인공지능이 처리할 수 있는 요청 유형
인공지능 작업의 분류 체계: 글쓰기, 요약, 답변, 코딩, 브레인스토밍.
인공지능이 처리할 수 있는 요청 유형은(는) CoddyKit의 무료 AI Prompt Engineering 강의입니다. 이것은 4개 중 2번째 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.
인공지능 작업 분류 체계
인공지능 언어 모델은 놀라울 정도로 다재다능합니다. 다양한 작업 유형을 처리하며, 작업이 어느 범주에 속하는지 알면 더 나은 프롬프트를 작성하는 데 도움이 됩니다.
작업을 다음과 같이 분류할 수 있습니다: 글쓰기, 요약, 질문과 답변, 코딩, 아이디어 발상, 번역, 분류, 데이터 추출.
글쓰기 작업
글쓰기는 가장 일반적인 인공지능 작업 중 하나입니다. 예를 들면 다음과 같습니다:
- 이메일, 자기소개서, 블로그 게시물 초안 작성
- 단편 소설, 대본 또는 창작 콘텐츠 작성
- 소셜 미디어 문구 작성
- 기존 초안 편집 및 다시 쓰기
프롬프트에서 형식, 어조, 분량, 대상 독자를 지정하는 것이 핵심입니다.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=256,
messages=[{
'role': 'user',
'content': (
'Write a 150-word professional email declining a meeting invitation. '
'Tone: polite and regretful. Suggest rescheduling next week.'
)
}]
)
print(response.content[0].text)요약 작업
요약은 긴 콘텐츠를 더 짧고 이해하기 쉬운 형태로 압축합니다. 일반적인 활용 사례는 다음과 같습니다:
- 긴 기사나 보고서의 TL;DR
- 기록에서 작성한 회의 노트
- 연구 논문의 경영진용 요약
- 책 한 장에서 추출한 핵심 요점
원하는 분량과 필요한 세부 정보의 수준을 지정하십시오.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
long_text = (
'Artificial intelligence has transformed industries from healthcare '
'to finance over the past decade. Machine learning models now diagnose '
'diseases, detect fraud, and power recommendation engines. However, '
'concerns about bias, privacy, and job displacement remain significant...'
)
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': f'Summarize the following in exactly 2 sentences:\n\n{long_text}'
}]
)
print(response.choices[0].message.content)질문과 답변 작업
질문과 답변 작업은 모델의 폭넓은 지식 기반을 활용합니다. 유형은 다음과 같습니다:
- 사실 확인 질문(「크렙스 회로란 무엇인가요?」)
- 설명 질문(「HTTPS는 어떻게 작동하나요?」)
- 비교 질문(「RAM과 저장 공간의 차이점은 무엇인가요?」)
- 문서 질문과 답변 — 붙여 넣은 문서에 관해 질문하기
문서에 관해 질문할 때는 프롬프트에 원문 자료를 항상 포함하십시오.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
document = 'Our refund policy allows returns within 30 days with receipt...'
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=256,
system='Answer only based on the document provided. If unsure, say so.',
messages=[{
'role': 'user',
'content': f'Document:\n{document}\n\nQuestion: How many days do I have to return an item?'
}]
)
print(response.content[0].text)코딩 작업
코딩 작업은 인공지능 어시스턴트가 특히 뛰어난 분야입니다. 일반적인 요청은 다음과 같습니다:
- 설명에서 코드 생성(「...하는 Python 함수를 작성하십시오」)
- 기존 코드가 수행하는 작업 설명
- 작동하지 않는 코드의 오류를 찾아 수정
- 한 프로그래밍 언어의 코드를 다른 언어로 변환
- 주어진 함수의 단위 테스트 작성
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
response = client.chat.completions.create(
model='gpt-4o',
messages=[
{
'role': 'system',
'content': 'You are a Python expert. Include type hints and a brief docstring.'
},
{
'role': 'user',
'content': (
'Write a function that takes a list of integers and returns '
'the second largest unique value, or None if it does not exist.'
