하루 30분, 나는 제미나이로 돈을 번다

하루 30분, 나는 제미나이로 돈을 번다

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다."

[link]

 

‘전문가처럼’ 답하게 만드는 프롬프트

1. 사고의 사슬: AI의 추론 능력을 끌어내기

표면적으로 AI는 질문을 입력하면 답을 출력하는 단순한 시스템처럼 보이지만, 내부에서는 우리가 상상하는 것보다 훨씬 복잡한 추론 과정을 거칩니다. 이 추론 과정을 의도적으로 이끌어낼 수만 있다면, AI는 인간이 놓치기 쉬운 논리적 연결고리를 보여 주고, 문제 해결을 위한 체계적인 사고의 틀을 제시해 줍니다. 이를 가능하게 만드는 가장 강력한 프롬프트 기법이 바로 사고의 사슬(Chain-of-Thought, CoT)입니다.

생성형 AI의 가장 큰 잠재력은 복잡한 문제에 대한 합리적인 해결 과정을 스스로 구축하는 능력에 있습니다. CoT는 바로 이 AI의 숨겨진 추론 능력을 표면으로 끌어내는 가장 효과적인 프롬프트 전략입니다. CoT 방식은 우리가 전문가에게 “어떤 근거와 논리로 그 결론에 도달했는지 브리핑해 주세요”라고 요청하는 것과 같습니다.

 

사고의 사슬 과정

(Input) ➔ 근거/논리 ➔ 최종 해답(Output)

 

AI에게 최종 결과물만 요구하는 것은 AI가 내부적으로 거쳤을 수많은 논리적 단계를 생략하고 마지막 결론만 추측해 내놓도록 부추기는 것과 같습니다. 이때 AI는 가장 그럴듯해 보이는 단어들을 조합해 표면적으로는 말이 되는 답변을 내놓지만 그 과정에 논리적 비약이나 사실관계 오류가 포함될 위험이 커집니다.

반면 CoT는 AI에게 “결론에 도달하기까지의 생각의 흐름을 단계별로 설명하라”라고 명시적으로 지시함으로써 AI가 스스로 논리적 발판을 하나씩 놓아가며 최종 결론에 도달하도록 강제합니다. AI가 첫 번째 단계를 텍스트로 생성하면 그 텍스트는 다시 AI에게 입력되는 강력한 맥락이 되어 두 번째 단계의 논리적 정확성을 높여 줍니다. 이 과정이 연쇄적으로 일어나면서 전체 결과물의 신뢰성과 깊이가 향상되는 것입니다. 예를 들어 학창 시절, 수학 선생님께서 “답만 쓰지 말고, 풀이 과정을 모두 적어라”라고 요구한 것과 같습니다.

이러한 접근은 다음과 같은 이점을 제공합니다.

• 결과물의 투명성과 신뢰성 확보: AI가 제시한 사고과정을 직접 들여다 봄으로써 우리는 AI가 어떤 가정하에 어떤 논리를 전개했는지 명확히 파악할 수 있습니다. 만약 중간 과정에 잘못된 가정이 있다면 즉시 수정하여 더 나은 결과로 유도할 수 있습니다. 이는 AI와의 협업에 필수적인 신뢰를 구축하게 합니다.
• 정답 이상의 통찰: AI가 문제를 해결하기 위해 스스로 설계한 분석의 틀이나 접근 방식 자체가 우리에게 새로운 아이디어나 영감을 줍니다. 예를 들어 전자책 목차를 요청했을 때 AI가 독자 페르소나의 고통(Pain Point)을 먼저 분석하고 성과 지표를 정의하는 과정을 보여 준다면 전문 기획자의 문제 해결 방식을 학습하게 됩니다.

이처럼 CoT는 우리의 지식과 경험을 확장시키는 가장 강력한 학습 도구입니다. 또한 AI와의 소통 방식을 단순 질의응답에서 지적인 협업과 공동의 문제 해결 과정으로 격상시키는 핵심 기술입니다.

