AI에게 질문했는데 답이 틀리지는 않아도 이상하게 뻔할 때가 있어요. 이때는 모델 성능보다 사람끼리라면 당연히 알 거라고 생각해 생략한 배경과 기준부터 확인해보세요.
좋은 프롬프트의 핵심은 무조건 길게 쓰는 것이 아니에요. 이번 요청에서 결과를 바꾸는 전제와 우선순위를 밖으로 꺼내 보여주는 것이 더 중요해요.
사람은 말 밖의 정보도 함께 봐요
사람끼리 대화할 때는 말만 듣지 않아요. 상대와의 관계, 지금 있는 장소, 이전 경험, 표정과 분위기를 함께 봐요. “부모님과 좋은 데 가고 싶어”라는 말에서도 우리는 이동 편의, 식사 시간, 소음, 예산 같은 조건을 자연스럽게 떠올릴 수 있어요.
하지만 이 조건들은 모두에게 같은 뜻이 아니에요. 어떤 집은 주차가 가장 중요하고, 어떤 집은 맵지 않은 메뉴나 조용한 좌석이 먼저예요. 사회적 통념을 알고 있는 것과 이번 가족에게 무엇이 중요한지를 아는 것은 다른 문제예요.
AI는 어떻게 답을 만들까요?
대규모 언어 모델은 입력을 토큰 단위로 처리하고, 학습 과정에서 익힌 패턴과 현재 대화에서 받은 맥락을 이용해 다음에 올 응답을 구성해요. 복잡한 추론도 할 수 있지만, 사용자가 말하지 않은 개인 사정과 우선순위를 자동으로 확정할 수는 없어요.
그래서 “AI가 이 개념을 아느냐”보다 이번 요청에서 어떤 개념과 기준을 적용해야 하는지 알려주는 편이 결과를 더 선명하게 만들어요.
“좋은 식당”의 기준은 하나가 아니에요
맛집 추천을 예로 들어볼게요. “좋은 식당”은 맛이 뛰어난 곳일 수도 있고, 가격이 합리적인 곳, 주차가 편한 곳, 대화하기 조용한 곳일 수도 있어요. AI가 여러 가능성 중 가장 일반적인 답을 고르면 사용자는 “왜 내 상황을 이해하지 못하지?”라고 느끼게 돼요.
문장을 늘리기보다 결과를 바꾸는 기준을 꺼내세요
프롬프트를 길게 쓰는 것 자체가 목적은 아니에요. 결과를 바꿀 가능성이 큰 조건만 구체적으로 보여주세요. 다음 여섯 가지를 점검하면 대부분의 생활·업무 요청에 적용할 수 있어요.
- 배경: 지금 어떤 상황인가요?
- 목적: 이 결과로 무엇을 하려 하나요?
- 대상: 누가 읽거나 사용하나요?
- 판단 기준: 무엇을 좋고 나쁘다고 볼까요?
- 제약: 예산·시간·형식처럼 꼭 지킬 조건은 무엇인가요?
- 피할 결과: 나오지 않았으면 하는 답은 무엇인가요?
모호하면 AI에게 먼저 질문하게 하세요
모든 전제를 사용자가 한 번에 찾아낼 필요는 없어요. AI에게 숨은 전제와 모호한 기준을 먼저 찾게 하고, 결과를 크게 바꾸는 질문만 최대 세 개 하도록 요청할 수 있어요. 그러면 AI가 임의로 빈칸을 채우는 일을 줄이고, 사용자도 어떤 기준이 빠졌는지 빠르게 확인할 수 있어요.
같은 요청을 이렇게 바꿔볼 수 있어요
일반형: 부모님과 갈 전주 맛집 추천해줘요.
맥락형: 60대 부모님과 저녁 식사할 전주 식당을 찾고 있어요. 주차가 편하고 시끄럽지 않으며 맵지 않은 메뉴가 있어야 해요. 예산은 1인 3만원 이하이고, 관광객 유명세보다 대화하기 편한 곳을 우선해줘요. 현재 영업 여부가 불확실하면 추정하지 말고 확인 필요로 구분해줘요.
차이는 글자 수가 아니라 “좋은 식당” 안에 숨어 있던 기준이 보이기 시작했다는 점이에요.
좋은 답은 주고받을수록 선명해져요
한 번의 완벽한 프롬프트보다 이전 결과와 수정 의견을 이어가는 방식이 실전에서는 더 유용해요. 자주 쓰는 대상, 원하는 말투, 피하고 싶은 표현, 지난 결과에서 고칠 점을 프로젝트 맥락으로 쌓아두면 다음 요청의 출발점이 좋아져요.
바로 복사해서 쓰는 역질문 프롬프트
내 요청에서 결과를 크게 바꿀 수 있는 숨은 전제와 모호한 기준을 먼저 찾아줘요. 임의로 추정하지 말고 꼭 필요한 질문을 최대 3개만 해줘요. 일반적인 경우와 내 상황을 구분하고, 불확실한 내용은 ‘확인 필요’로 표시해줘요.
쇼츠로 핵심 보기
공식 참고 자료
- Google for Developers · Introduction to Large Language Models — 언어 모델이 토큰과 입력 맥락을 바탕으로 응답을 구성한다는 설명을 확인할 수 있어요.
작성 기준: 2026-07-23. 이 글에는 제품 구매 링크나 제휴 링크가 없어요.
