AI · 팀 · 강의 컨텍스트 Wiki

사람이 하던 인식·판단·생성 작업을 컴퓨터가 수행하도록 만드는 기술 전체를 가리키는 말.

사람이 규칙을 전부 짜지 않고, 데이터에서 패턴을 학습해 예측·분류하는 AI 방식.

여러 층의 신경망으로 이미지·음성·언어 같은 복잡한 패턴을 학습하는 머신러닝 방식.

여러 계산 노드가 층을 이루며 데이터의 패턴을 학습하는 AI 모델 구조.

사람의 언어를 컴퓨터가 읽고 분류하고 생성하도록 만드는 AI 분야.

이미지와 영상을 컴퓨터가 분석해 물체·문자·장면을 인식하게 하는 AI 분야.

문장의 다음 단어를 확률로 예측하도록 거대한 데이터로 학습한 AI 모델.

텍스트뿐 아니라 이미지·음성·영상·파일 같은 여러 입력 형식을 함께 다루는 AI.

글/이미지/음성/코드 등 새로운 콘텐츠를 만들어 내는 AI 분야.

텍스트 설명이나 참고 이미지를 바탕으로 새로운 이미지를 만드는 생성형 AI 기술.

에이전트가 환경과 상호작용하며 받은 보상을 최대화하도록 정책(policy)을 학습하는 머신러닝 방식.

AI 작업의 결과로 손에 남는 산출물 — 코드·문서·이미지·데이터 한 조각.

AI 의 입출력에 안전·정책 검증 레이어를 두어 위험한 응답·행동을 차단하는 장치.

모델 제공자가 걸어둔 안전 가드를 우회시키려는 공격성 프롬프트 기법.

모델이 특정 작업을 배우기 전, 인터넷·책 등 대규모 일반 데이터로 먼저 학습하는 단계.

사용자나 외부 데이터가 LLM 의 시스템 프롬프트를 무력화시키는 보안 공격.

텍스트를 모델이 다루는 단위인 "토큰" 으로 쪼개는 컴포넌트.

GPT·Claude·Gemini 같은 거의 모든 현대 LLM 의 기반이 되는 신경망 아키텍처.

데이터로 학습되어 입력을 받으면 예측·분류·생성 결과를 내는 AI의 핵심 엔진.

AI가 학습하거나 분석할 때 사용하는 예시·문서·숫자·이미지 등의 데이터 묶음.

AI 모델이 데이터에서 패턴을 배우도록 파라미터를 조정하는 과정.

학습된 AI 모델에 입력을 넣어 실제 답변·예측·생성 결과를 받는 과정.

반복 작업을 사람이 매번 하지 않도록 시스템이나 AI가 대신 실행하게 만드는 것.

AI가 만든 결과를 사람이 중간 또는 마지막에 검토·승인하는 운영 방식.

문장·이미지 같은 데이터를 의미가 비슷한 것끼리 가까워지도록 숫자 벡터로 바꾼 표현.

임베딩 벡터를 저장하고 의미가 가까운 항목을 빠르게 찾도록 만든 데이터베이스.

AI가 대화 전체에서 따라야 할 역할·규칙·금지사항을 지정하는 상위 지시문.

AI 사용 중 이름·연락처·결제정보·회사 내부자료 같은 민감 정보를 안전하게 다루는 원칙.

사람이 주도권을 잡고 일하는 동안 옆에서 초안·추천·자동완성을 돕는 AI 보조 도구.

노이즈에서 점진적으로 이미지를 복원하는 방식으로 새 이미지를 만드는 생성 모델.

이미 학습된 모델에 추가 데이터를 학습시켜 특정 작업이나 톤에 맞게 조정하는 방법.

LLM 에게 던지는 입력 — 질문, 지시문, 맥락의 총합.

예시 없이 지시만으로 결과를 유도하는 가장 단순한 프롬프트 방식.

입력-출력 예시를 몇 개 보여줘 모델이 그 패턴을 따라가게 만드는 기법.

모델이 결론만 내지 않고 중간 추론 과정을 단계별로 적게 만드는 프롬프팅 기법.

"너는 ~~ 전문가야" 처럼 모델에 특정 역할/페르소나를 부여해 답변의 톤·관점·범위를 제어하는 기법.

LLM 이 한 번에 읽고 답할 수 있는 입력의 양 / 범위.