---

2. 산파술: 깊은 사고를 유도하기

지금까지 우리는 AI에게 명확한 지시와 구조를 제공하여 원하는 결과물을 얻는 방법을 배웠습니다. 하지만 AI 활용의 정점은 단순히 지시를 잘 따르게 만드는 데 있지 않습니다. AI가 스스로 문제를 탐색하고, 인간이 미처 생각하지 못한 관점을 드러내도록 유도하여 사고의 깊이를 더하는 것, 이것이 바로 전문가 수준의 AI 활용법입니다. 이 경지로 나아가는 가장 효과적인 방법이 고대 철학자 소크라테스의 대화법에서 유래한 산파술(Maieutic Method) 프롬프트 기법입니다.

산파술은 이름 그대로 지식의 산파(midwife) 역할을 하는 대화법입니다. 소크라테스는 상대방에게 정답을 직접 가르쳐 주는 대신 끈질긴 질문을 통해 상대방이 이미 잠재적으로 알고 있던 지식이나 진리를 스스로 ‘낳도록’ 도왔습니다. 이 철학을 프롬프트에 적용한 기법이 산파술입니다. AI에게 최종적인 답을 요구하는 대신, “이 문제에 대한 최적의 답을 찾기 위해 너 자신에게 어떤 질문들을 던져야 할까?”라고 역으로 질문하는 방식입니다.

 

산파술 프롬프트 과정

입력(Input) ➔ 연산자/중간 단계 해답 ➔ 최종 해답(Output)

“전자책 마케팅 전략을 알려줘”라는 단순한 지시 대신 다음과 같이 요청하면, AI의 작동 방식은 완전히 달라집니다.

"최고의 전자책 마케팅 전략을 도출하기 위해, AI인 당신 스스로가 반드시 답해야 할 핵심 질문 5가지를 만들고, 그 질문에 스스로 답하는 과정을 통해 최종 전략을 완성하라"

AI는 먼저 문제의 본질을 파악하기 위해 스스로 문제를 쪼개고, 핵심적인 질문들을 생성합니다. 예를 들면 다음과 같습니다.

• 질문 1: 이 전자책의 핵심 타깃 독자는 누구이며, 그들의 가장 큰 고통(Pain Point)은 무엇인가?
• 질문 2: 경쟁 도서와 차별화되는 우리 책만의 고유한 가치 제안(Unique Value Proposition)은 무엇인가?
• 질문 3: 한정된 예산 내에서 가장 높은 ROI를 기대할 수 있는 마케팅 채널은 어디인가?

이렇게 스스로 질문을 던지고 답변하며 풍부한 논의와 다각적인 분석을 만들어 냅니다. 사용자는 이 모든 과정을 지켜보며 AI가 생성한 질문 자체에서 새로운 통찰을 얻거나 AI의 답변을 통해 자신의 생각을 더욱 정교하게 다듬을 수 있습니다.

이 기법은 AI가 스스로 문제의 핵심 구성요소를 정의하고, 숨겨진 맥락을 명확히 하도록 만듭니다. 우리는 종종 문제의 큰 그림을 보지 못하고 성급히 해결책부터 찾으려 합니다. 하지만 산파술 프롬프트를 사용한다면 AI를 마치 유능한 컨설턴트처럼 문제 상황을 진단하고 정의하도록 설정할 수 있습니다. 이 과정을 통해 미처 고려하지 못했던 변수를 발견하고, 훨씬 더 근본적이고 입체적인 해결책에 도달할 수 있습니다.

 

산파술은 AI 도구를 스스로 문제를 진단하고 해결책을 탐색하는 ‘사고 파트너’로 격상시키는 가장 지적인 기법입니다. 정답이 보이지 않는 복잡한 문제에 직면했을 때 AI에게 정답을 구걸하는 대신, “이 문제의 정답을 찾기 위해 우리는 어떤 질문부터 시작해야 할까?”라고 물어보세요.