AI에게 원하는 결과를 얻으려면 한 줄짜리 질문 대신 7가지 요소를 채운 '설계된 프롬프트'를 쓰면 된다. ① 역할 지정 ② 맥락·목표 제시 ③ 출력 형식 지정 ④ 예시 제공 ⑤ 단계로 사고 ⑥ 제약·금지 명시 ⑦ 되묻게 하기다. 이 일곱 가지는 ChatGPT·클로드·제미나이 등 어떤 챗봇에도 통하는 공통 원리로, 조합할수록 답변의 정확도와 완성도가 올라간다. 아래 공식을 체크리스트처럼 저장해 두고 쓰면 편리하다.

1. 역할을 지정하라

AI에게 먼저 어떤 전문가로서 답할지 역할을 부여하면 답변의 수준과 말투가 맞춰진다. "너는 10년 차 마케터야", "너는 깐깐한 코드 리뷰어야"처럼 역할을 정해 주면, AI는 그 관점의 어휘·기준·우선순위로 답한다. 같은 질문이라도 역할을 지정한 쪽이 훨씬 전문적이고 일관된 결과를 낸다.

2. 맥락과 목표를 함께 줘라

무엇을 위해, 누구를 대상으로 하는 작업인지 맥락을 주면 AI가 헛다리를 짚지 않는다. "신입 사원 대상 5분 발표 자료를 만들 거야"처럼 목적·대상·상황을 알려 주면, AI는 그에 맞는 난이도와 분량으로 답을 조정한다. 맥락이 없으면 그럴듯하지만 쓸모는 적은 일반론이 나오기 쉽다.

3. 출력 형식을 지정하라

원하는 결과의 형식을 미리 지정하면 후가공 시간이 크게 줄어든다. "표로 정리해줘", "불릿 5개로", "300자 이내로", "JSON으로"처럼 형식·분량을 못 박으면 바로 쓸 수 있는 형태로 나온다. 형식을 비워 두면 길고 산만한 줄글이 나와 다시 다듬어야 한다.

4. 예시를 보여줘라

원하는 결과의 예시를 한두 개 보여 주면 AI가 패턴을 정확히 따라온다. 좋은 답변 샘플이나 원하는 문체의 예문을 붙여 주는 방식으로, 이를 '퓨샷(few-shot)'이라고 부른다. 말로 길게 설명하기 어려운 톤·구조도 예시 하나면 한 번에 전달된다.

5. 단계로 나눠 생각하게 하라

복잡한 문제는 "단계별로 생각해줘"라고 요청하면 정확도가 올라간다. 한 번에 답을 내라고 하면 건너뛰는 추론을, 단계로 풀게 하면 중간 과정을 점검하며 답하기 때문이다. 계산·분석·논리가 필요한 작업일수록 이 한 문장의 효과가 크다.

6. 제약과 금지사항을 명시하라

해야 할 것뿐 아니라 하지 말아야 할 것을 적으면 결과가 안정된다. "전문 용어는 쓰지 마", "추측은 빼고 사실만", "500자 넘기지 마"처럼 분량·말투·금지 항목을 정해 주면 AI가 선을 넘지 않는다. 특히 사실성이 중요한 작업에서는 "모르면 모른다고 답해"가 환각을 줄이는 데 효과적이다.

7. 부족하면 되묻게 하라

정보가 부족할 때 바로 답하지 말고 먼저 질문하라고 지시하면 빗나간 결과를 막을 수 있다. "정보가 부족하면 추측하지 말고 먼저 나에게 물어봐"라는 한 문장을 넣는 방식이다. AI가 부족한 조건을 스스로 채워 잘못 답하는 대신, 필요한 정보를 되물어 정확한 결과로 이어진다.

