사람에게 지시할 때와 마찬가지로 생성형 AI에게 지시할 때도 다음과 같은 원칙이 중요합니다.

원칙

• 명확성, 구체성
  • 어떤 결과를 얻기 원하는지 그립니다. 글로 작성합니다.
  • 처음에는 두리뭉실하게 시작하지만, 점차적으로 명확하고 구체적으로 작성해갑니다. 구체적이고 설명적인 언어를 사용합니다.
    • 예) “더 간결하게 작성해줘”로 시작해서, “전문용어를 줄이고 쉬운 단어로 바꿔줘”로
    • 예) “고령화 문제에 대해 써라” 로 시작해서, “고령화 문제를 시급히 해결해야 할 필요성을 주장하는 설득력 있는 에세이를 작성하라”로
    • 예) 1단계: “환경 문제에 대해 글을 써줘” 2단계: “플라스틱 오염이 해양 생태계에 미치는 영향에 대한 글을 써줘” 3단계: “10대 청소년들이 이해하기 쉽도록, 플라스틱 오염이 해양 생태계에 미치는 영향을 설명하는 500자 정도의 글을 써줘. 실제 사례와 통계를 포함해줘.”
  • 예시 활용
    • 예시를 활용한 지시는 명확한 의사소통의 가장 효과적인 방법 중 하나입니다. 마치 새로운 도시에서 길을 찾을 때, 단순히 “북쪽으로 가세요”라고 하는 것보다 “저기 보이는 빨간 건물 방향으로 가세요”라고 하는 것이 훨씬 더 명확합니다.
    • 예시 사용이 효과적일 때
      • 특정한 글쓰기 스타일이나 톤을 원할 때
      • 전문적인 문서나 보고서의 형식을 요청할 때
      • 창의적인 작업이나 예술적 표현을 요구할 때
      • 복잡한 데이터 분석이나 시각화를 원할 때
    • 예) 이런 글을 원합니다: ‘인공지능은 의료 진단의 정확도를 높이고 의료진의 업무 효율성을 개선하는 데 큰 도움이 됩니다. 예를 들어, X-ray 판독에서 AI는 95% 이상의 정확도를 보여주고 있습니다.
  • 원하는 결과(에 대한 요구사항)를 명확하게, 구체화합니다.
    • 길이, 스타일, 형식, 내용에 대한 제한합니다.
      • “다음 주제에 대해 50단어 이내로 시를 써주세요: 봄” (길이 제한)
      • “긍정적인 어조로 제품 리뷰를 작성해주세요.” (스타일 제한)
      • “JSON 형식으로 정보를 제공해주세요.” (형식 제한)
      • “특정 단어(예: 폭력, 차별)는 사용하지 마세요.” (내용 제한)
• 맥락(Context)
  • 뜬금 없는 지시를 하지는 않을 것입니다. 지시한 이유나 배경을 생각해보면 지시한 맥락이 있을 겁니다. 맥락을 알면 지시도 더 명확하게 되고, 지시 수행도 명확해 집니다.
    • “보고서를 작성해줘” (맥락 없는 요청)
    • “우리 회사의 지난 분기 실적을 경영진에게 보고하기 위한 보고서를 작성해줘. 특히 매출 증가율과 신규 고객 유치 현황에 중점을 두어 작성해줘.” (맥락이 있는 요청)
• 반복적 개선
  • 한 번 지시로 원하는 결과를 얻으면 좋겠지만 그렇지 않은 경우가 대부분입니다. 다시 지시하는 대화형 발전 과정이 필요합니다.
    • 지시하고, 결과를 받고, 결과를 검토합니다.
    • 부족한 점과 개선이 필요한 부분을 파악합니다. 어떤 부분이 잘 작동했고, 어떤 부분이 미흡했는지 분석합니다.
    • 더 구체적인 지시사항을 추가합니다. 다른 표현방식이나 구조를 시도합니다. 필요한 경우 톤이나 스타일을 조정합니다.
  • 예) 1차 시도: “인공지능의 윤리적 문제점에 대해 설명해줘” 분석: 너무 광범위하고 일반적인 내용이 나왔다. 2차 시도: “자율주행차의 윤리적 의사결정 문제에 초점을 맞춰서 설명해줘”
    분석: 주제는 구체화됐지만 여전히 전문성이 부족하다. 3차 시도: “자율주행차가 사고 상황에서 마주하는 트롤리 딜레마에 대해, 현재 자동차 업계의 접근 방식과 실제 사례를 포함해서 설명해줘”

