“이 모델은 정확도 99%랍니다” “정밀도를 올렸더니 재현율이 떨어지네요” “이번 탐지기는 재현율이 중요하니까요” — AI 도구 소개란, 뉴스 해설, 유튜브 영상 어디서나 이 세 단어가 번갈아 나옵니다. 그런데 세 단어의 차이를 한 줄로 말하지 못하면, “정확도 99%라는데 왜 내 화면에서는 틀리지?”라는 질문에 영영 답할 수 없게 됩니다. “다 높으면 좋은 거 아니야?”로 넘기면, 왜 어떤 도구는 자신 있게 답하면서 정작 중요한 걸 놓치는지, 왜 “정확도 99%“라는 문장이 때로 거짓말인지를 이해할 수 없습니다. 점수를 읽는 눈이 없으면 도구 비교도, 결과를 의심하는 눈도 흔들립니다.
요약 (TL;DR): 정확도 · 정밀도 · 재현율 핵심 요약 세 지표는 “얼마나 잘한다”를 서로 다른 각도로 잽니다. 정확도는 전체 중 맞춘 비율로 전반적으로 얼마나 잘 맞히는지를 뜻하고(100문장 번역에 92개가 자연스럽다), 정밀도는 AI가 “맞다”고 한 것 중 진짜 맞은 비율이라 AI가 한 말 중 믿을 만한 것의 비중입니다(인용한 출처 5개 중 진짜 근거 4개). 재현율은 진짜 정답 중 AI가 잡아낸 비율이라 있던 것을 놓치지 않고 찾은 정도를 뜻합니다(문서에 답이 5곳인데 4곳을 찾아냈다). 세 값이 재는 것이 서로 달라서 한 숫자만 보고 판단할 수 없습니다.
이 글은 5분 안에 읽고 AI 성능을 재는 세 가지 지표 — 정확도 · 정밀도 · 재현율을 정리합니다. 각 지표가 “무엇을 세고 무엇을 빼먹는가”를 DeepL · NotebookLM · ChatPDF 같은 도구 화면과 일상 사례로 짚고, 흔히 빠지는 오해까지 잡습니다. 도구 사용법이 아니라 개념을 먼저 잡는 글입니다.
왜 “점수가 숨기는 것”인가? 우리 블로그의 7편 지도학습 · 비지도학습 · 강화학습은 AI가 ‘어떻게 배우는가’를 다뤘고, 1편 토큰 · 컨텍스트 · 환각은 모델이 ‘틀리는 이유’를 보았습니다. 이 글은 그 뒤를 잇습니다 — 배운 모델이 얼마나 잘하는지를 ‘어떻게 재는가’, 그리고 왜 하나의 점수만 보면 속는지를 보는 ‘AI 용어 사전’ 시리즈의 여덟 번째 글입니다.
정확도·정밀도·재현율은 각각 무엇을 재는 걸까?
이 섹션에서 배우는 것: 세 지표를 한 줄씩 먼저 훑고, 각각이 내 판단에서 어떻게 나타나는지 보기.
| 지표 | 한 줄 정의 | 직관적 의미 | 일상 예시 |
|---|---|---|---|
| 정확도(Accuracy) | 전체 중 맞춘 비율 | 전반적으로 얼마나 잘 맞히나 | ”100문장 번역에 92개 자연스럽다” |
| 정밀도(Precision) | AI가 “맞다” 한 것 중 진짜 맞은 비율 | AI가 한 말 중 믿을 만한 것의 비중 | ”인용한 출처 5개 중 진짜 근거 4개” |
| 재현율(Recall) | 진짜 정답 중 AI가 잡아낸 비율 | 있던 것 중 놓치지 않고 찾은 것의 비중 | ”문서에 답 5곳 중 4곳을 찾아냈다” |
⚠️ 세 지표의 수치는 ‘무엇을 양성이라 정했느냐’에 따라 달라집니다. 번역 품질, 문서 검색, 스팸 탐지마다 기준이 다르고, 한 도구의 점수를 다른 도구에 그대로 옮겨 비교할 수는 없습니다. 이 글은 2026년 8월 기준의 개념 설명이며, 각 지표의 정확한 정의와 계산은 공식 자료에서 확인하세요. 출처: 구글 ML 입문 강좌, 사이킷런 모델 평가 문서, 위키백과 정밀도와 재현율
용어 1: 정확도(Accuracy) — “전체 중 얼마나 맞혔나?”