7가지를 하나로 엮는 순서와 우선순위

일곱 요소를 나열하는 데서 그치면 오히려 프롬프트가 장황해진다. 실제로 효과가 큰 순서는 작업 성격에 따라 갈린다. 사실성이 걸린 조사·요약이라면 ⑥ 제약·금지와 ⑦ 되묻기가 앞선다. "모르면 모른다고 답해"와 "부족하면 되물어봐"가 환각과 헛다리를 동시에 막기 때문이다. 반대로 초안 작성처럼 방향만 잡으면 되는 작업은 ① 역할과 ② 맥락이 결과의 8할을 좌우한다. 형식이 정형화된 반복 업무라면 ③ 출력 형식과 ④ 예시를 한 번 만들어 두고 템플릿처럼 재사용하는 편이 낫다.

한 프롬프트에 일곱 개를 모두 밀어 넣을 필요도 없다. 오히려 앞의 세 요소(역할·맥락·형식)만 채워도 대부분의 일상 업무는 눈에 띄게 좋아진다. 나머지 넷은 결과가 어긋날 때 하나씩 더하는 '디버깅 손잡이'로 쓰는 편이 실전에 맞는다. 답이 두루뭉술하면 맥락을, 형식이 지저분하면 예시를, 논리가 어긋나면 단계 사고를, 자꾸 지어내면 제약과 되묻기를 추가하는 식이다.

한국 실무자를 위한 적용 노트

한국어로 지시할 때는 특히 ③ 출력 형식의 분량 기준을 '글자 수'가 아니라 '문장 수'나 '항목 수'로 주는 편이 안정적이다. AI가 한글 글자 수를 정확히 세지 못해 "300자 이내"가 잘 지켜지지 않는 경우가 많기 때문이다. "3문장 이내", "불릿 5개"처럼 세기 쉬운 단위로 바꾸면 준수율이 올라간다. 사내 보고서나 기획서처럼 정형 문서를 다룰 때는 ④ 예시로 기존에 통과된 문서 한 편을 통째로 붙이는 것이 말로 톤을 설명하는 것보다 훨씬 빠르다.

번역·검수가 필요한 실무에서는 ⑥ 제약을 언어 단위로 못 박는 것이 좋다. "고유명사와 코드는 원문 그대로 두고 나머지만 번역해"처럼 손대면 안 되는 범위를 명시하면 과잉 번역을 막는다. 또한 사내 데이터나 미공개 정보를 다룰 때 ⑦ 되묻기는 정확도뿐 아니라 리스크 관리 장치이기도 하다. AI가 모르는 사실을 그럴듯하게 채우는 대신 "그 수치는 어디서 확인하나"라고 되묻게 만들면, 검증 없이 확산되는 오정보를 원천에서 차단할 수 있다.

이 공식의 한계와 유의점

프롬프트 설계는 만능이 아니다. 애초에 학습 데이터에 없는 최신 사실이나 사내 비공개 정보는 아무리 정교하게 지시해도 정확히 나오지 않는다. 이때 필요한 것은 더 나은 프롬프트가 아니라 근거 자료를 함께 붙이는 것이다. 일곱 요소는 '가진 지식을 잘 끌어내는' 기술이지 '없는 지식을 만들어 내는' 기술이 아니라는 점을 구분해야 한다.

또한 요소를 무겁게 쌓을수록 좋아진다는 오해도 경계할 만하다. 지시가 길고 조건이 많아지면 모델이 일부 지시를 놓치거나 서로 충돌하는 조건 사이에서 임의로 하나를 택하기도 한다. ⑤ 단계 사고 역시 단순한 질문에까지 붙이면 답만 길어지고 실익은 적다. 결국 이 공식은 고정된 정답이 아니라, 결과를 보고 필요한 요소만 골라 더하고 빼는 반복 과정의 출발점으로 이해하는 편이 정확하다. 좋은 프롬프트는 한 번에 완성되기보다, 어긋난 지점을 보고 손잡이를 하나씩 돌려 맞춰 가는 결과물에 가깝다.

---

참고: Anthropic 프롬프트 엔지니어링 가이드 · OpenAI 프롬프트 가이드