[무료 AI 강의] 클로드 101 독학 가이드 #2 - 원하는 답변을 얻는 프롬프트 작성법

 

이전 강의 REMIND 및 오늘 정리할 강의

 

[무료 AI 강의] 클로드 101 독학 가이드 #1 - 공식 교육 사이트 및 기초 질문법

 

이전 글로는 클로드 독학 강의 첫번째로 클로드가 무엇인지와 클로드와 대화하는 방법을 공부했습니다.

 

간략히 정리하면 상황 설정과 과제 정의, 규칙 명시의 3단계를 거치면서 가능하면 추가 자료 등을 제공하면 좋고 한 번에 대답을 얻기를 기대하기보다는 대화를 해 나가며 대답을 만들어 가는 과정으로 클로드와의 대화를 시작하는 거라 보았습니다.

 

이어서 두 번째 강의를 들어봅니다.

 

원하는 답변을 얻는 프롬프트 작성법 강의 시작

 

이번 편은 'Getting better results'로 말 그대로 더 나은 결과를 얻기 위하여 클로드를 어떻게 활용할지를 공부하는 챕터로 보입니다.

 

클로드 강의에서는 이 챕터를 통해 아래와 같은 내용을 알게 될 거라고 명시하고 있습니다.

• AI를 처음 접할 때 발생하는 문제점 파악 및 해결 기법을 활용하여 극복.
• AI활용 능력에 대해 정의하고 더 능숙하게 활용하는 방법을 학습.
• Claude가 나만의 고유한 작업 환경에서 어떻게 작동할지 잘 이해하기 위해 평가를 설정하는 방법 확인.

저 또한 LLM을 사용하면서 같은 프롬프트라도 매번 달라지는 대답 속에 원하는 대답을 얻기 위해 고심했던 부분이 있기에 상당히 흥미가 생기는 챕터입니다.

 

AI 사용 시 흔히 발생하는 문제점과 해결 규칙

클로드를 사용하면서 내가 원하는 대답이 아닌 다른 대답을 얻는 경우가 있을 수 있는데, 이는 지극히 정상이라고 합니다.

 

오히려 이를 통해 접근 방식을 새로이 하고 내 문제 해결 프로세스를 재정비하는 기회로 삼을 수 있다고 합니다.

 

아래는 그 중에 사용자가 가장 자주 만날 수 있는 일반적인 문제점과 해결 방법으로 제시하고 있는 사항입니다.

문제점	예상 원인	시도해 볼 수 있는 방법
너무 일반적인 답변일 경우	사용자의 질문이 구체적인 상황과 충분한 맥락 설명이 없는 경우	상황 설정, 과제 정의, 규칙 명시의 3단계를 지키면서 제약 조건에 대한 세부 정보를 추가하여 제시
답변이 너무 길거나 너무 짧은 경우	AI는 사용자의 질문에 대한 적절한 길이를 잘 추측함	동일하게 3단계를 지키면서 구체적으로 요청하는게 필요
답변이 내가 제안한 형식과 다를 때	AI가 사용자의 원하는 목적은 이해 했지만, 어떻게 표현하고 싶은지는 이해하지 못함	동일하게 3단계를 지키면서 형식에 대한 예시 제공 및 원하는 구조를 명확하게 설명
AI가 제공한 정보가 사실 틀린 정보였을 때	AI는 실제로 잘못된 정보를 제공할 수 있으며, 이는 구체적인 사실이나 전문적인 특정 분야에 관련된 정보에서 더욱 그럴 확률이 높음	- 중요도가 높은 업무는 AI 답변을 별도로 검증 - 클로드에게 답변의 출처를 제시하거나 신뢰 수준을 표시하도록 요청 - 웹 검색 기능을 활용하여 최신 정보에 근거한 답변 제공을 요청
AI 답변이 내가 원하는 어조가 아닌 경우	AI는 기본적으로 친절하고 전문적인 태도로 응답하지만, 사용자의 요구사항과는 맞지 않을 수 있음	원하는 어조를 쉬운 말로 예시를 들어 설명

 

제시하는 문제점과 예상 원인 및 시도해 볼 수 있는 방법을 찬찬히 보다 보면, 대부분 이전 강의에서 강조했던 상황 설정, 과제 정의, 규칙 명시의 3단계를 지키지 않아 발생한 문제라고 언급하고 있습니다.

 

그와 더불어 동일하게 이전 강의에서 강조했던, 예시 설정과 추가 맥락 자료 제시 및 원하는 대답에 대한 구조를 추가 설명하는 등 조금 더 프롬프트를 꼼꼼하게 작성하기를 요청하고 있습니다.

원하는 답변을 얻는 프롬프트 작성법 동영상 강의

 

그와 더불어 클로드를 비롯한 챗지피티나 제미나이 등의 AI LLM 모델을 사용할 때 가장 중요한 부분은 첫 번째 요청에서 완벽한 결과가 나오는 경우는 적다는 부분을 강조하고 있습니다.

