AI 모르면 끝장난다

AI 아틀라스: 인공지능 시대, 인간을 위한 위대한 지도.25-1

Sep 30. 2025 brunch_membership's

3부. 방법 — 프롬프트·워크플로우·평가의 기술

25장. 프롬프트 패턴 40: 역할·제약·예시·평가 루프 I

프롬프트는 단순히 명령어가 아니라, 사고의 구조를 담는 그릇입니다. 이 장에서는 40가지 패턴을 통해 초보자도 쉽게 쓰고, 전문가도 깊게 응용할 수 있도록 설계합니다. 각 패턴은 "왜 필요한가 → 언제 쓰는가 → 실제 예시 → 변형 응용" 순서로 탐구합니다.

25.1 역할 부여 패턴

“AI는 무대 위 배우다. 당신이 준 배역에 따라 다른 연기를 한다.”

AI는 마치 수많은 대본을 소화할 준비가 된 배우와 같습니다. 같은 질문이라도 “너는 수학 선생님이야”라고 역할을 지정하느냐, “너는 편집자야”라고 하느냐에 따라 답변의 톤과 깊이가 완전히 달라집니다. 이 단순한 차이가 곧 프롬프트의 힘입니다.

왜 필요한가

사람은 상대의 정체성에 따라 말투와 태도를 바꿉니다. 의사와 대화할 때는 전문성을 기대하고, 친구와 대화할 때는 친근함을 기대하지요. AI도 똑같습니다. 역할을 부여하면, AI는 그에 맞춰 지식의 깊이, 말투, 심지어 문제 접근 방식까지 조율합니다.

교사 역할을 주면: 차근차근 설명하고, 쉬운 예시를 들어줍니다.

편집자 역할을 주면: 문장의 군더더기를 빼고, 구조를 깔끔히 다듬습니다.

상담자 역할을 주면: 따뜻하고 공감하는 어투로 답합니다.

즉, 역할 부여는 AI에게 렌즈를 씌우는 일입니다. 어떤 렌즈를 씌우느냐에 따라 세상이 달라 보이듯, 답변도 달라집니다.

언제 쓰는가

글쓰기: 초안을 쓰고 나면, 편집자 역할을 맡긴 AI에게 매끄럽게 다듬게 할 수 있습니다.

학습: 어려운 주제를 학생의 수준에 맞춰 설명하는 교사 역할을 지정하면 이해가 훨씬 빨라집니다.

고민 상담: 마음이 무거울 때, 상담자 역할을 지정하면 AI는 공감과 위로의 언어를 꺼내줍니다.

협업: 프로젝트 기획에서는 “너는 전략가야”라고 부여해 아이디어를 더 구조적으로 얻을 수 있습니다.

실제 예시

교사 역할

너는 지금 초등학교 수학 선생님이야. 분수 덧셈을 그림과 함께 아주 쉽게 설명해줘.

편집자 역할

너는 지금 출판사 편집자야. 이 글에서 군더더기 표현을 빼고, 문장을 더 짧고 선명하게 다듬어줘.

상담자 역할

너는 따뜻한 상담자야. 내가 겪고 있는 불안을 들어주고, 현실적인 조언과 함께 위로해줘.

변형 응용

역할을 혼합할 수도 있습니다.
예: “너는 수학 교사이면서 동시에 유머 감각 있는 코미디언이야.”
그러면 설명 속에 웃음이 섞여, 학습이 훨씬 즐거워집니다.

역할의 세부 조건을 더하면 정밀도가 높아집니다.
예: “너는 10년 경력의 과학 저널 편집자이며, 독자의 수준은 일반인이다.”

같은 질문이라도 역할을 바꿔서 다시 물어보면, 다양한 관점을 빠르게 얻을 수 있습니다.

실전 체크리스트

내가 원하는 답변의 톤은 무엇인가? (친절, 전문, 냉철, 유머러스)

AI에게 어떤 직업/정체성을 맡길 것인가? (교사, 편집자, 상담자, 전략가 등)

역할이 모호하지 않은가? (예: “교사” 대신 “중학교 수학 교사”)

필요하다면 역할을 혼합했는가? (교사+코치, 상담자+철학자)

답변을 받고 나서, 내가 의도한 톤과 일치하는가?