프롬프트 구조화

프롬프트 엔지니어링에서는 일관성 있고 효과적인 결과를 얻기 위해 프롬프트를 구조화합니다. 프롬프트 구조 템플릿으로 다음을 사용할 수 있습니다. 결과물의 형식과 대상이 더 중요할 때는 A를 사용하고, 특정 전문가 관점이나 역할이 중요할 때는 B를 사용하세요.

• 프롬프트 구조 템플릿 A
  • 목적: [무엇을 달성하고자 하는지]
  • 대상: [누구를 위한 결과물인지]
  • 형식: [어떤 형태로 작성되어야 하는지]
  • 톤: [어떤 어조와 스타일로 작성되어야 하는지]
  • 예시: [원하는 결과물의 구체적인 예시]
  • 제약사항: [지켜야 할 규칙이나 피해야 할 사항]
• A 예
  • 목적: 고등학생들에게 기후변화의 심각성을 알리고 행동 변화를 유도
    대상: 16-18세 고등학생
    형식: 800자 내외의 설득력 있는 글
    톤: 친근하면서도 신뢰감 있는 어조, 과학적 사실에 기반
    예시: “여러분, 지구의 평균 기온이 1도 올랐다는 게 별게 아닌 것 같나요? 하지만 이는 여러분의 체온이 35도에서 36도로 올랐을 때처럼, 생명체에게는 매우 큰 변화입니다.”
    제약사항: 전문용어 최소화, 실천 가능한 구체적 행동 방안 포함
• 프롬프트 구조 템플릿 B
  • Role: AI의 역할 정의 (예: 전문 과학 작가, 마케팅 전문가)
    Context: 상황과 배경 설명
    Instruction: 구체적인 작업 지시사항
    Shots: 예시 (few-shot 또는 zero-shot)
• B 예
  • Role: 고등학교 과학 교사
    Context: 기후변화에 대한 학생들의 이해도와 관심이 낮은 상황
    Instruction: 기후변화의 심각성과 개인적 실천 방안을 설명하는 글 작성
    Shots: “극지방의 빙하가 녹는 현상을 설명하고 이것이 우리 생활에 미치는 영향 소개…”

기법

1. Chain of Thought Prompting, The Chain-of-Thought Prompt

Chain of Thought Prompting과 The Chain-of-Thought Prompt는 유사하지만 미묘한 차이가 있습니다.