)
}
]
)
print(response.choices[0].message.content)아이디어 발상 작업
아이디어 발상은 인공지능을 사용하여 많은 아이디어를 빠르게 생성합니다. 다음과 같은 경우에 활용하십시오:
- 제품 이름 만들기
- 블로그 게시물 주제 목록 만들기
- 앱 기능 아이디어 도출
- 마케팅 캠페인 접근 방향 탐색
- 문제 해결 대안 찾기
특정 개수의 아이디어를 요청하고 반복보다 다양성을 우선하도록 모델에 지시하십시오.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=512,
messages=[{
'role': 'user',
'content': (
'Generate 10 unique app name ideas for a habit-tracking app targeting busy professionals. '
'Each name should be one or two words. Prioritize variety — avoid similar-sounding names. '
'After each name, add a 5-word tagline.'
)
}]
)
print(response.content[0].text)번역 작업
번역은 단어 하나하나를 옮기는 것 이상을 의미합니다. 인공지능 모델은 다음과 같은 작업을 처리합니다:
- 언어 번역(영어 → 스페인어, 프랑스어 → 일본어)
- 문체 번역(기술 전문 용어 → 쉬운 말)
- 어조 번역(격식체 → 편한 말투)
- 형식 번역(문단 → 글머리 기호)
직역을 원하는지, 자연스럽고 관용적인 번역을 원하는지 지정하십시오.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
text_en = 'Please ensure the deliverables are submitted prior to the agreed deadline.'
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
f'Translate the following into natural, idiomatic Spanish '
f'suitable for a casual work chat message:\n\n{text_en}'
)
}]
)
print(response.choices[0].message.content)분류 작업
분류는 입력을 미리 정의된 범주에 배정합니다. 예를 들면 다음과 같습니다:
- 감정 분석(긍정 / 부정 / 중립)
- 주제 분류(스포츠 / 정치 / 기술)
- 의도 감지(불만 / 문의 / 칭찬)
- 스팸 / 스팸 아님
모델이 선택할 수 있는 항목을 알 수 있도록 프롬프트에 유효한 범주 목록을 항상 제공하십시오.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
reviews = [
'The product broke after one day. Terrible quality!',
'Shipping was fast and the item is exactly as described.',
'It is okay, nothing special but does the job.'
]
for review in reviews:
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=16,
messages=[{
'role': 'user',
'content': (
f'Classify this review as exactly one of: POSITIVE, NEGATIVE, NEUTRAL.\n'
f'Reply with only the label.\n\nReview: {review}'
)
}]
)
label = response.content[0].text.strip()
print(f'{label}: {review[:40]}...')데이터 추출 작업
데이터 추출은 비정형 텍스트에서 구조화된 정보를 가져옵니다. 일반적인 활용 사례는 다음과 같습니다:
- 청구서에서 이름, 날짜, 금액 추출
- 뉴스 기사에서 핵심 사실 추출
- 이메일에서 연락처 정보 파싱
- 설명에서 제품 사양 추출
추출한 데이터를 프로그래밍 방식으로 쉽게 사용할 수 있도록 JSON 출력을 요청하십시오.
import openai
import json
client = openai.OpenAI(api_key='sk-your-key-here')
email_text = (
'Hi, I am Sarah Johnson from Acme Corp. '
'Please send the invoice for $4,250 to billing@acmecorp.com by June 15th.'
)
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Extract the following fields from the email below and output valid JSON:\n'
'name, company, email, amount, deadline\n\nEmail:\n' + email_text
)
}]
)
raw = response.choices[0].message.content
data = json.loads(raw)
print(data)작업 유형 결합
실제 사용 환경의 프롬프트는 하나의 요청에서 여러 작업 유형을 결합하는 경우가 많습니다. 예를 들면 다음과 같습니다:
- 기사에서 핵심 주장을 추출한 다음 각 주장을 사실 또는 의견으로 분류하기
- 문서를 요약한 다음 요약을 프랑스어로 번역하기
- 아이디어를 발상한 다음 가장 좋은 아이디어에 대한 짧은 홍보 문구를 작성하기
하나의 프롬프트에서 작업 유형을 연결하면 강력하지만, 각 단계를 명확히 지정하십시오.
