AI Prompt Engineering · 강의

지나치게 모호한 지시문

프롬프트의 대표적인 실패 원인인 ‘좋은 것’을 정의하지 않고 ‘뭔가 좋은 것’을 요청하는 문제를 알아봅니다.

레슨 1/413개 단계

지나치게 모호한 지시문은(는) CoddyKit의 무료 AI Prompt Engineering 강의입니다. 이것은 4개 중 1번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 AI Prompt Engineering 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. AI Prompt Engineering 강의에는 총 4개의 강의가 포함되어 있습니다.

모호함의 함정

초보자가 프롬프트에서 가장 흔히 하는 실수는 모호함입니다. 원하는 결과를 모델이 안정적으로 생성할 수 없을 만큼 일반적인 지침을 작성하는 것입니다.

“인공지능에 관한 좋은 내용을 작성해 주세요.”

이 프롬프트에는 형식, 대상 독자, 분량, 어조, 관점, 목적에 대한 정보가 전혀 없습니다. 모델은 무언가를 생성하겠지만, 여러분이 염두에 둔 내용과 일치할 가능성은 낮습니다. 모호한 프롬프트는 일관되지 않고 예측하기 어려운 출력 결과를 만들어 내며, 대폭적인 편집이 필요합니다.

프롬프트를 모호하게 만드는 요소

모델이 올바른 결정을 내리는 데 필요한 차원 중 하나 이상이 빠져 있으면 프롬프트가 모호합니다. 핵심 차원은 다음과 같습니다:

  • 무엇 — 구체적인 주제 또는 작업
  • 누구 — 대상 독자
  • 왜 — 목적 또는 목표
  • 어떻게 — 형식, 구조, 스타일
  • 얼마나 — 분량 또는 범위

항상 다섯 가지가 모두 필요한 것은 아니지만, 빠진 항목이 많을수록 모델이 더 많이 추측해야 하며 추측은 결과의 변동성을 높입니다.

모호함 진단: 다섯 가지 질문

프롬프트를 보내기 전에 다음 다섯 가지 진단 질문으로 점검하십시오:

  1. 구체적으로 무엇을 요청하고 있습니까? (단순히 “X에 대해 작성해 주세요”가 아니라 어떤 유형의 출력 결과입니까?)
  2. 대상 독자는 누구입니까? (해당 분야 전문가입니까? 초보자입니까? 특정 인물입니까?)
  3. 출력 결과를 어디에 사용할 예정입니까?
  4. 어떤 형식과 분량이어야 합니까?
  5. 제약 조건이나 피해야 할 사항이 있습니까?

이 질문 대부분에 답할 수 없다면 프롬프트가 너무 모호한 것입니다. 보내기 전에 60초를 들여 답을 추가하십시오.

모호함과 구체성 비교

모호한 예: “기계 학습에 대해 알려 주세요.”

구체적인 예: “기술적 배경이 없는 소규모 사업주 중 고객 서비스에 인공지능 도구를 사용할지 고민하는 사람을 대상으로, 기계 학습이 무엇인지 200단어로 설명해 주세요. 일상적인 언어를 사용하고 기술 용어는 쓰지 마세요. 내부적으로 어떻게 작동하는지가 아니라 무엇을 하는지에 초점을 맞추세요.”

구체적인 버전은 주제, 대상 독자, 분량, 어휘 수준, 초점 영역 등 모델에 필요한 모든 정보를 제공합니다. 따라서 첫 시도부터 훨씬 더 유용한 출력 결과를 얻을 수 있습니다.

구체화되지 않은 작업 문제

많은 모호한 프롬프트에는 출력 유형이 명확하지 않은, 충분히 구체화되지 않은 작업이 포함되어 있습니다. “기후 변화에 대해 작성해 주세요”는 다음 중 어느 것을 의미할 수 있습니다:

  • 사실을 설명하는 글
  • 설득문
  • 시
  • 소셜 미디어 게시물
  • 비즈니스 위험 분석
  • 어린이 이야기

이 프롬프트에서는 이 모든 결과가 유효할 수 있습니다. 작업 유형을 지정하지 않으면 모델은 학습 데이터에서 가장 흔한 패턴을 기본값으로 선택합니다. 대개 일반적인 정보 전달형 글이 생성되지만, 그것이 여러분에게 필요한 결과가 아닐 수도 있습니다.

