논증형 교안 v4

AI의 분야 · 대화

MODULE C7

챗봇

'답을 고르는' 챗봇에서 '답을 만드는' 챗봇으로

C5에서 LLM을 봤다. 그 LLM이 가장 먼저 바꾼 게 챗봇이다. 예전 고객센터 챗봇은 답답했는데, 요즘 챗봇은 막힘없이 대화한다. 같은 '챗봇'인데 왜 이렇게 다를까? 이 장은 묻는다 — "챗봇은 어떻게 답을 만들고, 옛날과 지금은 무엇이 다른가?"

C7. 챗봇

01 / 13

C7 · 이 장의 지도

전체 구성 — 시작 전에 길을 펼친다

하나의 질문을, 여섯 단계로 답한다

"챗봇은 정해진 답을 고른다"는 인상을 6단계로 검증한다. 윗줄은 "옛 챗봇과 지금 챗봇이 어떻게 다른가"를 논증하고, 아랫줄은 둘을 용도에 따라 고르는 법으로 잇는다.

챗봇은 어떻게 대화하나 — 6단계 (p3–p8)

① 통념

"정해진 답 고르기"

p3 · 한 종류 착각

→

② 주장

규칙 vs 생성

p4 · 두 챗봇

→

③ 왜

시나리오 vs 예측

p5 · 작동 차이

→

④ 한계

생성형의 대가

p6 · 환각·통제

→

⑤ 반론

"규칙은 끝났나?"

p7 · 혼합

→

⑥ 결론

스펙트럼으로 본다

p8 · 용도별 선택

챗봇을 고르고 쓰기 (p9–p11) + 정리·출처

적용

어디에 무엇을

p9 · 용도 매칭

→

근거

유연함 vs 통제

p10 · 맞교환

→

기술

챗봇 잘 쓰기

p11 · 활용

→

정리

한 줄의 논증으로 회수

p12 · 요약 / p13 출처

→ 자, 출발먼저 통념을 깬다 — "챗봇은 다 '정해진 답을 고르는' 한 종류일까?"

C7. 챗봇

02 / 13

C7 · 논증 1단계

① 통념→② 주장→③ 왜→④ 한계→⑤ 반론→⑥ 결론

통념 깨기

우리는 챗봇을 '정해진 답을 고르는 한 종류'로 본다

고객센터에서 "1번을 누르세요" 식의 답답한 챗봇을 겪은 탓에, 많은 이가 챗봇을 미리 정해진 답을 골라주는 기계 한 종류로 본다. 반대로 챗GPT를 보고는 "이건 진짜 이해한다"고 여기기도 한다. 그런데 이 둘은 같은 '챗봇'이라 부르기 어려울 만큼 작동이 다르다.

🗣️ 두 가지 오해

"챗봇은 다 정해진 답만 골라요."
(반대로) "요즘 챗봇은 진짜 이해해요."
"둘 다 그냥 같은 챗봇 아녜요?"

🔀 그런데 — 너무 다른 두 챗봇

옛 챗봇은 정해진 선택지를 벗어나면 "이해하지 못했어요"를 반복했다. 지금 챗봇은 처음 보는 질문에도 답을 만들어 낸다. '답을 고르는 것'과 '답을 만드는 것'은 근본이 다르다.

🔎 한 걸음 더 B5에서 본 엘리자(1966)도 챗봇이었지만 단순 규칙이었다. 즉 '챗봇'이라는 한 이름 아래 전혀 다른 기술들이 묶여 있다. 챗봇을 이해하려면 먼저 이 두 종류를 가르는 데서 시작해야 한다.

→ 그래서'챗봇은 한 종류'라는 생각부터 버리자. 그렇다면 챗봇은 몇 종류이고, 무엇이 그것을 가르는가?

C7. 챗봇

03 / 13

C7 · 논증 2단계

① 통념→② 주장→③ 왜→④ 한계→⑤ 반론→⑥ 결론

이 장의 주장

챗봇은 크게 둘 — 규칙형 vs 생성형

챗봇은 근본이 다른 두 종류로 나뉜다. 규칙형은 사람이 미리 짠 시나리오(질문→정해진 답)대로 답을 고르고, 생성형은 LLM으로 다음 토큰을 예측해 답을 만든다. 이 차이가 곧 A2에서 본 '규칙기반 AI vs 데이터로 배우는 AI'의 대화 버전이다. 옛 챗봇은 규칙형, 챗GPT는 생성형이다.