이 섹션에서 배우는 것: 정확도가 ‘전체에서 맞춘 비율’이라는 가장 직관적인 지표라는 것, 그리고 왜 이게 만만치 않은 함정을 품고 있는지.
정확도는 가장 직관적인 지표입니다. 한 줄로 말하면, 전체 예측 중에서 모델이 맞춘 비율입니다. 100개를 넣어서 92개를 맞혔다면 정확도 92%입니다. 번역 100문장 중 92문장이 자연스럽고, 사진 100장 중 92장을 올바르게 분류한다면 같은 말입니다. 그래서 뉴스나 도구 소개란에서 “정확도 몇 %“를 가장 먼저 내걸며, 구글 ML 입문 강좌와 사이킷런 모델 평가 문서에서도 분류 성능의 출발점으로 다룹니다.
deepl.com 홈페이지
정확도가 직관적인 만큼 독자도 쉽게 믿지만, 여기엔 불균형한 상황에서 사람을 속이는 함정이 숨어 있습니다. 가장 자주 쓰이는 예가 스팸 메일입니다. 만약 메일함의 98%가 정상 메일이고 2%만 스팸이라면, 모델이 “전부 정상 메일입니다”라고만 찍어도 정확도 98%가 나옵니다. 화려한 점수지만 스팸을 단 하나도 잡아내지 못한 무능한 모델입니다. DeepL 같은 번역 도구에서 “번역 정확도”라는 문장을 볼 때도 같은 의심이 필요합니다 — AI 번역 도구 비교 (2026)에서 다루듯 번역은 “문장 단위로 맞다/틀리다”로 가르기 어려운 과제라, 무엇을 ‘맞았다’로 셈했느냐에 따라 같은 번역도 점수가 달라집니다. 즉 정확도는 ‘전체 그림’은 보여주지만, 내가 진짜 신경 쓰는 부분을 맞혔는지까지는 말해주지 않습니다.
5분 안에 직접 확인하기
- deepl.com 에서 짧은 문장 10개를 번역해 보세요. 내가 느끼기에 “자연스럽다”고 한 문장이 몇 개인지 세어 봅니다. 그 비율이 바로 ‘정확도’라는 단어가 가리키는 바람직한 직관입니다.
- 내 메일함에서 ‘스팸함’과 ‘받은편지함’의 비율을 가늠해 보세요. 스팸이 극소수라면, “전부 정상 메일”이라 찍어도 정확도가 높게 나온다는 함정을 한 줄로 적어 봅니다.
- translate.google.com 에서 긴 문단을 번역한 뒤, 문장 하나하나에 ‘맞음/틀림’을 붙여 보세요. 무엇을 ‘틀림’으로 셈하느냐에 따라 정확도가 달라진다는 걸 체감합니다.
잘 안 되는 경우
- 데이터가 한쪽으로 쏠린(불균형) 경우: 정상 메일이 98%인 상황에서 정확도는 무능한 모델까지 98%로 포장합니다. 희귀 질병 탐지, 이상 거래 탐지처럼 “찾아야 할 것이 적은” 과제에서는 정확도 하나만 보면 판단을 그르칩니다.
- ‘맞음’의 기준이 애매한 경우: 번역·요약·글쓰기처럼 정답이 하나가 아닌 과제에서는 “무엇을 맞았다로 셀 것인가” 자체가 논쟁입니다. 기준을 어떻게 정하느냐에 따라 같은 결과도 정확도가 크게 달라집니다.
전체에서 맞춘 비율을 보는 눈을 갖췄다면, 다음은 “AI가 한 말 중 믿을 만한 것”을 따지는 지표입니다.
용어 2: 정밀도(Precision) — “AI가 맞다 한 것, 얼마나 믿을 만한가?”
이 섹션에서 배우는 것: 정밀도가 ‘AI가 양성이라 가린 것 중 진짜 양성인 비율’이라는 것, 그래서 “자신 있게 말한 것의 신뢰도”를 재는 지표라는 점.
