비전공 직장인이 LLM, 토큰, RAG, 파인튜닝을 공부하려면 어떤 순서가 좋을까요?

꿈

꿈꾸는 AI

LLM, 프롬프트, 할루시네이션, 토큰과 컨텍스트 윈도우, 임베딩과 RAG, 파인튜닝 순서로 공부하면 됩니다. 매일 쓰는 채팅 화면에서 겪는 것부터 알고, 그 한계를 보완하는 기술을 뒤에 붙이는 순서입니다. 평일 30분, 주말 1시간씩 4주면 한 바퀴 돌 수 있습니다(일주일에 3시간 30분, 모두 14시간).

이 글은 2026년 10월 19일 기준입니다. 아래 링크한 공식 학습 자료와 함께, 포텐스닷 라운지에서 같은 질문을 Claude Sonnet 5.5와 GPT-6.1 Sol에 직접 넣어 본 결과를 참고했습니다.

업무에 AI를 쓰려면 어떤 개념부터 알아야 하나요?

LLM, 프롬프트, 할루시네이션, 토큰, 컨텍스트 윈도우, 임베딩, RAG, 파인튜닝 8개면 됩니다. 앞의 5개는 채팅 화면에서 매일 겪는 것이고, 뒤의 3개는 "사규 챗봇을 어떻게 만들까" 같은 회의에서 나오는 말입니다.

순서	개념 (쉬운 풀이)	회사 생활 비유	비유가 실제와 다른 점	공식 자료
1	LLM(대규모 언어 모델: 글을 많이 학습해 글을 만들어 내는 AI)	글은 잘 쓰지만 우리 회사 사규는 모르는 신입사원	신입은 "모르겠습니다"라고 말하지만, LLM은 모르는 내용도 자신 있게 답할 수 있음	Hugging Face LLM 강좌 1장
2	프롬프트(AI에게 주는 업무 지시문)	신입에게 주는 업무 지시 메모	신입은 눈치로 맥락을 채우지만, AI는 적어 주지 않은 사정을 모름	직접 써 보며 익힘
3	할루시네이션(사실이 아닌 내용을 그럴듯하게 지어내는 현상)	모르는 조항을 아는 척 둘러대는 직원	AI는 속이려는 의도가 없음. 그럴듯한 다음 말을 이어 붙이다가 생김	직접 질문해 확인
4	토큰(AI가 글을 잘게 나눠 처리하는 조각)	서류를 글자 수가 아닌 조각 개수로 세는 방식	한 조각은 글자도 단어도 아님. 언어마다 나뉘는 방식이 다름	OpenAI 핵심 개념, Gemini 토큰 안내
5	컨텍스트 윈도우(AI가 한 번에 볼 수 있는 분량의 한도)	책상 위에 한꺼번에 펼쳐 놓을 수 있는 서류 양	한도 안에 들어간 자료라도 모든 부분을 똑같이 잘 활용하지는 못함	직접 긴 자료를 넣어 확인
6	임베딩(문장의 뜻을 숫자로 바꿔 비슷한 내용을 찾게 하는 기술)	제목이 아니라 내용의 뜻으로 정리한 색인	왜 가깝다고 판단했는지 사람이 읽을 수 없음	OpenAI 임베딩 안내
7	RAG(관련 문서를 먼저 찾아 AI에게 보여 주고 답하게 하는 방식)	사내 문서함에서 해당 조항을 펼쳐 놓고 답하는 오픈북 시험	엉뚱한 조항을 찾아오면 그 조항을 근거로 틀린 답을 함	Google Cloud RAG 설명, OpenAI 검색 안내
8	파인튜닝(예시 데이터로 모델을 추가 학습시키는 것)	좋은 답변 사례로 신입을 반복 교육하기	교육한 문서를 원문 그대로 보관하거나 찾아보지 않음. 규정이 바뀌면 다시 학습시켜야 함	Hugging Face 파인튜닝 실습

토큰은 직접 세어 보면 감이 옵니다. OpenAI는 영어 기준으로 1토큰이 대략 4글자, 0.75단어라고 안내합니다. 이 비율은 언어와 토크나이저(글을 토큰으로 자르는 도구)에 따라 달라집니다. Gemini 문서에는 보내기 전에 토큰 수를 미리 세는 방법이 나와 있습니다.

임베딩은 RAG 바로 앞에 배우면 이해가 빠릅니다. "환불하고 싶어요"와 "결제 취소 방법 알려 주세요"는 단어는 달라도 뜻이 가깝습니다. 이런 문장을 찾아내는 원리가 그대로 RAG가 질문에 맞는 사규 조항을 골라 오는 원리입니다.

