데이터 라벨링이란 — AI가 배우는 '정답'은 누가 만드나
Data labeling is the work of attaching answers to raw data so a model can learn from it — marking which object is in a photograph, what words are in a recording, or which of two model replies is better. It matters because supervised learning has no way to know what is correct except through these labels, so the ceiling on a model's accuracy is usually set by the quality of its labels rather than its architecture. The work has changed shape: simple annotation is increasingly automated, while the labels that still require people have moved toward expert judgment, especially the preference rankings used to align large language models
데이터 라벨링은 원본 데이터에 ‘정답’을 붙여 모델이 배울 수 있게 만드는 작업이다. 사진 속 물체가 무엇인지 표시하고, 녹음에 무슨 말이 담겼는지 적고, 모델이 낸 두 답 중 어느 쪽이 나은지 고르는 일이 모두 여기 들어간다. 이 작업이 중요한 이유는 지도학습이 정답을 알 수 있는 통로가 라벨밖에 없기 때문이다 — 모델 정확도의 천장은 대개 구조가 아니라 라벨 품질이 정한다. 일의 성격은 바뀌었다. 단순 표시 작업은 점점 자동화되고, 사람이 남아 있는 자리는 전문 판단 쪽으로 올라갔다. 특히 대규모 언어모델을 정렬하는 데 쓰이는 선호 순위 매기기가 그렇다
3줄 요약
- 정의 — 원본 데이터에 정답을 붙이는 작업이다. 지도학습이 정답을 아는 유일한 통로다
- 영향 — 모델 성능의 천장은 대개 구조가 아니라 라벨 품질이 정한다. 틀린 라벨은 그대로 학습된다
- 변화 — 단순 표시는 자동화되고, 사람이 하는 일은 전문가 판단과 선호 순위 쪽으로 옮겨 갔다
핵심 질문
- 데이터 라벨링이 정확히 무슨 일이야
- **데이터에 '이것이 정답이다'를 붙이는 일**이다. 형태는 데이터 종류에 따라 다르다. 이미지라면 사진에 **'고양이'라는 분류를 붙이거나**, 물체를 네모로 둘러싸거나(**바운딩 박스**), 픽셀 단위로 경계를 칠한다(**세그멘테이션**). 음성이라면 녹음을 **글로 옮긴다**. 텍스트라면 문장의 감정을 표시하거나 개체명을 표시한다. 그리고 요즘 가장 값이 나가는 형태가 하나 더 있다 — **모델이 만든 두 개의 답 중 어느 쪽이 나은지 사람이 고르는 것**이다. 대규모 언어모델을 사람이 원하는 방향으로 맞추는 과정에서 이 선호 데이터가 쓰인다. 공통점은 하나다. **원본 데이터만으로는 모델이 무엇이 옳은지 알 수 없다.**
- 라벨이 왜 그렇게 중요해
- **지도학습에서 라벨은 모델이 정답을 아는 유일한 통로**이기 때문이다. 모델은 라벨을 '참고'하는 게 아니라 **라벨을 정답으로 전제하고** 자기 출력을 그쪽으로 밀어붙인다. 그래서 라벨이 틀리면 모델은 틀린 것을 정확하게 배운다. 실무에서 가장 자주 나오는 결론이 이것이다 — **모델 구조를 바꿔서 얻는 개선보다 라벨을 정리해서 얻는 개선이 큰 경우가 많다.** 특히 문제가 되는 것은 **일관성 없는 라벨**이다. 같은 사진을 작업자 A는 '개'로, B는 '늑대'로 붙이면 모델은 그 경계를 배울 수 없고 그 부근에서 계속 흔들린다. 무작위로 틀린 라벨보다 **체계적으로 한쪽으로 치우친 라벨**이 더 위험하다 — 모델이 그 편향을 규칙으로 학습해 버리기 때문이다.
- AI가 좋아졌는데 사람이 계속 필요해?
- **필요한 일의 종류가 바뀌었다.** 사진에 '고양이'를 붙이는 정도는 이제 모델이 스스로 한다. 사람이 하던 그 층은 대부분 자동화됐다. 대신 **모델이 아직 못 하는 판단**이 사람 몫으로 남았다 — 의학·법률·코딩처럼 분야 지식이 필요한 답변의 정확성을 평가하고, 더 나은 답을 직접 써 주는 일이다. 이 변화가 시장 구조를 바꿨다. 2005년에 문을 연 아마존 **미케니컬 터크**는 단순 작업 시대의 대표 창구였는데 **2026년 9월 30일 종료**된다. 그 수요는 스케일AI·머코어·프롤리픽처럼 전문 인력을 모으는 회사들로 옮겨 갔다. 이 지면은 「아마존 미케니컬 터크 9월 30일 종료」에서 그 이동을 다뤘다. **사람이 빠진 것이 아니라 더 비싼 사람으로 바뀐 것**에 가깝다.
