멀티모달 (글·그림·소리를 함께 다루는 AI)
영어 Multimodal AI · 일본어 マルチモーダル（文字・画像・音声をいっしょに扱うAI） · 읽는 법 멀티모달
멀티모달 AI는 글뿐 아니라 그림·소리 같은 여러 종류의 정보를 함께 받아 이해하고 답하는 AI입니다. 사진을 올려 물어볼 수 있어서 쓸 수 있는 일이 넓어집니다.
HowtoAI 글들에서는 이미지를 첨부해 질문하는 기능이나 글·이미지·음성을 함께 다루는 모델을 가리킬 때 쓰였습니다.
확인 2026-10-26출처 「멀티모달 AI」
1이 말, 이런 곳에서 만납니다
처음 보는 말이 낯선 것은 당연합니다. 대개 이런 자리에서 마주칩니다.
AI 글쓰기 도구 글 (요지)
“글뿐 아니라 이미지와 음성도 다루는 멀티모달 AI로 더 풍부한 콘텐츠를 만들 수 있게 된다”
Copilot 무료 기능 글 (요지)
“이미지를 첨부해서 질문할 수 있다(멀티모달)”
AI 채팅 화면 (예)
메뉴판 사진을 올리고 ‘소개 글을 써 줘’라고 입력하는 장면
2한 장면으로 이해하기
멀티모달 AI는 글만 읽던 직원이 사진도 보고 통화 내용도 들을 수 있게 된 것과 같습니다. 같은 부탁을 글로 길게 설명하지 않고 사진 한 장으로 해결할 수 있습니다.
글만 읽던 AI가 보고 듣게 된 것입니다.
3우리 회사도 해당될까요?
이런 경우 해당됩니다
- AI에게 사진이나 화면 캡처를 보여 주며 묻는다
- 음성이나 이미지가 들어간 자료를 AI로 정리한다
- AI 도구의 설명에 ‘이미지 입력’이 적혀 있다
이런 경우는 걱정을 덜어도 됩니다
- 글로만 주고받는 AI 도구를 쓴다(‘LLM’ 페이지를 보세요)
사진을 이해하는 것과 사진을 만들어 내는 것은 다른 기능입니다. 쓰려는 도구가 어느 쪽을 지원하는지 따로 확인합니다.
4조금 더 자세히
멀티모달은 ‘여러 가지 방식’이라는 뜻이고, 여기서 방식은 글·그림·소리처럼 정보가 담긴 종류를 말합니다. 글만 읽던 사람이 눈으로 보고 귀로 들으며 이야기하게 된 것처럼, 글만 받던 AI가 사진이나 음성까지 함께 받아들입니다. 예를 들어 가게 메뉴판 사진을 올리고 ‘소개 글을 써 줘’라고 부탁할 수 있습니다. 사진 한 장이 긴 설명을 대신하기도 합니다.
주의할 점 사진을 올리면 그 안에 찍힌 이름·전화번호·고객 정보도 AI 서비스로 보내집니다. 올리기 전에 가리고, AI가 그림 속 글자를 잘못 읽을 수 있으니 결과는 직접 확인합니다. 같은 사진을 올려도 서비스마다 할 수 있는 일이 다르므로 도구의 안내 문서도 함께 봅니다.
5그래서 무엇을 하면 되나요?
- 1사진을 올리기 전에 이름·전화번호·고객 정보가 찍혔는지 확인하고 가립니다.사장님
- 2AI가 사진 속 글자나 숫자를 읽은 결과는 원본과 직접 맞춰 봅니다.사장님
- 3쓰는 AI 서비스가 이미지·음성 입력을 지원하는지, 업로드한 자료를 어떻게 다루는지 안내 문서로 확인합니다.서비스 회사
제작사에 이렇게 물어보세요
“이 AI 서비스는 이미지나 음성도 입력할 수 있나요? 올린 사진은 어떻게 보관되고 학습에 쓰이는지 알려 주세요.”
6자주 묻는 질문
Q. 멀티모달이면 사진도 만들어 주나요?
꼭 그렇지는 않습니다. 사진을 이해하는 기능과 그림을 만드는 기능은 따로 있어서, 도구 설명에서 각각 확인해야 합니다.
Q. 사진을 올리면 AI가 항상 정확히 읽나요?
아닙니다. 그림 속 글자나 숫자를 잘못 읽을 수 있으니 중요한 내용은 직접 확인하세요.
7이 풀이의 근거
- 출처
「멀티모달 AI」 (확인 2026-10-26)
「이미지 이해」 (확인 2026-10-26)
「Vision」 (확인 2026-10-26)
- 확인한 날
- 2026-10-26 · 다음 확인 2027-01-26
- 풀이
- 양진석 · 따뜻한기술 대표
이 정의를 인용하려면
“멀티모달 AI는 글뿐 아니라 그림·소리 같은 여러 종류의 정보를 함께 받아 이해하고 답하는 AI입니다. 사진을 올려 물어볼 수 있어서 쓸 수 있는 일이 넓어집니다.” — 용어집 「멀티모달 (글·그림·소리를 함께 다루는 AI)」 (확인 2026-10-26), atatakaidigital.com/kr/glossary/multimodal
8이어서 알아 두면 좋은 말
- 생성형 AI (글·이미지·음악·영상을 새로 만들어 내는 AI)
- 대규모 언어 모델 (LLM)
- 프롬프트 (AI에게 하는 지시)
- 컨텍스트 윈도우 (AI가 한 번에 기억하고 다룰 수 있는 양)