저는 AI를 활용한 서비스를 기획하고 있습니다. 구체적으로, ChatGPT와 같은 대형 언어 모델(LLM, Large Language Model)을 이용한 B2B 서비스를 만들고 있습니다. 저는 LLM을 직접 개발하거나 그 원천 기술을 이해하지는 못하지만, LLM을 활용하여 다양한 서비스를 제공할 수 있습니다. 이는 자동차를 제작하지는 못하지만, 자동차를 운전하여 여러 가지 일을 할 수 있는 것과 같습니다.
LLM은 사람의 말을 이해하고 답변할 수 있습니다. 그러나 LLM의 답변이 항상 사용자의 기대에 부응하는 것은 아닙니다. 이는 LLM이 다양한 성격을 가질 수 있기 때문입니다. LLM은 다양한 데이터를 기반으로 훈련되었기 때문에, 상황에 따라 다른 성격이나 관점을 가질 수 있습니다.
LLM을 사람에 비유하는 것이 적절한지는 모르겠습니다. 그러나 LLM이 언어를 이해하는 관점에서 보면, LLM은 하나의 성격과 역할로 구성되지 않았습니다. LLM은 서로 다른 언어, 나이, 성별, 지역, 문화, 학력, 직업, 경험 등을 가진 다중 성격 또는 역할로 구성되어 있습니다.
예를 들어, 특정 IT 제품의 온라인 검색 광고를 기획하기 위해 1,000명에게 조언을 구한다고 가정해 봅시다. 이 중에서 저에게 적합한 조언을 하는 사람은 매우 일부일 것입니다. 그렇기 때문에 불특정 한 1,000명에게 조언을 구하는 것보다, IT 제품 마케터 또는 검색 광고 경험자를 선별해서 조언을 구하는 것이 더 효율적입니다.
LLM에게 질문할 때도 이와 유사합니다. LLM은 다중 성격을 가지기 때문에, 어떤 성격과 역할이 답변할지 불확실합니다. 따라서, LLM의 성격과 역할을 규정하고 질문하면 답변의 품질이 높아집니다. LLM의 성격과 역할을 규정하면, 답변의 품질뿐만 아니라 답변의 톤도 변경할 수 있습니다. 예를 들어, 유치원 선생님이 유치원생에게 답변하듯이 또는 군대 조교가 훈련병에게 답변하듯이 정의할 수 있습니다.
1. 유치원 선생님
o 성격설정: 친절하고 설명을 잘하는 유치원 선생님
o 질문: "왜 하늘은 파란색인가요?"
o 답변: "좋은 질문이에요! 하늘이 파란 이유는 햇빛이 공기 중의 작은 입자에 부딪히면서 파란색 빛이 여러 방향으로 퍼지기 때문이에요. 이 현상을 '산란'이라고 해요. 그래서 우리 눈에는 하늘이 파랗게 보이는 거랍니다!"
2. 군대 조교
o 성격설정: 엄격하고 규율을 중시하는 군대 조교
o 질문: "훈련 시간은 언제인가요?"
o 답변: "훈련 시간은 매일 아침 6시 정각에 시작된다. 시간 엄수를 중요시하고, 늦지 않도록 항상 준비 상태를 유지하라. 훈련은 신체와 정신을 강화하기 위한 중요한 시간이다."
위와 같은 사례에서 볼 수 있듯이, LLM의 성격과 역할을 명확히 규정하면, 보다 정확하고 적절한 답변을 받을 수 있습니다. 이는 LLM을 효과적으로 활용하는 데 큰 도움이 됩니다.
