본문 바로가기

전체 글264

Day 67. 저작권과 AI 생성물의 권리 어제 AI의 편향 문제를 살펴봤습니다. 오늘은 AI가 만들어낸 결과물의 저작권이 누구에게 있는지 알아봅니다.AI 생성물의 저작권, 세 가지 쟁점쟁점 1: AI가 만든 것의 저작권은 누구에게 있나현재 대부분의 나라에서 AI가 만든 결과물은 저작권법상 보호를 받기 어렵습니다. 저작권은 인간 창작자에게 귀속되는 것이 원칙이기 때문입니다. 다만 사용자가 AI를 도구로 활용해서 창작물을 만들었을 때, 그 창작적 기여에 따라 달리 판단될 수 있습니다.쟁점 2: AI의 학습 데이터 저작권AI는 인터넷에 있는 수많은 글, 그림, 음악을 학습했습니다. 이 학습 데이터에 대한 저작권자들의 동의를 받았는지에 대한 소송이 전 세계적으로 진행 중입니다. 이 논의는 아직 해결되지 않은 부분이 많습니다.쟁점 3: AI 생성물의 상.. 2026. 8. 27.
Day 66. 편향(bias)이란 무엇이고 왜 생길까 어제 업무에서의 AI 사용 수칙을 배웠습니다. 오늘은 AI의 또 다른 중요한 문제인 '편향(bias)'을 살펴봅니다.편향이란 무엇인가편향이란 AI가 특정 집단이나 관점에 대해 불균형하게 반응하는 것을 말합니다. 중립적이어야 할 AI가 성별, 인종, 나이, 국적 등에 따라 다르게 반응하는 현상입니다.왜 생길까요? AI는 사람들이 만들어온 텍스트, 이미지, 데이터로 학습합니다. 그 데이터 속에 이미 사회의 편견이 담겨 있기 때문에, AI도 그 편견을 흡수할 수 있습니다.예를 들어 과거 뉴스 기사에서 CEO를 묘사할 때 남성을 중심으로 쓴 경우가 많았다면, AI는 "CEO"라는 단어를 남성과 더 강하게 연결 지을 수 있습니다.편향이 나타나는 방식이미지 생성: "의사를 그려줘"라고 했을 때 남성만 나오거나, ".. 2026. 8. 26.
Day 65. 회사·기관에서 AI 쓸 때의 기본 수칙 어제 개인정보와 민감정보 보호를 배웠습니다. 오늘은 직장이나 기관에서 AI를 사용할 때 알아야 할 기본 수칙을 살펴봅니다.업무용 AI 사용의 세 가지 원칙원칙 1: 기밀 정보 입력 금지회사의 미발표 제품 정보, 고객 데이터, 내부 재무 자료, 소송 관련 문서 같은 기밀 정보는 외부 AI 서비스에 입력하면 안 됩니다. 설령 편의성이 높아지더라도, 기밀 유출 리스크가 더 큽니다.원칙 2: 결과물 검토 의무AI가 만든 보고서, 이메일, 분석 결과물은 반드시 내가 검토하고 책임을 져야 합니다. "AI가 써준 거예요"는 책임을 면해주지 않습니다. 최종 제출 전에 사실 확인, 맥락 적합성, 오류 여부를 내가 확인해야 합니다.원칙 3: AI 사용 여부 투명하게 공개중요한 문서나 보고서에 AI를 활용했다면, 필요한 경.. 2026. 8. 25.
Day 64. 개인정보·민감정보, 어디까지 입력해도 될까 10주차에 오신 걸 환영합니다. 이번 주는 '안전하고 올바르게 쓰기' 주간입니다. AI를 올바르게 쓴다는 것은 내 이익뿐 아니라 타인과 사회를 고려하는 것을 포함합니다. 오늘은 개인정보와 민감정보 이야기입니다.챗봇에 넣으면 안 되는 정보AI 챗봇에 입력한 내용은 서비스 운영 목적으로 저장되거나 AI 학습 데이터로 활용될 수 있습니다. 아래 정보는 챗봇에 입력하지 않는 것이 원칙입니다.절대 넣으면 안 되는 것- 주민등록번호, 여권 번호- 계좌번호, 카드번호, 비밀번호- 타인의 개인정보 (이름+연락처+주소 조합)- 회사 기밀 정보, 미공개 재무 데이터- 의료 기록, 진단 내용주의가 필요한 것- 내 실명과 생년월일 조합- 구체적인 거주지 주소- 특정 개인을 식별할 수 있는 조합 정보어떻게 처리하면 될까민감 정.. 2026. 8. 24.
