AI 모르면 끝장난다

AI 아틀라스: 인공지능 시대, 인간을 위한 위대한 지도. 27장

3부. 방법 — 프롬프트·워크플로우·평가의 기술

27장. 체인·트리·그래프 사고(Reasoning Orchestration)

27.1 체인 사고 (Chain-of-Thought) 기본

우리가 문제를 풀 때, 머릿속에서 무언가가 줄줄이 이어지는 경험을 한 적이 있지 않으신가요?
“이걸 먼저 하면 → 그러면 다음에 이게 가능하고 → 그래서 결국 이런 답이 나온다.”
바로 이것이 체인 사고(Chain-of-Thought)입니다. 이름 그대로, 생각을 하나의 사슬처럼 연결하는 방식이지요.

개념

체인 사고는 복잡한 문제를 잘게 쪼개고, 작은 단계들을 순서대로 밟아가는 논리적 사고 과정입니다.
마치 긴 미로를 풀 때, 손가락으로 길을 따라 한 칸씩 짚어 나가는 것과 같습니다.

수학 문제를 풀 때: 공식을 세우고 → 숫자를 대입하고 → 계산을 정리하는 순서.

글을 쓸 때: 주제를 정하고 → 근거를 모으고 → 결론으로 엮는 순서.

요리를 할 때: 재료를 씻고 → 썰고 → 불에 올려 조리하는 순서.

모두 체인 사고의 대표적인 사례입니다.

장점

단순하고 직관적입니다. 한 번에 전체를 다 보려 하지 않고, 눈앞의 한 칸만 신경 쓰면 되니까 부담이 줄어듭니다.

수학적 풀이와 순차적 절차에 특히 강합니다. 공식·레시피·매뉴얼처럼 ‘앞뒤가 맞아야 하는 문제’에서는 체인 사고가 가장 강력합니다.

실수 찾기가 쉽습니다. 사슬의 어느 고리가 끊어졌는지만 확인하면 오류를 바로잡을 수 있지요.

실전 체크리스트

체인 사고를 제대로 쓰고 있는지 스스로 물어보세요.

문제를 작은 단계로 나누었는가?

각 단계가 앞 단계와 자연스럽게 이어지는가?

다음 단계로 넘어가기 전에 이 단계가 확실히 이해되었는가?

이 세 가지 질문만 확인해도, 사고의 흐름이 깔끔하게 정리됩니다.

핵심은 ‘작게, 차례대로’입니다.
거대한 문제도 잘게 잘라 사슬처럼 이어가면, 마치 퍼즐 조각이 맞춰지듯 명확한 답이 보이게 됩니다.

체인 사고 (Chain-of-Thought) 기본 — 김밥 말기의 지혜

문제를 해결하는 과정은 김밥을 말 때와 아주 닮아 있습니다.

김밥을 만들려면 먼저 김을 깔고 → 밥을 고르게 펴고 → 속 재료를 얹고 → 돌돌 말아 자르는 순서를 거칩니다.
만약 밥을 깔기도 전에 단무지를 올리면 어떻게 될까요? 흐트러지고, 결국 모양이 무너져버립니다.
순서를 지키지 않으면 전체가 어긋나는 것, 바로 체인 사고가 강조하는 핵심입니다.

개념

체인 사고는 김밥 말기의 순서처럼, 생각을 작은 단계로 나눠 앞뒤가 맞도록 이어가는 방식입니다.
수학 문제도, 글쓰기 계획도, 사업 아이디어도 결국은 김밥 말기와 다르지 않습니다.

밥 없이 재료만 얹으려 하면 흩어지는 것처럼,

과정 없이 결론만 내리면 사고가 흩어지고 설득력이 사라집니다.

장점

순차적·안정적: 재료가 빠지지 않고 단단히 말리듯, 생각도 빈틈 없이 정리됩니다.

단순·직관적: 누구나 김밥 순서를 알듯, 한 단계씩 밟으면 복잡한 문제도 단순해집니다.

검증 가능: 어디서 터졌는지 확인만 하면 다시 말 수 있습니다. 사고의 오류도 마찬가지입니다.

실전 체크리스트

체인 사고를 김밥처럼 굴러가게 만들려면 이렇게 자문해 보세요.

밥(기초 단계)을 먼저 깔았는가?

속재료(중간 논리)를 고르게 얹었는가?

김발(마무리 단계)로 단단히 말았는가?

