— “이 문장 어색하지 않아?” 정도면 충분할까
chatGPT를 이용해서 글을 고칠때 어떻게 대화를 시작하여야 할까요.
GPT를 처음 사용하는 분들은 보통 이렇게 질문합니다.
“이 문장 어색한지 봐줘.”
“마케팅 전략을 제안해줘”
“결과물을 낼 수 있는 엑셀함수를 만들어줘”
그런데 결과를 보면 생각보다 미흡하게 느껴질 때가 많습니다.
“이렇게밖에 못 하나?”싶고, 결국 내가 다시 쓰게 되는상황이 오게 됩니다.
GPT가 못나서 그럴까요?
사실은 그렇지 않습니다.
GPT는 질문의 품질에 따라, 답변의 품질이 완전히 달라지는 도구입니다.
우리가 얼마나 잘 설명하느냐에 따라, GPT의 답변도 달라집니다.
⸻
GPT는 ‘질문’이 아니라 ‘맥락’에 반응한다
많은 분들이 GPT는 프롬프트(prompt, 지시문)를 정교하게 써야 잘 작동한다고 생각합니다.
물론, 그 말도 맞습니다.
하지만 제가 직접 써보며 확신하게 된 건,
프롬프트 그 자체의 기술적 정교함보다
프롬프트 안에 담긴 ‘맥락'이 훨씬 중요하다는 점이었습니다.
예를 들어,
“이건 법무팀에서 작성한 자문 회신이야.
상대방은 비전문가라 너무 어렵지 않게 써야 하고,
내용은 단호하되, 부드러운 톤을 유지하고 싶어.”
이 정도 설명만 더해도, GPT는 훨씬 상황에 맞는 문장을 구성해 줍니다.
이게 바로 GPT가 작동하는 방식의 핵심입니다.
GPT는 검색엔진에서처럼 ‘정답’을 찾아주는 AI도구가 아니라,
내가 제공한 정보와 맥락 속에서 가장 자연스럽고 논리적인 문장을 예측하는 도구입니다.
즉, 검색기 보다는 지적파트너에 더 가깝다고 할 수 있습니다.
⸻
결국, 내가 '얼마나 알고 있느냐'에 따라 달라집니다.
이 말은 곧 GPT를 잘 활용하려면,
내가 어느 정도 알고 있는 주제에 대해 대화하여야 효과적입니다.
“이게 뭔지 알려줘.”
“이거 어떻게 해야 돼?”
이렇게 전혀 맥락 없이 던진 질문에는, GPT도 명확하게 답하기 어렵습니다.
물론 GPT는 색인형 검색보다 "정돈된 정보"를 제시해 줄 수 있고,
검색결과를 파악하는 시간을 단축해줄 수는 있습니다.
그러나 이런 방식은 GPT가 가진 가능성의 10% 도 채 활용하지 못하는 셈입니다.
왜냐하면 GPT는 ‘정답을 알려주는 선생님’이 아니라,
‘내가 던진 정보 속에서 구조화된 답변을 만들어주는 파트너’이기 때문입니다.
그래서 중요한 건,
프롬프트를 잘 짜는 기술보다, 내가 가진 생각과 맥락을 얼마나 잘 설명하느냐 하는 것 입니다.
GPT를 잘 쓰는 사람은 명령어를 정교하게 입력하는 사람이 아니라,
자신의 맥락을 조리있게 전달할 수 있는 사람입니다.
⸻
사람들이 GPT를 멍청하다고 생각하는 이유
GPT를 잘 모르는 사람일수록, 종종 이렇게 말합니다.
“이거 뭐야, 아무 말 대잔치잖아.”
“이게 AI야? 좀 실망인데?”
하지만 사실은, GPT가 바보라서가 아니라
우리가 충분히 설명하지 않았기 때문입니다.
GPT가 문맥 중심의 도구라는 LLM의 특징을 이해하지 못한 결과입니다.
⸻
저는 이 이야기를 책에서도 담으려 합니다
이 부분은 제가 책의 별도 장으로 정리해두고 싶은 핵심 주제이기도 합니다.
GPT는 ‘정답’을 알려주는 선생님이 아닙니다.
GPT는 ‘내 생각을 정리해주는 지적 거울’입니다.
더 많은 맥락을 줄수록, 더 좋은 답이 나옵니다.
가끔은 내가 생각하지 못한 더 나은 아이디어를 제시하기도 합니다.
AI 시대, 중요한 역량은 질문력이 아니라 설명력입니다.
GPT와 잘 협업하려면, 내 생각을 조리 있게 풀어낼 수 있어야 합니다.
AI 시대에 사고력은 더 중요해집니다.
GPT를 100% 활용해서 더 나은 생산성을 얻는 방법
GPT는 단순한 ‘검색도구’ 또는 '글쓰기 보조'가 아니라,
내 아이디어를 정리하고, 정돈된 언어로 구현해주는 조력자입니다.
우리가 충분히 설명하면, GPT는 생각보다 훨씬 정교한 문장을 제안해줍니다.
가끔은 제 생각보다 더 낫게 다듬어 주기도 합니다.
그러니 “이 문장 어색하지 않아?”라고 묻기보다는,
“이건 이런 맥락인데, 좀 더 나은 문장이 있을까?”라고 묻는 연습이
우리에게 더 필요할지도 모르겠습니다.
다음 편 예고
Ep.9. GPT는 이제 기본값입니다
— 팀 단위의 AI 활용 전략과, 법무 실무에서의 실제 시스템화 적용 사례