LLM 이 글을 쪼개서 다루는 최소 단위. 단어보다 작거나 같음.

LLM 이 사실과 다른 내용을 그럴듯하게 지어내는 현상.

사람의 감독 없이 도구를 사용해 여러 단계 작업을 끝까지 수행하는 AI.

AI 모델을 실제 도구/파일/API 와 연결해 쓸 수 있게 만든 실행 환경.

긴 텍스트를 단어, 부분 단어, 문장 부호 같은 작은 처리 단위로 나누는 과정.

사용자가 앱이나 기계와 상호작용하기 위해 보고 누르고 입력하는 화면과 조작 요소.

프로그램이 기대한 대로 실행되지 않았을 때 원인과 위치를 알려주는 신호.

현재 파일, 데이터, 화면 상태를 나중에 확인하거나 되돌릴 수 있게 남겨 둔 저장점.

AI로 대량 생성됐지만 품질, 맥락, 검토가 부족해 사람의 시간을 낭비하는 저품질 콘텐츠.

클라우드가 아닌 사용자 기기 안에서 직접 돌아가는 AI 모델.

AI가 답하기 전 외부 지식베이스를 검색해 근거를 붙이는 방식.

음성 파일이나 녹음을 텍스트로 바꾸는 AI 기술.

I2V는 한 장의 이미지와 선택적 프롬프트를 입력해 짧은 영상으로 확장하는 생성형 AI 방식이다.

깊은 신경망에서 역전파 시 기울기가 앞쪽 층으로 갈수록 0에 가까워져 학습이 사실상 멈추는 현상.

사용자가 채팅창에 질문하거나 요청하면 자동으로 답변하고 필요한 작업을 이어 주는 프로그램.

브라우저나 모바일에서 URL로 접속해 사용하는 온라인 서비스.

사람이나 컴퓨터가 저장·처리·전달할 수 있게 정리한 값과 기록.

웹 기술로 만들지만 사용자는 앱처럼 조작하는 화면 중심 서비스.

공공기관이 생성·보유하고 국민이 활용할 수 있도록 개방하는 데이터.

앱과 API가 데이터를 주고받을 때 자주 쓰는 가벼운 텍스트 형식.

쉼표로 열을 나누어 표 데이터를 저장하는 단순한 텍스트 파일 형식.

컴퓨터가 실행할 프로그램의 동작을 사람이 읽고 수정할 수 있게 적어 둔 텍스트.

앱이 다른 프로그램이나 서비스의 기능·데이터를 정해진 방식으로 요청하는 통로.

외부 API가 요청자를 식별하고 사용 권한을 확인하기 위해 발급하는 문자열.

브라우저가 다른 출처의 API 요청을 허용할지 판단하는 보안 규칙.

API가 요청을 받은 뒤 돌려주는 데이터의 구조와 표현 방식.

외부 데이터 구조를 우리 앱이 쓰는 내부 구조로 바꿔 끼우는 설계 방식.

앱에서 만든 데이터를 새로고침 후에도 남기기 위해 구조적으로 저장하는 시스템.

사용자가 누구인지 확인해 서비스가 같은 사람을 알아보게 하는 과정.

로그인한 사용자가 어떤 데이터와 기능에 접근할 수 있는지 정하는 규칙.

데이터베이스 행마다 누가 읽고 수정할 수 있는지 제한하는 보안 정책.

다른 서비스 계정으로 로그인하거나 접근 권한을 위임하는 표준 프로토콜.

화면 크기와 입력 방식에 맞춰 레이아웃과 요소 크기가 바뀌는 웹 설계 방식.

웹앱을 기기에 설치하거나 홈 화면에서 앱처럼 열 수 있게 만드는 웹 기술 묶음.

PWA의 이름, 아이콘, 시작 URL, 표시 방식을 브라우저에 알려주는 JSON 파일.

브라우저 대신 서버에서 외부 API 호출이나 비밀값 처리를 맡는 엔드포인트.

코드 밖에서 API 키나 배포 환경별 설정값을 주입하는 key-value 설정.

내 컴퓨터 안에서만 접근하는 개발용 주소 또는 서버 환경.

내 컴퓨터에서 만든 웹앱을 다른 사람도 접속할 수 있는 서버와 공개 URL에 올리는 과정.

여러 화면이 같은 기준으로 보이도록 색, 글자, 간격, 컴포넌트 규칙을 묶은 체계.