결국 체인 사고는 “생각의 김밥”입니다.
밥 → 속재료 → 김발 → 썰기.
작은 단계들이 바르게 이어질 때, 맛있고 설득력 있는 답이라는 완성품이 나오게 됩니다.

27.2 다중 체인 병렬화 — 여러 김밥을 동시에 말기

체인 사고가 김밥을 하나 정성스레 말아내는 과정이라면, 다중 체인 병렬화는 한꺼번에 여러 김밥을 말아놓고, 각각의 맛과 모양을 비교하는 방식입니다.

우리는 보통 하나의 문제를 한 가지 사고 흐름으로만 풀어갑니다. 하지만 세상은 늘 단일 정답만 있는 게 아니지요. 마치 김밥도 참치김밥, 야채김밥, 치즈김밥이 다 다르듯, 여러 체인을 동시에 만들어 서로 다른 결과를 나란히 비교하는 것이 이 패턴의 핵심입니다.

개념

다중 체인 병렬화는 “하나의 문제를 여러 논리 사슬(체인)로 동시에 풀어내는 방법”입니다.

각각의 체인은 독립적으로 굴러가며, 마지막에 나란히 놓았을 때 다양한 해답과 시각을 제공합니다.

활용 포인트

정책 아이디어 비교 예를 들어 “도시 교통 혼잡 해결”이라는 문제를 풀 때, 체인 A: “대중교통 확충” 체인 B: “자율주행차 도입” 체인 C: “도시 구조 개편” 이렇게 각각 따로 사고 사슬을 전개해두면, 한눈에 장단점을 비교할 수 있습니다.

사업 전략 수립 “신규 제품 출시”를 고민할 때, 체인 A는 ‘가격 경쟁 전략’ 체인 B는 ‘프리미엄 브랜딩 전략’ 두 가지 체인을 병렬로 돌리면 “어떤 길이 더 설득력 있고 실행 가능할지” 명확히 드러납니다.

창작과 글쓰기 소설 플롯을 짜면서 체인 A는 ‘주인공이 성공하는 이야기’ 체인 B는 ‘주인공이 실패에서 배우는 이야기’ 두 개를 동시에 써보면, 어떤 플롯이 감동을 주는지 가늠할 수 있지요.

실전 체크리스트

하나의 문제를 최소 2개 이상의 체인으로 나눠 풀었는가?

각 체인이 독립적으로 일관된 흐름을 가지고 있는가?

마지막에 서로의 장단점을 비교할 수 있도록 정리했는가?

다중 체인 병렬화는 결국 “김밥 뷔페 같은 사고”입니다.
한 줄만 먹어보면 그 맛이 전부라 생각하기 쉽지만, 여러 줄을 나란히 펼쳐놓을 때 비로소 우리는 선택의 폭을 넓히고, 더 나은 결정을 내릴 수 있습니다.

27.3 트리 사고 (Tree-of-Thought) 기본 — 나무처럼 뻗어가는 생각

체인 사고가 김밥 한 줄을 말아가는 직선적 흐름이라면, 트리 사고(Tree-of-Thought)는 나무처럼 뿌리에서 줄기, 그리고 수많은 가지로 뻗어가는 사고의 확장 방식입니다.

개념

트리 사고는 하나의 문제를 여러 갈래로 동시에 전개하며, 다양한 가능성과 선택지를 탐색하는 방법입니다.
즉, “한 길만 가는 것이 아니라, 가지마다 다른 길을 살펴보며 최적의 길을 찾는 사고 구조”이지요.

줄기는 문제의 출발점

가지는 대안적 시각과 접근법

잎사귀는 구체적 결과와 아이디어

이렇게 나무 구조로 사고를 확장하면, 단일한 결론이 아닌 풍성한 사고의 숲을 얻게 됩니다.

장점

다양한 대안 확보 단일 경로(체인)만 보면 놓칠 수 있는 가능성을, 가지마다 탐험할 수 있습니다.

창의성 증폭 문제 해결이 아니라, 새로운 문제 정의와 상상력 확장까지 가능해집니다.

리스크 분산 한 가지 시도가 실패해도 다른 가지에서 해법을 찾을 수 있습니다.

실전 시나리오

예를 들어, “도시 쓰레기 문제 해결”이라는 주제를 트리 사고로 풀어봅시다.

