AI 프롬프트 작성법, 원하는 결과를 얻는 3가지 논리 설계 기법
AI에게 일을 맡기고 결과물에 실망한 적이 있으신가요? 복잡한 기획안은 논리가 비약되고, 엑셀 수식 계산은 틀립니다.
AI의 지능을 탓하기 쉽지만, 원인은 질문 방식에 있습니다. 수학 문제를 풀 때 답만 달랑 적어 내라고 하면 찍을 수밖에 없죠. AI도 마찬가지입니다.
정답을 내놓기 전, 답을 도출하는 ‘과정’을 먼저 생각하도록 판을 깔아주어야 합니다. AI를 영리하게 쓰는 사람들은 단순히 명령어를 던지는 것이 아니라, AI가 사고할 논리 구조를 짭니다.
생각의 과정을 겉으로 드러내기
복잡한 문제를 풀 때는 AI가 생각하는 과정을 명시적으로 드러내도록 지시하는 것이 좋습니다. 이를 CoT(Chain of Thought)라고 부릅니다.
[잘못된 사례] “이 버그 해결책을 알려줘.” → (맥락 없이 엉뚱한 코드를 제시함)
[올바른 사례] “버그 심각도를 먼저 분류해. 치명적(Critical)이면 경영진 보고를 우선시하고, 경미(Minor)하면 핫픽스 가능성을 검토해. 이 단계를 거친 후 최종 해결책을 제시해.”
논리 전개 순서를 미리 정해주면, AI는 정해진 길을 따라가며 스스로 오류를 줄입니다. 이때 비슷한 해결 사례 1~2개를 프롬프트에 미리 넣어주면 AI의 논리 회로가 예열되어 결과가 훨씬 정확해집니다.
계산 메모장 만들어주기
예산안이나 시장 규모 추정처럼 숫자가 들어가는 작업에서 AI는 종종 어이없는 오답을 냅니다. AI는 계산기가 아니라 ‘다음 단어’를 확률적으로 예측하는 텍스트 모델이기 때문입니다.
암산으로 복잡한 방정식을 풀라고 하면 사람도 틀립니다. 중간 식을 건너뛰고 최종 숫자만 뱉어내게 두면 오답률이 높아집니다.
변수를 쪼개고, 계산식을 프롬프트 상에 명시적으로 기록하게 하십시오. AI가 참고할 수 있는 ‘계산 메모장’을 만들어주는 셈입니다. 이 과정은 날짜를 추출하거나 데이터를 변환할 때도 유효합니다.
전제, 논리, 결론의 3단 구조화
전략적 판단이 필요할 때는 ‘전제-논리-결론’ 3단계를 활용합니다. 다짜고짜 “여름에 핫팩을 출시해도 될까?”라고 묻기보다, 판단의 기준이 될 배경지식을 먼저 나열하도록 유도합니다.
- 전제: 해당 제품의 계절적 특성과 핵심 가치 쓰기.
- 논리: 기온과 소비자 구매 패턴의 관계 분석하기.
- 결론: 앞선 내용을 바탕으로 최종 판단 내리기.
자신이 뱉어낸 객관적 사실(전제)에 묶여 있기 때문에, AI는 엉뚱한 결론으로 빠지지 않습니다. 단순한 단답형 답변보다 훨씬 설득력 있는 결과를 얻을 수 있습니다.
엉킨 실타래 풀기
순서가 뒤죽박죽인 회의록이나 복잡한 업무 로그를 정리할 때는 NoT(Narrative-of-Thought) 방식이 적합합니다. 파편화된 정보를 다짜고짜 도식화하라고 하면 흐름이 끊기거나 누락되는 내용이 생깁니다.
먼저 전체 흐름을 누구나 이해할 수 있는 쉬운 줄글로 쭉 풀어쓰게 하십시오. 그 다음, 이 서사를 바탕으로 사건의 선후 관계를 정리한 타임라인을 뽑아냅니다. 엉킨 실타래를 한 번에 당기지 않고, 결을 따라 살살 풀어낸 뒤 가지런히 빗질하는 것과 같습니다.
실전 적용을 위한 요점 정리
위에서 설명한 논리 설계 기법을 현장에서 제대로 써먹기 위한 세 가지 요점은 다음과 같습니다.
- 모델 체급: 복잡한 추론은 파라미터 100B 이상의 모델(GPT-4, Claude 3 등)에서 제 기능을 합니다.
- 예시의 개수: 프롬프트에 8개 안팎의 예시를 줄 때 추론 정밀도가 가장 높습니다.
- 예시의 다양성: 제시하는 문제 해결 방식이 다양할수록 AI는 과적합을 피하고 유연하게 사고합니다.
AI는 알아서 정답을 내어주는 마술 상자가 아닙니다. AI의 성능은 결국 질문하는 사람의 논리 설계 능력에 달려 있습니다.
