프롬프팅의 유형: 프롬프팅 기술에 대한 완전 가이드

나는 2주 동안 Claude가 쓸모없다고 비난하며 시간을 보냈다. 알고 보니 Claude가 문제였던 것이 아니라, 내가 어떻게 질문해야 하는지 전혀 몰랐던 것이 문제였다.

그때 나는 프롬프팅 (Prompting)이 신비로운 것이 아니라는 사실을 깨달았다. 그것은 더 나은 질문을 던지는 것이다. 작업의 종류에 따라 서로 다른 방식이 효과를 발휘한다.

프롬프팅 (Prompting)이란 무엇인가?

AI에게 무언가를 수행하도록 요청하는 방법이다. 하지만 '잘' 수행하도록 하는 방법이다.

누군가에게 "음식을 만들어줘"라고 요청하면 냉장고에 있는 아무 음식이나 나오게 된다. 하지만 "지난달에 네가 만들어줬던 그 까르보나라 파스타를 만들어줘"라고 요청하면 당신이 정확히 원하는 것을 얻게 된다. 사람은 같지만, 요청 방식이 다르다.

실제로 중요한 7가지 기술은 다음과 같다:

1. 제로샷 (Zero-Shot): 그냥 질문하기. 예시 없음.

예시를 보여주지 않는다. 그냥 질문하고 무엇을 얻는지 확인한다.

이 모델들은 방대한 양의 텍스트로부터 패턴을 학습했다. 따라서 새로운 것을 질문하면, 모델은 자신이 알고 있는 것과 패턴을 매칭한다.

예시:

"AI에 관한 하이쿠를 작성해줘"

숫자로 만들어진 마음들
...

사용 시기: 빠른 번역, 감성 분석 (Sentiment checks), 기사 요약.

더 나은 결과를 얻는 방법: 모호함을 버려라.

• ❌ "AI에 대해 써줘"
• ✅ "AI가 고객 지원 비용을 어떻게 절감하는지에 대해 비즈니스 매니저를 위한 300단어 분량의 서론을 작성해줘 — 실제 사례를 사용해"

2. 퓨샷 (Few-Shot): 예시를 보여준 후 질문하기

원하는 것의 예시를 2~5개 제공한 다음, 새로운 데이터로 동일한 작업을 수행하도록 요청한다.

작동 원리: 예시를 보여주면 AI는 그 자리에서 패턴을 학습한다. 정확도의 상승 폭은 엄청나다. 나는 단 세 개의 예시를 추가하는 것만으로 정확도가 70%에서 94%로 급등하는 것을 보았다.

예시:

감성을 분류하세요:

리뷰: "놀라운 제품이에요! 정말 좋아요!"
...

AI: "긍정 (positive)"

최적의 지점 (Sweet spot): 3~5개의 좋은 예시. 양보다 질이 중요하다. 하나의 훌륭한 예시가 다섯 개의 평범한 예시보다 낫다.

3. 생각의 사슬 (Chain-of-Thought): 풀이 과정을 보여주게 하기

AI에게 단순히 추측하는 대신 단계별로 생각하도록 지시한다.

중요한 이유: AI에게 단계별로 생각하라고 요청하면? 더 잘 추론한다. 더 나은 논리, 더 적은 실수, 그리고 AI가 무엇을 하고 있는지 추적할 수 있게 된다.

예시:

단계별로:

1단계: 책 가격 = 3 × $15 = $45
...

사용 시점: 수학 문제, 논리, 분석, 디버깅 (Debugging), 계획 수립. 결과에 도달하는 과정을 확인하고 싶은 모든 경우.

4. 역할/페르소나 프롬프팅 (Role/Persona Prompting): AI에게 누구인지 알려주기

AI에게 역할을 부여하면, AI는 해당 관점과 지식 베이스 (Knowledge base)를 채택합니다.

예시:

• ❌ "스타트업을 할 때 무엇을 고려해야 하나요?"

• ✅ "당신은 3개의 스타트업을 일궈낸 연쇄 창업가입니다. 창업할 때 무엇을 고려해야 할까요?"

• ❌ "머신러닝 (Machine learning)에 대해 설명해줘"

• ✅ "당신은 학부생들에게 머신러닝을 설명하는 교수입니다. 이를 설명해 주세요."

이렇게 하면 응답이 일반적인 AI의 말투 대신, 해당 분야를 잘 아는 전문가의 말투처럼 들리게 됩니다.

5. 시스템 프롬프팅 (System Prompting): 기본 규칙 설정하기

시스템 프롬프팅 (System prompting)은 사용자가 보내는 모든 내용에 적용됩니다. 이는 업무를 시작하기 전 누군가에게 브리핑을 하는 것과 같습니다.

예시:

System: "당신은 친절한 고객 지원 전문가입니다.
- 친절하고 공감하며 응대하세요.
- 문제를 빠르게 해결하세요.
...

모든 응답은 해당 규칙을 따르게 됩니다.

6. JSON 프롬프팅 (JSON Prompting): 실제로 사용할 수 있는 데이터 얻기

코드가 파싱 (Parse)할 수 있는 구조화된 출력 (Structured output)을 원하시나요? AI에게 특정 구조를 가진 JSON만 반환하도록 지시하세요.

예시:

고객 정보를 추출하세요. JSON만 반환하세요:
{
  "name": "",
...

지저분한 산문 대신 파싱 가능한 JSON을 얻을 수 있습니다.

7. 컨텍스트 프롬프팅 (Context Prompting): 소스 자료 제공하기

정확한 답변을 원하시나요? AI에게 참조할 실제 소스 (Source)를 제공하세요.

작동 원리: AI는 환각 (Hallucination) 현상을 일으킵니다. 하지만 특정 소스를 제공하면 어떻게 될까요? AI는 대부분 그 내용에 충실하게 됩니다. 정확도가 극적으로 향상됩니다.

예시:

이 실적 보고서를 바탕으로, 3분기 매출은 얼마였나요?

[보고서 붙여넣기]
...

문서에 있는 실제 숫자를 가져옵니다. 지어낸 것이 아닙니다.

기술 결합하기: 강력해지는 순간

기술들을 쌓아서 사용하세요 (Stacking):

퓨샷 (Few-shot) + 역할 (Role):

당신은 패션 전문가입니다.

스타일을 분류하세요:
...

생각의 사슬 (Chain-of-thought) + 퓨샷 (Few-shot):

단계별로 해결하세요:

문제: 앨리스는 권당 $15인 책 3권을 10% 할인된 가격에 삽니다. 비용은?
...

빠른 비교

빠른 비교

유형 (Type)	속도 (Speed)	정확도 (Accuracy)	적합한 용도 (Best For)
Zero-shot	⚡⚡⚡	⭐⭐	빠른 작업 (Quick tasks)
...

전략 (The Strategy)

단순하게 시작하세요. 필요하다면 예시를 추가하세요. 자동화를 위해 구조를 추가하세요. 정확도를 위해 문맥 (Context)을 추가하세요. 효과적인 방법들을 결합하세요.

코드 예시, 실제 프로젝트, 그리고 피해야 할 일반적인 실수들이 포함된 전체 가이드를 원하시나요?

TechBasics에서 전체 인터랙티브 가이드를 읽어보세요

이 가이드에는 실용적인 예시, 코드 스니펫 (Code snippets), 그리고 전문가들이 실제 운영 환경 (Production)에서 이러한 기술들을 어떻게 사용하는지에 대한 내용이 포함되어 있습니다.