AI 모델이 "고양이를 알아본다"고 말할 때, 그 모델이 고양이를 알아보게 된 경로는 하나다.
누군가 사진 수만 장에 '고양이'라고 적어 줬다.
데이터 라벨링은 그 적어 주는 일이다. 그리고 이 일이 모델 성능의 천장을 정한다.
1. 라벨이 하는 일
모델 학습은 크게 두 갈래다.
| 방식 | 정답이 있나 | 예시 |
|---|---|---|
| 지도학습 | 있다 (라벨) | 사진 분류, 음성 인식, 번역 |
| 비지도학습 | 없다 | 군집화, 다음 단어 예측 사전학습 |
지도학습에서 모델이 '옳음'을 알 수 있는 통로는 라벨뿐이다. 모델은 라벨을 참고하는 게 아니라 라벨을 정답으로 전제하고 자기 출력을 그쪽으로 밀어붙인다.
그래서 결론이 단순해진다. 라벨이 틀리면 모델은 틀린 것을 정확하게 배운다.
2. 라벨의 종류
| 데이터 | 라벨 형태 | 하는 일 |
|---|---|---|
| 이미지 | 분류 | 사진 전체에 이름 하나 |
| 이미지 | 바운딩 박스 | 물체를 네모로 둘러싼다 |
| 이미지 | 세그멘테이션 | 픽셀 단위로 경계를 칠한다 |
| 음성 | 전사 | 녹음을 글로 옮긴다 |
| 텍스트 | 개체명·감정 표시 | 인명·지명·감정을 표시 |
| 모델 출력 | 선호 순위 | 두 답 중 나은 쪽을 고른다 |
위에서 아래로 갈수록 비싸고 어렵다. 네모를 치는 일은 훈련 몇 시간이면 되지만, 의학 답변 두 개 중 어느 쪽이 정확한지 고르려면 그 분야를 알아야 한다.
마지막 줄이 대규모 언어모델 시대에 가장 값이 오른 라벨이다. 모델이 낸 답을 사람이 비교해 순위를 매기고, 그 선호가 모델을 사람이 원하는 방향으로 미는 데 쓰인다.
3. 라벨이 무너지는 방식
품질 문제는 '틀렸다' 한 가지가 아니다. 형태가 다르고 위험도가 다르다.
| 문제 | 어떻게 생기나 | 모델에 미치는 영향 |
|---|---|---|
| 무작위 오류 | 실수·피로 | 학습 데이터가 많으면 어느 정도 씻긴다 |
| 일관성 결여 | 작업자마다 기준이 다름 | 경계를 못 배운다. 그 부근에서 계속 흔들린다 |
| 체계적 편향 | 지침 자체가 한쪽으로 치우침 | 가장 위험하다. 편향을 규칙으로 학습한다 |
| 모호한 지침 | 애매한 경우의 처리 규칙 부재 | 작업자마다 다르게 처리 → 일관성 결여로 이어짐 |
셋째 줄이 특히 문제인 이유는 데이터를 늘려도 해결되지 않기 때문이다. 무작위로 틀린 라벨은 양이 많아지면 평균으로 씻기지만, 모두가 같은 방향으로 치우친 라벨은 양이 늘수록 그 치우침이 더 확고해진다.
이 지면은 「AI 환각이란 — 모델이 '모르겠다'고 답하지 않도록 훈련된 이유」에서, 학습 과정의 설계가 모델의 답변 태도를 어떻게 정하는지를 다뤘다.
4. 품질을 지키는 방법
라벨 작업은 사람이 하므로 품질 관리가 통계 문제가 된다. 실무에서 널리 쓰이는 방법들은 이렇다.
| 방법 | 어떻게 |
|---|---|
| 합의(consensus) | 같은 항목을 여러 명에게 시키고 다수가 고른 값을 채택 |
| 골드 스탠더드 | 정답을 아는 문항을 섞어 넣어 작업자 정확도를 측정 |
| 작업자 간 일치도 | 두 작업자가 같은 답을 낸 비율로 지침의 명확성을 진단 |
| 지침 반복 개정 | 애매한 사례가 나올 때마다 규칙을 추가 |
| 단계별 검수 | 1차 작업 → 2차 검수 → 표본 감사 |
세 번째 항목이 중요하다. 작업자 간 일치도가 낮으면 작업자를 탓하기 전에 지침을 의심해야 한다. 사람 여럿이 같은 항목에서 갈린다면, 대개는 그 경계를 어떻게 그을지 지침이 정해 두지 않은 것이다.