🧱 규칙형 챗봇

사람이 짠 시나리오 트리대로 작동. "배송 문의 → 정해진 답." 정확하지만 벗어나면 막힌다. (옛 고객센터 챗봇)

🌊 생성형 챗봇

LLM이 다음 토큰을 예측해 답을 생성. 처음 보는 질문에도 유연하게. 막힘없지만 환각이 생긴다. (챗GPT)

🔎 한 걸음 더 핵심은 '답이 어디서 오느냐'다. 규칙형의 답은 사람이 미리 적어둔 데서 오고, 생성형의 답은 그 자리에서 예측으로 만들어진다. 그래서 규칙형은 안 틀리지만 답답하고, 생성형은 유연하지만 없는 사실도 만든다(환각). 이 차이가 모든 것을 가른다.

→ 그래서둘은 근본이 다르다. 그럼 각각 속에서 정확히 어떻게 답을 만드는지 들여다보자.

C7. 챗봇

04 / 13

C7 · 논증 3단계 · 작동 차이

① 통념→② 주장→③ 왜→④ 한계→⑤ 반론→⑥ 결론

메커니즘 — 고르기 vs 만들기

규칙형은 '길을 따라가고', 생성형은 '말을 이어 만든다'

두 챗봇의 작동을 따라가면 차이가 분명해진다. 규칙형은 미리 그린 대화 지도(시나리오)에서 사용자의 입력에 맞는 길을 골라 정해진 답을 내놓는다. 생성형은 지도가 없다 — 사용자의 말을 토큰으로 받아(C4), LLM이 다음 토큰을 한 조각씩 예측해 답을 그 자리에서 짓는다(B5·C5).

🗺️ 규칙형 — 시나리오 따라가기

① 사용자 말이 어느 갈래인지 분류 → ② 그 갈래의 정해진 답 출력. 지도에 없는 말이면 "이해 못 함".

✍️ 생성형 — 토큰 이어 만들기

① 입력을 토큰으로 → ② LLM이 다음 토큰 예측 → ③ 한 조각씩 이어 붙여 문장 완성. 지도 없이 즉석 생성.

🔎 한 걸음 더 그래서 규칙형은 '데이터→패턴→예측'이 아니다 — 사람이 규칙을 짰으니 A2의 '규칙기반 AI'다. 생성형만이 C1의 원리(데이터로 배워 예측)를 따른다. 같은 '챗봇'이지만 하나는 AI 학습, 하나는 사람 규칙이라는 게 핵심이다.

→ 그런데생성형이 더 유연해 보이지만, 그 '즉석 생성'에는 분명한 대가가 있다. 무엇인가?

C7. 챗봇

05 / 13

C7 · 논증 4단계 · 생성형의 대가

① 통념→② 주장→③ 왜→④ 한계→⑤ 반론→⑥ 결론

한계 — 유연함의 그림자

'즉석에서 만든다'는 건, 통제하기 어렵다는 뜻이다

생성형 챗봇의 유연함은 곧 통제의 어려움이다. 답을 즉석에서 예측해 만들기 때문에, 없는 사실을 그럴듯하게 지어내고(환각, B5), 같은 질문에 다른 답을 하기도 하며, 의도치 않은 말을 할 위험이 있다. 규칙형은 '답답하지만 정확', 생성형은 '유연하지만 못 미더운' 맞교환 관계다.

⚠️ 생성형의 한계

환각 — 없는 정보를 자신 있게(B5)
비일관 — 같은 질문에 다른 답
통제난 — 부적절·위험한 답 위험

🧱 그래서 규칙형의 미덕

규칙형은 정해진 답만 하므로 환각이 없고 예측 가능하다. 정확성·안전이 절대 필요한 곳(금융·의료 절차 안내)에선 이 통제 가능성이 큰 장점이다.

🔎 한 걸음 더 그래서 기업들은 생성형의 환각을 줄이려 검색 연결(RAG, C18)로 실제 자료에 근거하게 하거나, 가드레일(금지 규칙)을 덧댄다. 유연함을 살리되 통제를 더하는 방향이다 — 다음 반론이 바로 이 지점이다.

→ 그런데생성형이 대세인 지금, 이런 의문. "그럼 옛날 규칙형 챗봇은 이제 쓸모없나?"

C7. 챗봇

06 / 13

C7 · 논증 5단계 · 혼합

① 통념→② 주장→③ 왜→④ 한계→⑤ 반론→⑥ 결론

반론 처리 — "규칙형은 이제 끝났나?"

규칙형은 끝나지 않았다 — 정확·통제가 필요한 곳에 산다

"생성형이 나왔으니 규칙형은 무용지물"이라는 생각은 용도를 무시한 것이다. 환각이 절대 안 되는 곳(은행 잔액 안내, 약 복용 절차)에선 정해진 답만 하는 규칙형이 더 안전하다. 그래서 현실의 챗봇은 둘을 섞어 쓴다 — 정해진 절차는 규칙형으로, 자유로운 대화는 생성형으로.