4주 동안 하루 30분씩 무엇을 하면 되나요?

1주 차는 채팅 화면에서 바로 겪는 개념, 2주 차는 분량의 한계, 3주 차는 임베딩과 RAG, 4주 차는 파인튜닝과 비교 정리입니다. 실습에는 실제 사규나 직원 정보 대신 직접 만든 가상 자료를 쓰세요.

주차	배울 개념	평일 30분 (월~금)	주말 1시간 실습	그 주의 확인 질문
1주	LLM, 프롬프트, 할루시네이션	월: 회사에서 쓸 수 있는 AI 도구와 넣어도 되는 자료 범위를 보안 담당자에게 확인 / 화: LLM 입문 글 1편 읽고 메모 / 수: 교육 공지문을 짧은 지시와 자세한 지시로 각각 요청해 비교 / 목: 사규를 주지 않고 휴가 규정을 물어 근거가 있는지 확인 / 금: 좋은 지시와 위험한 답변의 특징 정리	가상 교육 일정으로 공지문 3개 작성. 대상, 분량, 말투를 바꿔 비교하고 AI가 지어낸 날짜나 장소가 있는지 표시	글을 잘 쓰는 것과 사실을 정확히 아는 것은 왜 다른가?
2주	토큰, 컨텍스트 윈도우	월, 화: 토큰 개념 읽기 / 수: 토큰 계산 도구에 같은 뜻의 한국어 문장과 영어 문장 넣어 비교 / 목: 긴 대화에서 AI가 앞 조건을 놓치는 지점 관찰 / 금: 넣을 자료와 뺄 자료 고르기 연습	가상 인사 현황 표로 월간 보고서 초안 작성. AI가 쓴 수치를 직접 계산해 대조	사규 전체를 한 번에 넣기 어려운 이유는?
3주	임베딩, RAG	월: '찾기 → 읽기 → 답하기' 흐름 그리기 / 화: 가상 사규 5개 만들기 / 수: 임베딩을 "뜻으로 찾는 색인"으로 내 말로 정리 / 목: 질문에 맞는 조항을 골라 AI에게 주고 조항 번호를 붙여 답하게 하기 / 금: 자료에 없는 질문에 "확인 불가"라고 답하는지 점검	질문 10개로 문서 없이 물을 때와 문서를 붙여 물을 때를 비교. 맞는 조항을 골랐는지, 근거 없이 단정한 곳이 있는지 표로 정리	RAG의 답이 틀렸을 때 검색이 문제인지 답변이 문제인지 어떻게 구분할까?
4주	파인튜닝, RAG와 비교	월: 파인튜닝 목적 정리 / 화: 두 방식 차이를 내 말로 쓰기 / 수: 사규 문의, 보고서, 공지문에 맞는 방식 고르기 / 목: 규정이 바뀌는 상황에서 두 방식 비교 / 금: 팀 회의용 1분 설명 연습	비교표 한 장(규정 개정 대응, 근거 표시, 보안, 담당 인력) 만들고 소리 내어 발표	사규 문의에는 왜 RAG를 먼저 검토하나?

4주를 마치고 이론을 더 파고 싶다면 Google 머신러닝 기초 강좌가 다음 단계로 좋습니다. 회귀, 데이터와 과적합(학습 자료에만 지나치게 맞춰진 상태), 신경망, 임베딩, LLM 순서로 되어 있고 실습 안내도 따로 있습니다. 트랜스포머 구조나 파인튜닝 과정이 궁금하면 Hugging Face NLP 강좌와 파인튜닝 코드 예시를 보면 됩니다. 업무에 쓰는 게 목적이라면 코드 실습까지 할 필요는 없습니다.

배운 개념을 사규 검색과 보고서 요약에 어떻게 적용해 보나요?

가상 사규 몇 조항과 가상 인사 현황 메모를 만들어, RAG 챗봇이 답하는 과정과 요약에서 AI가 지어내는 지점을 직접 따라가 보면 가장 빨리 익힙니다. 저희는 연차휴가(제23조), 경조휴가(제24조), 2025년 3월 1일 신설된 재택근무(제25조) 조항과, 3월 입사와 퇴사 인원, 이직률, 4월 재택 승인 현황을 적은 메모를 만들어 썼습니다(원문은 글 끝 부록).

