뤼튼을 다른 AI 서비스와 비교할 때 확인해야 할 세 가지 기준

뤼튼(Wrtn)은 이미 개발된 거대언어모델(LLM, 글을 이해하고 문장을 만들어내는 AI)을 사용자가 바로 쓸 수 있게 제공하는 서비스예요. 뤼튼이 AI 모델 자체를 직접 개발하지는 않고, 만들어진 모델을 가져다 쓰는 방식이에요. AI 앱을 하나 정하려고 검색하면 이름만 조금씩 다른 서비스가 잔뜩 나와서, 무엇을 기준으로 갈라봐야 할지 감이 안 잡히죠.

뤼튼은 무엇을 해주는 서비스인가

뤼튼에서 사용자가 만나는 건 크게 세 가지예요.

• 대화 — 질문을 넣으면 AI가 문장을 만들어 답해요.
• 서포터 — 사용자가 직접 만드는 나만의 AI예요. 뤼튼은 서포터를 '사용자가 제작하는 AI'로 다뤄요.
• 도구 — 글쓰기나 요약처럼 자주 쓰는 기능을 모아둔 목록이에요. 자주 쓰는 도구에 별 아이콘을 누르면 '즐겨찾기'에 담겨서 그것만 볼 수 있어요.

여기서 비교의 출발점이 되는 문장이 하나 있어요. 뤼튼은 거대언어모델(LLM)을 직접 개발하지 않아요. 이미 개발된 LLM을 사용자가 사용할 수 있도록 제공하는 방식이에요. 고객센터에서도 이 점을 분명하게 밝혀요.

이 한 줄이 뒤에 나오는 비교 축을 전부 좌우해요. 모델을 직접 만들지 않으면, 서비스가 잘하느냐 못하느냐가 '두뇌 자체의 성능'이 아니라 '무엇을 얹어주고, 내 데이터를 어떻게 다루고, 결과물을 어디까지 내주느냐'에서 갈리거든요. 그래서 아래에서는 요금, 모델, 데이터와 결과물, 이 세 축으로만 나눠서 봐요.

비교 전에 확인할 뤼튼 기본 정보

두 서비스를 나란히 놓기 전에, 한쪽에 대해 확실히 알고 있어야 헛갈리지 않아요. 뤼튼 쪽에서 확인되는 내용만 먼저 모아두면 이렇게 돼요.

표에서 눈에 띄는 건 '직접 만들지 않는다'와 '저작권은 사용자에게 준다'예요. 이 둘은 서로 다른 축이에요. 모델을 직접 만들지 않는 건 기술 선택이고, 저작권을 사용자에게 주는 건 정책 선택이에요. 서비스를 고를 때 이 둘을 한 덩어리로 보면 판단이 흐려져요.

뤼튼에서 확인되는 기본 정보

축 하나, 요금은 어떻게 굴러가나

뤼튼 요금 구조에서 확인되는 건 '캐시'예요. 캐시를 모아서 쓰는 방식이고, 모으는 경로는 다음 세 가지예요.

여기서 비교할 때 물어볼 게 두 가지로 갈려요.

첫째, 무료로 쓸 수 있는 범위가 어디까지인가예요. 뤼튼은 캐시를 모아서 쓰는 구조가 확인돼요. 이 축에서는 '얼마나 모아야 쓸 수 있는지'를 같이 봐야 해요.

둘째, '무료'를 얻기 위해 무엇을 내는가예요. 뤼튼은 광고 시청이나 걸음 수 같은 행동을 내는 쪽이에요. 돈을 아끼는 대신 시간과 행동을 쓰는 구조죠. 시간을 아끼는 대신 정해진 금액을 내는 쪽이 편한 사람은, 이 축에서 다른 서비스를 같이 보게 돼요.

광고로 캐시를 받을 때 한 가지 걸리는 게 있어요. 광고를 끝까지 보고 화면에 뜨는 X나 >> 같은 종료 버튼을 눌러야 캐시가 들어와요. 그냥 지나가면 적립이 안 돼요. 또 부적절한 방법으로 캐시를 적립하면 적립분이 취소되고 추후 이벤트 참여가 제한될 수 있어요.

캐시를 모으는 경로

축 둘, AI 모델을 직접 만드는가 빌려 쓰는가

뤼튼은 LLM을 직접 개발하지 않아요. 이미 개발된 LLM을 사용자가 쓸 수 있게 붙여주는 방식이에요. 이걸 알면 서비스 비교에서 뭘 봐야 할지가 달라져요.