 

이를 '반복적 사고방식'이라고 칭하고 있는데 이 또한 이전 강의에서 LLM 모델은 기본적으로 대화를 통해 원하는 바를 얻어낸다고 했던 것과 일맥상통하는 내용으로 보입니다.

 

이런 반복적 사고방식을 효과적으로 하기 위해 아래와 같은 가이드를 추가 제공하고 있습니다.

• 한 번에 모든 대답을 얻기보다는 초안을 시작으로 AI가 작성한 내용을 검토 후 좋은 점과 나쁜 점을 파악한 후 다듬는 과정을 거칩니다.
• AI의 대답에 대하여 추가 대화 시 구체적인 피드백을 제공한다. "더 간결하게 해 줘"도 좋지만, "처음 두 단락은 삭제하고 결론은 더 전문적인 블로거로서의 의견을 포함시켜 줘."가 좋다고 이해습니다.
• 특이하게 AI와의 대화가 엉뚱한 방향으로 흘러간다 싶으면 바로잡으려고 애쓰기보다는 다시 새 채팅으로 시작하는 게 더 빠를 수 있다고 합니다.

1강에 이어 2강에서도 생각지도 못한 새로운 꿀팁이 마구 나옵니다.

 

저도 개인적으로는 한 번의 프롬프트로 정확한 결과를 얻기를 선호하지만, 기본적으로 AI는 사용자와의 대화를 통해 목표를 찾아가기를 원하는 것 같습니다.

 

신기한 점은 클로드 공식 교육에서도 AI와의 대화가 생각지 못한 엉뚱한 방향으로 흘러가게 되면 차라리 새로 시작하라고 하고 있다는 점입니다.

 

AI 활용능력(AI Fluency) 향상을 위한 4D 프레임워크

영어로는 "AI Fluency"라고 되어있고 단순 번역으로는 AI 활용능력으로 보이는데, AI 활용 시 기초적인 방법과 문제에 대한 해결방법에 이어 갑자기 AI 활용능력에 대해 배우는 챕터가 나왔습니다.

 

AI 활용 능력은 AI 도구와 효과적으로 협업하는 능력으로 단순한 툴 사용 방법에 대한 부분이 아닌, 다양한 상황에서 AI를 실질적으로 잘 사용할 수 있는 전반적인 능력을 기르는 것을 의미한다고 합니다.

 

그에 따라 관련 대학 학과의 저명한 교수들의 연구 협력을 통해 개발된 AI 활용 능력 향상을 위한 4D 프레임워크는 AI를 최대로 활용하는데 도움이 되는 네 가지 핵심 역량을 제시하고 있습니다.

• 위임(Delegation) : 사람과 AI가 각각 수행할 작업을 분배하는 걸 의미합니다. 목표에 대한 이해도, AI가 가진 역량 파악, 그리고 협업을 위한 전략적 선택까지 아우르는 역량입니다.
• 설명(Description) : AI와 효과적으로 소통하는 것으로 AI 동작 및 상호작용을 위해 구체적으로 설명할 수 있는 능력을 이야기합니다.
• 분별력(Discernment) : AI의 답변과 구동 프로세스 및 행동 및 상호 작용을 비판적으로 평가하는 능력을 말합니다. 여기에는 AI 답변에 대한 품질과 정확성 및 적합성을 평가하고 개선 영역을 파악하는 부분을 포함합니다.
• 성실성(Diligence) : AI를 윤리적으로 사용하며 스스로의 책임을 회피하지 않는 자세를 말합니다.

교육 내에서도 언급하는데, 위 원칙은 결국 다시금 반복되는 상황 설정, 과제 정의, 규칙 명시의 3단계를 얼마나 잘 수행하는지에 대한 이야기라고 생각됩니다.

 

개인적으로는 결국 회사나 혹은 가정에서 업무 발생 시 일 배분과 지시 및 목표 달성을 위한 행위를 동료 혹은 가족과 수행하던 부분을 동일하게 AI와 하는 거라고 이해하였습니다.

 

AI를 내 업무 흐름에 맞게 평가하고 최적화하기

실제 강의에서는 workflow라고 명시하고 있는데, 개인적으로는 내 업무 흐름에 맞게 평가하는 거라 생각하여 이와 같이 번역하였습니다.

 

AI를 업무에 점점 더 많이 활용하다 보면 AI가 내 업무에 실제로 도움이 되는지를 봐야 하는데, 이 지점에서 위에 언급했던 분별력(Discernment)이 필요합니다.

 

이는 결국 AI의 업무 수행 능력을 직관적으로 평가(Evals)하는 부분과 연결됩니다.

 

이 평가는 클로드가 특정 유형의 업무를 얼마나 잘 수행하는지 체계적으로 테스트하는 방법입니다.

평가가 중요한 이유

여기서 평가를 논하는 부분은 단순 날씨나 물어보는 게 아닌, 특정 업무 수행에 대한 이야기입니다.