RAG 사규 챗봇은 대략 이렇게 움직입니다. 미리 사규를 조항 단위로 잘라 임베딩으로 저장해 둡니다. 질문이 오면 뜻이 가까운 조항을 찾아 질문과 함께 LLM에 넘기고, LLM은 그 조항을 근거로 답과 조항 번호를 냅니다.

단계	챗봇 안에서 일어나는 일	"입사 7년 차 연차는? 할머니 상은 며칠?"에 적용하면
1. 미리 준비	사규를 조항별로 나누고 시행일과 함께 저장	제23조, 제24조, 제25조를 따로 저장하고 제25조에는 시행일 2025년 3월 1일 기록
2. 검색	질문과 뜻이 가까운 조항을 찾음	'할머니'를 '조부모'와 연결해 제24조를, '연차'로 제23조를 찾음
3. 답변 재료 모으기	지시, 찾은 조항, 질문을 컨텍스트 윈도우에 올림	"아래 조항만 근거로 답하라"는 지시와 제23조, 제24조
4. 답변	조항을 적용해 계산하고 근거를 표시	연차 17일(만 6년 근속) 또는 18일(만 7년 근속), 조부모 상 3일, 근거 제23조와 제24조

사규 검색에 RAG를 먼저 검토하는 이유는 규정이 바뀔 때 드러납니다. RAG는 질문할 때마다 저장된 문서를 찾아보니까 제25조가 바뀌면 문서만 바꾸면 됩니다. 파인튜닝은 모델 자체를 추가로 학습시키는 방식이라, 바뀐 규정을 반영하려면 학습 데이터를 다시 만들어 다시 학습시켜야 합니다. 파인튜닝은 "우리 회사식 답변 형식과 말투"처럼 패턴을 익히게 할 때 검토하고, 두 방식을 함께 쓸 수도 있습니다.

보고서 요약에서는 숫자와 원인에서 지어내기가 잘 일어납니다. "생산직 이직률 전월 대비 1.2%p 상승"을 "생산직 이직률 1.2%"로 바꿔 쓰거나, 퇴사 사유와 교육 의견을 묶어 "실습이 부족해서 퇴사했다"는 인과를 만들거나, 아직 승인되지 않은 7명을 "거절됐다"고 단정하는 식입니다. 팀장 보고용 요약을 맡길 때는 "메모에 없는 원인, 수치, 전망은 쓰지 말고, 직접 계산한 값에는 계산식을 붙여라"라고 적어 두세요.

비전공자가 AI 이론에서 흔히 하는 오해는 무엇인가요?

가장 흔한 건 "AI는 검색엔진처럼 정답을 찾아온다"와 "내가 고쳐 주면 AI가 바로 학습한다"입니다. 아래 오해들은 모두 채팅 화면에서 5분이면 직접 확인할 수 있습니다.

오해	실제	확인하는 방법
AI는 정답을 찾아온다	LLM은 문맥에 이어질 그럴듯한 말을 만듦. 매끄러워도 틀릴 수 있음	"취업규칙 제99조 내용은?"처럼 없는 조항을 물어 지어내는지 보기
대화로 고쳐 주면 AI가 바로 학습한다	대화 중에는 그 창의 내용을 참고할 뿐, 모델이 그 자리에서 다시 학습되지는 않음. 입력이 나중에 학습에 쓰이는지는 서비스 정책마다 다름	한 창에서 "내 부서는 인사팀"이라고 알린 뒤 새 창에서 물어보기. 메모리 기능이 켜져 있으면 기억할 수 있는데, 이건 재학습이 아님
한국어 한 글자는 토큰 하나다	토큰은 글자나 단어와 일치하지 않고, 영어 기준 비율(약 4글자)도 한국어에는 맞지 않음	토큰 계산 도구에 같은 뜻의 한국어 문장과 영어 문장을 넣어 비교. 글자 수를 토큰 수로 착각하지 않기
컨텍스트 윈도우가 크면 긴 문서도 빠짐없이 읽는다	들어가는 것과 잘 활용하는 것은 다름	긴 회의록 중간에 "회식 장소는 부산"을 넣고 요약시킨 뒤 회식 장소를 물어보기
RAG 챗봇은 사내 문서를 쓰니 무조건 정확하다	엉뚱한 조항이나 옛 버전을 가져올 수 있음	답변에 나온 조항 번호와 시행일을 원문과 대조하고, 연차 일수는 직접 계산

"한국어가 영어보다 토큰을 더 쓰는가"는 모델과 문장에 따라 달라서 단정할 수 없습니다. 이번에 두 모델에게 물어봤을 때도 설명이 서로 엇갈렸습니다. 쓰는 모델의 토큰 계산 도구로 직접 세어 보는 게 가장 확실합니다.