정밀도는 정확도보다 한 단계 좁은 곳을 봅니다. 한 줄로 말하면, AI가 “이건 해당된다(양성)“라고 가린 것 중에서 진짜 해당되는 것의 비율입니다. 스팸 필터를 예로 들면, AI가 “스팸이야”라고 가려 낸 메일 10개 중 실제로 스팸인 것이 8개라면 정밀도 80%입니다. 나머지 2개는 정상 메일을 스팸으로 몰아낸 헛발질, 즉 **거짓 양성(False Positive)**입니다. 정밀도가 높다는 건 곧 “AI가 한다고 한 것은 믿어도 된다”는 뜻이며, 사이킷런 모델 평가 문서와 위키백과 정밀도와 재현율에서 이 정의를 공식 자료로 확인할 수 있습니다.
notebooklm.google.com 홈페이지
정밀도가 빛을 발하는 곳은 “틀린 답을 내놓는 것 자체가 치명적인” 상황입니다. NotebookLM으로 문서를 읽고 답을 받을 때, AI가 인용으로 건네는 출처 5개 중 진짜 근거가 되는 것이 몇 개인지를 따져 보세요. 출처가 화려하게 붙었지만 실제 문서와 들어맞지 않는 인용(거짓 양성)이 섞여 있다면, 정밀도는 그 믿음의 무게를 재는 척도가 됩니다. **정밀도가 높으면 “AI가 꺼낸 답은 일단 믿고 볼 만하다”**이고, 낮으면 “인용은 붙었지만 확인은 필수”로 태도가 바뀝니다. 주의할 점은 정밀도만 높이려 들면 모델이 “확실한 것만 양성이라” 고밀도로 골라내느라, 정작 스팸이나 관련 답을 많이 놓치게 된다는 것입니다. 6편에서 다룬 임베딩 · 벡터 DB가 검색의 ‘정밀도’를 좌우하는 뼈대라는 점을 떠올리면, 왜 검색 도구가 “관련 있는 것을 얼마나 정확히 골라내는가”에 집중하는지가 보입니다.
5분 안에 직접 확인하기
- notebooklm.google.com 에서 한 문서를 올리고 질문을 던져 보세요. AI가 건네는 인용 출처를 하나하나 클릭해 원문과 들어맞는지 확인합니다. “인용 5개 중 진짜 근거가 몇 개인가”가 정밀도가 가리키는 바람직한 직관입니다.
- 내 메일함의 ‘스팸함’을 열어 보세요. 스팸으로 분류된 메일 중 정상 메일이 섞여 있다면, 그것이 정밀도를 떨어뜨리는 ‘거짓 양성’이라는 걸 한 줄로 적어 봅니다.
- chatgpt.com 에서 사실 질문을 하고 답에 붙은 출처 링크를 직접 열어 보세요. 링크가 실제로 해당 사실을 뒷받침하는지를 따지는 습관이 정밀도를 읽는 눈을 키웁니다.
잘 안 되는 경우
- 정밀도만 쫓다가 중요한 걸 놓치는 경우: 모델이 “확실한 것만 양성”이라 임계선을 높이면 정밀도는 오르지만, 스팸·이상 거래·희귀 질병처럼 “놓치면 안 되는” 것을 자꾸 놓치게 됩니다. 정밀도 하나만 올리면 안전하다고 착각하기 쉬운 함정입니다.
- ‘양성’의 기준이 모호한 과제인 경우: 글쓰기·요약처럼 “관련 있다/없다”를 가르기 애매한 과제에서는 정밀도 자체를 깔끔하게 정의하기 어렵습니다. 이런 곳에서 정밀도 수치를 맹신하면 판단이 흔들립니다.
“AI가 한 말의 신뢰도”를 재는 눈을 갖췄다면, 마지막은 “있던 것 중 놓치지 않고 찾았는가”를 따지는 지표입니다.
용어 3: 재현율(Recall) — “있던 것 중 얼마나 놓치지 않았나?”
이 섹션에서 배우는 것: 재현율이 ‘진짜 정답 중에서 AI가 잡아낸 비율’이라는 것, 그래서 “놓치는 것의 비용”을 다루는 과제에서 결정적인 지표라는 점.