import anthropic
client = anthropic.Anthropic(api_key='sk-ant-your-key-here')
response = client.messages.create(
model='claude-opus-4-5',
max_tokens=512,
messages=[{
'role': 'user',
'content': (
'Do the following in order:\n'
'1. Brainstorm 5 blog post titles about remote work productivity.\n'
'2. Pick the most compelling title.\n'
'3. Write a 3-sentence intro paragraph for that post.\n'
'Format your output with clear numbered sections.'
)
}]
)
print(response.content[0].text)적절한 작업 틀 선택하기
동일한 근본 요청도 서로 다른 작업 유형으로 구성할 수 있으며, 어떤 틀을 사용하느냐에 따라 출력이 크게 달라집니다.
예시 목표: 회사의 가격 책정 페이지 이해하기
- 질문과 답변 틀: 「가격 등급은 무엇인가요?」
- 요약 틀: 「가격 책정 페이지를 글머리 기호 3개로 요약하십시오.」
- 추출 틀: 「요금제 이름과 가격을 JSON으로 추출하십시오.」
- 비교 틀: 「모든 요금제를 비교하는 표를 만드십시오.」
출력을 어떻게 사용할지에 맞는 틀을 선택하십시오.
import openai
client = openai.OpenAI(api_key='sk-your-key-here')
pricing_text = (
'Starter: $9/month - 1 user, 5GB storage. '
'Pro: $29/month - 10 users, 50GB storage. '
'Enterprise: custom pricing - unlimited users.'
)
# Extraction frame
response = client.chat.completions.create(
model='gpt-4o',
messages=[{
'role': 'user',
'content': (
'Extract plan names and monthly prices as a JSON array. '
'Use null for custom pricing.\n\n' + pricing_text
)
}]
)
print(response.choices[0].message.content)이해도 확인
인공지능 작업 유형의 주요 범주를 배웠습니다. 올바른 유형을 식별할 수 있는지 확인해 보겠습니다.
한 개발자가 500단어 분량의 고객 지원 이메일을 프롬프트에 붙여 넣고 인공지능에 다음과 같이 요청합니다: 「고객 이름, 주문 번호, 문제 유형을 추출하여 JSON으로 출력하십시오.」
이것은 어떤 작업 유형인가요?
작업 분류 체계 복습
이제 모든 인공지능 요청을 핵심 작업 유형 중 하나로 식별하고 그 틀을 정할 수 있습니다:
- 글쓰기 — 독창적인 텍스트 콘텐츠 생성
- 요약 — 긴 콘텐츠 압축
- 질문과 답변 — 지식이나 문서에서 질문에 답하기
- 코딩 — 코드 생성, 설명 또는 오류 수정
- 아이디어 발상 — 다양하고 많은 아이디어 생성
- 번역 — 언어나 문체 간 변환
- 분류 — 입력을 미리 정의된 범주에 배정
- 데이터 추출 — 비정형 텍스트에서 구조화된 데이터 추출
먼저 작업 유형을 정한 다음 이를 중심으로 프롬프트를 작성하십시오.
자주 묻는 질문
“인공지능이 처리할 수 있는 요청 유형” 강의는 무료인가요?
네 — “인공지능이 처리할 수 있는 요청 유형” 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.
“인공지능이 처리할 수 있는 요청 유형”에서 뭘 배우나요?
인공지능 작업의 분류 체계: 글쓰기, 요약, 답변, 코딩, 브레인스토밍. 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 2번째 강의입니다.
“인공지능이 처리할 수 있는 요청 유형” 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
- 채팅 인터페이스 이해하기
- 인공지능이 처리할 수 있는 요청 유형
- 인공지능은 어떻게 응답을 생성하는가
- 인공지능이 할 수 없는 일