같은 질문에 Claude Sonnet 5.5와 GPT-6.1 Sol은 어떻게 답했나요?

두 모델 모두 요청한 개념 순서, 비유, 4주 계획, 템플릿을 빠짐없이 냈습니다. 달랐던 건 '7년 차'처럼 해석이 갈리는 표현을 다루는 방식, 총 학습 시간 계산, 보안 이야기를 어디에 넣느냐였습니다. 모델마다 한 번씩만 돌린 결과라 다시 하면 달라질 수 있으니, 어느 모델이 낫다기보다 프롬프트에 무엇을 더 적으면 좋은지 보는 용도로 읽어 주세요. 두 모델 모두 Amazon Bedrock에서 같은 설정으로 실행했고, 프롬프트 원문은 글 끝에 있습니다.

첫 번째 질문: 4주 학습 계획과 비유 설명

요청 (원문 발췌)	Claude Sonnet 5.5	GPT-6.1 Sol	눈여겨볼 점
"기본 개념 7~8개를 '먼저 배울 것 → 나중에 배울 것' 순서로"	LLM → 프롬프트 → 토큰 → 컨텍스트 윈도우 → 할루시네이션 → RAG → 파인튜닝 → 임베딩	LLM → 프롬프트 → 할루시네이션 → 데이터 보안과 개인정보 보호 → 토큰 → 컨텍스트 윈도우 → RAG → 파인튜닝	GPT-6.1 Sol은 요청 목록에 없던 보안을 개념으로 넣었고, Claude Sonnet 5.5는 임베딩을 맨 뒤에 둠
"비유마다 '이 비유가 실제와 다른 점'을 한 줄씩"	8개 모두 한계를 적음. 컨텍스트 윈도우에서 "질문과 답변도 같은 책상을 쓴다"까지 짚음	8개 모두 한계를 적음. 할루시네이션 비유에 "없는 취업규칙 제35조" 같은 인사 업무 예시를 붙임	한계를 적어 달라고 하면 두 모델 다 잘 지킴
"평일 퇴근 후 30분, 주말에 1시간" 4주 표	월화, 수목금처럼 요일을 묶어 활동 배치. 총 시간 계산은 없음	"일주일에 3시간 30분, 4주 14시간"을 먼저 계산하고 요일마다 활동 배치	총 학습 시간은 계산해 달라고 적지 않으면 빠질 수 있음
"용어 설명 요청 프롬프트 템플릿"	6단계 형식, "확실하지 않으면 '확실하지 않음' 표시", 분량은 "한 화면 안"	6단계 형식, "800자 안팎", 기밀이나 개인정보를 넣지 말라는 문구, "약어 뜻이 여러 개면 문맥으로 밝히기"	분량을 글자 수로 정한 쪽이 더 쓰기 편했음

두 번째 질문: 가상 사규와 보고서에 RAG와 파인튜닝 적용

요청 (원문 발췌)	Claude Sonnet 5.5	GPT-6.1 Sol	눈여겨볼 점
"입사 7년 차인데 연차가 며칠이에요?" (계산 과정 포함)	18일을 먼저 답하고 "만 6년째라면 17일"을 덧붙임	17일(만 6년)과 18일(만 7년)을 조건별로 나란히 제시하고, 이미 쓴 연차는 따로 빼야 한다고 밝힘	해석이 갈리는 표현은 "가정을 밝히고 경우를 나눠 답하라"고 적어 두는 게 안전함
"할머니 돌아가시면 며칠 쉬어요?"	조부모 3일. 친가와 외가 구분, 유급 여부가 조문에 없다고 표시	조부모 3일. 연차를 입사일 기준으로 주는지 회계연도 기준으로 주는지 확인이 필요하다고 표시	두 모델이 짚은 빈칸이 서로 달랐음. 확인할 부분은 직접 물어보는 게 확실함
"제25조처럼 규정이 새로 생기거나 바뀔 때" 비교표	문서 교체와 재학습의 차이, 옛 규정이 섞일 위험 중심	시행일 기준으로 찾게 하는 방법과 '주 2회에서 주 3회로' 바뀌는 예시까지 다룸	시행일 같은 조건은 프롬프트에 언급해 두면 빠지지 않음
"자료 B를 팀장 보고용 3줄 요약"	메모에 없는 승인율 약 82%를 직접 계산해 넣고, 검산이 필요하다고 따로 적음	미승인 7명의 처리 상태가 메모에 없다고 요약문에 적음	계산값을 요약에 넣어도 되는지 미리 정해 두는 게 좋음
"오해 5가지를 '오해 → 실제 → 확인 방법' 형식으로"	소제목 목록 형식. "제99조 묻기", "새 창에서 묻기", "회의록에 문장 숨기기" 같은 실습형 점검	표 형식. "한국어가 항상 토큰을 더 쓰지는 않는다", 메모리 기능으로 기억하는 건 재학습이 아니라고 구분	토큰 설명은 서로 엇갈렸음. 모델 설명은 공식 문서와 토큰 계산 도구로 확인해야 함