재현율은 정밀도와 거울짝 같은 지표입니다. 한 줄로 말하면, 실제로 해당되는 것(진짜 양성) 중에서 AI가 “해당된다”고 잡아낸 비율입니다. 실제 스팸이 10개 있는데 AI가 7개만 골라냈다면 재현율 70%이고, 놓친 3개는 스팸인데 정상으로 흘려보낸 **거짓 음성(False Negative)**입니다. 재현율이 높다는 건 “있던 것을 거의 놓치지 않았다”는 뜻이며, 사이킷런 모델 평가 문서에서 재현율(민감도)을 분류 평가의 한 축으로 다룹니다.
chatpdf.com 홈페이지
재현율이 가장 절실한 곳은 “놓치는 비용이 치명적인” 상황입니다. 암 진단 AI가 실제 암을 놓치면 생명이 달린 일이고, 이상 거래 탐지가 사기를 놓치면 돈이 달린 일입니다. 이때는 정밀도를 조금 희생하더라도 재현율을 높여 “의심되면 일단 다 건드려 본다”는 쪽으로 모델을 맞춥니다. ChatPDF로 두꺼운 문서를 올리고 질문을 던질 때, 답이 문서 곳곳에 흩어져 있다면 “AI가 흩어진 답을 몇 군데나 찾아냈는가”가 바로 재현율의 직관입니다. 답 5곳 중 4곳을 찾아냈다면 재현율 80%지만, 놓친 1곳이 핵심 조건이라면 그 빈칸이 치명적입니다. PDF 요약 AI 도구 비교 (2026)에서 다루는 문서 도구들의 “답을 찾아오는 힘”이 결국 이 재현율의 문제와 닿아 있습니다. 재현율이 높으면 “빠뜨림이 적다”이지만, 그만큼 정상인 것까지 양성으로 건드려 정밀도가 내려가는 줄다리기가 시작됩니다.
5분 안에 직접 확인하기
- chatpdf.com 에서 한 문서를 올리고, 문서 안에 분명 답이 있는 구체적 질문을 여러 개 던져 보세요. AI가 답을 찾아낸 질문과 놓친 질문을 나눠 보는 것이 재현율이 가리키는 “놓침의 비용”을 체감하는 길입니다.
- 내 메일함에서 최근에 ‘스팸함’으로 안 갔지만 실제로는 스팸이었던 메일이 있었는지 떠올려 보세요. 그런 놓침(거짓 음성)이 재현율을 떨어뜨린다는 걸 한 줄로 적어 봅니다.
- notebooklm.google.com 에서 한 문서를 올리고 “이 문서에서 ~에 대해 언급한 모든 부분을 찾아줘”라고 물어 보세요. 흩어진 답을 얼마나 빠짐없이 모아 오는지가 재현율의 바람직한 직관입니다.
잘 안 되는 경우
- 재현율만 쫓다가 정상까지 잘못 건드리는 경우: “의심되면 일단 다 양성”으로 임계선을 낮추면 재현율은 오르지만, 정상 메일·정상 거래까지 스팸·이상으로 몰아 정밀도가 무너집니다. 알람이 너무 자주 울려 결국 무시되는 ‘알람 피로’가 생길 수 있습니다.
- ‘전체 정답’의 숫자를 알기 어려운 경우: 재현율은 ‘진짜 정답이 몇 개였는가’를 알아야 계산할 수 있습니다. 현실에서는 숨겨진 정답의 총량을 모르는 경우가 많아, 재현율을 정확히 구하기가 쉽지 않습니다.
⚠️ 정밀도와 재현율은 보통 줄다리기 관계입니다. 한쪽을 끌어올리면 다른 쪽이 내려가는 일이 잦아, “둘 다 100%“는 흔치 않습니다. 어느 쪽에 무게를 둘지는 과제의 성격이 — 놓치면 안 되는가, 틀리면 안 되는가 — 결정합니다.
정밀도와 재현율이 마주보는 줄다리기
이 섹션에서 배우는 것: 정밀도와 재현율이 보통 하나를 올리면 다른 하나가 내려가는 줄다리기라는 것, 그래서 하나의 점수로는 전부를 보지 못한다는 점.
정밀도와 재현율은 서로를 밀어내는 성질이 있습니다. 스팸 필터를 “웬만하면 다 스팸으로 의심”하게 만들면 실제 스팸을 거의 놓치지 않아 재현율은 올라지만, 정상 메일까지 스팸으로 몰아 정밀도는 내려갑니다. 반대로 “아주 확실한 것만 스팸으로” 고르면 정밀도는 올라가지만 놓치는 스팸이 늘어 재현율은 내려갑니다. 이 줄다리기를 하나의 숫자로 요약하려는 시도가 F1 점수입니다 — 정밀도와 재현율의 ‘조화평균’으로, 어느 한쪽이 극단적으로 낮을 때 점수를 크게 깎아 “균형”을 점수에 반영합니다. F1 점수의 정의와 계산은 위키백과 정밀도와 재현율과 사이킷런 모델 평가 문서에서 공식 자료로 확인할 수 있습니다.