대상 독자 누락 문제

대상 독자는 프롬프트에서 가장 큰 영향을 미치는 차원 중 하나입니다. 같은 주제라도 대상 독자에 따라 완전히 다르게 설명해야 합니다:

  • “머신 러닝 엔지니어에게 신경망을 설명해 주세요” → 기술적 깊이, 구체적인 용어, 코드 예시
  • “12세 어린이에게 신경망을 설명해 주세요” → 비유 중심, 수식 없음, 구체적인 예시
  • “마케팅 임원에게 신경망을 설명해 주세요” → 작동 원리보다 비즈니스 영향, ROI에 초점

대상 독자를 지정하지 않으면 모델이 임의로 하나를 선택합니다. 이러한 선택은 실제 사용 사례에 맞지 않는 경우가 많습니다.

모호함을 체계적으로 해결하기

모호한 프롬프트를 구체적인 프롬프트로 바꾸는 체계적인 방법은 WHO-WHAT-FOR-HOW-HOW-MUCH 프레임워크를 사용해 각 차원을 구체화하는 것입니다:

VAGUE_PROMPT = 'Write something about productivity.'

# Expand each dimension:
who = 'remote software engineers who struggle with context-switching between tasks'
what = 'a practical guide to the Pomodoro Technique'
for_what = 'a company internal newsletter'
how = 'numbered steps, conversational tone, include one counterintuitive tip'
how_much = '250 words'

SPECIFIC_PROMPT = (
    f'Write {what} for {who}. '
    f'This will appear in {for_what}. '
    f'Format: {how}. '
    f'Length: {how_much}.'
)

print(SPECIFIC_PROMPT)
# Output: Write a practical guide to the Pomodoro Technique for remote software engineers
# who struggle with context-switching between tasks. This will appear in a company internal
# newsletter. Format: numbered steps, conversational tone, include one counterintuitive tip.
# Length: 250 words.

주의해야 할 흔한 모호한 단어

프롬프트에서 특정 단어는 거의 항상 모호하므로 구체성 점검을 시작해야 한다는 신호가 됩니다:

  • 좋은 — 어떤 기준에서 좋은가요? 누가 좋다고 판단하나요?
  • 더 나은 — 무엇보다 더 나은가요?
  • 적절한 — 어떤 맥락이나 대상 독자에게 적절한가요?
  • 전문적인 — 어느 업계에서 전문적인가요? 어느 정도의 격식 수준인가요?
  • 개선하다 — 어떤 차원을 개선하나요? 명확성인가요? 분량인가요? 정확성인가요?
  • 흥미로운 — 누구에게 흥미로운가요?

자신의 프롬프트에서 이런 단어를 발견하면 그 단어가 암시하는 후속 질문을 하십시오. 그 질문에 대한 답이 구체적인 지침이 됩니다.

구체성의 연속선

구체성은 연속선상에 있으므로 항상 최대한 구체적으로 작성할 필요는 없습니다. 적절한 수준은 작업에 따라 달라집니다:

  • 창의적 탐색 — 낮은 구체성이 의도된 경우입니다. 모호한 프롬프트가 놀라울 정도로 다양한 결과를 만들어 냅니다.
  • 반복적인 제작 — 일관성과 재사용성을 위해 높은 구체성이 필요합니다
  • 사실 검색 — 높은 구체성이 모델이 올바른 측면에 집중하는 데 도움이 됩니다
  • 아이디어 발상 — 중간 정도의 구체성: 분야는 정의하되 아이디어는 열어 둡니다

구체적인 출력 결과가 필요할 때 모호함은 실수입니다. 창의적인 범위를 원할 때는 장점이 됩니다.

출력 예시로 모호한 지침 대체하기

때로는 모호한 프롬프트를 해결하는 가장 효율적인 방법이 원하는 결과를 말로 설명하려고 하기보다 원하는 출력 결과의 예시를 추가하는 것입니다:

“다음과 같은 스타일로 제품 슬로건을 작성해 주세요. ‘적은 것으로 더 많이 하세요.’ ‘다르게 생각하세요.’ ‘그냥 하세요.’”

