한 Anthropic 연구원의 프롬프트가 나의 AI 사용 방식을 영원히 바꾸어 놓았다. 여기 그 정확한 템플릿이 있다.
요약
Anthropic 연구원의 인터뷰를 통해 발견한 효과적인 프롬프팅 기법을 소개합니다. 개념을 직접 설명해달라고 요청하는 대신, 우화를 통해 설명하도록 유도함으로써 AI의 답변을 더 깊이 있고 기억에 남는 방식으로 만드는 방법을 다룹니다.
핵심 포인트
- 단순한 정의보다 우화를 통한 간접적 설명이 개념 이해에 더 효과적임
- 우화는 뇌가 인과 관계와 동기를 추론하게 만들어 인지적 마찰을 유도함
- 복잡한 개념을 내부 논리부터 재구성할 수 있는 프롬프트 템플릿 제공
- Anthropic 연구원 Amanda Askell의 AI 정렬 및 프롬프팅 철학 반영
대부분의 프롬프트는 AI에게 무언가를 설명해 달라고 요청합니다. 하지만 최고의 프롬프트는 대신 무언가를 보여달라고 요청합니다.
이러한 차이는 겉보기에만 달라 보이는 것 같습니다. 하지만 그렇지 않습니다. 이는 모델이 생성하는 내용, 당신이 그것을 처리하는 방식, 그리고 — 더 중요한 것은 — 그것이 실제로 기억에 남는지 여부를 변화시킵니다.
저는 Anthropic의 철학자이자 연구원인 Amanda Askell의 인터뷰를 보던 중 이 아이디어를 접했습니다. 그녀의 연구는 AI 정렬 (AI alignment)과 당신이 느슨하게 Claude의 내면 세계라고 부를 수 있는 영역의 교차점에 위치합니다. 그녀는 규칙이 다했을 때 모델이 추론하는 방식을 규정하는 프레임워크인, Claude의 가치와 성격을 정의하는 문서의 주요 저자입니다. 인터뷰 끝부분에 덧붙이듯, 그녀는 복잡한 개념을 이해하기 위해 사용하는 프롬프팅 (prompting) 기법을 언급했습니다.
그것은 저를 멈춰 세웠습니다. 정교해서가 아닙니다. 당혹스러울 정도로 단순했고, 제가 요청할 생각을 하지 못했던 방식으로 작동했기 때문입니다.
정확한 프롬프트 템플릿
정리하여 바로 사용할 수 있도록 준비한 내용은 다음과 같습니다:
[concept](개념)을 이해하고 싶습니다.
우화를 써서 그것을 설명해 주세요 — 간접적인,
...
그게 전부입니다. 정교한 구조도 없습니다. 사고의 사슬 (chain-of-thought) 트리거도 없습니다. 페르소나 (persona) 할당도 없습니다. 그저 이해가 도달해야 하는 _순서_에 대한 의도적인 결정일 뿐입니다.
이것이 작동하는 이유 (그리고 왜 직접적인 설명은 종종 실패하는가)
AI에게 개념을 직접 설명해 달라고 요청하면, 당신은 정의 (definition)를 얻게 됩니다. 정의는 정확하지만 잊히기 쉽습니다. 모델은 해당 개념에 대해 쓰인 모든 것의 통계적 중심을 생성합니다 — 명확하고, 완전하며, 마찰이 전혀 없습니다.
알고 보니, 마찰 (friction)이야말로 사물이 인코딩 (encoded)되는 방식입니다.
어떤 개념이 이야기 속에 감싸여 전달될 때, 당신의 뇌는 평소와 다르게 작동합니다. 뇌는 등장인물을 추적하고, 동기를 추론하며, 인과 관계의 모델을 구축합니다. 당신은 노력이 들지 않는 것처럼 느껴질지라도, 그 과정 내내 계속해서 '작동(working)'하고 있는 것입니다. 우화가 끝나고 개념이 명시적으로 이름 붙여질 때쯤이면, 당신은 이미 그 논리를 내부에서부터 외부로 재구성한 상태가 됩니다. 그 뒤에 따르는 설명은 새로운 무언가를 소개하는 것이 아니라, 당신이 방금 경험한 것을 확인시켜 주는 것에 불과합니다.
