LLM 파인튜닝은 단순히 모델을 한 번 더 학습시키는 기술이 아닙니다. 어떤 문제에 파인튜닝이 필요한지 판단하고, 좋은 데이터를 설계하며, 평가와 배포, 운영까지 이어지는 전체 시스템을 만드는 일입니다. 이 책은 "어떤 모델을 쓸까?"보다 먼저 "무엇을 개선해야 하는가?"를 묻는 데서 출발합니다.
책에서는 프롬프트 엔지니어링, RAG, 파인튜닝의 역할을 구분하는 법부터 시작해 학습 데이터 설계, 전처리, SFT, LoRA와 QLoRA, 지시 튜닝, 선호도 학습, 평가 체계까지 차근차근 다룹니다. 기술 개념은 실무 의사결정과 연결해 설명하므로, 모델 학습 경험이 많지 않은 독자도 파인튜닝 프로젝트의 전체 흐름을 잡을 수 있습니다.
또한 좋은 모델을 만드는 데서 멈추지 않고, 배포 비용과 추론 최적화, 운영 모니터링, 사용자 피드백 기반 개선, 보안·개인정보·저작권 리스크까지 함께 살펴봅니다. 마지막 장에서는 고객센터, 사내 업무 비서, 코드 어시스턴트, 한국어 도메인 모델 사례를 통해 앞에서 배운 원칙을 실제 프로젝트에 적용하는 방법을 정리합니다.
이 책의 목표는 파인튜닝을 '해보는 것'이 아니라, 실패 가능성을 줄이고 운영 가능한 LLM 시스템을 설계할 수 있게 돕는 것입니다. LLM을 업무에 맞게 안정적으로 활용하고 싶은 기획자, 개발자, 데이터 담당자, AI 프로젝트 리더에게 실전적인 출발점이 될 것입니다.
