따로 만든 뒤 강화학습을 돌려야 했는데, DPO는 그 중간 단계를 없애고 한 번의 학습으로 처리합니다. 2023년 스탠퍼드대 연구진이 제안한 뒤 구현이 간단하고 학습이 안정적이라는 이유로 널리 쓰이며, SFT 다음 단계의 표준 선택지 중 하나로 자리 잡았습니다.

에이전츠 엠디

AI 코딩 에이전트에게 프로젝트의 빌드 방법, 코드 규칙, 테스트 절차를 알려 주는 마크다운 안내 파일 규격입니다. 2025년 OpenAI 코덱스, 구글 줄스, 커서, 팩토리, 앰프(Amp) 등이 함께 만들었고, 이후 리눅스재단 산하 에이전틱 AI 재단으로 이관돼 중립 표준으로 관리됩니다. 저장소 최상위에 AGENTS.md 파일을 두면 서로 다른 코딩 에이전트가 같은 지침을 읽습니다. 공식 사이트 기준 6만 개 이상의 오픈소스 프로젝트가 사용하고 25종 이상의 도구가 지원합니다.

AI 개발도구

에스에프티

인공지능 학습 분야에서 쓰이는 Supervised Fine-Tuning(지도 미세조정)의 약자로, 사전학습을 마친 언어 모델에 사람이 만든 모범 질문·답변 쌍을 추가 학습시켜 지시를 따르게 만드는 사후학습 단계입니다. 원시 텍스트만 학습한 베이스 모델은 문장을 이어 쓸 뿐 지시 수행이 서툽니다. 그래서 SFT로 응답 형식과 태도를 먼저 가르친 뒤 RLHF나 DPO 같은 선호 최적화를 이어 적용하는 것이 표준 절차입니다. 오늘날 챗봇형 AI 대부분이 이 단계를 거쳐 만들어집니다.

AI 모델의 용도·성능·한계·편향 평가 결과를 정해진 항목으로 정리해 모델과 함께 공개하는 문서 표준입니다. 구글 연구진(Mitchell, Gebru 외)이 2019년 공정성 학회 FAT*에서 논문 'Model Cards for Model Reporting'으로 제안했습니다. 식품 영양성분표처럼 모델의 성분과 주의사항을 표준 양식으로 밝히자는 취지입니다. 현재 허깅페이스 저장소의 문서 표준으로 자리 잡았고, OpenAI·앤트로픽의 시스템 카드처럼 안전 평가 보고서로도 확장됐습니다.

AI 워터마킹

AI Watermarking

AI가 만든 이미지·영상·텍스트에 사람 눈에는 보이지 않는 신호나 메타데이터를 심어, 나중에 AI 생성물임을 식별할 수 있게 하는 기술입니다. 구글 딥마인드의 SynthID처럼 픽셀·토큰 확률에 신호를 심는 방식과, C2PA 표준처럼 콘텐츠 출처·편집 이력을 메타데이터로 붙이는 방식이 대표적입니다. 한국 AI 기본법(2026년 1월 시행)과 EU AI법(2026년 8월 적용)이 생성물 표시를 의무화하면서 규제 준수 기술로 부상했습니다.

에이전틱 커머스

Agentic Commerce

AI 에이전트가 소비자를 대신해 상품을 찾고 비교하고 결제까지 마치는 상거래 방식을 가리키는 용어입니다. 2025년 하반기 OpenAI가 챗GPT 안 결제 기능인 인스턴트 체크아웃과 공개 표준 ACP(Agentic Commerce Protocol)를 내놓고, 구글이 결제 프로토콜 AP2를 발표하면서 흐름이 본격화됐습니다. 비자·마스터카드도 에이전트 결제 인프라를 공개하며 표준 경쟁이 시작됐습니다. 검색·광고 중심의 이커머스 구조를 바꿀 수 있어 유통·결제 업계가 주시하는 개념입니다.

엘엘엠 애즈 어 저지

LLM 평가 분야에서 쓰이는 기법으로, 강한 LLM(대규모 언어 모델)에게 다른 모델의 답변을 채점·비교·선택하게 해 사람 평가를 대신하게 하는 방법입니다. 이름 그대로 LLM을 심판(Judge)으로 세우는 방식입니다. 2023년 LMSYS 연구진이 MT-Bench 논문으로 용어를 대중화했고, GPT-4 판정이 인간 선호와 80% 넘게 일치한다는 결과가 출발점이 됐습니다. 정답이 하나로 정해지지 않는 개방형 답변을 대규모로 평가할 때 표준처럼 쓰입니다.