정리하면 어떤 모델을 쓰느냐보다 프롬프트에 몇 줄 더 적는 쪽이 효과가 컸습니다. 해석이 갈리는 표현이 있으면 "가정을 밝히고 경우를 나눠 답해 달라", 시간이나 숫자가 걸리면 "총합을 계산해 달라", 요약을 맡기면 "원문에 없는 수치나 원인은 쓰지 말라", 분량은 "몇 자 안팎"으로 적어 두세요.

쉬운 비유로 용어를 설명받는 프롬프트는 어떻게 쓰나요?

내 직무와 업무, 용어를 본 문장, 원하는 설명 순서, 지켜야 할 규칙을 한 번에 적으면 됩니다. 위에서 확인한 것들을 아래 템플릿에 다 넣어 두었으니 [ ] 부분만 바꿔서 붙여 넣으세요.

당신은 IT 비전문가에게 설명을 잘하는 회사 선배입니다.

[내 배경]
저는 [회사 업종] [부서] [연차/직급]입니다. 코딩 경험은 없습니다.
주로 하는 업무: [예: 사규 문의 답변, 월간 인사 현황 보고서, 교육 공지문 작성]

[설명받을 용어]
[예: RAG]

[이 용어를 본 문장]
[회의 발언이나 자료 문장. 없으면 "없음"]
※ 회사 기밀이나 직원 개인정보는 넣지 않았습니다.

다음 순서로 답해 주세요.
1. 한 줄 정의: 전문 용어 없이 한 문장
2. 회사 생활 비유: 사무실, 보고서, 회의, 메일 같은 상황에 빗대어
3. 이 비유가 실제와 다른 점: 한 줄
4. 내 업무 예시: 위 업무 중 하나에 적용한 구체적 예 1개
5. 헷갈리기 쉬운 개념 1개와 차이 (예: RAG와 파인튜닝)
6. 흔한 오해 1개와 채팅 화면에서 직접 확인하는 방법
7. 이해 확인 질문 2개 (정답은 맨 끝에 따로)

규칙:
- 전문 용어는 처음 나올 때 괄호 안에 쉬운 말로 풀어 주세요.
- 약어에 뜻이 여러 개면 제가 준 문장에서 어떤 뜻인지 밝혀 주세요.
- 해석이 갈리는 표현이 있으면 가정을 먼저 밝히고, 경우를 나눠 답해 주세요.
- 숫자를 계산하면 계산식을 함께 보여 주세요.
- 확실하지 않거나 제가 준 자료에 없는 내용은 지어내지 말고 "확실하지 않음"이라고 적어 주세요.
- 장점뿐 아니라 한계도 알려 주세요.
- 더 정확히 확인하려면 어떤 공식 문서를 찾아봐야 하는지 검색어로 알려 주세요.
- 전체 분량은 800자 안팎으로 써 주세요.

AI 서비스의 데이터 활용 정책, 메모리 기능, 요금제는 자주 바뀌니 쓰기 전에 각 회사의 공식 안내를 한 번 확인하세요.

부록: 실험에 쓴 프롬프트

두 질문 모두 두 모델에 똑같이 넣었습니다. 아래는 넣은 그대로이고, 두 번째 질문의 가상 회사 이름만 지웠습니다.

첫 번째 질문 (4주 학습 계획과 비유 설명):

저는 중견 제조회사 인사팀에서 일하는 5년 차 대리입니다. 문과 출신이라 코딩은 해 본 적이 없고, 회사에서 생성형 AI를 쓰라고 하는데 회의에서 LLM, 토큰, 프롬프트, 컨텍스트 윈도우, 할루시네이션, RAG, 파인튜닝 같은 말이 나오면 이해를 못 합니다.