5. 일이 바뀌었다
2020년대 중반을 지나며 이 분야의 모양이 크게 달라졌다.
| 예전 | 지금 | |
|---|---|---|
| 대표 작업 | 사진 분류·박스 치기 | 전문가의 답변 평가·재작성 |
| 필요 자격 | 대체로 없음 | 분야 지식 (의료·법률·코딩 등) |
| 단가 | 건당 소액 | 훨씬 높다 |
| 자동화 정도 | — | 단순 작업은 모델이 대신한다 |
이 이동을 상징하는 사건이 2026년 8월에 있었다. 아마존이 미케니컬 터크를 9월 30일 종료한다고 발표했다. 2005년에 문을 연 단순 작업 시대의 대표 창구였고, 제프 베이조스는 이 서비스를 '인공 인공지능'이라 불렀다 — 자동화처럼 보이지만 안에서는 사람이 하고 있다는 뜻이다.
그 수요가 사라진 것은 아니다. 스케일AI·머코어·프롤리픽 같은 전문 업체들이 가져갔다. 이 지면은 「아마존 미케니컬 터크 9월 30일 종료 — 베이조스가 '인공 인공지능'이라 부른 21년」에서 그 종료를 다뤘다.
6. 자주 묻는 것
Q. 모델이 모델을 가르치면 안 되나? (합성 데이터) 부분적으로는 한다. 모델이 만든 데이터로 다른 모델을 학습시키는 방식은 실제로 널리 쓰인다. 다만 원본이 되는 모델의 오류와 편향이 그대로 복제될 위험이 있고, 사람 라벨을 어디까지 대체할 수 있는지는 아직 정리되지 않은 논쟁이다. 이 지면은 어느 한쪽 결론을 취하지 않는다.
Q. 라벨이 없으면 학습을 못 하나? 지도학습은 못 한다. 다만 대규모 언어모델의 사전학습은 라벨 없이 텍스트의 다음 단어를 맞히는 방식으로 이뤄진다. 라벨이 결정적으로 필요한 구간은 그 뒤 — 모델을 특정 용도와 사람의 선호에 맞추는 정렬·미세조정 단계다. 「파인튜닝이란 — 프롬프트·RAG와 무엇을 나눠 맡나」에서 그 단계를 다뤘다.
Q. 데이터가 많으면 라벨 품질은 좀 나빠도 되나? 무작위 오류라면 어느 정도 그렇다. 체계적 편향이라면 정반대다 — 데이터가 많을수록 그 편향이 더 확실하게 학습된다.
Q. 라벨링 비용은 얼마나 드나? 공개된 신뢰할 만한 통계를 이 지면은 확인하지 못해 수치를 쓰지 않는다. 다만 방향은 분명하다 — 단순 작업의 단가는 자동화로 내려갔고, 전문가 판단이 필요한 작업의 단가는 올랐다.
7. 확인하지 못한 것
- 품질 관리 기법 — 본문의 방법들은 널리 쓰이는 정리이며 특정 회사의 운영 방식을 검증한 것이 아니다.
- '라벨 정리의 효과' — 실무의 경험칙이며 이를 뒷받침하는 정량 연구를 특정하지 못했다.
- 시장 규모·작업자 수 — 신뢰할 수 있는 통계를 확인하지 못해 수치를 쓰지 않았다.
- 임금과 노동 조건 — 국제 비교 자료를 확인하지 못했다.
- 합성 데이터의 한계 — 사람 라벨을 어디까지 대체할 수 있는지는 아직 결론이 없다.
출처
- CNBC — Amazon service Bezos once called 'artificial artificial intelligence' is shutting down
- Quartz — Amazon shutting down Mechanical Turk platform on Sept. 30, 2026
- TechCrunch — Amazon will stop accepting new customers for Mechanical Turk
- Google Cloud — AI 에이전트란 무엇인가요? 정의, 예시, 유형
- PYMNTS — Amazon Sunsets Crowd-Sourced Work Platform MTurk