프롬프트·AI 활용

브이엘엘엠

LLM 추론·서빙 분야의 오픈소스 엔진으로, 같은 GPU에서 더 많은 요청을 처리하도록 메모리 관리를 최적화한 것이 핵심입니다. UC 버클리에서 시작했고, 운영체제의 가상 메모리에서 착안한 PagedAttention 기법으로 KV 캐시 낭비를 4% 미만으로 줄였습니다. 이름의 v도 가상(virtual)에서 왔습니다. 2023년 논문 기준 동급 지연시간에서 기존 서빙 시스템 대비 처리량을 2~4배 높였고, 지금은 사실상의 표준 오픈소스 추론 엔진으로 불립니다.

AI 개발도구

에이치비엠

메모리 반도체 분야에서 쓰이는 High Bandwidth Memory(고대역폭 메모리)의 약자로, D램 칩을 수직으로 쌓고 실리콘 관통 전극(TSV)으로 연결해 프로세서와 데이터를 초광폭 통로로 주고받는 메모리입니다. 국제 표준화 기구 JEDEC이 규격을 정하며, 2025년 4월 확정된 HBM4 표준은 2,048비트 인터페이스로 스택당 최대 2TB/s 대역폭을 냅니다. LLM 추론 속도가 메모리 대역폭에 좌우되면서 AI 가속기의 핵심 부품이 됐습니다.

오픈 웨이트 LLM을 내 컴퓨터나 서버에 명령어 한 줄로 내려받아 실행하게 해 주는 오픈소스 도구입니다. 2023년 7월 공개됐고, 라마·젬마 같은 공개 모델을 로컬에서 돌리는 사실상의 표준 실행기로 자리 잡았습니다. 데이터가 외부로 나가지 않아 보안이 중요한 환경에 맞고, 로컬 API 서버를 열어 다른 프로그램과 연결할 수도 있습니다. 2026년 7월 기준 GitHub 스타 약 17만 5천 개, 누적 개발자 890만 명 규모로 성장했습니다.

AI 개발도구

텍스트 투 에스큐엘

자연어로 쓴 질문을 데이터베이스에서 실행할 수 있는 SQL 쿼리로 자동 변환하는 기술입니다. 학술적으로는 시맨틱 파싱의 대표 과제로, 2018년 예일대의 Spider 벤치마크가 표준 평가 기준을 세웠습니다. LLM 등장 이후 정확도가 크게 올라, 개발자가 아닌 직군도 채팅으로 데이터를 조회하는 사내 도구로 확산하고 있습니다. 다만 깨끗한 벤치마크와 달리 실제 기업 데이터베이스 환경에서는 정답률이 크게 떨어져, 사람의 검증 절차와 함께 쓰는 것이 전제입니다.

개발 분야에서 쓰이는 말로, AI 모델이나 AI 시스템의 품질을 정해진 과제와 지표로 반복 가능하게 측정하는 평가 절차와 도구를 뜻합니다. 평가를 뜻하는 evaluations를 줄여 이밸(evals)이라 부릅니다. 정확도만 보지 않습니다. 효율·편향·유해성처럼 정확도 너머의 여러 축을 함께 잽니다. 표준 평가 하네스를 쓰면 같은 프롬프트로 여러 모델을 비교할 수 있어, 논문과 제품 사이에 재현성과 비교가능성이 생깁니다. LLM을 서비스에 올리기 전 품질을 확인하는 개발 공정의 한 단계입니다.

Knowledge Distillation

널리지 디스틸레이션

큰 '교사(teacher)' 모델이 만든 출력 확률 분포를 작은 '학생(student)' 모델이 모방하도록 학습시켜, 성능은 최대한 유지하면서 크기를 줄이는 모델 경량화 기법입니다. 정답 라벨만 쓰는 대신, 교사 모델이 각 선택지에 매긴 확률(soft label)까지 신호로 넘겨주는 것이 핵심입니다. 그래서 학생 모델이 혼자 학습할 때보다 더 높은 성능에 도달하기도 합니다. 2015년 제프리 힌턴 연구진이 정리한 개념으로, 오늘날 소형 언어모델을 만드는 표준 방법의 하나입니다.

모델 미세조정 분야에서 쓰이는 Low-Rank Adaptation(저차원 적응)의 약자로, 사전학습된 가중치는 그대로 얼리고 각 층에 작은 저차원 행렬만 추가로 학습시키는 파라미터 효율적 미세조정 기법입니다. 전체 가중치를 다시 학습하지 않아 학습 비용과 저장 용량이 크게 줄어듭니다. 학습이 끝난 저차원 행렬은 원래 가중치에 합칠 수 있어 추론 속도도 그대로입니다. 2021년 마이크로소프트 연구진이 제안했고, 지금은 오픈소스 모델을 값싸게 특화시키는 표준 방법으로 쓰입니다.

