Chapter 6. 어텐션의 집착성을 고려한 기법

 

1. 주체의 전환: 데이터가 풍부한 쪽으로 질문하라

질문 문장의 주어'를 바꾸는 것만으로도 답변의 질이 달라질 수 있습니다.

핵심은 AI가 학습했을 법한 데이터가 많은 쪽으로 질문의 주체를 설정하는 것입니다.

 

 

[예시 상황: 신입사원 멘토링]

A. (주체: 멘토) "멘토는 신입사원에게 멘토링을 어떻게 할까?"

B. (주체: 신입사원) "신입사원은 멘토링을 어떻게 받을까?"

 

 

B의 질문을 던지면 AI는 "경청한다, 메모한다"와 같은 수동적이거나 뻔한 답변을 내놓을 확률이 높습니다.

반면, A의 질문(멘토의 관점)은 시중에 나와 있는 수많은 리더십 서적, 지침서, 아티클 등을 통해 방대한 학습 데이터가 축적되어 있습니다.

 

Tip: 질문했을 때 답변이 너무 단순하다면, 주어를 바꿔보세요. 훨씬 구체적이고 방법론적인 답변을 얻을 수 있는 가능성이 있습니다.

---

2. 범위 한정: 전문가의 안경 씌우기

AI는 수조 개의 데이터를 학습한 거대 모델입니다. 범위를 한정하지 않고 단순히 질문하면, AI는 가장 보편적이고 일반적인 답변을 내놓을 것입니다. 뾰족한 인사이트를 원한다면, AI가 바라봐야 할 관점의 범위를 좁혀줘야 합니다.

 

 

[예시 상황: '스마트폰'에 대한 설명]

Q. "스마트폰에 대해 설명해줘." -> 전화, 인터넷이 가능한 휴대용 기기라는 사전적 정의가 나옵니다.

Q. (범위 한정) "UX 디자이너 관점에서 스마트폰의 인터페이스 혁신에 대해 설명해줘." -> 터치 제스처, 직관적 경험, 햅틱 반응 등에 대한 전문적 분석이 나옵니다.

Q. (범위 한정) "사회학자 관점에서 스마트폰이 현대 가족 관계에 미친 영향을 설명해줘." -> 소통의 단절, 디지털 고립, 새로운 연결성에 대한 인문학적 분석이 나옵니다.

 

---

3. 조건 제시: 규칙은 무조건 '맨 위'에

작업 시 꼭 지켜야 할 조건이 있다면, 최상단에 먼저 입력해 보세요. AI는 글을 앞에서부터 순차적으로 읽으며 대화의 맥락을 유지하기 때문인데요. 따라서 초반에 조건을 확실히 인지시켜야, 그에 맞춰 올바르게 행동할 확률이 훨씬 높아진답니다.

 

 

[예시 상황: 보고서 요약]

 

(나쁜 예) "(긴 본문 텍스트)... 이거 요약해 줘. 아, 그리고 3줄로 하고 불렛포인트 써서 명사형으로 끝내줘."

-> AI가 본문을 다 읽고 나서야 조건을 인지하느라, 조건을 무시하거나 엉성하게 적용할 수 있습니다.

 

(좋은 예) # 조건

1. 3줄 요약할 것
2. 불렛포인트(•) 사용할 것
3. 모든 문장은 명사형으로 종결할 것

# 본문 "(긴 본문 텍스트)..."

 

---

4. 대화 맥락 줄이기: 과감하게 'New Chat' 누르기

AI는 사용자의 이전 질문과 자신의 답변까지 모두 포함하여 '현재의 문맥'을 계산합니다. 대화가 길어질수록 AI가 처리해야 할 정보량이 많아지고, 이전의 사소한 내용이 현재의 중요한 질문에 노이즈(Noise)로 작용할 수 있습니다.

 

 

[예시 상황]

앞서 '코딩 에러'에 대해 AI와 깊은 대화를 나눴습니다. 그러다 갑자기 "오늘 저녁 파스타 레시피 추천해줘"라고 묻는다면?

AI는 이전의 '코딩' 맥락에 과몰입한 나머지, 요리 순서를 알고리즘처럼 설명하거나 엉뚱한 기술 용어를 섞어 쓸 수도 있습니다. (이를 할루시네이션 혹은 맥락 오염이라고 볼 수 있습니다.)

 

 

Tip: 주제가 완전히 바뀌거나, AI가 자꾸 엉뚱한 소리를 하기 시작한다면? 꼬인 실타래를 풀려 하지 말고 과감하게 [새 대화 시작(New Chat)] 버튼을 누르세요. 

---

※ 본 글은 『프롬프트 엔지니어링: 생성형 AI를 자유자재로 다루는 비밀열쇠』 (반병현 저) 6장을 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.