프롬프트 엔지니어링

AI에게 잘 물어보는 법

같은 AI에게 같은 질문을 해도 어떻게 묻느냐에 따라 답의 질이 천차만별이다. 이 장에서는 AI에게 원하는 결과를 얻어내는 3대 기법과 환각을 줄이는 방법을 본다.

#5-1. 프롬프트 엔지니어링이란?

한 줄 정의

AI에게 원하는 결과를 얻기 위해 입력(프롬프트)을 설계하는 기술

#3가지 핵심 기법

flowchart LR
    A["1️⃣ Context<br/>맥락 제공"] --> B["2️⃣ Persona<br/>역할 부여"]
    B --> C["3️⃣ CoT<br/>단계별 생각"]
    style A fill:#e3f2fd,stroke:#1e88e5
    style B fill:#fff3e0,stroke:#fb8c00
    style C fill:#f3e5f5,stroke:#8e24aa

#5-2. 기법 1: Context — 맥락 제공

AI는 맥락이 풍부할수록 좋은 답을 내놓는다.

이메일 써줘

다음 상황에 맞는 정중한 사과 이메일을 작성해줘.

- 상황: 거래처에 납품일을 1주일 연기해야 함
- 수신자: 일본 회사 구매 담당자
- 톤: 격식 있되 너무 딱딱하지 않게
- 길이: 200자 내외
- 언어: 일본어 (정중체)

#5-3. 기법 2: Persona — 역할 부여

AI에게 "누구"인지 알려주면 답변 스타일과 깊이가 달라진다.

당신은 10년 경력의 시니어 백엔드 개발자입니다.
다음 코드를 코드 리뷰 관점에서 분석해주세요.
특히 성능, 보안, 가독성 측면을 중점적으로 봐주세요.

같은 코드 질문, Persona 유무에 따른 답변 차이:

#자주 쓰는 Persona 예시

• "당신은 친절한 한국어 교사입니다." — 외국인을 위한 한국어 설명

• "당신은 5살 어린이에게 설명하는 과학자입니다." — 쉬운 비유로 풀어쓰기

• "당신은 보안 전문가입니다." — 보안 관점의 코드 점검

• "당신은 일본 비즈니스 매너 전문가입니다." — 일본어 비즈니스 메일

#5-4. 기법 3: Chain-of-Thought (CoT)

AI에게 "단계별로 생각해보라"고 지시 → 복잡한 추론의 정확도가 크게 상승한다.

#CoT 프롬프트 예시

다음 문제를 단계별로 풀어주세요.
한 단계씩 추론 과정을 보여주고 최종 답을 마지막에 정리해주세요.

문제: 사과 12개를 3명에게 똑같이 나누고,
      각 사람이 절반을 먹었습니다.
      남은 사과는 총 몇 개인가요?

답: 3개

단계 1: 12개를 3명에게 똑같이 나누면 한 사람당 4개
단계 2: 각자 4개 중 절반을 먹었으니 한 사람당 2개 남음
단계 3: 3명 × 2개 = 6개

답: 6개

수학 벤치마크 정확도 — CoT 효과 (GPT 시리즈 기준)

간단한 프롬프트 한 줄로 정확도가 32% → 82%. 추론 모델(o3, R1)은 내부적으로 자동 CoT를 수행한다.

#5-5. 환각(Hallucination) 줄이기 — 5가지 방법

Part 4에서 봤듯, LLM은 모르는 것을 그럴듯하게 지어내는 치명적 한계가 있다. 이를 줄이는 5가지 방법:

#5-6. 인지 편향 — 린다 문제

심리학자 카너먼·트버스키의 유명한 실험이 있다.

#정리

• 3대 기법: Context (맥락) · Persona (역할) · Chain-of-Thought (단계별 사고)

• 환각 방지 5요령: 출처 요구 / 모름 인정 / RAG / 검색 / 사람 검증

• AI의 답은 그럴듯해 보일수록 의심해야 한다

다음 장에서는 한 단계 더 위 — "AI가 답할 때 도대체 뭘 보고 있는가"를 설계하는 컨텍스트 엔지니어링으로 넘어간다.