생성형 AI를 사용하다 보면 어느 순간 프롬프트가 점점 길어진다.
“이 자료를 읽고 핵심 내용을 요약한 다음 문제점을 찾아서 개선안을 제시하고, 마지막에는 팀장에게 보고할 수 있는 이메일까지 작성해줘.”
사람이 원하는 업무를 그대로 설명하다 보니 여러 작업이 한 문장 안에 들어간 것이다.
물론 생성형 AI는 이런 요청도 처리할 수 있다. 하지만 실제 결과를 확인해보면 앞부분은 자세한데 뒤로 갈수록 내용이 단순해지거나, 사용자가 중요하게 생각했던 조건 하나가 빠지는 경우도 있다.
이럴 때 유용한 방법이 하나의 큰 업무를 여러 개의 작은 작업으로 나누는 것이다.
AI에게 모든 것을 한 번에 완성하도록 맡기는 대신, 자료 파악 → 핵심 내용 정리 → 아이디어 생성 → 결과물 작성처럼 순서를 나누는 방식이다.
복잡한 프롬프트를 만드는 능력보다 이런 작업 분해 습관이 실제 AI 활용에서는 훨씬 중요할 때가 많다.
왜 복잡한 업무를 한 번에 요청하면 결과가 흔들릴까?
다음과 같은 상황을 생각해보자.
회의 내용을 AI에게 입력한 뒤 이렇게 요청한다.
“회의 내용을 분석해서 중요한 의견을 요약하고, 결정된 사항과 해결되지 않은 문제를 구분한 다음, 담당자별 할 일을 정리하고 경영진에게 보고할 문서까지 작성해줘.”
이 안에는 사실 여러 종류의 작업이 들어 있다.
먼저 회의 내용을 읽어야 한다. 그다음 핵심 내용을 선별해야 한다. 결정 사항과 미결 사항을 구분해야 하고, 사람별 업무를 찾아야 한다. 마지막에는 대상 독자가 다른 새로운 문서까지 작성해야 한다.
사람이 이 일을 처리한다고 해도 보통 한 번에 하지 않는다.
회의 메모를 읽고, 내용을 분류하고, 중요한 부분을 표시하고, 필요한 정보를 추린 뒤 최종 보고서를 작성한다.
AI를 사용할 때도 비슷하게 접근할 수 있다.
특히 원본 자료가 길거나 요구사항이 많을수록 중간 단계를 나누면 어느 부분에서 결과가 잘못되었는지 확인하기 쉬워진다.
이것이 단계별 프롬프트의 가장 큰 장점이다.
결과만 확인하는 것이 아니라 과정 중간에 방향을 수정할 수 있다.
첫 번째 단계에서는 자료를 이해시키는 데 집중한다
복잡한 업무에서 처음부터 완성된 문서를 요구하지 않아도 된다.
먼저 AI가 원본 자료에서 무엇을 파악했는지 확인하는 것이 좋다.
예를 들어 회의록을 정리한다고 가정해보자.
첫 요청은 다음 정도면 충분하다.
“아래 회의 메모를 읽고 주요 논의 주제를 5개 이내로 정리해줘. 아직 해결책이나 새로운 의견은 추가하지 말고, 원문에 나온 내용만 기준으로 정리해줘.”
이 단계에서는 멋진 보고서를 만드는 것이 목적이 아니다.
AI가 자료의 핵심을 제대로 파악했는지를 보는 것이다.
결과를 확인했는데 중요한 내용이 빠졌다면 다음 요청에서 보완할 수 있다.
“세 번째 항목에서 일정 변경과 관련된 논의가 빠졌어. 해당 내용을 포함해서 다시 정리해줘.”
이 과정을 거치면 잘못 이해된 내용을 그대로 사용해 최종 결과물을 만드는 위험을 줄일 수 있다.
특히 회사 자료, 인터뷰 기록, 긴 기사, 조사 자료처럼 원본을 기반으로 하는 작업에서는 이 과정이 유용하다.
두 번째 단계에서는 정보를 목적에 맞게 분류한다
AI가 자료를 제대로 파악했다면 다음에는 필요한 정보를 분류할 수 있다.
예를 들어 앞서 정리한 회의 내용을 기준으로 이렇게 요청한다.
“방금 정리한 내용을 기준으로 다음 세 가지로 구분해줘.
회의에서 확정된 사항
추가 논의가 필요한 사항
담당자가 수행해야 할 업무
원문에서 확인되지 않는 담당자나 일정은 임의로 만들지 말고 ‘확인 필요’라고 표시해줘.”
여기서 중요한 것은 단순한 요약에서 한 단계 더 나아가 목적에 맞는 구조로 정보를 재배치한다는 것이다.
이 단계에서 특히 유용한 조건이 하나 있다.