핵심 메시지

AI는 무대 위의 배우입니다. 관객(사용자)이 어떤 배역을 맡기느냐에 따라, 그 연기는 전혀 다른 이야기가 됩니다. 역할 부여 패턴은 단순하면서도 강력한 방법입니다. 질문에 성격을 불어넣고, 답변에 방향성을 부여하는 것. 이 작은 차이가 창작과 문제 해결에서 놀라운 차이를 만듭니다.

25.2 제약 조건 패턴

AI는 무궁무진한 답을 낼 수 있습니다. 하지만 그 무궁무진함이 때로는 산만함이나 과잉으로 다가옵니다. 이럴 때 필요한 것이 바로 제약 조건 패턴입니다. 제약은 창의성을 막는 것이 아니라, 방향을 잡아주는 가드레일입니다.

핵심 아이디어

AI에게 “무엇을 하지 말라” 또는 “이 범위 안에서만 답하라”는 제약을 주면, 답변은 훨씬 명확해집니다.
예를 들어,

“300자 이내로 요약해줘.”

“전문 용어는 쓰지 말고, 초등학생도 이해할 수 있게 설명해.”

“장점만 말하지 말고 단점도 반드시 포함해.”

이렇게 조건을 붙이면, 답변은 더 정확하고 신뢰할 수 있습니다.

실제 예시

한 연구자가 논문을 준비한다고 합시다. AI에게 그냥 “AI 역사 요약해줘”라고 하면, 방대한 텍스트가 쏟아져 나옵니다. 하지만 제약을 건다면 이렇게 됩니다:

“AI 역사에서 딥러닝이 등장한 시기와 그 의미만 200자 이내로 설명해.”
이 경우, 결과물은 바로 논문의 한 단락에 들어갈 정도로 정제됩니다.

설득 포인트

우리가 AI에게 제약을 걸 때, 그것은 족쇄가 아니라 렌즈입니다. 흐릿하던 풍경을 또렷하게 보이게 하는 렌즈처럼, 제약은 답변의 초점을 맞춰줍니다.

실전 체크리스트

범위 제한: “특정 연도만”, “한 문단만”, “예시 3개만” 등.

형식 지정: “숫자 목록”, “이야기체”, “비유 포함” 같은 지시 추가.

톤 제어: “전문가처럼”, “어린아이에게 말하듯”, “시적으로” 등.

금지 규칙: “표현 A는 쓰지 말 것”, “기술 용어 제외” 등.

출력 길이: 글자 수, 문장 수, 단락 수를 미리 정하기.

25.3 예시 제공 패턴

AI는 텍스트를 이해하는 데 그치지 않고, 패턴을 모방하는 능력에 강합니다. 그래서 우리가 원하는 답변을 얻고자 할 때, 단순히 지시만 하는 것보다 샘플 예시를 보여주는 것이 훨씬 효과적입니다. 이것을 우리는 “예시 제공 패턴”이라 부릅니다.

핵심 아이디어

“이렇게 해봐”라고 말하며 입력 예시와 출력 예시를 함께 제시하는 것입니다. 그러면 AI는 그 틀을 참고하여 같은 구조와 톤을 유지한 답을 만듭니다.

예를 들어, 단순히 “속담을 현대식으로 바꿔줘”라고 하면 AI는 제각각 답할 수 있습니다. 그러나 다음과 같이 예시를 주면 답변이 한결 정교해집니다.

입력: “호랑이 굴에 가야 호랑이를 잡는다.”

출력: “위험을 감수해야 성과를 얻는다.”

그리고 나서,

입력: “우물 안 개구리”
이렇게 던져주면, AI는 같은 형식으로 “세상은 더 넓다는 걸 모르는 사람”이라고 변환해낼 수 있습니다.

설득 포인트

사람도 “보는 대로 배운다”는 말이 있습니다. 아이가 부모의 말을 흉내 내고, 제자가 스승의 붓놀림을 모방하듯이, AI도 예시를 통해 가장 빠르고 정확하게 배웁니다.
따라서 예시는 설명이 아니라 학습의 나침반이 됩니다.

실전 체크리스트

형식 통일: 예시는 입력과 출력이 쌍(pair)을 이루게 하라.

톤과 스타일: 예시에서 원하는 문체를 분명히 보여줘라.

구조 반복: 예시를 여러 개 주면, AI는 더 안정적으로 패턴을 따른다.

복잡성 조절: 간단한 예시 → 조금 더 어려운 예시 → 실제 질문 순으로 단계적 제시.

범위 제한: 예시가 너무 많으면 혼란을 주니, 2~3개가 가장 효과적이다.