헤르메스 에이전트

2026년 2월 미국 AI 연구실 Nous Research가 공개한 오픈소스 자율 AI 에이전트로, 사용자와의 모든 대화를 기억하고 스스로 새로운 능력(스킬)을 생성하며 Telegram·Slack·Discord 등 여러 메신저에서 동시에 동작하는 차세대 'AI 비서' 표준입니다.

자동화·노코드

General Data Protection Regulation(일반 개인정보보호법)의 약자로, 2018년 5월 EU(유럽연합)가 시행한 세계에서 가장 엄격한 개인정보 보호 법률이며 EU 시민의 데이터를 다루는 모든 글로벌 회사에 적용되는 사실상 글로벌 표준입니다.

암호화 (인크립션)

데이터를 비밀 키 없이는 읽을 수 없는 형태로 변환하는 보안 기술이며, 메시지 전송·파일 저장·결제 정보 보호의 핵심 기반이고 1970년대 미국 IBM·NSA가 표준화한 뒤 인터넷의 기본 인프라가 됐습니다.

투에프에이 (또는 이중 인증)

Two-Factor Authentication(이중 인증)의 약자로, 비밀번호 외에 휴대폰 인증 코드·생체 인식 같은 두 번째 확인 단계를 추가해 계정 도용을 막는 표준 보안 방법입니다.

에스에스오

Single Sign-On(통합 인증)의 약자로, 한 번 로그인하면 여러 서비스에 다시 로그인하지 않고 접근할 수 있게 해 주는 인증 표준이며 기업·교육·금융 환경에서 사실상 필수 인프라입니다.

제이더블유티 (또는 좌트)

JSON Web Token의 약자로, 2015년 미국에서 IETF 표준으로 정립된 인증 토큰 형식이며 사용자가 로그인 후 받는 '신분증 같은 문자열'을 의미하고 현대 웹·앱 API 인증의 사실상 표준입니다.

Open Authorization의 약자로, 2007년 미국 IT 업계가 표준화한 인증·권한 위임 프로토콜이며 'Google 로그인'·'카카오 로그인' 같은 'OAuth 로그인'의 기반 기술이고 현대 웹·앱 인증의 사실상 표준입니다.

Objectives and Key Results의 약자로, 1999년 미국 Intel·Google에서 정착한 목표 설정 방법이며 '도전적인 목표(O)와 그것을 측정할 핵심 결과(KR) 3~5개'를 분기·연 단위로 정해 운영하는 표준 매니지먼트 도구입니다.

비즈니스·마케팅

케이피아이

Key Performance Indicator의 약자로, 회사·팀·서비스의 목표 달성 정도를 숫자로 측정하는 핵심 지표이며 1990년대 미국 컨설팅 업계에서 표준화된 뒤 한국·미국 모든 기업의 의사결정 도구가 됐습니다.

비즈니스·마케팅

Minimum Viable Product의 약자로, '시장 가설을 검증할 수 있는 가장 작은 형태의 제품'을 의미하며 2008년 미국 스타트업 교과서 'Lean Startup'에서 표준화된 뒤 한국 스타트업의 가장 기본적인 출시 철학이 됐습니다.

비즈니스·마케팅

Annual Recurring Revenue의 약자로, 매년 반복적으로 들어오는 매출의 합계를 의미하며 SaaS 회사의 규모와 가치를 가장 표준적으로 보여 주는 지표이고 미국 SaaS 산업에서 회사 평가의 기본이 됐습니다.

비즈니스·마케팅

Software as a Service의 약자로, 한 번 사는 게 아니라 매월·매년 구독으로 사용하는 소프트웨어 판매 방식을 말하며 1999년 미국 Salesforce가 표준화한 뒤 25년이 지난 지금 거의 모든 IT 서비스의 기본 모델이 됐습니다.

비즈니스·마케팅

Robotic Process Automation(로봇 프로세스 자동화)의 약자로, 사람이 컴퓨터 화면에서 반복하는 클릭·복사·붙여넣기 같은 작업을 소프트웨어 로봇이 자동 수행하도록 만든 기술이며 2010년대 미국·인도 IT 서비스 시장에서 대중화된 사무 자동화의 표준입니다.

자동화·노코드

AI 활용 분야에서 Microsoft가 공개한 MCP(Model Context Protocol) 서버로, 브라우저 자동화 도구 Playwright를 LLM에 연결해 AI 에이전트가 웹사이트를 직접 띄워 클릭·입력·캡처할 수 있도록 만든 표준 도구입니다.

