2026년 10월 업데이트.
LLM 기능을 출시했다면 아마 이런 피드백을 받았을 겁니다: "작동은 하는데 로봇처럼 들려요." 사용자들은 불릿 포인트 사용 습관, "좋은 질문입니다!" 같은 도입부 문구, 그리고 끝맺음의 "다른 질문이 있으시면 알려주세요!" 같은 패턴에 주목합니다. 이러한 패턴은 지원 챗봇을 스크립트를 읽는 것처럼 느끼게 하고, 작문 도우미를 일반적인 것으로 느껴지게 만듭니다.
이 글은 개발자들이 LLM 응답을 기본 어시스턴트처럼 들리는 것이 아니라, 마치 자신들의 제품처럼 들리도록 만드는, 비용 효율성 순으로 정리된 실용적인 수정 방법 목록입니다.
첫째, 제품에 맞는 '인간적'의 정의를 내리세요
Nielsen Norman Group은 톤 오브 보이스(tone of voice)를 네 가지 차원—재미있는지 vs. 진지한지, 격식적인지 vs. 캐주얼한지, 공손한지 vs. 무례한지, 열정적인지 vs. 사실 위주의지—으로 설명합니다. 프롬프트를 건드리기 전에 각 항목에 대한 지점을 선택해야 합니다. "캐주얼하고, 진지하며, 공손하고, 사실 위주"라는 것은 사양(spec)입니다. 단순히 "친근한" 정도는 아닙니다.
1. 시스템 프롬프트에 규칙과 예시를 추가하여 재작성하기
이 방법은 가장 적은 노력으로 가장 큰 효과를 볼 수 있습니다. OpenAI의 프롬프트 엔지니어링 가이드는 원하는 출력 형식에 대한 구체적인 지침과 예시를 권장하며, 이는 목소리(voice)에도 마찬가지로 적용됩니다.
Voice: casual, serious, respectful, matter-of-fact.
- 첫 문장에서 답변하세요. 인사말이나 "좋은 질문입니다" 같은 표현은 금지합니다.
- 3개 이상의 병렬 항목에만 불릿 포인트를 사용하고, 그렇지 않으면 산문으로 작성하세요.
...
솔직한 참고: 가장 큰 개선 효과를 가져오지만, 대화가 길어지면 규칙을 잃기 쉬우므로 주기적으로 재주입해야 합니다.
2. 결정론적 필터로 후처리하기(Post-process)
일부 문구는 어떤 프롬프트를 사용해도 살아남습니다. 작은 정규 표현식(regex) 패스를 통해 표시되기 전에 이들을 제거할 수 있습니다:
const STRIP = [
/^(great|good|excellent) question[!.]?\s*/i,
/\[\s*(let me know|feel free to ask) if you have any (other|more) questions[.!]?$/i,
...
솔직한 참고: 도입부 문구와 끝맺음 문구를 수정하는 데는 저렴하고 신뢰할 수 있지만, 답변의 중간 내용을 재작성하는 용도로는 사용해서는 안 됩니다.
콘텐츠를 채팅 응답이 아닌 (이메일 초안, 제품 설명, 블로그 섹션 등) 형태로 생성하는 기능의 경우, 검토 단계에 전용 휴머니저(humanizer)를 추가할 가치가 있습니다. UnAIMyText는 문장 단위로 재작성하여 리듬을 변화시키고 진부한 표현을 대체하면서 의미는 유지하는 무료 AI 휴머니저입니다. 총 제한이나 계정 없이 각 500단어까지 무료로 사용할 수 있으며, 사전에 격식(formality)과 감정적 어조를 설정할 수 있어 위에서 설명한 음성 규격(voice spec)에 깔끔하게 적용됩니다.
솔직한 참고: 이 도구는 웹 기반이며 사이트에 공개 API가 문서화되어 있지 않아, 실시간 채팅 파이프라인보다는 생성된 콘텐츠의 인간 검토 단계에 적합합니다.
4. 인-브라우저(in-browser) 검토를 위해 QuillBot 또는 Grammarly 사용하기
사람이 생성된 콘텐츠가 외부로 나가기 전에 검토한다면, 이미 가지고 있는 확장 프로그램들이 도움이 될 수 있습니다. QuillBot의 무료 휴머니저는 다섯 가지 언어에서 작동하며 ChatGPT와 Gemini 내부에서도 실행됩니다. Grammarly의 휴머니저는 여섯 가지 언어를 다루며 사용자 지정 음성(custom voice)을 학습할 수 있습니다.
솔직한 참고: 검토자에게는 훌륭하지만, 자동화된 응답에는 관련이 없으며 QuillBot의 무료 요청은 짧습니다 (약 100단어).
5. 실제 스크립트(transcripts)를 사용한 파인튜닝 또는 Few-shot 학습
우수한 인간 지원 답변들의 코퍼스(corpus)가 있다면, 몇 가지 예시(few-shot examples) (또는 가능한 경우 파인튜닝(fine-tuning))은 모델에게 어떤 형용사보다도 실제 조직의 목소리(voice)를 더 잘 가르쳐줍니다.
솔직한 참고: 가장 효과적인 장기적 해결책이자 가장 많은 노력이 필요한 부분입니다. 깨끗하고 동의된 데이터와 평가 세트(eval set)가 필요합니다.
테스트 방법
대표적인 사용자 메시지 30개를 고정된 세트로 유지하세요. 각 변경 사항에 대해 응답을 생성하고 점수를 매기세요:
- 첫 문장이 질문에 답하는가?
- 금지된 구문이 남아있는가?
- 평균 응답 길이 대 목표치.
- 블라인드 인간 평가: 1점에서 5점 척도로
챗봇이 글머리 기호(bullet points)를 사용해야 할까요?
진정으로 병렬적인 항목에만 사용하는 것이 좋습니다. 짧은 답변의 경우 산문(prose) 형태가 더 인간적으로 읽힙니다.
앱에서 길게 생성된 콘텐츠를 가장 인간적으로 보이게 만드는 방법은 무엇인가요?
구조화하는 프롬프트를 요청한 다음, 각 섹션을 사람이 검토하는 과정에서 휴머니저(humanizer)로 처리하고 마지막으로 편집해야 합니다.
흔히 하는 실수들
- 진지한 상황에서의 지나친 캐주얼한 어투. 청구서나 보안 관련 답변에 농담을 해서는 안 됩니다. 의도별로 톤을 다르게 설정하세요: 민감한 의도는 더 엄격한 프롬프트로 라우팅해야 합니다.
- 모든 구조를 제거하는 것. 사용 방법을 설명하는 단계(how-to)는 번호가 매겨진 상태로 유지되어야 합니다. '인간적'이라는 것이 '형식 없음'을 의미하지 않습니다.
- 공감 능력을 가장하는 것. 모든 차례마다