모델을 직접 만드는 쪽은 '두뇌 성능'이 비교 대상이 돼요. 반대로 뤼튼처럼 만들어진 모델을 가져다 쓰는 쪽은, 같은 두뇌를 얼마나 쓰기 편하게 감쌌는지가 비교 대상이 돼요. 뤼튼에서는 그 '감싸는 일'이 서포터, 도구, 즐겨찾기, 고쳐쓰기 같은 기능으로 나타나요.

여기서 오해하기 쉬운 지점이 하나 있어요. 'LLM을 직접 만들지 않는다'가 '품질 관리를 안 한다'는 뜻은 아니에요. 뤼튼은 파인튜닝(이미 만들어진 모델을 특정 목적에 맞게 다시 다듬는 작업) 등 여러 가지 방법을 시도해서 정확도를 높이고 있다고 설명해요.

다만 한계도 분명히 말해요. 할루시네이션(환각, 사실이 아닌 내용을 그럴듯하게 만들어내는 현상)은 오류가 아니라 LLM 방식 자체의 한계예요. 근본적으로 해결하려면 LLM 자체가 개선돼야 하고, 그건 시간이 오래 걸리는 일이에요. 그래서 중요한 정보는 전문가나 공인 서적으로 사실 여부를 다시 확인하는 걸 권해요.

이 축에서 판단이 갈리는 지점은 이거예요. '어떤 두뇌를 쓰는지'가 궁금한 사람은 모델을 직접 개발하는 쪽을 눈여겨보게 되고, '한 곳에서 기능을 묶어 쓰는 게 편한지'가 궁금한 사람은 뤼튼 같은 쪽이 눈에 들어와요.

축 셋, 내 대화와 결과물은 어떻게 다뤄지나

세 번째 축은 내가 넣은 것과 나온 것을 서비스가 어떻게 다루는가예요. 여기서 갈리는 지점은 두 개예요 — 대화 데이터와 결과물.

먼저 대화 데이터예요. 뤼튼은 사용자가 말한 내용이나 대화 데이터를 개인을 식별할 수 없는 형태로 데이터베이스에 저장해요. 그리고 추천 서비스나 개인화된 기능 제공 등, 서비스를 원활하게 돌리기 위해서만 활용해요. 서포터 학습에는 사용되지 않아요. 이건 꽤 큰 차이예요. 내 대화가 어딘가의 학습 재료로 들어가는지 아닌지가 갈리니까요.

결과물 쪽은 저작권이 사용자에게 귀속되고 상업적 활용도 가능해요. 대신 발생한 손익과 책임은 사용자에게 있어요. 이건 '결과물을 내 것으로 쓸 수 있다'와 '그 결과에 대한 책임도 내가 진다'가 한 묶음이라는 뜻이에요.

결과물을 다루는 기능도 같이 봐두면 좋아요. 출력물 우측 상단의 '고쳐쓰기' 아이콘을 누르면 내용을 바로 고칠 수 있고, '저장하기' 아이콘으로 결과물을 저장해요. 다만 일부 콘텐츠는 저장 기능이 제한돼요.

데이터와 결과물 관련 확인 내용

같은 입력으로 나란히 놓고 비교하는 방법

비교할 때 제일 흔들리는 게 '조건이 다른데 비교하는 것'이에요. 한쪽에는 길게 물어보고 다른 쪽에는 짧게 물어보면 답이 달라도 원인을 모르죠. 같은 문장을 양쪽에 그대로 넣는 게 기본이에요.

저는 세 가지 입력을 돌려보는 순서가 편했어요. 요약, 창작, 사실 확인 태도예요. 이 셋이면 답변 성향이 꽤 드러나요.

세 번째가 특히 쓸모 있어요. 할루시네이션은 LLM 방식 자체의 한계라서 어느 쪽을 쓰든 생길 수 있어요. 다만 '모르는 걸 모른다고 말하는 태도'는 서비스마다 다르게 나타나요. 그래서 같은 질문을 넣고 답을 나란히 놓아보면 차이가 보여요.

비교 결과는 한 번에 판단하지 마세요. LLM은 너무 긴 대화를 하면 앞의 맥락을 잊어버릴 수 있어요. 맥락과 맞지 않는 답이 나오면 같은 조건에서 새 대화창으로 다시 돌려보세요.

같은 조건 비교용 입력 세 가지

1) 요약 비교
다음 글을 세 문장으로 요약해줘. 문장은 짧게.
(같은 글을 두 곳에 똑같이 붙여넣기)

2) 창작 비교
우리 가게 신메뉴 이름을 10개 제안해줘. 조건은 열 글자 이내, 한자어 금지.

3) 사실 확인 태도 비교
확실하지 않은 내용은 "모른다"고 먼저 말해줘. 아는 범위만 알려줘.