이 예시를 사용하면 ‘간결한’, ‘강렬한’, ‘브랜드 어조’, ‘기억에 남는’을 추상적인 용어로 정의할 필요가 없습니다. 모델은 설명어에서 패턴을 추론할 때보다 예시에서 패턴을 추출할 때 더 안정적으로 작동합니다. 예시는 사용할 수 있는 구체성 개선 방법 중 가장 효율적인 경우가 많습니다.

구체성 조정: 너무 적지도, 너무 많지도 않게

과도한 구체화는 모호함과 반대되는 실수입니다. 매우 구체적인 제약 조건 15개가 포함된 프롬프트는 모든 제약 조건을 기술적으로 충족하지만 기계적이고 부자연스러운 출력 결과를 만들 수 있습니다.

다음과 같이 자문하며 조정하십시오. “나와 함께 일해 본 적이 없는 사람에게 이 프롬프트를 건네면 어떤 결과를 만들까?” 유능한 사람이 프롬프트만 보고 필요한 결과를 만들 수 있다면 충분히 구체적인 것입니다. 명확히 하기 위한 질문을 해야 한다면 그 답을 프롬프트에 추가하십시오. 제약이 너무 많다고 느낄 것 같다면 일부 제약 조건을 제거하십시오.

지식 확인: 모호함 식별하기

다음 네 가지 프롬프트를 가장 모호한 것부터 가장 구체적인 것까지 순위를 매기십시오:

(A) “리더십에 대해 작성해 주세요.”

(B) “기술 스타트업의 초임 관리자를 대상으로, 첫 30일 동안 실천할 수 있는 구체적인 행동 세 가지에 초점을 맞춰 서번트 리더십에 관한 300단어 분량의 글을 작성해 주세요.”

(C) “좋은 리더십 글을 작성해 주세요.”

(D) “관리자를 대상으로 리더십 스타일에 관한 글을 작성해 주세요.”

복습: 지나치게 모호한 지침

모호함은 짧은 시간에 모호한 프롬프트를 작성하기 쉽기 때문에 가장 흔한 프롬프트 실수입니다. 그 대가는 대폭적인 편집이 필요한 일관되지 않고 예측하기 어려운 출력 결과입니다.

해결 방법은 체계적입니다. WHO(대상 독자), WHAT(작업 유형), FOR(목적), HOW(형식과 스타일), HOW MUCH(분량)를 구체적으로 지정하십시오. 흔히 쓰이는 모호한 단어(좋은, 더 나은, 적절한, 전문적인)를 주의하고, 그 단어가 암시하는 질문에 대한 구체적인 답으로 바꾸십시오. 설명만으로 충분하지 않을 때는 예시를 사용하십시오.

다음 레슨에서는 모호함과 반대되는 문제인 상충하는 요구 사항을 다룹니다.

무료로 시작

AI 튜터와 함께 AI Prompt Engineering을(를) 배우세요 — 무료

브라우저에서 실제 코드를 작성하고 실행하며, 24/7 AI 튜터로부터 즉각적인 도움을 받고, 웹이나 앱에서 중단한 부분부터 계속 학습하세요.

코스
53
레슨
199

자주 묻는 질문

“지나치게 모호한 지시문” 강의는 무료인가요?

네 — “지나치게 모호한 지시문” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 AI Prompt Engineering 강의 전체를 잠금 해제할 수 있습니다. AI Prompt Engineering 강의에는 총 4개의 강의가 포함되어 있습니다.

“지나치게 모호한 지시문”에서 뭘 배우나요?

프롬프트의 대표적인 실패 원인인 ‘좋은 것’을 정의하지 않고 ‘뭔가 좋은 것’을 요청하는 문제를 알아봅니다. 브라우저에서 직접 실행하는 실습 코드로 AI Prompt Engineering을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

AI Prompt Engineering을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 AI Prompt Engineering은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 1번째 강의입니다.

“지나치게 모호한 지시문” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 AI Prompt Engineering 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 AI Prompt Engineering 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

  1. 지나치게 모호한 지시문
  2. 서로 모순되는 요구 사항
  3. 맥락 누락 오류
  4. 잘못된 프롬프트 진단 및 수정
← AI Prompt Engineering(으)로 돌아가기