| 상황 | 정밀도 | 재현율 | 무게를 둬야 할 지표 |
|---|---|---|---|
| 스팸 탐지(정상 메일을 잃으면 곤란) | 높일수록 좋음 | 어느 정도 희생 감수 | 정밀도 |
| 암 진단·이상 거래(놓치면 치명적) | 어느 정도 희생 감수 | 높일수록 좋음 | 재현율 |
| 문서 검색(빠짐없이 찾아야) | 어느 정도 희생 감수 | 높일수록 좋음 | 재현율 |
| 추천·광고(틀린 것을 보여주면 믿음 하락) | 높일수록 좋음 | 어느 정도 희생 감수 | 정밀도 |
이 표를 2편에서 다룬 RAG와 겹쳐 보면 재미있습니다. RAG가 문서에서 답을 찾아오는 구조라면, “관련 있는 것을 정확히(정밀도)“와 “있는 것을 빠짐없이(재현율)“는 RAG 품질을 좌우하는 두 축입니다. 그래서 문서 질문 도구는 정밀도와 재현율을 함께 보고, 하나만 자랑하지 않습니다. “정확도 99%“라는 한 줄은 이 줄다리기를 숨기는 가장 쉬운 포장이라는 점을 기억하면, 다음번 도구 소개를 읽는 눈이 달라집니다.
자주 묻는 질문 3가지
Q. 정확도 99%면 그냥 좋은 거 아닌가요? 반드시 그렇지는 않습니다. 찾아야 할 것이 극히 적은 불균형 상황에서는 “전부 아니다”라고만 해도 정확도가 높게 나옵니다. 스팸 2%인 메일함에서 “전부 정상”이라 찍어도 정확도 98%인 것처럼요. 그래서 정밀도와 재현율을 함께 봐야 합니다. 두 지표의 정의는 사이킷런 모델 평가 문서에서 확인할 수 있습니다.
Q. 정밀도와 재현율 중 뭐가 더 중요한가요? ‘더 중요한’은 없고 ‘과제가 무엇을 두려워하는가’에 달렸습니다. 놓치면 안 되는 일(암 진단, 이상 거래)은 재현율에 무게를 두고, 틀린 답을 내놓으면 안 되는 일(추천, 인용)은 정밀도에 무게를 둡니다. 구글 ML 입문 강좌에서 이 균형을 공식 자료로 다룹니다.
Q. F1 점수는 뭔가요? 정밀도와 재현율의 조화평균으로, 한쪽이 극단적으로 낮을 때 점수를 크게 깎아 “균형”을 점수로 옮긴 지표입니다. 둘을 하나의 숫자로 요약하고 싶을 때 쓰지만, 줄다리기의 디테일까지는 보여주지 않으므로 F1과 함께 정밀도·재현율을 같이 보는 것이 안전합니다. 정의는 위키백과 정밀도와 재현율에서 확인하세요.
요약
세 지표를 한 문장씩만 기억해도 점수가 다르게 읽힙니다.
- 정확도 → 전체 중 맞춘 비율. 직관적이지만 불균형 상황에서는 거짓말을 할 수 있다.
- 정밀도 → AI가 “맞다” 한 것 중 진짜 맞은 비율. 자신 있게 말한 것의 신뢰도를 잰다.
- 재현율 → 진짜 정답 중 AI가 잡아낸 비율. 놓치는 것의 비용을 다루는 과제에서 결정적이다.
“정확도는 전체 그림, 정밀도는 한 말의 무게, 재현율은 빠뜨림의 비용”으로 세 지표를 자리매김해 두면, 다음번에 “정확도 99%“라는 문장을 만날 때 “이게 불균형 속임수인가, 아니면 진짜 잘 맞힌 건가?”를 한 줄로 묻게 됩니다. 이번 주에는 한 가지만 해 보세요 — 쓰는 도구 하나를 골라 “내가 이 도구에서 두려워하는 건 ‘틀린 답’인가, ‘놓친 답’인가?”를 적어 보는 것입니다. 그 작은 질문 하나가 정밀도와 재현율 중 어느 쪽에 눈을 두어야 할지 알려줍니다. 다음 글에서는 “AI 모델이 시험은 잘 보는데 현실에서 무너지는 까닭 — 과적합 · 일반화 · 교차검증”을 이어서 풀 예정입니다.