"AI는 뭘 물어도 똑같이 답한다"는 인상을 검증한다. "같은 AI인데 왜 누구는 좋은 답, 누구는 엉뚱한 답을 받나?"를 한 질문으로 따라가, '어떻게 묻느냐'가 결과를 좌우함을 — 단, 프롬프트로도 환각·한계는 못 넘음을 논증한다. (C장의 마지막 → 사회·윤리 D장으로)
"AI는 뭘 물어도 똑같이 답한다"는 인상을 6단계로 검증한다. 윗줄은 "묻는 법이 왜 결과를 좌우하나"를 논증하고, 아랫줄은 잘 묻는 기술과 우리의 태도로 잇는다.
검색창처럼, AI도 '정답이 정해진 자판기'라 여기기 쉽다 — 같은 주제를 물으면 같은 답이 나올 거라고. 그래서 답이 부실하면 "AI가 별로네"라고 AI 탓을 한다. 하지만 AI는 '질문(맥락)을 보고 답을 만든다'(B5). 막연히 "글 써 줘"와 "중학생 대상으로, 3문단, 예시 하나 넣어 써 줘"는 완전히 다른 답을 부른다. 답의 절반은 '질문'이 정한다.
AI는 질문(맥락)을 보고 답을 생성(B5). "글 써 줘"와 "누구에게·몇 문단·무슨 톤으로 써 줘"는 전혀 다른 답을 부른다.
프롬프트(prompt)는 'AI에게 주는 지시와 맥락' — 곧 우리가 입력하는 질문·요청 전부다. 같은 AI라도 프롬프트를 명확하게·맥락을 담아·예시를 들어·단계로 나눠 주면 답의 질이 확 올라간다. 이렇게 '좋은 답을 끌어내도록 프롬프트를 설계하는 기술'을 프롬프트 엔지니어링이라 한다. 새 프로그래밍 언어가 아니라 — '사람 말로 AI와 잘 소통하는 법'이다.
"AI에 대해 써 줘" → 막연하고 뻔한 답. 누구에게·왜·어떻게가 빠짐.
"중학생에게, AI 편향을 3문단·예시 1개로 쉽게 써 줘" → 맞춤한 좋은 답.
이유는 B5에서 배운 작동 원리에 있다 — AI는 '지금까지 주어진 말(맥락)을 보고, 다음에 올 가장 그럴듯한 말'을 만든다. 그러니 맥락이 풍부하고 또렷할수록 예측의 방향이 좁혀져 원하는 답에 가까워진다. 반대로 맥락이 빈약하면 AI는 '가장 평범하고 일반적인' 방향으로 흘러 뻔한 답을 낸다. 즉 프롬프트는 AI라는 '예측 기계'에 길을 깔아 주는' 일이다.
지시 + 맥락(대상·형식·예시)
AI가 주어진 말을 읽음(B5)
맥락이 예측 방향을 한정
좁혀진 길로 맞춤한 답
프롬프트는 강력하지만 'AI 자체의 한계'를 없애진 못한다. ① 잘 물어도 없는 사실은 여전히 지어낸다(환각·C21) — "정확히 답해"라고 해도 환각이 0이 되진 않는다. ② 데이터에서 온 편향도 프롬프트로 완전히 지워지지 않는다(C21). ③ 모르는 최신·내부 정보는 잘 물어도 모른다(이건 RAG·C18의 몫). 즉 프롬프트는 'AI의 능력을 잘 끌어내는' 도구일 뿐, '없는 능력을 만들어 내는 마법'이 아니다.