정해진 절차규칙형 — 잔액 조회·예약·FAQ처럼 답이 분명한 일(틀리면 안 됨)

↓ 합치면

혼합형자유 대화는 생성형으로, 중요한 사실·절차는 규칙/검색(RAG)으로 — 유연함 + 통제

🔎 한 걸음 더 그래서 좋은 챗봇 설계는 "둘 중 무엇이냐"가 아니라 "어디에 무엇을 쓰고 어떻게 섞느냐"다(C2의 '도구상자'와 같은 결론). 생성형의 유연함과 규칙형의 통제를 적재적소에 배치하는 게 핵심이다.

→ 따라서규칙형은 살아 있다. 그럼 챗봇을 스펙트럼으로 보는 결론을 세우자.

C7. 챗봇

07 / 13

C7 · 논증 6단계 · 결론

① 통념→② 주장→③ 왜→④ 한계→⑤ 반론→⑥ 결론

결론 — 챗봇은 '규칙↔생성' 스펙트럼

그래서 챗봇은 용도에 맞춰 고르는 스펙트럼이다

챗봇을 바르게 보면 '규칙형 ↔ 생성형'의 스펙트럼이다. 한쪽 끝은 통제·정확(규칙), 다른 끝은 유연·범용(생성). 무슨 챗봇을 만나든 "이건 답을 고르나, 만드나?"를 물으면 그 성격과 위험이 보인다. 그리고 만들 땐 용도에 맞게 고르거나 섞는다.

물음	그러면
정해진 답을 고르나?	규칙형 — 정확·통제, 답답
그 자리에서 답을 만드나?	생성형 — 유연·범용, 환각 위험
둘을 섞었나?	혼합형 — 유연함 + 통제(실무 표준)

🎯 그래서 당신은 챗봇을 만나면 묻는다 — "이건 답을 고르나(규칙), 만드나(생성)? 그래서 어디서 막히거나 지어낼까?"

C7. 챗봇

08 / 13

C7 · 적용 · 어디에 무엇을

적용→근거→기술— 스펙트럼으로 매칭

결론 → 적용 다리

용도에 따라, 챗봇의 종류가 갈린다

스펙트럼이 진짜 도구인지, 실제 챗봇을 용도에 맞춰 배치해 보자. '정확이 중요한가, 유연함이 중요한가'를 물으면 어떤 종류가 맞는지 정해진다.

🧱 규칙형이 맞을 때

은행 잔액·절차 안내
예약·주문 같은 정형 작업
틀리면 안 되는 FAQ

🌊 생성형이 맞을 때

자유로운 질문·상담
글쓰기·아이디어·학습 도우미
범용 대화

🔗 혼합이 맞을 때

고객센터(절차+자유대화)
사내 검색 봇(RAG)
정확성+유연함 둘 다

🎓 교실에서 학생들이 쓰는 챗봇들을 규칙형·생성형·혼합으로 분류하고, "이건 답을 고를까 만들까?"로 판별한다. 옛 고객센터 봇과 챗GPT의 차이를 스스로 짚게 한다.

→ 그런데결국 모든 선택은 '유연함 vs 통제'의 맞교환으로 돌아간다. 왜 이 둘은 함께 못 가질까?

C7. 챗봇

09 / 13

C7 · 근거: 유연함 vs 통제

적용→근거→기술

왜 맞교환인가

유연함과 통제는, 같은 동전의 양면이다

생성형의 유연함과 규칙형의 통제가 함께 가기 어려운 건, 둘이 같은 성질의 양면이기 때문이다. 답을 자유롭게 만들수록 통제는 어려워지고(환각·돌발), 답을 정해둘수록 유연함은 사라진다(답답). 그래서 챗봇 설계는 늘 이 맞교환의 어디에 설지를 정하는 일이다.

🌊 유연함을 키우면

처음 보는 질문도 답한다(좋음). 그러나 예측 불가·환각 위험이 함께 커진다(나쁨).

🧱 통제를 키우면

틀리지 않고 안전하다(좋음). 그러나 정해진 길 밖은 못 다룬다(나쁨).

🔎 한 걸음 더 그래서 RAG(C18)·가드레일 같은 기술이 '유연하되 근거 있게' 만들려는 시도다 — 생성형의 자유를 살리면서 실제 자료·금지 규칙으로 통제를 더한다. 완벽한 해법은 없고, 용도에 맞는 균형점을 찾는 게 핵심이다.

→ 그래서챗봇의 본질이 다 드러났다. 그럼 우리는 챗봇을 어떻게 잘 쓸까?