25.4 평가 루프 패턴

AI의 답변은 처음부터 완벽하지 않습니다. 그러나 한 번의 답변을 끝으로 삼지 않고, “스스로 평가하고 다시 개선하게 만드는 방법”이 있습니다. 이것이 바로 평가 루프 패턴입니다.

핵심 아이디어

AI에게 단순히 “답을 내라”라고 하지 않고, 이렇게 말하는 겁니다:
“먼저 답을 써라. 그리고 네 답을 스스로 평가해라. 부족한 부분을 수정해서 다시 써라.”

즉, 생성 → 평가 → 개선이라는 루프를 만들면, AI는 단순 응답기가 아니라 자기 점검 도구가 됩니다.

예시

프롬프트:
“AI야, 블로그 글의 첫 문단을 써라. 그리고 그 글이 독자를 사로잡는지 1~10점으로 평가해라. 이유를 말하고, 더 나은 첫 문단으로 고쳐 써라.”

이렇게 지시하면, AI는 먼저 글을 내고, 스스로 평가한 뒤, 한 단계 업그레이드된 결과를 줍니다.

설득 포인트

사람도 글을 쓸 때 첨삭 과정을 거쳐야 완성도가 올라갑니다. 그런데 AI는 즉시 자기 점검과 개선이 가능하니, 사용자는 단 한 번의 요청만으로 마치 전문가 피드백을 여러 번 받은 듯한 결과를 얻을 수 있습니다.
이것이 평가 루프 패턴의 가장 큰 힘입니다.

실전 체크리스트

평가 기준 제시: 점수, 장단점, 개선 포인트 등 무엇을 평가할지 구체화하라.

루프 구조 강조: “생성 → 평가 → 개선” 과정을 반드시 명시하라.

개선 목표 지정: 단순히 다시 쓰기보다 “더 간결하게” “더 감동적으로” 같은 목표를 줘라.

횟수 제한: 평가 루프는 2~3번이면 충분하다. 무한 반복은 불필요하다.

최종본 확인: 마지막 답변이 개선본인지, 최초본인지 확인하라.

25.5 단계적 사고 패턴

AI와 대화할 때 가장 자주 마주치는 실수 중 하나는, “한 번에 정답을 달라”는 식의 요청입니다. 그러나 인간도 어려운 문제를 풀 때는 차근차근 단계를 나누어 생각합니다. 마찬가지로 AI도 “단계별로 사고하라”는 요청을 받으면 훨씬 논리적이고 설득력 있는 답을 내놓습니다. 이것이 바로 단계적 사고 패턴입니다.

왜 중요한가?

AI는 대량의 정보를 빠르게 연결할 수 있지만, 사고 과정을 스스로 구조화하지는 않습니다. 예를 들어 수학 문제를 풀 때, 단번에 정답을 말하라고 하면 실수가 잦습니다. 그러나 “풀이 과정을 단계별로 설명해줘”라고 요청하면, AI는 먼저 문제를 분석하고, 필요한 조건을 정리하고, 연산을 수행한 뒤에 답을 제시합니다. 그 결과, 오류가 줄고 신뢰도가 높아집니다.

이 패턴은 단순한 계산 문제뿐만 아니라, 전략 기획, 글쓰기, 심지어 인간관계 상담에도 효과적입니다. “생각의 계단”을 만들어주면 AI는 그 계단을 밟으며 더 깊고 정확한 답을 찾아갑니다.

예시

나쁜 프롬프트:
“이 사업 아이디어 성공할까?”

좋은 프롬프트:
“이 사업 아이디어의 성공 가능성을 3단계로 나누어 생각해줘:
(1) 시장 수요 분석,
(2) 경쟁 환경,
(3) 자금 조달 가능성.
각 단계별로 평가한 뒤 종합 결론을 내려줘.”

이렇게 하면 AI의 답변은 단순한 추측이 아니라, 구조적이고 설득력 있는 분석으로 변합니다.

실전 체크리스트

단계를 명확히 제시했는가?
– ‘3단계로’, ‘5가지 과정으로’처럼 숫자와 흐름을 지정하세요.

각 단계의 목적을 분명히 했는가?
– 단순히 ‘단계별’이 아니라, 각 단계에서 무엇을 점검할지 알려주면 답변이 뚜렷해집니다.

최종 결론을 요구했는가?
– 과정만 나열하고 끝내지 말고, “모든 단계를 종합해 최종 결론을 내라”라고 마무리해야 합니다.

