시스템에 ‘관점’이라는 필터를 씌우는 법
질문이 명확해도 결과가 만족스럽지 않을 때가 있다.
예를 들어 "이 글의 문제점을 지적해 줘"라고 물으면,
AI는 오타나 문법 같은 기술적인 교정 수준에
머무는 경우가 많다.
내가 원한 건 논리 전개나 설득력에 대한
날카로운 비평이었음에도 말이다.
이때 나는 깨달았다.
AI에게 '무엇을 할지'만 알려주고
'어떤 관점에서 볼지'를 정해주지 않으면,
시스템은 다시 한번 가장 확률이
높은 일반 영역으로 수렴한다는 사실을.
관찰: 관점이 없는 지능은 방황한다
AI는 거대한 데이터의 집합체다.
그 안에는 초등학생의 일기부터
노벨상 수상자의 논문까지 공존한다.
우리가 단순히 "조언해 줘"라고 말하는 것은,
도서관 한복판에서 아무나 붙잡고
도움을 요청하는 것과 같다.
관점을 지정하지 않은 질문은 AI로 하여금
모든 가능성을 열어두게 만든다.
결과적으로 답변은 누구에게나 맞지만
누구에게도 필요 없는, 평이한 형태가 된다.
현상: 질문의 범위가 넓을수록, 시스템은 특정 분야의 전문성 대신 대중적인 평균치를 선택한다.
분석: 페르소나는 ‘영혼’이 아니라 ‘필터’다
많은 이들이 AI에게 역할을 부여하는 것을
인격 놀이처럼 생각한다.
하지만 구조적 관점에서 페르소나(Persona)는
감정 설정이 아니라, 연산의 가중치를 조정하는 장치다.
"너는 10년 차 재무 전략가야"라고 명령하는 순간,
AI는 데이터베이스 내의 캐주얼한 대화나
감성적인 영역에 배정된 가중치를 낮춘다.
대신 비즈니스 프레임워크와 효율성 중심의
어휘들에 연산 리소스를 집중시킨다.
즉, 역할을 부여하는 행위는 AI에게 성격을
만들어주는 것이 아니라, 답변을 추출할 데이터의
좌표계를 고정하는 일이다.
좌표가 고정되면 계산은 정교해지고
결과는 날카로워진다.
재설계: 조건의 집합으로 관점을 고정하다
나는 단순히 "비평해 줘"라는 문장을 버리고, 시스템이 작동할 '논리적 배경'을 먼저 설계하기 시작했다.
• 변경 전: 이 기획안의 문제점을 찾아서 조언해 줘.
• 변경 후:
>• Role: 너는 비용 효율성을 극단적으로 중시하는 재무 이사(CFO)다.
>• Perspective: 모든 제안을 '투자 대비 성과(ROI)' 관점에서 평가하라.
>• Task: 아래 기획안에서 예산 낭비가 의심되는 지점 3곳을 지적하라.
나는 AI에게 인격을 기대하지 않았다.
대신 '재무 이사'라는 필터를 통해
데이터의 필터링 농도를 높였을 뿐이다.
변화: 선명해진 우선순위
결과는 이전과 판이했다.
"글이 조금 기네요" 같은 범용적인 평가는 사라졌다.
대신 "이 항목의 예산은 기대 수익 대비
과다 책정되었습니다"라는 식의,
특정 관점에서만 도출될 수 있는 분석이 돌아왔다.
관점이 고정되자,
불필요한 답변이 자동으로 제외되었다.
질문자가 일일이 나열해야 했던
수많은 제약 조건이 '관점'이라는 이름 아래
자동으로 정리된 것이다.
나는 더 이상 AI의 방황을 지켜보며
시간을 낭비하지 않는다.
대신 내가 필요한 관점의 좌표를 정확히 찍어줄 뿐이다.
관점을 정하는 것은,
시스템이 헤엄쳐야 할 데이터 바다의 경계를 획정하는 일이다.
3줄 요약
• 역할을 부여하는 것은 인격을 만드는 것이 아니라 데이터 탐색 범위를 제한하는 것이다.
• 페르소나는 감정 설정이 아닌, 연산 가중치를 조정하여 정확도를 높이는 논리 장치다.
• 관점이 고정되면 노이즈가 제거되고 특정 분야의 전문성이 담긴 결과가 도출된다.