C7. 챗봇

10 / 13

C7 · 핵심 기술 · 챗봇 잘 쓰기

적용→근거→기술

이해를 자산으로 — 잘 쓰기

챗봇의 '종류'를 알면, 어디서 의심할지 안다

챗봇을 잘 쓰는 핵심은 그것이 규칙형인지 생성형인지 알고, 약점을 미리 아는 것이다. 생성형이면 사실을 의심하고, 규칙형이면 정해진 길 밖을 기대하지 않는다. 도구의 성격을 알면 헛된 기대도 위험한 신뢰도 피한다.

🌊 생성형을 쓸 때

답을 초안으로 받고 사실 검증(B5·E3)
중요한 결정엔 안 맡긴다
맥락을 충분히 줘서 더 좋은 답 유도

🧱 규칙형을 만날 때

정해진 선택지 안에서 빠르게
막히면 사람 상담으로 전환
"이해 못 함"은 고장이 아니라 한계

📝 한 줄 점검 챗봇을 쓰기 전 묻는다 — "이건 답을 만드는(생성) 봇인가, 고르는(규칙) 봇인가?" 생성형이면 사실은 꼭 검증한다.

🎯 그래서 당신은 챗봇의 유창함에 휘둘리지 않고, 종류에 맞는 기대와 의심을 가지고 쓴다.

C7. 챗봇

11 / 13

C7 · 정리

C7이 증명한 것 — 한 줄의 논증

'한 종류 챗봇'에서 출발해, '규칙↔생성 스펙트럼'에 도착했다

이 장은 챗봇을 뭉뚱그리지 않고, "챗봇은 어떻게 대화하나"라는 한 질문을 따라간 추론이었다. 출발은 "정해진 답을 고른다"는 통념, 도착은 "규칙형과 생성형의 스펙트럼"이라는 결론이었다.

통념챗봇은 정해진 답을 고르는 한 종류다

↓ 그런데

주장규칙형 vs 생성형 — 답을 고르나 만드나

↓ 어떻게

왜시나리오 따라가기 vs 다음 토큰 예측(C5·B5)

↓ 그러나

한계생성형의 유연함 = 통제난·환각의 대가

↓ 하지만

반론"규칙형은 끝?" → 정확·통제 필요한 곳에 살아 있고 섞어 쓴다

↓ 따라서

결론챗봇은 용도에 맞춰 고르는 스펙트럼

🎯 한 문장 요약 챗봇은 '답을 고르는 규칙형'과 '답을 만드는 생성형'의 스펙트럼이며, 용도에 맞게 고르거나 섞는다.

C7. 챗봇

12 / 13

더 읽을거리 · 검증된 자료

근거가 된 자료 & 다음 장

엘리자(ELIZA, 1966) — 규칙형 챗봇의 원형 · ① 통념 근거
규칙기반 vs 생성형 대화 시스템 — 시나리오 트리 vs LLM · ②③ 근거
RAG · 가드레일 — 생성형의 환각·통제를 보완(C18) · ④⑤ 근거
LLM(C5) · 다음 토큰 예측(B5) — 생성형 챗봇의 작동 원리 · ③ 근거

다음 장 — C8. 그림 그리는 AI · 챗봇이 '다음 토큰'으로 글을 만든다면, 그림 AI는 어떻게 없던 이미지를 만들까? '노이즈에서 그림을 빚는' 생성의 원리를 따라간다.

C7. 챗봇

13 / 13

📑 C7. 챗봇 — 논증형 교안 v4

챗봇

하나의 질문을, 여섯 단계로 답한다

우리는 챗봇을 '정해진 답을 고르는 한 종류'로 본다

🗣️ 두 가지 오해

🔀 그런데 — 너무 다른 두 챗봇

챗봇은 크게 둘 — 규칙형 vs 생성형

🧱 규칙형 챗봇

🌊 생성형 챗봇

규칙형은 '길을 따라가고', 생성형은 '말을 이어 만든다'

🗺️ 규칙형 — 시나리오 따라가기

✍️ 생성형 — 토큰 이어 만들기

'즉석에서 만든다'는 건, 통제하기 어렵다는 뜻이다

⚠️ 생성형의 한계

🧱 그래서 규칙형의 미덕

규칙형은 끝나지 않았다 — 정확·통제가 필요한 곳에 산다

그래서 챗봇은 용도에 맞춰 고르는 스펙트럼이다

용도에 따라, 챗봇의 종류가 갈린다

🧱 규칙형이 맞을 때

🌊 생성형이 맞을 때

🔗 혼합이 맞을 때

유연함과 통제는, 같은 동전의 양면이다

🌊 유연함을 키우면

🧱 통제를 키우면

챗봇의 '종류'를 알면, 어디서 의심할지 안다

🌊 생성형을 쓸 때

🧱 규칙형을 만날 때

'한 종류 챗봇'에서 출발해, '규칙↔생성 스펙트럼'에 도착했다

근거가 된 자료 & 다음 장