제 상황:
- 공부할 수 있는 시간: 평일 퇴근 후 30분, 주말에 1시간 정도
- 목표: 4주 뒤 팀 회의에서 "우리 사규 검색에 RAG를 쓰는 게 나을까, 파인튜닝이 나을까"를 제 말로 설명할 수 있는 수준
- 주로 하는 업무: 사규·취업규칙 문의 답변, 월간 인사 현황 보고서 작성, 교육 공지문 작성

다음 순서로 답해 주세요.
1. 업무에 AI를 쓰려면 꼭 알아야 할 기본 개념 7~8개를 '먼저 배울 것 → 나중에 배울 것' 순서로 정리하고, 왜 이 순서인지 한 줄씩 설명해 주세요.
2. 각 개념을 회사 생활에 빗댄 쉬운 비유로 설명해 주세요. (예: 신입사원, 사내 문서함, 결재 서류 등) 그리고 비유마다 '이 비유가 실제와 다른 점'을 한 줄씩 덧붙여 주세요.
3. 제 공부 가능 시간에 맞춘 4주 학습 계획을 표로 만들어 주세요. 열은 주차 / 배울 개념 / 하루 30분 활동 / 주말 1시간 실습 / 그 주의 확인 질문으로 해 주세요.
4. 제가 앞으로 새 AI 용어를 만났을 때 AI에게 그대로 붙여 넣어 쉽게 설명받을 수 있는 '용어 설명 요청 프롬프트' 템플릿을 하나 만들어 주세요.

전문 용어는 처음 나올 때 반드시 괄호 안에 쉬운 말로 풀어 주세요.

두 번째 질문 (가상 사규와 보고서 적용, 오해 바로잡기):

저는 비전공 직장인으로 AI 기초 개념을 공부하고 있습니다. 배운 개념을 실제 업무에 적용해 보고 싶습니다. 아래는 가상의 예시 자료입니다.

[자료 A: 가상 회사 취업규칙 일부]
제23조(연차휴가) ① 1년간 80% 이상 출근한 직원에게 15일의 유급휴가를 준다. ② 3년 이상 계속 근무한 직원에게는 최초 1년을 초과하는 계속 근무 연수 매 2년에 1일을 가산한다. 단, 총 휴가일수는 25일을 한도로 한다.
제24조(경조휴가) 본인 결혼 5일, 자녀 결혼 1일, 부모·배우자 사망 5일, 조부모 사망 3일.
제25조(재택근무) 재택근무는 주 2회까지 허용하며, 팀장의 사전 승인을 받아야 한다. 2025년 3월 1일부로 신설.

[자료 B: 가상 월간 인사 현황 메모]
- 3월 입사 12명(생산 7, 연구 3, 관리 2), 퇴사 5명(생산 4, 영업 1)
- 생산직 이직률 전월 대비 1.2%p 상승, 주요 퇴사 사유: 교대근무 피로, 통근 거리
- 신입 온보딩 교육 만족도 4.1/5.0, '현장 실습 시간 부족' 의견 다수
- 4월 중 재택근무 신청자 38명, 승인 31명

요청:
1. 직원이 사내 챗봇에 "입사 7년 차인데 연차가 며칠이에요? 그리고 할머니 돌아가시면 며칠 쉬어요?"라고 물었을 때, RAG 방식이면 챗봇 안에서 어떤 일이 단계별로 일어나는지 자료 A를 실제 예로 들어 설명하고, 그 답변도 직접 만들어 주세요. (계산 과정 포함)
2. 같은 사규 챗봇을 '파인튜닝'으로 만들면 무엇이 달라지는지, 특히 제25조처럼 규정이 새로 생기거나 바뀔 때 두 방식에 어떤 차이가 있는지 비교표로 정리해 주세요.
3. 자료 B를 팀장 보고용 3줄 요약으로 만들어 주세요. 그리고 이 작업에서 '토큰', '컨텍스트 윈도우', '할루시네이션' 개념이 각각 어디에 관련되는지 설명해 주세요. 요약할 때 AI가 지어낼 위험이 있는 부분이 있다면 짚어 주세요.
4. 비전공자가 AI 이론을 배울 때 흔히 하는 오해 5가지를 '오해 → 실제 → 한국어 업무 화면에서 확인하는 방법' 형식으로 정리해 주세요. (예: 한국어가 영어보다 토큰을 더 쓰는지, AI가 내 대화로 바로 학습하는지 등)

전문 용어는 쉬운 말로 풀어서 써 주세요.