 

나만의 독창적인 작업은 보통의 마케팅 문구 작성 같은 게 아닌, 더 많은 지도가 필요한 부분이 있을 수 있습니다.

 

간단한 평가를 통해 AI에게 아래와 같은 도움을 받을 수 있습니다.

• AI가 업무 흐름에서 가장 큰 가치를 제공하는 부분 파악
• AI에게 더 자세한 설명이나 예시가 필요한 작업을 파악
• 반복적인 작업에 대한 Claude의 결과물에 대한 사용자의 신뢰 구축

결국 AI를 더 잘 활용하기 위하여 평가라는 과정을 거친다고 이해했습니다.

간단한 평가 접근법

1. 평소에 자주 반복적으로 하는 작업(기 작성한 이메일, 보고서 혹은 블로그 글 자료)에 대한 사례를 5~10개 정도 수집
2. 수집한 사례와 비슷한 결과를 도출하는 테스트 프롬프트 작성하며 중간중간 자연스럽게 들어가야 할 맥락을 포함시켜 나감
3. 작성한 테스트 프롬프트를 통해 얻은 AI응답과 내가 실제로 작성한 작업을 비교 후 아래와 같은 질문 수행
   - AI가 핵심 정보를 제대로 파악했는지
   - AI 응답의 어조와 스타일이 적절하지
   - 부족한 점이나 개선점이 무엇인지
4. 프롬프트를 다듬는 과정을 거침
   - AI에게 좋은 결과물에 대한 예시를 추가 제공하거나 사용자가 직접 프롬프트로 세세하게 지시를 하거나 결과물을 직접 검토해야 할 부분을 파악

결국 내가 하는 업무 중 일부 혹은 전부를 AI에게 시켰을 때에 내가 직접 창출해 낸 결과물과 유사하거나 더 뛰어난 결과물을 얻기 위한 방법을 이 교육에서는 '평가'라고 칭한 게 아닌가 싶습니다.

 

제 사례에 맞춰본다면 기 작성한 블로그 글 중 스스로 괜찮다고 생각한 글 - 예를 들면 조회수가 높게 나온 맛집 BEST 5건 - 을 수집하고 이와 유사한, 혹은 더 괜찮게 느껴지는 글이 나오게 하려면 어떻게 해야 하는지 고민하면서 테스트 프롬프트를 작성하는 과정을 거쳐야 한다고 이해했습니다.

 

이어서 교육 내용에서는 AI분야에서 데이터를 다루는 사람들에게 유용한 강의를 제시하며 AI가 사용자의 데이터를 어떻게 활용할 수 있을지 알아보기 위한 다음의 4단계를 제시하고 있습니다.

• 사용자가 직접 분석한 데이터셋을 탐색
• AI에게 분석을 대신 수행해 달라고 요청하는 프롬프트 생성
• AI의 결과를 사용자가 직접 분석한 데이터셋 원본과 비교
• 비교 결과를 통해 AI 답변의 패턴을 파악하고 그에 따라 프롬프트 정련
  - 예를 들어, AI의 답변이 숫자는 맞췄지만 전체적인 패턴을 놓쳤을 수도 있음

이런 평가 과정은 결국 프롬프트의 수정에 관련된 내용으로 이해되며, 이를 통해 내 업무를 어떻게 AI와 협업해야 할지, 그리고 어떤 프롬프트로 AI와 대화를 주고받아야 내 업무 프로세스가 개선될지에 대한 직관력을 키우는데 도움이 된다고 마무리하고 있습니다.

 

이번 강의의 결론

이번 강의는 프롬프트 엔지니어링을 간단히 "평가"라는 단어로 치환한 게 아닌가 생각된 챕터였습니다.

 

개인적으로도 "블로그 글을 써줘"로 시작한 프롬프트가 "나는 상의 1%의 여행 인플루언서 블로거야. 글을 작성해 줄 게 있어."로 프롬프트가 진화하고 있는 게 느껴집니다.

 

원하는 답변을 얻는 프롬프트 작성법 실습사례

 

더불어 "존댓말로 글을 작성해 줘"라고 입력했을 때에 AI는 "정말 맛집으로 느껴지더라고요"와 "정말 맛집이라고 생각됩니다"를 구별하지 못하여 다시금 "'~했어요.'가 아닌 정중한 '~했습니다.'의 존댓말로 글을 작성해 줘."라고 다시금 프롬프트를 수정한 경험이 있습니다.

 

저도 매번 블로그 글을 한 땀 한 땀 손으로 작성하기보다는 AI의 도움을 일부 받아 글 초안을 마련하고 이를 바탕으로 더 빠르고 정확한 정보를 담은 블로그 글을 작성해 보는 게 목표라 이번 강의를 통해 샘플 글과 유사한 글을 뽑아내는 테스트 프롬프트를 작성해 보고 비교해 보는 시간을 가져 보았습니다.