비교하다 막혔을 때 다시 넣는 문장

같은 입력을 넣었는데 답이 애매하게 나올 때가 있어요. 그럴 때 서비스를 바꾸기 전에 한 번 더 물어보면 판단이 쉬워져요. 아래 문장들은 결과물을 다듬는 데도 그대로 써요.

특히 두 번째 문장이요. '확실한 것과 불확실한 것'을 나눠달라고 하면, AI가 어디까지 자신 있는지가 드러나요. 이걸 양쪽 서비스에 똑같이 넣어보면 어느 쪽이 불확실한 부분을 더 잘 표시하는지 비교가 돼요.

고칠 때는 '고쳐쓰기' 아이콘을 쓰는 방법도 있어요. 출력물 우측 상단에서 바로 열리고, 미니챗 안에서 수정할 부분을 말하면 돼요.

결과가 애매할 때 다시 넣는 문장

이 답변에서 사실 확인이 안 된 부분만 따로 표시해줘.
방금 답변에서 확실한 것과 불확실한 것을 나눠서 다시 써줘.
이 문단에서 어색한 곳만 고쳐줘. 내용은 바꾸지 마.
다시, 중학생도 이해할 수 있는 말로 바꿔줘.

잘 되는 것과 안 되는 것

비교하다 보면 기대와 실제가 어긋나는 자리가 나와요. 뤼튼에서 확인되는 것만 놓고 보면 이렇게 갈려요.

표를 보면 알 수 있어요. 뤼튼이 못하는 게 아니라, 무료로 쓰는 만큼 행동이 들어가고, AI라는 방식 자체에 한계가 있다는 구조예요. 이 두 가지를 감안하고 비교하면 판단이 훨씬 안정돼요.

기대와 실제

조심할 점

비교하고 나서 실제로 쓰기 시작하면 걸리는 자리가 있어요. 돈, 계정, 개인정보 쪽은 미리 알아두는 게 좋아요.

계정 쪽은 특히 조심해야 해요. 아이디나 비밀번호를 잃으면 찾기 절차를 거쳐야 하고, 탈퇴는 되돌리기 어려워요. 새 계정에서 캐시를 쓰려면 기존 계정을 탈퇴한 뒤 다시 본인인증을 해야 하니, 이 순서도 미리 알아두면 좋아요.

저작권이 내게 있다는 말과 책임이 내게 있다는 말은 같이 다녀요. 상업적으로 쓰는 사람이라면 이 두 줄을 세트로 기억해두세요.

쓰기 전에 알아둘 것

누구에게 맞나

세 축을 놓고 보면 결국 사람에 따라 갈려요.

뤼튼이 맞는 사람

• 여러 기능을 한 곳에 묶어 쓰는 게 편한 사람
• 내 대화가 학습 재료로 쓰이지 않는 걸 중요하게 보는 사람
• 결과물을 상업적으로 써야 해서 저작권이 내게 있는지가 중요한 사람
• 광고 시청이나 걸음 수를 캐시로 바꾸는 정도는 부담이 없는 사람

다른 쪽을 같이 봐야 하는 사람

• 광고나 걸음 수 같은 행동 없이, 정해진 금액으로 조용히 쓰고 싶은 사람
• 어떤 모델을 쓰는지가 결과를 좌우한다고 보고, 모델 자체를 비교하고 싶은 사람
• 모든 결과물을 바로 저장해서 쌓아두고 싶은 사람
• 긴 대화를 한 번에 이어가야 해서 맥락 유지가 중요한 사람

판단이 안 설 때는 이렇게 해요. 비교용 입력 한 줄을 정해서 지금 쓰는 곳과 뤼튼에 똑같이 넣고, 답을 나란히 놓아요. 같은 문장을 넣었는데 어느 쪽 답이 더 마음에 닿는지가 스펙보다 오래 가는 기준이에요.

오늘 해볼 건 하나예요. 요약 입력 한 줄을 정해서 두 곳에 그대로 넣어보세요.

시작 전 확인할 것

• 뤼튼이 LLM을 직접 개발하지 않고 이미 개발된 LLM을 제공하는 방식인지 확인했어요
• 캐시 적립 경로 세 가지(영상 광고·걸음 수·미션)와 각 조건을 확인했어요
• 내 대화가 서포터 학습에 쓰이지 않는다는 점을 확인했어요
• 결과물 저작권은 내게, 손익과 책임도 내게 있다는 점을 확인했어요
• 비교용 입력 한 줄을 정해서 두 곳에 똑같이 넣어봤어요

참고 링크

• 공식 뤼튼 고객센터 — help.wrtn.ai