💡 이글은 강수진 박사님의 링크드인에 올라온 주요 프롬프트 팁을 내용이 너무 좋아 _ 쉬운 한국어 예시와 더불어 보탠 글입니다. 문제시 삭제하겠습니다. 출처 : 강수진 박사님 링크드인
개요
생성형 AI나 대규모 언어 모델(LLM)을 사용할 때 원하는 결과를 얻기 위해, 효과적으로 프롬프트를 작성하는 핵심 원칙과 실전 팁들을 간단히 정리하고 설명합니다.
주요 내용 요약
“프롬프트의 말투, 단어, 동사 어떻게 쓰느냐에 따라 결과가 달라진다”는 사실입니다. 언어의 다양한 특성을 잘 활용하면 성능이 훨씬 좋아지고, 좋은 프롬프트는 그냥 운 좋게 나오는 게 아니라 직접 실험하고 관찰하면서 만들어야 한다는 점을 강조합니다. 또, 모델이나 과제에 따라 프롬프트를 맞춤형으로 설계하는 게 중요하다는 얘기도 합니다.
1. 프롬프트 언어가 결과에 미치는 영향
💡 핵심 포인트 : 프롬프트의 언어 구성을 어떻게 하느냐에 따라 결과가 달라진다
프롬프트는 단순히 질문이나 지시를 전달하는 역할을 넘어서, 언어의 미묘한 차이들이 결과물의 품질에 큰 영향을 줍니다.
2. 프롬프트에 활용할 수 있는 언어적 요소들 (영어 기준)
좋은 프롬프트는 '발견'이 아니라 '만드는' 것이다
생성형 AI나 LLM을 잘 활용해서 원하는 결과를 얻으려면, 그냥 운 좋게 좋은 프롬프트를 “찾아내는” 게 아니라 직접 실험하고 관찰하면서 만들어야 해요.
프롬프트를 어떤 식으로 쓰느냐에 따라 결과가 완전히 달라지기 때문에, 언어의 다양한 특징들을 잘 활용해서 여러 방식으로 실험해보는 게 정말 중요하죠.
3. 프롬프트 실험, 이렇게 해보세요 🫡
✅ 문장 유형 다양하게 시도하기 (mood)
- 평서문, 의문문, 명령문 등 문장 형식을 다양하게 바꿔가며 실험해보세요.
- 특히 “Do you think this is…”처럼 질문형 프롬프트가 더 정확한 답을 끌어낼 때도 있어요.
- 하지만 항상 그런 건 아니기 때문에, 여러 문장 형태를 계속 시도해보는 게 중요합니다.
| 유형 | 예시 (영어) | 예시 (한국어) |
|---|---|---|
| 평서문 | "Summarize the key findings from this article." | "이 기사에서 핵심 내용을 요약해줘." |
| 의문문 | "Can you summarize the key findings from this article?" | "이 기사의 핵심 내용을 요약해줄 수 있어?" |
| 명령문 | "Summarize the article now." | "지금 이 기사 요약해." |
👉 의문형으로 바꾸면 AI가 좀 더 정중하고 구체적인 답변을 내놓는 경우가 종종 있습니다.
✅ 시제와 태 바꿔보기 (tense, aspect)
핵심 개념: 시제(현재, 과거, 미래)와 태(능동/수동)를 조절하면 모델 반응이 달라짐
- 대부분 현재 시제와 능동태를 쓰지만, 때로는 과거형, 미래형, 수동태로 바꿨을 때 더 좋은 결과가 나오는 경우도 있어요.
- 예를 들어, “Do you think” 대신 “Did you think”나 “Will you think”처럼 바꿔볼 수 있죠.
- 한국어로 프롬프트를 만들 때도, 현재 시제랑 과거 시제만 바꿔도 결과가 확 달라질 수 있습니다.
- 요점은, 문법을 단순하게 쓴다고 성능이 항상 좋아지는 건 아니라는 것!
| 실험 요소 | 예시 (영어) | 예시 (한국어) |
|---|---|---|
| 현재 시제 | "Do you think this approach is effective?" | "이 방법이 효과적이라고 생각해?" |
| 과거 시제 | "Did you think this approach was effective?" | "이 방법이 효과적이었다고 생각해?" |
| 미래 시제 | "Will this approach be effective?" | "이 방법이 효과 있을 것 같아?" |
| 수동태 | "Was this approach considered effective?" | "이 방법이 효과적인 것으로 여겨졌어?" |
👉 시제나 태에 따라 답변의 시점, 강조점, 정보량이 달라질 수 있습니다.
✅ 조동사도 바꿔보기 (modality)
핵심 개념: 'must', 'can', 'might' 같은 조동사를 어떻게 쓰느냐에 따라 AI의 확신도나 창의성이 달라질 수 있어요
- 늘 확정적인 말만 쓰기보다, ‘may’, ‘might’ 같은 덜 단정적인 표현도 시도해보는 게 좋아요.
| 조동사 | 예시 (영어) | 예시 (한국어) |
|---|---|---|
| must | "This must be the best way to solve the issue." | "이게 문제를 푸는 가장 좋은 방법이 틀림없어." |
| can | "This can be a good way to solve the issue." | "이게 문제 해결에 좋은 방법이 될 수 있어." |
| might | "This might be a good way to solve the issue." | "이게 좋은 방법일 수도 있어." |
👉 ‘must’는 단정, ‘might’는 열린 가능성, ‘can’은 실용적인 제안처럼 해석되므로 AI의 톤과 결과가 달라집니다.