잘 물어도 없는 사실은 지어냄(C21) — 검증은 여전히 필요
데이터 편향은 프롬프트로 못 지움(C21)
최신·내부 정보는 RAG가 필요(C18)
인터넷엔 "이 문장만 넣으면 답이 좋아진다"는 '마법 주문' 목록이 떠돈다. 일부 요령은 효과가 있지만, 외우는 주문이 핵심은 아니다. 좋은 프롬프트의 원리는 늘 같다 — '명확하게, 맥락을 충분히, 원하는 형식으로'다. 이는 곧 사람에게 일을 잘 부탁하는 법과 똑같다. 주문을 외우기보다, '내가 무엇을 원하는지 또렷이 하고 그걸 잘 전하는' 소통 능력이 진짜 기술이다.
특정 문구가 항상 좋은 답을 보장한다는 믿음 → 원리를 놓친 미신.
명확·맥락·형식·예시·역할 — 사람에게 잘 부탁하는 법과 같다(보편 원리).
결론은 분명하다 — 프롬프트 엔지니어링은 비법 주문이 아니라 'AI에게 명확히, 맥락을 담아, 원하는 형식으로 소통하는 능력'이다. 잘 물으면 AI의 능력을 한껏 끌어낼 수 있다. 단, 그것으로도 환각·편향·근본 한계는 넘지 못하므로(C21), 좋은 답일수록 검증과 함께 써야 한다. AI 시대의 핵심 역량은 결국 — '또렷이 생각하고, 또렷이 묻고, 결과를 따져 보는' 힘이다(C장 전체의 결론).
| 오해 | 정확한 이해 |
|---|---|
| "뭘 물어도 똑같다" | 묻는 법이 답을 좌우(B5) |
| "잘 물으면 늘 옳다" | 환각·편향은 못 넘음 → 검증(C21) |
| "마법 주문이 있다" | 원리는 '명확한 소통' |
잘 묻는 법은 다섯 원칙으로 요약된다. 모두 'AI의 추측을 줄이고 맥락을 더하는' 같은 방향이다. 막연한 한 줄 대신, 이 다섯을 떠올리며 묻기만 해도 답이 눈에 띄게 좋아진다.
모호한 말 빼고 구체적으로("좋은 글"❌ → "3문단·쉬운 말"⭕)
대상·목적·배경을 알려 주기("중학생에게", "발표용")
원하는 형식의 예를 보여 주기(few-shot)
"너는 과학 교사야" 같은 역할 부여로 톤·관점 지정
두 기술이 특히 강력한 데는 이유가 있다. 예시 들기(few-shot) — AI는 패턴을 잇는 기계라(B5·C1), '이런 식으로' 예를 한둘 보여 주면 그 패턴을 따라 답을 맞춰 준다. 단계로 나누기(단계적 사고) — 복잡한 문제를 "차근차근 생각해 줘"로 쪼개면, AI가 한 번에 건너뛰며 틀리는 대신 중간 단계를 밟아 더 정확해진다. 둘 다 'AI의 작동 원리에 맞춰' 길을 깔아 주는 셈이다.
원하는 형식·톤의 예를 보여 주면, AI가 그 패턴을 따라 함(B5). 말로 길게 설명하는 것보다 강력.
"차근차근 생각해 줘" → 중간 단계를 밟아 건너뛰기 실수를 줄임(추론 문제에 효과).
C22의 수확은 'AI를 잘 부리는 두 능력'이다 — ① 잘 묻기(명확·맥락·예시·역할·단계)로 좋은 답을 끌어내고, ② 따져 보기(검증·출처 확인·공정성)로 그 답을 거른다. 이 둘은 짝이다 — 잘 물어 받은 그럴듯한 답일수록 검증이 더 필요하다(C21). 결국 AI 시대의 핵심 역량은 '또렷이 생각해 잘 묻고, 결과를 비판적으로 따지는' 힘 — 이것이 C장 전체가 길러 온 '분별의 눈'(A1)이다.
이 장은 "왜 같은 AI인데 답이 다른가"라는 한 질문을 따라간 추론이었다. 출발은 "뭘 물어도 똑같다"는 통념, 도착은 "묻는 법이 좌우하되 검증이 필요하다"는 결론이었다.