줄기: 도시 쓰레기 문제 가지 1: 감축 전략 → 1회용품 규제, 음식물 쓰레기 줄이기 가지 2: 재활용 혁신 → AI 분리수거, 업사이클링 산업 가지 3: 새로운 자원화 → 바이오에너지, 퇴비화

여기서 다시 가지 2(재활용 혁신)를 더 세분화하면,

가지 2-1: AI 센서를 통한 분류

가지 2-2: 로보틱스 기반 자동화

가지 2-3: 시민 참여형 인센티브 제도

이렇게 뻗어나가면, 문제는 하나지만 답은 숲처럼 많아집니다.

실전 체크리스트

문제를 줄기처럼 단일 출발점으로 세웠는가?

최소 3개 이상의 가지로 사고를 뻗었는가?

가지마다 독립적이고 구체적인 아이디어가 나왔는가?

가지 간 비교·선택이 가능하도록 정리했는가?

27.4 트리 가지치기와 평가 — 사고의 정원 가꾸기

트리 사고가 나무처럼 생각을 풍성하게 뻗어내는 과정이라면, 트리 가지치기(Tree Pruning and Evaluation)는 그 중에서 살려둘 가지와 잘라낼 가지를 가려내는 과정입니다.

나무도 가지를 끝없이 뻗게 두면, 영양이 분산되어 제대로 열매를 맺지 못합니다. 사고도 마찬가지입니다. 모든 아이디어를 붙잡고 있을 순 없으니, 기준을 세워 가치 있는 가지에만 에너지를 집중해야 합니다.

개념

트리 가지치기는 다채롭게 뻗은 아이디어 중에서 실질적인 가치와 실행 가능성이 있는 것만 남기는 사고 기법입니다.

즉, “많이 뻗기”에서 “잘 고르기”로 전환하는 단계입니다.

기법

가지치기의 핵심은 명확한 기준입니다. 그냥 느낌으로 고르면 주관에 치우치지만, 기준을 미리 제시하면 AI도 체계적으로 선별할 수 있습니다.

예를 들어 프롬프트에 이렇게 넣을 수 있습니다.

“비용-효과 기준으로 가지 중 최적안을 선택해줘.”

“시민 수용성 관점에서 가지들을 평가해줘.”

“1년 내 실행 가능한 가지와, 5년 이상 걸릴 가지를 구분해줘.”

이처럼 평가 기준을 프롬프트 안에 삽입하면, 트리 사고는 단순한 확산에서 분별 있는 수렴으로 진화합니다.

실전 시나리오

예를 들어, 도시 교통 문제 해결 트리에서 가지를 뻗었다고 해봅시다.

가지 1: 버스 전용차로 확대

가지 2: 자율주행 택시 도입

가지 3: 대중교통 요금 무료화

이제 가지치기를 적용합니다.

비용-효과 기준: 버스 전용차로 확대(효과 크고 비용 낮음) → 유지

자율주행 택시 도입(비용 높고 불확실성 큼) → 보류

대중교통 무료화(비용 과다) → 제외

이렇게 하면 실행 가능한 현실적 가지만 남습니다.

실전 체크리스트

분기점(가지)은 충분히 다양했는가?

가지 선택 기준이 명확하게 제시되었는가?

기준에 따라 논리적으로 선별이 이루어졌는가?

남은 가지가 문제 해결의 핵심을 담고 있는가?

트리 가지치기는 결국 사고의 정원 가꾸기입니다.
마구 뻗은 가지는 시야를 가리지만, 잘 쳐낸 나무는 햇살과 바람을 받아 더 단단한 열매를 맺습니다.
사고도 그렇습니다. 확산에서 수렴으로, 풍성함에서 정밀함으로. 이것이 트리 사고의 완성입니다.

27.5 그래프 사고 기본 — 연결의 지도 그리기

우리가 문제를 이해할 때, 늘 선형적인 순서만 따르는 것은 아닙니다. 어떤 경우엔 관계와 연결이 훨씬 더 중요하지요.
이때 필요한 것이 바로 그래프 사고(Graph Thinking)입니다.

개념

그래프 사고는 점(node)과 선(edge)으로 사고를 정리하는 방식입니다.

점(node): 개념, 사건, 인물, 데이터 조각 같은 핵심 단위.

선(edge): 이 점들을 이어주는 관계, 원인, 상호작용.

즉, 그래프 사고는 “이것은 저것과 어떻게 연결되는가?”라는 질문을 반복하며 연결망의 지도를 그려나가는 사고법입니다.

비유 — 지하철 노선도