바로 AI가 모르는 정보를 임의로 채우지 않도록 요청하는 것이다.
업무 자료를 정리하다 보면 담당자나 날짜가 명확하지 않은 경우가 있다. 그런데 자연스러운 결과물을 만들려다 보면 AI가 문맥상 그럴듯한 정보를 덧붙일 가능성이 있다.
따라서 원본 자료를 기반으로 작업할 때는 다음과 같은 문장을 활용할 수 있다.
“자료에서 확인할 수 없는 내용은 추측하지 말고 ‘확인 필요’라고 표시해줘.”
간단한 조건이지만 사실 확인이 필요한 업무에서는 상당히 유용하다.
세 번째 단계에서 필요한 아이디어를 확장한다
모든 업무가 단순 정리로 끝나는 것은 아니다.
자료를 분석한 다음 아이디어를 만들어야 하는 경우도 많다.
예를 들어 블로그 콘텐츠를 기획한다고 해보자.
처음부터,
“AI 생산성에 관한 좋은 블로그 글을 작성해줘.”
라고 요청하는 대신 여러 단계로 나눌 수 있다.
첫 번째로 독자 문제를 정리한다.
“생성형 AI를 업무에 처음 도입하는 직장인이 자주 겪을 수 있는 어려움을 7가지로 정리해줘.”
그다음 주제를 추린다.
“7가지 중 블로그에서 구체적인 해결 방법까지 설명하기 좋은 주제 3개를 골라줘. 선정 이유도 함께 설명해줘.”
마지막으로 하나를 선택해 글의 구조를 만든다.
“두 번째 주제를 기준으로 도입, 본문 소제목 4개, 마무리 순서의 글 구조를 만들어줘. 각 소제목에서 다룰 핵심 내용도 두세 문장으로 설명해줘.”
이렇게 하면 AI가 제안한 방향을 사용자가 단계마다 확인할 수 있다.
처음부터 글 전체를 생성했는데 방향이 마음에 들지 않아 전부 다시 작성하는 것보다 수정 범위도 작아진다.
마지막 단계에서 실제 사용할 결과물로 만든다
내용과 구조가 결정된 뒤에 최종 결과물을 작성하도록 요청하면 된다.
앞선 회의록 예시라면 마지막에 다음과 같이 요청할 수 있다.
“지금까지 정리한 내용을 바탕으로 팀장에게 공유할 회의 결과 보고를 작성해줘. 핵심 결정 사항을 먼저 보여주고, 이후 미결 사항과 담당자별 업무를 구분해줘. 불필요한 인사말은 제외하고 업무용 문체로 간결하게 작성해줘.”
이미 앞 단계에서 정보가 정리되어 있기 때문에 AI가 새로 판단해야 하는 부분이 줄어든다.
콘텐츠 작성도 마찬가지다.
주제 선정과 글의 구조까지 확인했다면,
“앞에서 만든 구성을 바탕으로 초보자가 읽을 수 있는 블로그 글 초안을 작성해줘. 전문 용어가 나오면 바로 쉬운 말로 설명하고, 실제 업무에서 이해할 수 있는 예시를 포함해줘.”
라고 이어갈 수 있다.
이런 방식은 하나의 ‘완벽한 프롬프트’를 만드는 것과 조금 다르다.
좋은 결과가 나올 때까지 명령문을 길게 만드는 것이 아니라 AI와 함께 작업물을 조금씩 만들어가는 과정에 가깝다.
단계별 프롬프트가 특히 유용한 작업
모든 질문을 여러 단계로 나눌 필요는 없다.
“이 문장을 영어로 바꿔줘”나 “다음 문단을 세 줄로 요약해줘” 같은 간단한 작업이라면 한 번에 요청하는 편이 편하다.
반대로 다음처럼 여러 판단이 필요한 작업에서는 단계를 나누는 것이 유용하다.
긴 문서의 내용을 분석하고 새로운 보고서를 작성해야 할 때, 여러 아이디어 가운데 기준에 맞는 것을 선정해야 할 때, 콘텐츠의 주제부터 구성과 초안까지 만들어야 할 때, 여러 자료를 비교한 뒤 공통점과 차이점을 정리해야 할 때 등이 대표적이다.
판단 기준은 간단하다.
프롬프트 안에서 “그리고”, “그다음”, “마지막으로”라는 표현이 계속 등장한다면 하나의 요청에 여러 작업이 들어가 있는지 확인해볼 수 있다.
예를 들어,
“자료를 요약하고 문제점을 찾고 해결책을 제안하고 발표 자료도 만들어줘.”
라는 요청이 있다면 최소한 네 단계로 나눌 여지가 있다.
자료 요약
문제점 파악
해결 아이디어 검토
발표용 결과물 작성
이 구조가 보이기 시작하면 복잡한 업무도 AI에게 맡기기가 훨씬 쉬워진다.