이것은 교육학(pedagogy)에서 새로운 아이디어가 아닙니다. 모든 소크라테스식 대화(Socratic dialogue), 모든 훌륭한 사례 연구(case study), 모든 효과적인 비유(parable)의 구조이기도 합니다. 새로운 점은 이제 당신이 마주치는 어떤 개념에 대해서든, 단 한 번의 프롬프트(prompt)로, 요구할 때마다 이 방식을 불러낼 수 있다는 것입니다.
저자의 노트: 나는 읽어본 적은 있지만 진정으로 이해했다고 느껴본 적 없는 대여섯 가지 개념들—'정보 비대칭(information asymmetry)', '재귀적 균형(reflexive equilibria)', '심슨의 역설(Simpson's paradox)' 같은 것들—에 대해 이 방식을 테스트해 보았습니다. 모든 경우에서, 우화 버전은 정의 버전과는 다르게 다가왔습니다. 모델은 내가 요청할 생각조차 못 했던 관점들을 찾아냈습니다. 개념이 단순히 설명되는 것이 아니라, 그 안에 '거주(inhabited)'하고 있다는 느낌을 받았습니다.
Askell의 연구가 프롬프팅에 대해 말해주는 것
이 우화 프롬프트는 Askell이 AI 상호작용에 대해 어떻게 생각하는지를 보여주는 더 큰 개념의 작은 창입니다. Anthropic의 Claude의 성격 개요(Claude's Character overview)에 기록된 Claude의 성격에 관한 그녀의 연구는, 모델이 단순히 규칙을 따르기만 해서는 안 된다는 아이디어를 중심으로 구축되었습니다. 모델은 규칙이 다했을 때 판단력을 발휘할 수 있을 만큼 가치를 깊이 내면화해야 합니다.
그리고 이는 우화 프롬프트 이면에 깔린 철학과 특정한 방식으로 맞닿아 있습니다. 두 접근 방식 모두 단순히 목적지가 아니라, '이해로 가는 경로(path to understanding)'를 설계할 가치가 있는 변수로 취급합니다.
대부분의 프롬프트 엔지니어(prompt engineers)는 무엇을 물어볼 것인가에 집착합니다. 반면 Askell은 무엇을 '언제' 드러낼 것인지, 그리고 독자(또는 모델)의 마음속에서 이해가 '어떻게' 스스로 조립되어야 하는지에 상당한 에너지를 쏟는 것으로 보입니다. 그것은 완전히 다른 차원의 기술입니다.
프롬프트는 질의가 아니라 경로이다
제가 프롬프트에 접근하는 방식을 더 넓은 의미에서 변화시킨 재정의(reframe)는 다음과 같습니다. 프롬프트는 질문이 아닙니다. 그것은 설계된 인지적 단계(cognitive steps)의 시퀀스입니다.
여러분이 "X를 설명해줘"라고 요청할 때, 여러분은 시퀀스 전체를 모델에 외주(outsourcing) 주는 것이며, 모델은 통계적으로 가장 흔한 시퀀스를 기본값으로 사용하게 됩니다. 그 시퀀스는 거의 항상 다음과 같습니다: 정의 → 예시 → 주의사항. 그것은 철저하지만, 일반적(generic)입니다.
반면, 서사(narrative)를 먼저 지정하고, 그다음 공개(reveal)를, 그다음 설명을 지정한다면 — 여러분은 단순히 다른 콘텐츠를 요청하는 것이 아닙니다. 여러분은 모델이 실행할 인지적 안무(cognitive choreography)를 지정하는 것입니다. 독자가 무엇을 먼저 마주할지, 무엇을 추론해야 하는지, 그리고 언제 보상(payoff)이 도착할지를 여러분이 결정하는 것입니다.
이것이 바로 Askell의 프롬프트와 같은 것이 프롬프팅에 대해 깊이 고민하는 사람들에게 흥미로운 이유입니다. 이것은 속임수가 아닙니다. 지시 계층(instruction layer)이 모델의 출력물뿐만 아니라 독자의 인지적 경험(reader's cognitive experience)을 제어할 수 있다는 증거입니다.
이것은 표면적인 프롬프팅보다 훨씬 더 깊은 수준에서 작동합니다. 만약 여러분이 The Anatomy of a Perfect Prompt에서 우리가 하는 것처럼 프롬프트 디자인(prompt design)의 관점에서 이 구조를 분석한다면, 이것이 작업(Task)과 형식(Format) 사이의 상호작용을 활용하고 있음을 알게 될 것입니다. 다만 여기서 형식은 단순히 구조적인 것이 아니라, 경험적(experiential)입니다. 여러분은 단순히 출력의 형태를 구성하는 것이 아니라, 독자의 여정(reader journey)을 설계(architecting)하고 있는 것입니다.
