저는 Allan Knox의 훌륭한 블로그 포스트들을 읽었으며, 프롬프트 엔지니어링 (Prompt Engineering)에 관한 핵심 내용을 모아보았습니다.

AI와 함께 일할 때 지켜야 할 6가지 권장 사항(Do's) 및 금지 사항(Don'ts), 그리고 무엇보다 중요한 점은 이것들이 기계 내부(machine room)에서 왜 작동하는지에 대해 정리했습니다.

1. AI가 당신의 "이유"를 선택하게 하지 마세요 (Own the Why)

🔴 DON'T: "좋은 작업 관리 앱을 위한 기능들을 찾아줘."

• 나쁜 이유: 당신은 AI가 빈틈을 채우고 앱이 실제로 어떤 문제를 해결해야 하는지 추측하게 만듭니다. 결국 당신의 프로젝트 전체가 기계의 잘못된 가정 위에 구축되는 결과를 초래합니다.

🟢 DO: "나는 청구서 발행을 잊어버리는 프리랜서 목수들을 위해 특별히 앱을 만들고 있어. 이 아이디어를 구체화해줘."

• 좋은 이유: 당신의 "이유(Why)"는 모든 미래의 결정과 기능이 되돌아봐야 할 토대입니다. 목적은 당신 스스로 소유해야 합니다.

2. 범위를 제어하세요 (AI는 준비하고, 결정은 당신이 합니다)

🔴 DON'T: AI가 제시하는 방대한 기능 목록을 실제 프로젝트 범위(Scope)로 삼지 마세요.

• 나쁜 이유: AI의 목록은 멋져 보이지만 함정입니다. 그것은 우선순위가 전혀 없는 가능성들의 더미일 뿐입니다. 위험한 점은 당신이 능동적으로 결정을 내리는 것이 아니라, 단순히 선택하는 것을 잊어버리게 된다는 것입니다.

🟢 DO: AI를 사용하여 가능성을 탐색하되, 최소 기능 제품 (MVP, Minimum Viable Product) 이외의 모든 것을 쳐내는 힘든 결정은 직접 내리세요.

• 좋은 이유: AI는 폭넓은 범위를 생성하고 아이디어를 내는 데 탁월하지만, 우선순위를 정하고 제외하는 것은 당신의 과업입니다.

3. 모델과 도구의 차이를 이해하세요 (두 가지 계층)

🔴 DON'T: 당신의 도구(예: Cursor 또는 Copilot)가 "멍청하다"며 비난하지 마세요.

• 나쁜 이유: AI 모델 자체와 플랫폼을 혼동하면 불공정한 비교, 잘못된 결정, 그리고 돈 낭비로 이어집니다.

🟢 DO: "두뇌" (생각하고 추론하는 Claude/GPT)와 "책상" (파일과 컨텍스트를 제공하는 당신의 IDE/플랫폼)을 구분해야 함을 기억하세요.

• 좋은 이유: 이는 진정한 문제를 식별하는 데 도움을 줍니다. 대부분의 경우 모델은 괜찮지만, 당신의 환경이 모델에게 적절한 정보에 접근할 수 있는 권한을 제공하지 못하는 것이 문제입니다.

4. 작업 분해 (Task Decomposition) 숙달하기

🔴 DON'T: "데이터베이스, 이메일, 보안 기능이 포함된 완전한 로그인 시스템을 구축해줘."

• 나쁜 이유: 큰 문제는 항상 작은 문제들을 숨기고 있으며, 많은 프로젝트가 단지 작업을 제대로 분해하지 않았다는 이유만으로 실패합니다.

🟢 DO: "첫 번째 단계: 사용자를 위한 데이터베이스 스키마(Database Schema)만 작성해줘. 그 다음에 API를 구축하자."

• 좋은 이유: 훌륭한 작업 분해는 복잡성을 진전으로 바꾸어 놓으며, AI는 작고 관리 가능한 작업에서 훨씬 더 나은 성능을 발휘합니다.

5. 추측은 디버깅(Debugging)이 아니다

🔴 DON'T: "작동하지 않아, 고쳐줘!"라고 프롬프트를 입력하거나 무작위로 print 문을 삽입하는 것.

• 나쁜 이유: 추측은 디버깅이 아닙니다. 이러한 접근 방식은 종종 실제 문제를 숨기고, AI가 눈을 가린 채 헤매는 동안 새로운 오류를 만들어내는 경향이 있습니다.

🟢 DO: 코드를 수정하기 전에 오류 메시지를 분석하고, 시스템을 관찰하며, 근본 원인(Root Cause)을 찾으세요. 그 후 구체적인 로그와 오류 메시지를 포함하여 AI에게 프롬프트를 전달하세요.

• 좋은 이유: 체계적인 문제 해결은 문제의 근본 자체를 식별하며, 이는 당신의 프로토타입을 훨씬 더 안정적으로 만들고 구축을 더 쉽게 만들어 줍니다.

6. 기술 부채(Technical Debt)를 가시화하기

🔴 DON'T: 임시방편(Quick-fix)을 요청하고, 코드가 프로덕션(Production)에 배포될 때 그것들을 모두 잊어버리는 것.

• 나쁜 이유: 이는 기술 부채가 보이지 않는 곳에서 관리되지 않은 채 늘어나게 만듭니다. 당신은 결과에 대해 인지하지 못한 채 단기적인 속도를 위해 장기적인 유지보수성을 희생하는 것입니다.

🟢 DO: 속도를 유지하기 위해 지름길을 택하되, 항상 명확한 주석을 남기세요: // TODO: TECH DEBT.

• 좋은 이유: 기술 부채는 초기 프로토타입 단계에서 종종 불가피합니다. 지름길을 의식적으로 선택하고 이를 명시적으로 남겨두면, 부채가 당신을 휘두르는 대신 당신이 부채를 관리할 수 있습니다.

제가 이전 포스팅들에서 언급했듯이: AI는 당신의 판단력을 대체하는 것이 아니라, 당신의 결정에 더 나은 입력값 (Input)을 제공해야 합니다. 💡

여러분은 일상생활에서 이러한 AI의 함정 중 어떤 것을 가장 자주 경험하셨나요? 아래에 댓글을 남겨주세요 – 여러분의 경험을 듣고 싶습니다! 👇