단계별로 나눈다고 무조건 더 좋은 것은 아니다
작업을 나누는 데도 균형이 필요하다.
간단한 업무까지 지나치게 잘게 나누면 대화가 불필요하게 길어진다.
예를 들어 짧은 이메일 제목을 만드는 데 ‘내용 분석 → 독자 분석 → 키워드 선정 → 제목 작성’처럼 네 번의 대화를 거칠 필요는 없다.
단계별 접근이 필요한 경우는 주로 두 가지다.
첫째는 한 번의 요청 안에 서로 다른 종류의 업무가 여러 개 포함되어 있을 때다.
둘째는 중간 결과가 잘못되면 최종 결과까지 크게 달라질 수 있을 때다.
이 두 가지에 해당한다면 작업을 나눠볼 가치가 있다.
반대로 결과를 쉽게 확인할 수 있는 단순한 작업은 한 번에 처리하는 편이 효율적이다.
결국 중요한 것은 무조건 프롬프트를 나누는 것이 아니라 업무의 복잡도에 따라 적절한 방식을 선택하는 것이다.
AI에게 먼저 작업 순서를 제안하게 하는 방법도 있다
복잡한 일을 마주했는데 어디서부터 나눠야 할지 모르겠다면 AI에게 작업 자체를 바로 수행하게 하기보다 처리 순서를 먼저 제안하게 하는 방법도 있다.
예를 들면 다음과 같다.
“나는 아래 자료를 바탕으로 최종적으로 팀 내부 보고서를 만들려고 해. 아직 보고서를 작성하지 말고, 정확한 결과물을 만들기 위해 어떤 순서로 작업하면 좋을지 4~6단계로 나눠서 제안해줘.”
이렇게 하면 AI가 먼저 작업 구조를 제시한다.
사용자는 그 순서를 확인하고 필요 없는 단계는 빼거나 부족한 부분을 추가한 다음 하나씩 진행하면 된다.
처음 접하는 업무나 과정이 복잡한 작업에서 활용하기 좋은 방식이다.
다만 AI가 제안한 순서 역시 무조건 정답은 아니다. 실제 업무 상황이나 조직의 절차와 맞는지 확인하고 조정하는 과정은 필요하다.
마무리
생성형 AI를 잘 활용하기 위해 모든 요구사항을 하나의 거대한 프롬프트에 넣을 필요는 없다.
오히려 복잡한 업무일수록 먼저 자료를 이해하고, 필요한 정보를 분류하고, 아이디어를 발전시킨 뒤, 마지막에 실제 사용할 결과물로 만드는 방식이 관리하기 쉽다.
단계별 프롬프트의 장점은 단순히 AI의 답변을 길게 만드는 데 있지 않다.
중간 결과를 사람이 확인하면서 잘못된 방향을 수정할 수 있고, 필요한 부분만 다시 작업할 수 있다는 데 의미가 있다.
AI에게 한 번에 정답을 요구하기보다 하나의 업무를 함께 처리하는 작업 파트너처럼 활용하는 방식이라고 생각하면 이해하기 쉽다.
다음 글에서는 이렇게 만들어진 AI 답변을 그대로 사용하는 대신, AI가 만든 내용에서 오류나 빠진 정보를 찾아내고 스스로 검토하게 만드는 프롬프트 방법을 살펴본다.
FAQ
Q1. 프롬프트를 여러 단계로 나누면 항상 결과가 좋아지나요?
항상 그런 것은 아니다. 번역이나 짧은 요약처럼 간단한 작업은 한 번에 요청하는 것이 더 효율적이다. 자료 분석, 판단, 아이디어 생성, 최종 문서 작성처럼 서로 다른 과정이 여러 개 포함될 때 단계별 방식의 장점이 커진다.
Q2. 이전 단계의 내용을 AI가 기억하고 있으면 계속 같은 대화에서 진행해도 되나요?
같은 대화 안에서는 앞서 제공된 맥락을 활용해 후속 작업을 이어갈 수 있다. 다만 대화가 매우 길어지거나 중요한 조건이 많다면 핵심 기준을 다시 간단하게 정리해서 제공하는 편이 결과를 안정적으로 관리하는 데 도움이 된다.
Q3. AI가 원본에 없는 내용을 추가하지 않도록 하려면 어떻게 해야 하나요?
원본 자료를 기반으로 하는 작업이라면 “자료에서 확인할 수 없는 내용은 추측하지 말고 확인 필요라고 표시해줘”와 같은 조건을 넣는 것이 좋다. 그래도 중요한 업무 자료는 최종 사용 전에 사람이 원본과 대조해 사실관계를 확인하는 과정이 필요하다.
0 댓글