실질적인 함정 방지 가이드
개념을 너무 추상적으로 만들지 마세요. 우화(Fables)는 개념에 인과 구조(causal structure)가 있을 때 효과적입니다. 즉, 행위자(agents), 결정(decisions), 결과(consequences)가 있어야 합니다. 순수하게 수학적인 추상화(예: 리만 가설)는 개념을 실제로 밝혀주지 못하는 아름다운 산문을 만들어낼 수도 있습니다. 먼저 테스트해 보세요.
개념을 이름 붙이는 것을 서두르지 마세요. 이 프롬프트는 명시적으로 공개를 지연시킵니다. 만약 우화 요청에
독자 페르소나(reader persona)를 추가하세요. 어휘와 가정된 지식 수준을 제한하기 위해 "경제학적 배경 지식이 없는 사람을 위해 이것을 작성해 주세요"라는 문구를 앞에 붙이세요. 그러면 우화의 등장인물과 사건이 그에 맞춰 변화할 것입니다.
질문과 연쇄(Chain)시키세요. 우화와 설명을 받은 후, 다음과 같이 질문하세요: "이 이야기가 [개념]의 어떤 측면을 포착하지 못했나요?" 이렇게 하면 모델이 스스로 수행한 단순화에 대해 인지하고 있는 부분이 드러나며, 종종 해당 개념의 가장 흥미로운 예외 사례(edge cases)를 발견하게 됩니다.
더 넓은 시사점
AI를 광범위하게 사용하는 대부분의 사람들은 결국 동일한 관찰 결과에 도달합니다. 즉, 출력물은 설정(setup)만큼만 흥미롭다는 것입니다. 모델에 평이한 질문을 던지면 평이한 답변을 얻게 됩니다. 모델이 걷게 될 인지적 경로(cognitive path)를 설계하면, 구조적으로 완전히 다른 결과물을 얻을 수 있습니다.
Askell의 우화 프롬프트는 이것이 실제로는 어떤 모습인지를 보여주는 깔끔한 사례입니다. 이는 극단적인 의미의 프롬프트 엔지니어링(prompt engineering)은 아닙니다. XML 래퍼(wrappers), 역할 할당, 5문단 구성의 스캐폴딩(scaffolds) 같은 것이 없기 때문입니다. 이는 단지 '순서(sequence)'를 제어하기로 한 결정일 뿐입니다. 즉, 이야기 우선, 공개 다음, 설명 마지막 순서입니다.
이는 표준적인 대화형 프롬프팅(conversational prompting)의 핵심적인 한계를 강조합니다. 단문 프롬프트 사용을 중단해야 하는 이유를 분석할 때 탐구했던 함정처럼, 이해의 순서를 모델의 통계적 기본값(statistical defaults)에 외주 주는 대신, 이 접근 방식은 의식적으로 그 기본값들을 무시합니다. 우화 프롬프트는 지시사항의 무게를 더해서 성공하는 것이 아니라, 일반적인 순서를 설계된 순서로 대체함으로써 성공합니다.
서사 학습(narrative learning)에 관한 연구도 이를 뒷받침합니다. Claude의 캐릭터 발달에 관한 Anthropic의 자체 기록에 따르면, 이 회사는 Claude를 훈련시킬 때 규칙 준수보다는 덕 윤리(virtue ethics)에 더 가까운 방식을 의도적으로 선택했습니다. 즉, 지시를 내리는 대신 '성향(dispositions)'을 형성한 것입니다. 우화 프롬프트는 이와 유사한 철학을 구현합니다. AI에게 무엇을 출력하라고 말하는 대신, 올바른 출력이 자연스럽게 나타날 수 있는 조건을 설계하는 것입니다.
그것은 제대로 구현하기 더 어려운 일입니다. 하지만 일단 작동하기 시작하면, 이전과는 다르게 작동하며 — 그 차이는 즉각적으로 느껴집니다.
템플릿을 다시 한번 확인하세요:
[개념]을 이해하고 싶습니다.
우화(fable)를 써서 이를 설명해 주세요 — 간접적인,
...
복사해서 사용하세요. 직접적인 설명이 어려운 다음 개념에 적용해 보세요. 차이를 느끼게 될 것입니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기