Chapter 5. LLM의 구조와 원리를 고려한 기법

일반적인 LLM(Chat GPT, Gemini 등)을 활용해 보셨다면, 해당 포스팅은 건너뛰고 https://goto-helloworld.tistory.com/164을 읽는 것을 추천드립니다.

---

1. 규칙 부여 프롬프트 (Rule-Based Prompting)

AI가 어떤 태도로, 어떤 형식을 갖춰 대답해야 할지 가이드라인을 먼저 제시하는 기법입니다.

• 방법: "너는 지금부터 10년 차 마케터야.", "모든 답변은 3줄 요약으로 먼저 시작해."라고 선언합니다.

 

⚠️ 주의할 점

웹 검색(Browsing) 기능이 활성화된 LLM의 경우, 방대한 검색 결과가 대화의 맥락(Context)으로 들어오게 됩니다. 이때 초기에 설정한 '규칙'이 검색 결과라는 거대한 텍스트 정보에 밀려 맥락에서 차지하는 비중이 작아질 수 있습니다.

 

Tip: 대화가 길어지거나 검색을 많이 수행한 후에는, 초기에 설정한 규칙을 다시 한번 상기(Remind)시켜주는 것이 좋습니다.

---

2. 질의응답 역전 기법 (Flipped Interaction)

보통은 사용자가 질문하고 AI가 답합니다. 방대한 데이터를 기반으로 학습한 인공지능이 대화를 주도할 수 있도록 해주세요.

• 핵심: 질문자가 인지하고 있는 좁은 범위 내에서만 질문하게 두지 마세요.
• 방법: "이 주제에 대해 가장 완벽한 기획안을 쓰고 싶어. 나에게 필요한 질문을 네가 먼저 해줘."라고 요청합니다. AI는 자신의 방대한 지식을 바탕으로 빈틈을 메우기 위한 핵심 질문들을 역으로 던지게 됩니다.

---

3. 어텐션(Attention) 메커니즘을 활용한 독해

LLM의 핵심 기술인 '어텐션(Attention)'은 문맥 간의 관계를 파악하는 능력입니다. 이를 활용하면 단순 요약을 넘어 깊이 있는 텍스트 분석이 가능합니다. 긴 지문이나 보고서를 줄 때 다음과 같이 요청해 보세요.

1. 요약: 전체 내용을 간략하게 줄이기
2. 핵심 문장 추출: 글을 관통하는 가장 중요한 문장(Key Sentence) 찾기
3. 새로운 논리/질문 도출: 지문을 토대로 비판적 사고를 하거나, 새로운 아이디어 제안받기
4. 구조 분석: 글이 어떤 논리 구조(기승전결, 서론-본론-결론 등)로 짜여 있는지 분석 요청하기

---

4. 논리 추론 (Reasoning) 능력 활용

최신 모델들은 단순한 언어 생성을 넘어 고도의 논리 추론이 가능해졌습니다. (참고: 최근 GPT-5.1 등 최신 모델들은 2026 수능 시뮬레이션에서 450점 만점에 435.5점을 기록할 정도로 인간의 평균 추론 능력을 상회하고 있습니다.)

• 활용: 복잡한 수학 문제, 코딩 로직, 인과관계 추론 등이 필요할 때 AI를 단순 검색기가 아닌 '생각하는 파트너'로 활용하세요. 논리적 단계가 필요한 작업일수록 AI의 성능은 빛을 발합니다.

---

5. 유사성 분석 (Analogy & Comparison)

• 작업: "A라는 개념과 B라는 개념의 공통점과 차이점을 표로 정리해 줘."
• 활용: 경쟁사 분석, 서로 다른 두 개의 보고서 비교, 복잡한 개념을 쉬운 비유(Analogy)로 설명받을 때 유용합니다.

---

6. 문법 및 뉘앙스 교정

메일 작성이나 보고서 작성 시, 단순 오타 교정을 넘어 문맥에 맞는 문법 교정을 요청할 수 있습니다.

• 원리: LLM은 텍스트를 '토큰(Token)' 단위로 쪼개서 처리합니다. 이 과정에서 단어의 의미적 맥락 뿐만 아니라, 문법적 역할까지 파악합니다.
• 활용: 문법적 오류를 고치고 더 자연스러운 표현으로 다듬어 줘."라고 요청하면, 단순 맞춤법 검사기보다 훨씬 뛰어난 교정 능력을 보여줍니다.

---

※ 본 글은 『프롬프트 엔지니어링: 생성형 AI를 자유자재로 다루는 비밀열쇠』 (반병현 저) 5장을 기반으로 학습 목적으로 요약한 글입니다.

※ 이 글은 책의 내용을 상당히 요약한 것으로, 원문 없이 읽을 경우 오해의 여지가 클 수 있습니다. 정확한 이해를 위해 원서의 정독을 권장합니다.