지식 · AI
멀티모달
Multimodal AI
한 줄 정의
텍스트뿐 아니라 이미지·음성·영상 등 여러 형태(모달리티)의 정보를 함께 이해하고 생성하는 AI.
사람이 글·그림·말을 함께 이해하듯, 멀티모달 AI는 여러 형태의 입력을 동시에 다룹니다. 예를 들어 사진을 보고 설명하거나, 그래프를 읽고 요약하거나, 말을 듣고 문서를 만드는 식입니다.
텍스트만 다루던 초기 모델을 넘어, 최근 주요 모델은 대부분 멀티모달로 발전했습니다. 실무에서는 '스캔한 문서 읽기, 화면 캡처 분석, 영상 회의 요약'처럼 실제 업무 자료를 그대로 넣어 쓸 수 있어 활용 폭이 크게 넓어집니다.
실무에서 왜 중요한가
업무 자료가 글로만 되어 있지 않기 때문에, 멀티모달은 AI를 '진짜 실무'에 쓰게 해주는 열쇠입니다.
유래와 출처
텍스트·이미지 등 여러 양식(modality)을 함께 처리한다는 개념으로, 2021년 OpenAI의 CLIP·DALL·E 등을 계기로 빠르게 확산됐습니다.
사례로 이해하기
예를 들어, 멀티모달 AI로 교육 자료를 만든다고 해봅시다.
- 이미지 입력 — 손으로 그린 교육 흐름도 사진을 AI에 넣습니다.
- 이해 — AI가 그림을 읽어 단계 구조를 텍스트로 정리합니다.
- 변환 — 그 구조를 깔끔한 슬라이드 개요로 만듭니다.
- 확장 — 관련 이미지·표를 함께 제안받습니다.
- 산출 — 글·이미지가 결합된 교육 자료 초안을 얻습니다.
관련 용어
이 용어와 연결된 교육
📚클로드 코워크 핵심기능 활용나눔경영컨설팅 기업교육 · 대면/온라인과정 보기 →이 주제로 사내 교육이 필요하신가요?
담당자 맞춤 커리큘럼·견적을 바로 받아보세요.
자주 묻는 질문
모델에 따라 다릅니다. 이미지를 '이해'만 하는 모델과, '생성'까지 하는 모델이 있습니다.
스캔 문서·캡처·도표를 그대로 넣어 분석할 수 있어, 텍스트로 옮기는 수고가 사라집니다.