AI에게 ‘뻔한 답변’ 말고 진짜 원하는 답을 받는 법

같은 출처는 간단히 자신(또는 결과물의 대상)이 누구인지, 그리고 무엇을 성취하려는지 두 문장만 추가해도 결과의 80%가 개선된다고 추정한다 .

3. 하지 말아야 할 것도 알려줘라

AI가 생성하기 전에 '금지 사항'을 설정하면 뻔한 표현이 처음부터 걸러진다. 예를 들어 "'오늘날의 빠르게 변화하는 세상에서' 같은 클리셰로 시작하지 마세요. '혁신적인', '최고의' 같은 허황된 단어를 사용하지 마세요. 항목을 3개 이상 나열하지 마세요."와 같은 구체적인 지시가 효과적이다 . 이 원칙은 AI의 출력 공간을 미리 제한함으로써 초기 단계에서 진부한 표현으로 흘러가는 것을 막는다.

4. 프롬프트를 레이블이 있는 섹션으로 구조화하라

5. 원하는 결과의 예시를 제공하라

프롬프트에 좋은 예시 하나(또는 피해야 할 나쁜 예시 하나)를 포함시키면 출력 공간이 극적으로 좁혀지고 뻔한 답변이 줄어든다. 이것은 '퓨샷(few-shot) 프롬프팅'으로 알려져 있으며, 단순히 설명하는 대신 모델에 원하는 바를 직접 보여주는 기법이다 .

고급 기법

랭킹 트릭(Ranking Trick)

하나의 답변 대신 스펙트럼상에 순위가 매겨진 여러 옵션을 요청하라. 예: "태양에 관한 농담 하나 해 줘" 대신 "태양에 관한 농담 5개를 알려줘. 가장 잘 알려진 순서부터 내가 한 번도 들어본 적 없는 순서로 순위를 매겨 줘." 이렇게 하면 모델이 가장 통계적으로 확률이 높은(따라서 가장 뻔한) 응답을 넘어서도록 강제된다 .

'면접' 방식(Interview Me Method)

프롬프트를 이렇게 시작하라: "상황을 이해할 때까지 나에게 질문하고, 그다음에 추천을 해 줘." 그러면 모델이 답을 생성하기 전에 당신에게 목표를 묻는 질문을 던질 것이고, 그 과정에서 더 나은 맥락을 이끌어낼 수 있다. 이 기법은 AI를 요구사항을 수집해야 하는 똑똑한 신입 사원처럼 다루는 파워 유저들 사이에서 사용된다 .

반복 후속 질문(Iterative Follow-ups)

첫 번째 답변에 만족하지 마라. AI의 첫 응답은 종종 평균적인 결과물이다. 초안으로 간주하고 "그걸 더 구체적으로 만들어 줘", "비전문가를 위한 버전을 줘", "이제 네 가정에 도전해 봐" 같은 후속 질문을 던져라. 각 반복이 특수성을 높이며, AI를 더 자세한 내용을 요구할 수 있는 똑똑한 직원처럼 대하는 것이 고급 프롬프터들의 특징이다 .

입장을 취하도록 유도하라

LLM은 기본적으로 중립적이고 균형 잡힌 톤을 취하는 경향이 있다. 덜 뻔한 답변을 원한다면 명시적으로 특정 입장을 취하도록 요청하라. "입장을 취하도록 압박하라"는 경험 많은 사용자들이 공유하는 기법이다. 이들은 AI의 아첨 경향(sycophancy, 사용자를 기쁘게 하려는 성향)을 활용해 특정 관점을 요청함으로써 원하는 방향으로 유도할 수 있다고 조언한다 .

종합 프레임워크

가장 중요한 프롬프트에는 이러한 기법들을 결합한 구조화된 프레임워크를 사용하라. 파워 유저 커뮤니티에서 제안한 실용적인 모델은 네 부분으로 구성된다 :

• 할당(Assignment): 간결하고 명확한 지시
• 인용(Quotes): 관련 참고 자료나 맥락
• 메모(Notes): 당신의 통찰이나 고려 사항
• 추가 지침(Additional Instructions): 형식, 단어 수, 관점, 톤, 제약 조건

이 프레임워크는 'Ricky 프레임워크'(Role, Intent, Condition, Context, Examples)와 같이 일관되고 뻔하지 않은 결과를 얻기 위해 실무자들이 사용하는 다른 구조화된 접근 방식을 반영한다 .

핵심 요약

핵심 통찰은 맥락이 단지 프롬프트를 길게 쓰는 것이 아니라, 더 목표 지향적으로 쓰는 것이라는 점이다. 요청을 입력하기 전에 10초만 투자해 AI가 어떤 역할을 해야 하는지, 무엇을 피해야 하는지, 어떤 구체적인 정보가 필요한지 정의하라. 이 한 가지 습관만으로도 결과는 뻔한 답변에서 진정으로 유용한 답변으로 바뀔 것이다.