자동화·노코드

2016년 미국 샌프란시스코에서 시작된 통합 협업 도구로, 문서·데이터베이스·위키·프로젝트 관리·CRM을 한 워크스페이스에 묶어 'Company OS'로 자리잡은 글로벌 협업 표준 중 하나입니다.

자동화·노코드

AI 활용 분야에서 독일 n8n GmbH가 2019년에 공개한 오픈소스 노코드 자동화 플랫폼으로, 셀프 호스팅 가능한 워크플로 도구에 LLM·에이전트 노드를 더해 AI 자동화 표준이 된 도구입니다.

자동화·노코드

AI 활용 분야에서 쓰이는 용어로, LLM에 예시 한 개도 보여주지 않고 작업 설명만 주어 곧바로 답을 내도록 시키는 방식으로, GPT-3 이후 일반화된 표준 사용 패턴입니다.

프롬프트·AI 활용

에어플로우

2014년 미국 Airbnb에서 시작해 2019년 Apache 재단으로 이관된 오픈소스 워크플로우 오케스트레이션 도구로, '매일 새벽 데이터 가공·매주 보고서 발송' 같은 정기 작업을 자동 실행·관리하는 ETL 표준 도구입니다.

Extract(추출)·Transform(변환)·Load(적재)의 약자로, 여러 곳에 흩어진 데이터를 가져와 형식을 통일하고 분석용 데이터 창고에 적재하는 표준 데이터 처리 흐름이며 1980년대 미국 IT 산업에서 시작된 데이터 분석의 기본 절차입니다.

2010년 미국 Google이 발표한 클라우드 데이터 웨어하우스로, 페타바이트 단위의 거대 데이터를 SQL 한 줄로 몇 초 안에 분석할 수 있게 해 주는 GCP의 대표 서비스이자 글로벌 데이터 분석 표준 중 하나입니다.

2009년 이탈리아 출신 개발자 Salvatore Sanfilippo가 만들어 미국 Redis Labs(현 Redis Inc.)가 운영하는 인-메모리 키-값 데이터베이스로, 메모리에 데이터를 두고 1ms 이하로 읽고 쓰며 캐시·세션 관리·실시간 랭킹의 표준 도구입니다.

마이에스큐엘

1995년 스웨덴 출신 개발자가 만들어 현재 미국 Oracle이 운영하는 세계에서 가장 널리 쓰이는 오픈소스 관계형 데이터베이스로, 30년이 지난 지금도 한국 IT 서비스의 약 50%가 사용하는 사실상 표준 DB입니다.

에스큐엘 또는 시퀄

Structured Query Language의 약자로, 1974년 미국 IBM 연구소에서 만들어진 데이터베이스에서 자료를 가져오고·저장하고·수정하는 표준 언어이며 50년이 지난 지금도 거의 모든 회사 데이터 분석의 기본 도구입니다.

에이비 테스트

두 가지 디자인·문구·기능을 동시에 운영하며 어느 쪽이 더 좋은 성과를 내는지 데이터로 비교하는 실험 방식으로, 1990년대 미국 IT 산업에서 시작되어 한국·미국 모든 대형 서비스의 표준 의사결정 도구입니다.

제품·서비스의 핵심 사용자를 '실제 한 사람'처럼 구체적으로 정의한 가상의 인물상으로, 디자인·마케팅·기획팀이 '누구를 위한 결정인가'를 명확히 하기 위해 만드는 UX 리서치의 표준 도구입니다.

플레이북 3

트렌드 결제까지 대신하는 에이전틱 커머스 체크포인트 5가지

AI 에이전트가 상품 탐색부터 결제까지 대신하는 에이전틱 커머스가 표준 경쟁에 들어갔습니다. 핵심 흐름과 검증된 수치, 실무 체크포인트 5가지를 정리했습니다.

케이스 스터디 투자은행 모건스탠리의 사내 지식 AI 도입 사례

모건스탠리가 리서치 문서 10만 건을 검색하는 AI 비서와 회의 요약 도구를 도입해 어드바이저 팀 98%가 쓰는 표준 도구로 정착시킨 과정과 수치를 정리합니다.

리소스 awesome-mcp-servers: Claude에 도구를 붙이는 MCP 서버 목록

MCP는 Claude 같은 AI에 외부 도구를 연결하는 개방형 표준입니다. awesome-mcp-servers는 그 서버를 용도별로 모은 목록으로, 원하는 서버를 골라 설정 몇 줄로 붙입니다.

검색 · AI for Everyone