색, 폰트, 간격, 둥글기 같은 디자인 값을 이름 붙여 재사용하는 최소 단위.

서비스에서 반복해서 쓰는 색 값을 이름 붙여 관리하는 디자인 토큰.

화면의 글자가 어떤 모양으로 보일지 정하는 글꼴 또는 글꼴 묶음.

글꼴, 크기, 굵기, 줄간격, 계층을 조절해 글을 읽기 좋게 만드는 설계.

버튼이나 카드 모서리를 얼마나 둥글게 만들지 정하는 UI 스타일 값.

머신러닝 모델의 개발·배포·운영·재학습을 표준화하는 엔지니어링 분야.

운영 중인 ML 모델의 입출력·성능·드리프트를 지속 관찰해 이상을 조기에 발견하는 활동.

비즈니스 규칙·접근 정책을 애플리케이션 코드에서 분리해 선언적으로 정의·평가하는 시스템.

AI 시스템의 위험·책임·투명성을 통제하기 위한 정책·표준·조직 체계의 총칭.

기본 경로가 실패했을 때 서비스 연속성을 위해 자동으로 전환되는 대체 처리 방식.

업무/시스템 작업을 순서·조건·책임 단위로 정의한 실행 흐름.

여러 서비스·작업·에이전트를 정해진 규칙대로 조율해 전체 흐름을 실행·관리하는 제어 컴포넌트.

AI 코딩 에이전트가 IDE 안에서 직접 파일을 편집·실행하는 코드 에디터.

Anthropic 이 만든 "AI 모델이 외부 도구·데이터에 접근하는 표준 프로토콜".

대화창에 "/이름" 으로 입력해 미리 정의된 작업을 한 번에 실행하는 단축 명령.

OpenAI가 만든 LLM 시리즈. ChatGPT 의 엔진.

Anthropic 이 만든 LLM. 긴 문서 / 안전성에 강한 것이 특징.

팀이 채널과 메시지, 앱 연동을 통해 일을 논의하고 자동화하는 협업 메신저.

Claude를 터미널/코드베이스에 연결해 실제 파일 수정과 명령 실행을 시키는 도구.

Claude로 화면/슬라이드/시각 초안을 만들고 피드백하며 고치는 디자인 작업 흐름.

Claude가 대화 안에서 생성하는 별도 결과물 화면/문서/코드.

Google이 만든 LLM/멀티모달 AI 모델 및 서비스.

AI로 리서치·보고서·콘텐츠 초안을 빠르게 만드는 도구.

원본 영상에서 음성을 자동 인식해 자막·컷 편집을 한 번에 처리해 주는 영상편집 AI 도구.

Higgsfield는 이미지·영상 생성과 광고형 숏폼 제작 워크플로를 제공하는 생성형 미디어 도구다.

Postgres 기반 DB, 인증, 스토리지, 실시간 기능을 제공하는 백엔드 플랫폼.

Next.js 웹앱을 Git과 연결해 공개 URL로 배포하기 쉬운 클라우드 플랫폼.

역전파와 심층 신경망 연구의 핵심 인물. 2018년 ACM 튜링상과 2024년 노벨 물리학상을 수상했다.

신경 언어모델·어텐션 메커니즘의 기초를 쌓은 딥러닝 연구자이자 Mila 창립자. 2018년 ACM 튜링상 공동 수상.

합성곱 신경망과 딥러닝 확산에 큰 영향을 준 연구자이자 2018년 튜링상 공동 수상자.

DeepMind 공동창업자이자 Google DeepMind CEO로, AlphaGo와 AlphaFold 흐름을 이끈 AI 연구자.

AlexNet과 OpenAI 초기 연구에 깊이 관여했고, 이후 Safe Superintelligence를 공동창업한 AI 연구자.

Semicolon의 AI 오케스트레이션 운영 방식. 역할별 AI 에이전트와 사람이 함께 기획·개발·검증·운영을 수행한다.

SemiClaw, PlanClaw, WorkClaw 등 역할 기반 AI 봇팀을 운영하는 SEMO의 에이전트 계층.

아이디어 단계의 서비스를 기획·개발·배포·운영까지 연결하는 Semicolon의 인큐베이팅 파이프라인.

SEMO의 서비스 메타데이터, 의사결정, 프로세스, 액션 컨텍스트를 담는 지식 SoT.

