핵심. 프롬프트와 검증 - 일을 정의하고 결과를 확인하는 법

학습 시간: 35분

목표: 반복할 수 있는 업무 요청과 검토 기준을 함께 설계합니다.

프롬프트와 검증

프롬프트는 기발한 문장을 찾는 일이 아닙니다. 일을 맡길 때 필요한 맥락, 결과물의 기준, 검토 방식을 적는 일에 가깝습니다.

무엇을 끝낸 것으로 볼지 먼저 정합니다. 다음으로 필요한 문서와 데이터만 제공합니다. 결과 형식과 금지할 일을 적고, 출력은 원자료와 대조합니다. 결과가 아쉽다면 처음부터 다시 쓰기보다 부족했던 맥락이나 기준을 보완해 한 번 더 요청합니다.

업무용 프롬프트는 제품의 기능이 아니라 운영 자산입니다. 반복되는 업무라면 프롬프트와 함께 입력값, 예시, 검토 기준을 보관하고, 모델이나 도구가 바뀔 때마다 다시 확인합니다.

공식 강좌가 공통으로 권하는 흐름

OpenAI Academy는 과업을 분명하게 설명하고, 관련 문서·배경을 보태며, 원하는 결과 형식을 지정한 뒤 출력을 검토하고 다듬는 방식을 안내합니다. Anthropic의 AI Fluency 과정은 위임할 일의 범위를 정하고, 요구를 설명하고, 결과를 판단하며, 주의 의무를 지키는 과정을 연결합니다.

즉, 좋은 프롬프트는 한 번의 답을 얻는 요령이 아니라 다음 네 가지를 문서화하는 일입니다.

1. 성공 기준: 어떤 결과가 실제로 쓸 만한지 정합니다.
2. 맥락: 원문, 대상 독자, 기간, 제약처럼 판단에 필요한 정보만 제공합니다.
3. 산출물: 형식, 길이, 근거 표기, 제외할 내용을 정합니다.
4. 검토: 사실·계산·정책·개인정보처럼 사람이 확인할 항목을 남깁니다.

실습: Agent Lab 콘텐츠 검토 요청

다음처럼 현재 배포된 앱의 실제 업무를 기준으로 요청을 구성해 보세요.

과업
Agent Lab의 기존 강의 한 편을 최신화할 초안을 작성해 줘.

맥락
- 독자는 AI를 업무에 적용하려는 한국어 사용자다.
- 확인할 원문과 공식 문서 링크를 함께 제공한다.
- 모델명, 가격, 지원 기능은 공식 문서에서 확인할 수 있는 경우에만 쓴다.

산출물
- 바뀐 내용, 근거 링크, 검토가 더 필요한 항목을 구분한다.
- 본문은 짧은 문단과 실제 작업 순서로 작성한다.

검토 기준
- 원문에 없는 사실은 출처 없이 단정하지 않는다.
- 예시 데이터는 가상 예시임을 표시한다.
- 배포 전에는 링크와 화면 렌더링을 확인한다.

이 요청의 결과가 바로 발행 가능한지 따로 확인합니다. 모델의 답변에 포함된 링크가 실제 공식 문서인지, 원문에 없는 수치가 새로 들어가지 않았는지, 독자가 다음 행동을 할 수 있는지 점검하세요.

프롬프트로 해결할 일이 아닌 경우

프롬프트를 길게 쓰는 것으로 해결되지 않는 문제도 많습니다.

문제	먼저 바꿀 것
사실이 자주 틀림	원자료와 인용 방식, 검토 책임자
결과 형식이 매번 다름	입력 스키마, 좋은 결과의 예시, 자동 검사
비용이나 시간이 큼	모델 선택, 입력 길이, 실행 횟수
민감 정보가 섞임	데이터 분류, 접근 권한, 비식별화
자동화가 예측하기 어려움	승인 단계, 실패 시 중단·되돌리기 규칙

Anthropic은 프롬프트를 다듬기 전에 성공 기준과 이를 시험할 방법을 먼저 만들라고 안내합니다. OpenAI도 제품 기능에서는 프롬프트 변경을 코드·테스트·평가와 함께 관리하라고 권합니다. 중요한 업무일수록 ‘프롬프트를 잘 썼다’가 아니라 ‘검증 가능한 결과를 냈다’로 품질을 판단해야 합니다.

다음 학습

• 리서치 - 데이터 기반 의사결정에서 출처를 대조하는 방법을 연습합니다.
• PRD/TDD 작성법에서 재사용할 업무 요구사항을 문서로 만듭니다.
• 다중 모델 검증 워크플로우에서 역할 분담보다 검증 흐름을 먼저 설계합니다.