AI 용어 정리: 비개발자가 헷갈리기 쉬운 말들

AI를 업무에 쓰기 시작하면 어느 순간부터 낯선 단어들이 한꺼번에 등장합니다.

로컬, 작업공간, Markdown, HTML, API, MCP, GitHub, Vercel, 토큰. 하나씩 검색해보면 설명은 나오지만, 대부분 개발자 관점의 설명이라 비개발자에게는 더 어렵게 느껴질 때가 많습니다.

그런데 이 단어들을 모두 개발자처럼 깊게 알아야 하는 것은 아닙니다. AI에게 일을 맡기려는 사람에게 필요한 것은 “이 용어가 내 업무에서 어떤 의미인지”를 이해하는 정도입니다.

이번 글은 코덱스·코워크 웨비나 복습 전자책에 넣었던 용어 사전을 바탕으로, 비개발자가 작업형 AI를 이해할 때 먼저 알아두면 좋은 기본 용어를 풀어 정리한 글입니다.

AI에게 일을 맡기는 전체 관점이 궁금하다면 먼저 AI에게 일을 맡기는 사람들을 위한 실전 가이드를 함께 읽어보세요.

AI 용어 정리가 필요한 이유: 비개발자도 일을 맡기려면 말이 통해야 합니다

ChatGPT, Claude, Gemini를 채팅창에서만 쓸 때는 용어를 많이 몰라도 됩니다. 질문을 쓰고, 답을 읽고, 필요한 문장을 복사하면 되기 때문입니다.

하지만 AI에게 실제 업무를 맡기기 시작하면 상황이 달라집니다. AI가 내 폴더를 읽고, 문서를 만들고, HTML 화면을 고치고, WordPress 글을 발행하고, Gmail 초안을 만들고, Google Drive 자료를 정리하려면 “어디에서 무엇을 읽고, 어디까지 해도 되는지”를 정해야 합니다.

이때 등장하는 말들이 바로 로컬, 작업공간, 권한, 커넥터, API 같은 단어입니다. 이 단어들은 기술 용어처럼 보이지만, 실제로는 AI에게 일을 맡길 때 필요한 업무 환경 설명서에 가깝습니다.

비개발자를 위한 AI 작업 용어 한눈에 보기

로컬 뜻: 내 컴퓨터 안에서 AI 작업이 실행되는 환경입니다

로컬은 쉽게 말해 내 컴퓨터 안입니다. 로컬 폴더는 내 컴퓨터 안에 있는 특정 폴더입니다.

작업형 AI에게 폴더를 지정한다는 것은 AI에게 업무 책상을 내어주는 것과 비슷합니다. 책상 위에 강의자료, 녹취록, 보고서 양식, 이미지가 잘 정리되어 있으면 AI는 훨씬 수월하게 일합니다. 반대로 다운로드 폴더처럼 자료가 뒤섞여 있으면 AI도 무엇을 기준으로 일해야 하는지 파악하기 어렵습니다.

그래서 코덱스나 코워크를 처음 쓸 때는 원본 폴더를 바로 지정하기보다, 실습용 복사본 폴더를 따로 만드는 편이 안전합니다.

이 폴더는 실습용 복사본이야. 먼저 자료를 훑어보고 어떤 자료가 있는지 요약해줘. 아직 파일을 수정하거나 삭제하거나 이동하지 마.

이렇게 시작하면 AI에게 일을 맡기면서도 원본을 보호할 수 있습니다.

마크다운 뜻: AI가 글 구조를 이해하기 쉽게 만드는 문법입니다

Markdown은 AI가 읽기 좋은 가벼운 텍스트 문서 형식입니다. 보통 확장자가 .md로 끝납니다.

처음 보면 낯설지만 원리는 단순합니다. # 제목은 큰 제목, ## 소제목은 작은 제목, **굵은 글씨**는 강조 표시입니다. 복잡한 디자인은 없지만 구조가 분명해서 AI가 빠르게 읽고 수정하기 좋습니다.

HTML은 웹페이지를 만드는 기본 형식입니다. 사람이 브라우저에서 보기 좋은 화면을 만들 때 사용합니다. 강의 화면, 랜덤 질문 뽑기, 대시보드, 간단한 진단 도구, 카드뉴스 생성기 같은 결과물이 HTML로 만들어질 수 있습니다.

비개발자는 이렇게 이해하면 충분합니다.

• Markdown: AI와 함께 원고·기획·지침을 정리하기 좋은 원문
• HTML: 사람이 보기 좋은 화면이나 도구로 구현한 결과물

좋은 작업 흐름은 종종 Markdown 기획 → HTML/PDF/WordPress 결과물 순서로 이어집니다.

API 뜻: AI와 다른 도구를 연결하는 통로입니다

AI가 혼자 할 수 있는 일은 채팅창 안에서 답을 쓰는 것입니다. 그런데 실제 업무에서는 Gmail, Google Drive, Notion, Canva, WordPress, Zoom 같은 도구와 함께 일해야 할 때가 많습니다.

이때 필요한 것이 커넥터, API, MCP 같은 연결 방식입니다.

• 커넥터는 외부 서비스를 쉽게 연결하는 통로입니다.
• API는 서비스끼리 데이터를 주고받는 공식 통로입니다.
• MCP는 여러 도구를 AI가 사용할 수 있게 연결하는 방식 중 하나입니다.

비유하자면 AI라는 본체에 Gmail, Notion, Drive, WordPress 같은 도구를 멀티탭처럼 꽂아두는 것입니다.