요약

단계적 사고 패턴은 AI에게 “한 걸음씩 생각하라”는 명령입니다. 이 단순한 패턴만으로도, 답변은 즉흥적 추측에서 논리적 분석으로 도약합니다. 인간이 계단을 올라야 정상에 닿듯, AI도 단계를 따라야 최선의 답에 도달합니다.

25.6 체인 오브 톳츠(Chain of Thoughts) 패턴

AI는 정답을 곧바로 말할 수도 있지만, 중간 과정을 생략하면 사용자는 왜 그 답이 나왔는지 신뢰하기 어렵습니다. 체인 오브 톳츠 패턴은 말 그대로 “생각의 사슬”을 풀어놓게 하는 방식입니다. 즉, 추론 과정을 드러내도록 유도하는 것이지요. 이 패턴을 쓰면, 답변이 단순한 결과가 아니라, 근거와 논리의 흐름까지 함께 보여줍니다.

왜 중요한가?

사람은 다른 사람의 생각 과정을 들을 때 안심합니다. 예를 들어, 의사가 “수술해야 합니다”라고만 말하면 두렵지만, “이 검사의 수치가 이렇게 나왔고, 이런 증상이 이어지면 합병증 위험이 높아지니 수술이 필요합니다”라고 설명하면 환자는 납득합니다. AI도 마찬가지입니다. 답만 주는 기계에서, 이유와 과정까지 말해주는 동료로 바뀌는 순간, 신뢰도는 급격히 상승합니다.

예시

단순 요청:
“이 수학 문제 답 알려줘: 27 × 43”
→ 답: “1161”

체인 오브 톳츠 요청:
“이 문제를 단계별로 풀고, 계산 과정을 모두 보여줘: 27 × 43”
→ 답:
“먼저 27 × 40 = 1080,
그다음 27 × 3 = 81,
두 값을 더하면 1161.
따라서 최종 답은 1161입니다.”

단순히 숫자 하나를 제시할 때보다 훨씬 설득력 있고, 사용자는 과정에서 오류 여부까지 직접 확인할 수 있습니다.

실전 활용

비즈니스 전략: “시장 진입 가능성을 판단할 때, 단계별 논리를 모두 말해줘.”

교육: “학생에게 설명하듯, 풀이 과정을 하나도 빼놓지 말고 적어줘.”

창작: “이 소설 플롯이 왜 감정적으로 효과적인지, 이유를 단계적으로 풀어줘.”

실전 체크리스트

답만 달라 하지 말고, 과정까지 요구했는가?

사고 과정을 글로 드러내도록 프롬프트에 명시했는가? (예: “생각의 단계를 모두 보여줘”)

최종 결론과 근거가 함께 제시되었는가?

요약

체인 오브 톳츠 패턴은 AI를 ‘정답 기계’에서 ‘사고 파트너’로 바꿉니다. 과정이 드러나면 결과는 더욱 믿을 만해지고, 사용자는 단순히 답을 얻는 것이 아니라 논리를 배우는 경험까지 얻습니다.

25.7 트리 사고 패턴

“질문은 뿌리, 가능성은 가지, 결론은 열매.”

하나의 질문을 곧장 한 방향으로 밀어붙이면, 우리는 종종 다른 길을 놓칩니다.
트리 사고 패턴은 질문을 뿌리(root)로 세우고, 가능한 해답과 접근을 가지(branch)로 펼친 뒤, 그중에서 유력한 길만 남기며 전정(pruning)해 가는 방식입니다.
이 패턴을 쓰면, AI는 ‘정답 1개’ 대신 대안의 지형을 그려 보여주고, 우리는 그 숲에서 최선의 길을 고를 수 있습니다.

왜 중요한가

시야 확장: 처음 떠오른 해법에 갇히지 않고, 대안적 시각을 체계적으로 탐색합니다.

의사결정의 투명성: “왜 이 선택이 최선인가?”를 가지별 근거로 설명할 수 있습니다.

창작·기획의 속도: 다양한 변주안을 한 번에 확보해, 초안을 빠르게 넓힌 뒤 좁힐 수 있습니다.

어떻게 쓰는가 (실전 흐름)

뿌리 정의: 핵심 질문을 한 문장으로 고정한다. 예) “우리가 3개월 내 출시할 수 있는 MVP 전략은 무엇인가?”