Day 63. (복습) 일부러 함정 질문을 던지고 검증해보기 9주차 마지막 날입니다. 이번 주에 AI 환각, 경고 신호, 출처 확인, 검증 3단계, 지식 컷오프, 숫자·통계 다루기까지 배웠습니다. 오늘은 이 모든 것을 활용해서 AI를 능동적으로 테스트해봅니다.AI의 한계를 능동적으로 탐색하기AI를 잘 쓰는 사람은 AI를 맹목적으로 따르지 않습니다. 오히려 AI가 어디서 약한지 직접 테스트해보고, 그 특성을 파악해서 더 현명하게 활용합니다.오늘은 일부러 함정 질문을 설계해서 AI의 응답 방식을 관찰합니다.함정 질문 설계 방법유형 1: 없는 정보 묻기존재하지 않는 인물, 책, 사건을 실재하는 것처럼 물어봅니다."2018년에 '김민준'이라는 사람이 쓴 '미래를 읽는 AI의 눈'이라는 책에 대해 알려줘."유형 2: 불가능한 정보 묻기AI가 알 수 없는 미래나 비공개 정보.. 2026. 8. 23.
Day 62. 숫자·통계·인용을 다룰 때의 원칙 어제 최신 정보의 한계를 배웠습니다. 오늘은 AI가 제시하는 숫자와 통계, 인용구를 어떻게 다루어야 하는지 원칙을 정리합니다.숫자는 가장 위험한 영역AI가 글을 쓸 때 가장 위험한 부분이 숫자와 통계입니다. 이유는 두 가지입니다.첫째, 틀린 숫자는 그럴듯하게 들리기 때문입니다. "전 세계 스마트폰 사용자의 67%가..."라는 문장은 읽는 사람에게 신뢰감을 줍니다. 하지만 이 67%라는 숫자가 실제인지, 언제 기준인지, 어디서 나온 것인지 확인하지 않으면 위험합니다.둘째, 숫자가 틀리면 전체 논지가 무너질 수 있습니다.인용구는 절대 그냥 쓰면 안 된다AI에게 "유명한 명언을 넣어줘"라고 하면 그럴듯한 문장을 만들어낼 수 있습니다. 하지만 그게 실제로 그 사람이 한 말인지는 별개의 문제입니다."○○이 말했다.. 2026. 8. 22.
Day 61. 최신 정보가 필요할 때 주의할 점 어제 AI 정보를 검증하는 3단계를 배웠습니다. 오늘은 AI의 중요한 한계 중 하나인 '최신 정보 부재' 문제를 집중적으로 다룹니다.지식 컷오프란AI는 특정 시점까지의 데이터로 학습됩니다. 이 학습 마감 시점을 '지식 컷오프(knowledge cutoff)'라고 합니다. 이 날짜 이후에 일어난 일은 AI가 알 수 없습니다.예를 들어 지식 컷오프가 2024년 초인 AI에게 "2024년 말에 있었던 ○○ 사건을 설명해줘"라고 물으면, 해당 사건이 컷오프 이후라면 모르거나 잘못된 정보를 줄 수 있습니다.현재 사용하는 AI의 지식 컷오프는 대화 중에 직접 물어볼 수 있습니다."당신의 학습 데이터 마감 시점이 언제예요?"최신 정보가 필요한 상황들이런 질문들은 AI보다 검색이 더 적합합니다.- "오늘 주요 뉴스는?.. 2026. 8. 21.
Day 60. AI 답을 검증하는 3단계 어제 출처 확인 습관의 기초를 배웠습니다. 오늘은 더 체계적인 3단계 검증 루틴을 정리합니다. 이 루틴을 익혀두면 AI 정보를 안전하고 효율적으로 사용할 수 있습니다.AI 정보 검증 3단계 루틴1단계: 중요도 판단이 정보가 내 판단이나 행동에 영향을 주는가?- 높음(반드시 확인): 건강·법률·재정·중요한 사실- 보통(가능하면 확인): 공유할 정보, 업무에 쓸 정보- 낮음(참고만): 아이디어, 영감, 일반 지식2단계: 교차 검색동일한 내용을 다른 채널에서도 찾아볼 수 있는가?- 검색 엔진에서 핵심 키워드로 검색- 2개 이상의 독립된 출처에서 같은 내용이 확인되면 신뢰도 높음- 출처들이 서로 모순되면 더 조심3단계: 원출처 확인공식 기관이나 1차 출처에서 직접 확인- 공공기관 (정부, 지자체, 공공기관 공식.. 2026. 8. 20.

티스토리툴바