SEMO의 서비스, KB, 봇, 회의, 액션아이템, 권한을 한 화면에서 운영하는 웹 콘솔.

회의 녹음, STT, 화자분리, LLM 회의록 생성, 후속 액션 연결을 담당하는 SEMO 하위 서비스.

SEMO 봇이 텍스트 메신저 밖에서 음성으로 사용자와 대화하도록 하는 voice channel.

Slack/Discord 브리지와 mailbox 기반 inbox/outbox 흐름을 묶어 봇 메시지를 운반하는 SEMO 계층.

Claude Code, Codex CLI, OpenClaw 등 실행 호스트를 SEMO의 공통 계약으로 흡수하는 런타임 계층.

여러 봇과 사용자가 함께 쓰는 팀/조직용 SEMO 운영 프로파일.

개인 또는 로컬 환경에서 SEMO를 가볍게 실행하기 위한 개인용 운영 프로파일.

Semicolon 팀이 운영하는 일반인 대상 AI 강의 / 업무 자동화 클래스.

“모두에게 닿는 AI”를 슬로건으로, AI와 함께 일하는 방식과 서비스를 함께 설계하는 팀.

Semicolon CEO·CAIO. AI 에이전트 오케스트레이션, 엔터프라이즈 풀스택 개발, 인큐베이팅을 리드하는 강의 진행자.

Semicolon의 시스템 아키텍트. 인프라 구조, 성능·확장성, 운영 고도화를 담당한다.

Semicolon의 서비스 총괄. 서비스 기획, 데이터 기반 의사결정, 사용자 피드백 개선을 담당한다.

Semicolon의 백엔드 총괄. API, 데이터베이스, 서버 인프라, 보안·성능 최적화를 담당한다.

직종·연봉 정보를 비교하고 AI 대체 위험도 맥락을 제공하는 Semicolon의 자체 서비스.

임신·출산·육아 전 과정을 돕는 AI 슈퍼앱 콘셉트의 Semicolon 자체 서비스.

정치 토론과 커뮤니티 흐름을 다루는 Semicolon의 자체 서비스.

요식업 매장을 위한 매출·재고·발주·팀 운영 관리 서비스 사례.

SEMO의 프로젝트 매니저 역할 AI 에이전트. 작업 흐름을 정리하고 진행 상태를 조율한다.

SEMO의 기획 역할 AI 에이전트. 요구사항, 범위, 실행 계획을 구조화한다.

SEMO의 디자인 역할 AI 에이전트. 화면, 자료, 시각 방향을 초안화하고 개선한다.

SEMO의 실행 역할 AI 에이전트. 코드·문서·작업물을 실제로 수정하고 구현한다.

SEMO의 품질검증 역할 AI 에이전트. 변경사항의 버그, 리스크, 누락을 검토한다.

SEMO의 인프라 역할 AI 에이전트. 배포, 클라우드, 운영 환경 관련 작업을 보조한다.

SEMO의 마케팅·SEO 역할 AI 에이전트. 콘텐츠, 검색 유입, 성장 실험을 보조한다.

GPT/ChatGPT/DALL-E/Sora 를 만든 미국 AI 회사.

Claude 를 만든 미국 AI 회사. 안전성 연구 중심.

코드를 직접 작성하지 않고 화면 조작과 설정만으로 앱·자동화·웹페이지를 만드는 방식.

시각적 도구와 적은 코드 작성을 섞어 앱과 업무 시스템을 빠르게 만드는 방식.

AI 도구의 가능성과 한계를 이해하고 안전하게 업무에 적용하는 기본 역량.

느낌(vibe)으로 자연어 지시만 하며 AI 가 실제 코드를 만들게 하는 개발 방식.

"나만 뒤처질까" 하는 불안. 생성형 AI 폭발기에 자주 언급됨.

세미클래스의 입문 안내 회차로, AI 학습 흐름과 이후 클래스 선택지를 짧게 경험하는 자리.

필요한 주제를 한 번에 체험하는 세미클래스의 단발형 수업 트랙.

일정 기간 반복 참여하며 하나의 결과물이나 습관을 완성해 가는 세미클래스의 지속형 트랙.

회사/팀이 AI 를 본격 도입해 일하는 방식 자체를 바꾸는 변화.

짧은 시간 안에 아이디어를 만들고 구현 결과나 프로토타입으로 보여주는 집중 제작 방식.