1차 가지 뻗기(폭): 상이한 접근 3~5가지를 낸다. 예) “기능 축소형”, “니치 타깃 특화형”, “파트너십 연동형”, “콘텐츠 우선형”…

2차 가지 뻗기(깊이): 각 가지마다 실행 단계·필요 자원·리스크를 덧붙인다.

전정(Pruning): 미리 정한 기준(기간, 비용, 리스크, 임팩트)으로 가지별 점검 후 약한 가지를 친다.

결정·합성: 남은 가지를 혼합하거나 하나를 선택해 실행 로드맵으로 전환한다.

대표 시나리오

A. 제품 전략
뿌리: “신규 사용자 1만 명을 90일 내 확보하려면?”

가지1: 바이럴 기능 강화 → 추천 리워드 → 인센티브 단가/예산 → 법적 이슈

가지2: 파트너 제휴 → 후보 파트너 풀 → 제안 가치/수익배분 → 영업 리드타임

가지3: SEO 콘텐츠 허브 → 토픽 맵 → 제작 체계 → 지연 리스크
→ 전정 기준(90일, CAC, 팀 역량)에 따라 1+3 혼합안으로 의사결정.

B. 드라마 플롯
뿌리: “주인공이 비밀을 알게 된 밤, 어떤 선택을 하나?”

가지1: 도망 → 추격전 → 관계 파열

가지2: 고백 → 용서/배신 갈림길 → 가치 충돌

가지3: 협상 → 역제안 → 권력 역전
→ 정서 곡선·주제의식에 맞춰 가지2를 중심으로 가지3 요소를 결합.

프롬프트 템플릿 (바로 쓰는 문장)

“아래 핵심 질문을 트리 구조로 전개해줘. 1차 가지 4개, 각 가지마다 실행 단계·필요 자원·리스크를 덧붙여.
그다음 전정 기준(기간 3개월, 예산 5천만 원, 리스크 낮음)으로 약한 가지를 삭제하고, 최종 1~2개 안을 추천해.”

“같은 질문을 서로 다른 관점(사용자, 재무, 브랜드, 기술)으로 각각 가지를 뻗어 비교해줘.”

품질을 좌우하는 팁

폭→깊이 순서: 처음부터 디테일에 빠지지 말고, 넓게 펼친 뒤 깊게 파세요.

전정 기준을 사전에 고정: 기간·비용·리스크·임팩트를 숫자로 정하면, 감이 아닌 규칙으로 가지를 친다.

가지 간 교잡: 살아남은 가지들을 합성하면 흔한 해법을 넘어선다.

깊이 제한: 가지가 늘어날수록 복잡도가 폭증하니, 깊이 2~3을 기본 한도로.

실전 체크리스트

뿌리(질문)가 한 문장으로 명확한가?

1차 가지에서 서로 다른 전략/정서/관점이 충분히 분기되었는가?

각 가지에 실행 단계·자원·리스크가 붙었는가?

전정 기준이 수치화되어 있는가? (예: 90일, 5천만 원, 보안 리스크 중)

최종 선택 혹은 혼합안이 로드맵으로 변환되었는가?

흔한 함정과 회피법

함정: 가지 남발 → 해결: 1차 4~5개, 깊이 2~3으로 제한.

함정: 기준 없는 전정 → 해결: 사전 합의된 지표로 ‘가지 자르기’ 수행.

함정: 한 관점 과점 → 해결: **다중 관점 패턴(25.12)**과 결합해 균형 유지.

함정: 결론 유예 → 해결: 마지막에 선택/합성을 강제하는 문장 포함.

마무리 문장

트리 사고는 결론을 늦추는 기술이 아니라, 더 좋은 결론에 도달하는 기하학입니다.
뿌리를 분명히 세우고, 가지를 넓게 펼친 다음, 냉정하게 전정하면—
숲은 더 건강해지고, 열매는 더 달콤해집니다.

25.8 그래프 사고 패턴

“점은 개체, 선은 관계, 네트워크는 새로운 통찰.”

우리는 흔히 정보를 ‘목록’이나 ‘순서’로 이해하려 합니다. 하지만 세상은 직선이 아니라 연결망으로 작동합니다.
그래프 사고 패턴은 AI가 정보를 노드(개체)와 엣지(관계)로 풀어내도록 요청하는 방식입니다. 이렇게 하면 단편적 사실이 아니라 맥락과 연결을 중심으로 이해할 수 있고, 새로운 인사이트가 떠오릅니다.