처음 연결할 때는 어렵고 조심스럽지만, 한 번 연결해두면 “후기 설문 응답자를 확인해줘”, “Gmail 임시저장 메일을 만들어줘”, “WordPress 초안을 만들어줘”처럼 실제 업무 단위로 요청할 수 있습니다.

스킬과 크론잡: 반복되는 일을 레시피와 루틴으로 바꾸기

스킬은 반복 업무를 위한 레시피입니다. 한 번 잘 만든 작업 과정을 문서로 정리해두면, 다음에도 같은 기준으로 일을 맡길 수 있습니다.

예를 들어 “웨비나 후속자료 만들기”라는 일이 반복된다면 스킬 문서 안에는 이런 내용이 들어갈 수 있습니다.

• 언제 이 스킬을 써야 하는지
• 먼저 확인해야 할 자료는 무엇인지
• 설문 응답을 어떻게 반영할지
• PDF 제목과 메일 제목은 어떻게 정할지
• 발송 후 어떤 콘텐츠 씨앗을 남길지

크론잡은 정해진 시간에 반복 실행되는 자동화입니다. 매일 아침 일정 브리핑을 보내거나, 매주 특정 데이터를 확인하거나, 일정 시간에 리마인더를 보내는 일에 쓰입니다.

스킬이 “어떻게 할지”를 정리한 레시피라면, 크론잡은 “언제 반복할지”를 정하는 시간표에 가깝습니다.

깃허브 뜻: AI 작업 결과를 저장하고 버전으로 관리하는 공간입니다

HTML 파일은 내 컴퓨터에서 바로 열 수 있습니다. 하지만 내 컴퓨터 안의 파일은 다른 사람이 링크로 들어와서 볼 수 없습니다. 다른 사람도 보게 하려면 인터넷 주소가 있는 곳에 올려야 합니다. 이것을 배포라고 합니다.

GitHub는 개발자들이 코드를 저장하고 공유하는 대표적인 공간입니다. 비개발자에게는 “코드와 웹 파일을 위한 저장소” 정도로 이해해도 됩니다.

Vercel은 웹앱이나 웹페이지를 비교적 쉽게 온라인에 올리는 서비스입니다. AI가 만든 간단한 HTML 도구나 웹앱을 다른 사람에게 보여주려면 GitHub, Vercel, 홈페이지 업로드 같은 배포 방식이 필요할 수 있습니다.

다만 개인정보를 입력받거나, 고객 자료가 저장되거나, 결제와 연결되는 서비스라면 단순히 “배포해줘”라고 하면 안 됩니다. 데이터가 어디에 저장되는지, 누가 볼 수 있는지, 삭제는 어떻게 되는지까지 따져야 합니다.

토큰: AI 사용량을 이해하는 기본 단위

토큰은 AI가 읽고 쓰는 정보의 사용량 단위입니다. 꼭 정확한 계산 방식을 외울 필요는 없습니다. 비개발자에게는 “AI가 긴 자료를 읽고 긴 답을 만들수록 더 많이 쓰는 사용량” 정도로 이해해도 충분합니다.

예를 들어 짧은 질문 하나를 물어보는 것보다, 긴 녹취록을 읽히고 복습자료를 만들게 하는 일이 더 많은 토큰을 씁니다. 여러 파일을 비교하거나, 복잡한 코딩 작업을 시키거나, 긴 글을 여러 번 수정하게 할 때도 사용량이 늘어납니다.

그래서 모든 일을 가장 비싼 모델로 처리할 필요는 없습니다. 간단한 정리나 초안은 가벼운 모델로 시작하고, 중요한 기획·검토·최종 수정에는 더 좋은 모델을 쓰는 방식이 효율적입니다.

초보자가 가장 먼저 기억할 세 가지

용어가 많아 보이지만, 처음부터 전부 외울 필요는 없습니다. 비개발자가 작업형 AI를 시작할 때는 세 가지만 기억해도 충분합니다.

1. AI에게 보여줄 폴더를 정한다.
   정리되지 않은 폴더보다 실습용 복사본 폴더가 안전합니다.
2. AI가 해도 되는 행동을 정한다.
   처음에는 읽기와 계획부터 시작하고, 삭제·이동·덮어쓰기·발송·게시 전에는 반드시 확인합니다.
3. 결과물을 어떤 형태로 받을지 말한다.
   요약, 표, 체크리스트, HTML, WordPress 초안, 이메일 초안처럼 결과물 형식을 구체적으로 말합니다.

AI를 잘 쓰는 사람은 모든 기술 용어를 외운 사람이 아닙니다. 자기 일을 AI가 이해할 수 있는 단위로 나누고, 필요한 자료와 기준을 설명할 수 있는 사람입니다.

마지막으로: 용어는 목적이 아니라 일을 맡기기 위한 언어입니다

로컬, Markdown, API, GitHub 같은 단어는 처음에는 멀게 느껴집니다. 하지만 이 단어들은 개발자만의 언어가 아니라, 앞으로 AI와 일하는 사람들이 조금씩 익혀야 할 업무 언어가 되어가고 있습니다.

중요한 것은 용어를 많이 아는 것이 아닙니다. “이 말이 내 일에서 무엇을 의미하는지”를 아는 것입니다.

내 컴퓨터 안의 자료를 어떻게 정리할지, AI에게 어느 폴더를 보여줄지, 어떤 결과물을 받을지, 어디까지 권한을 줄지 정할 수 있다면 이미 작업형 AI를 시작할 준비가 된 것입니다.

AI에게 일을 맡기는 첫걸음은 거창한 자동화가 아닙니다. 작은 복사본 폴더 하나, 안전한 첫 지시문 하나, 그리고 오늘 정리한 기본 용어를 내 업무와 연결해보는 일에서 시작됩니다.