✅ 동의어 바꿔쓰기 (어휘 대체) 자주 안 쓰는 동의어 써보기
핵심 개념: 자주 쓰는 단어 대신 덜 흔한 동의어를 쓰면 LLM이 더 깊이 있고 창의적인 결과를 낼 때가 있어요!
- 흔히들 “자주 쓰는 단어가 성능이 좋다”고들 하지만, 실제로는 희귀한 동의어를 썼을 때 성능이 더 좋을 때도 많아요.
- 예를 들어, ‘review’ 대신에 ‘appraisal’이나 ‘commentary’ 같은 단어를 써보면 결과가 더 좋아질 수 있어요.
| 원래 단어 | 대체 단어 | 예시 (영어) | 예시 (한국어) |
|---|---|---|---|
| review | appraisal | "Write an appraisal of this product." | "이 제품에 대한 평가를 작성해줘." |
| summary | synopsis | "Give me a synopsis of the story." | "이 이야기의 개요를 알려줘." |
| analysis | breakdown | "Provide a breakdown of the data." | "이 데이터를 분석해줘." |
✅ 프롬프트는 복붙보단 상황 맞춤이 필수! (프롬프트 전이 어려움)
핵심 개념: 잘 작동한 프롬프트도 다른 모델/과제에선 효과 없을 수 있음. 계속 조정이 필요함.
- 한 모델이나 데이터셋에서 잘 작동한 프롬프트라고 해서, 다른 모델이나 상황에서도 똑같이 잘 되진 않아요.
- 왜냐하면 모델마다 학습한 데이터가 다르기 때문이죠.
- 그래서 프롬프트는 무조건 맞춤형으로 새로 설계해야 하고, 복붙해서 쓴다고 효과를 기대하긴 어렵습니다.
- 결국은 계속 실험하고 조정하면서 최적의 문장을 찾아야 해요.
| 상황 | 예시 프롬프트 | 문제점 |
|---|---|---|
| 데이터 분석용 모델 | "Explain the plot of the story in simple terms." | 이 모델은 텍스트 분석보단 수치 분석에 특화되어 있어 문학적 줄거리 요약에 부적합 |
| 영어 학습 모델 | "Generate SQL code to join two tables." | 이 모델은 SQL 이해도가 낮아 코드 정확도가 떨어짐 |
✅ 마무리
LLM은 단순히 "많이 본 문장"을 좋아하는 게 아니에요. 언어의 미묘한 자극에 민감하게 반응하기 때문에, 프롬프트를 여러 번 써봤는데 결과가 별로라면, 위에서 말한 것처럼 문장 구조나 단어, 시제, 조동사 등을 계속 바꿔보면서 끊임없이 실험해보는 자세가 정말 중요합니다.
질문형으로 바꿔보기
→ 같은 프롬프트라도 질문형으로 바꾸면 더 나은 결과가 나올 수 있음.
문법이 단순하다고 항상 좋은 건 아님
→ 현재 시제나 능동태에만 집착하지 말고, 다양한 문법을 실험해볼 필요 있음.
조동사 선택이 중요하다
→ 확정적인 말투뿐 아니라, “may”, “might” 같은 불확실성 있는 표현도 잘 활용할 것.
흔한 단어보다 희귀한 동의어가 더 잘 먹힌다
→ 평소 자주 쓰는 단어 말고, 비슷한 뜻의 다른 표현도 시도해 볼 것.
프롬프트는 복붙이 안 된다
→ 어떤 모델에서 잘 먹혔던 프롬프트도 다른 상황에선 효과가 없을 수 있음.
→ 결국 프롬프트는 상황과 모델에 맞춰 직접 커스터마이징해야 함.
“한 모델과 데이터셋에서 잘 작동한 프롬프트는 다른 상황에서 같은 성능을 낼 가능성이 떨어집니다.”
프롬프트는 ‘발견’이 아니라 ‘제작’이다
좋은 프롬프트는 하다 보니 우연히 나오는 게 아니라, 계속 실험하고 결과를 관찰하면서 만들어가는 것입니다. 언어의 다양한 특성(문장 유형, 시제, 조동사, 어휘 등)을 직접 실험해보는 태도가 가장 중요합니다.
LLM은 그저 자주 본 문장을 좋아하는 게 아니라, 언어의 미묘한 자극에 민감하게 반응합니다. 한 번 써본 프롬프트가 기대만큼 안 먹힌다면, 문장 구조나 단어 선택을 다양하게 바꿔보세요.
결국 프롬프트를 잘 만들기 위해선, 모델이나 과제에 딱 맞는 방식으로 맞춤 설계해야 좋은 결과가 나오고, 단순한 문법이나 흔한 단어로만 접근하면 성능이 한계에 부딪힐 수 있어요. 프롬프트 작성도 ‘연구’와 ‘창작’처럼 생각하고 적극적으로 시도해보는 게 필요합니다.
의견을 남겨주세요