• Chain of Thought Prompting:
  • 일반적인 접근법
  • AI 모델이 step-by-step 추론 과정을 따르도록 유도
    • 단계별로 풀어 달라는 의미를 프롬프트에 명시합니다.
    • 문제 해결 과정을 명시할 수 있다면 문제 해결 단계를 명시적으로 프롬프트에 포함할 수 있습니다.
  • 다양한 문제 유형에 적용 가능한 광범위한 프롬프팅 기법
• Chain of Thought Prompting 예시
  • 한 상자에 사과 24개가 들어있습니다. 3명의 친구가 동일하게 나누어 가질 때, 각 친구는 몇 개의 사과를 받나요? 이 문제를 단계별로 풀어주세요.
• The Chain-of-Thought Prompt
  • 특정 연구나 논문에서 제안된 구체적인 프롬프팅 기법
  • 복잡한 추론이 필요한 문제에 대해 명시적인 중간 추론 단계 요구
    • Chain of Thought Prompting에서 문제 해결 단계를 명시적으로 프롬프트에 포함할 수 있습니다.
  • 더 구조화되고 엄격한 접근 방식
  • 학술적 맥락에서 더 정밀하게 정의된 방법론
• The Chain-of-Thought Prompt 예시 (복잡한 추론 문제)
  • 기후 변화가 도시 인프라에 미치는 장기적 영향을 분석하세요. 이 문제를 해결할 때 다음 단계를 엄격하게 따르세요.
    1. 문제의 핵심 변수 식별
    2. 각 변수 간의 논리적 관계 분석
    3. 가능한 해결 경로 평가
    4. 최적의 해결 전략 선택
    5. 단계별 해결 과정 상세 설명
    6. 최종 결론 도출 및 검증
• 주요 차이점
  • 범위(의도): 일반 vs 특정 (일반적 문제 해결 vs 엄격한 학술적 분석)
  • 적용 깊이: 광범위 vs 엄격 (유연성 vs 구조화된 프레임워크)
  • 학술적 맥락: 일반 기법 vs 연구 기반 방법론
• 단계를 명시적으로 제시하는 Chain of Thought과 The Chain-of-Thought Prompt는 매우 유사하며,  상황과 맥락에 따라 거의 동일하게 적용될 수 있습니다. 꼭 구분하고 싶은 경우에는 의도와 깊이의 차이로 합니다.

2. Chain of Reason

Chain of Reason (CoR)은 AI 모델의 추론 과정을 더욱 논리적이고 체계적으로 만들기 위한 고급 프롬프팅 기법입니다.

• 핵심 특징
  • 논리적 추론 단계 명시
  • 각 단계의 근거와 논리 제시
  • 가설 검증 및 대안 평가
  • 결론의 신뢰성 향상
• Chain of Thought vs The Chain-of-Thought Prompt vs Chain of Reason
  • 복잡성
    • Chain of Thought: 가장 단순
    • The Chain-of-Thought Prompt: 중간 수준
    • Chain of Reason: 가장 복잡
  • 분석 깊이
    • Chain of Thought: 얕음, 기본 논리적 추론
    • The Chain-of-Thought Prompt: 중간, 구조화된 변수 분석
    • Chain of Reason: 깊음, 다각도 종합적 평가
  • 목적
    • Chain of Thought: 기본 문제 해결, 문제 해결 과정 추적
    • The Chain-of-Thought Prompt: 복잡한 추론 문제, 체계적 추론 프레임워크
    • Chain of Reason: 전략적 의사결정 지원
  • 단계 구성
    • Chain of Thought: 문제 해결 과정의 논리적 흐름으로 단계를 구성합니다.
      • 단계 예시
        • 문제 이해
        • 핵심 정보 추출
        • 순차적 계산/추론
        • 결과 도출
    • The Chain-of-Thought Prompt: 변수 식별과 엄격한 분석 프레임워크로 단계를 구성합니다.
      • 단계 예시 A
        • 핵심 변수 식별
          변수 간 관계 분석
          가설 검증
          평가 기준 설정
          최종 결론 도출
      • 단계 예시 B
        • 1. 현재 시스템의 문제점 분석
          2. 잠재적 해결 방안 도출
          3. 각 방안의 장단점 평가
          4. 비용-효과 분석
          5. 사회적 영향 고려
          6. 최종 권장안 선택 및 그 근거 제시
    • Chain of Reason: 논리적 근거와 평가를 중심으로 맥락, 영향, 대안 평가로 단계를 구성합니다.
      • 단계 예시
        • 현황 분석
          잠재적 방안 도출
          장단점 평가
          비용-효과 분석
          사회적 영향 고려
          최종 전략 선택

3. PoE(Panel-of-Experts)

LLM(Large Language Model)은 다양한 작업에서 뛰어난 성능을 보여주지만, 복잡한 추론이나 문제 해결에는 여전히 어려움을 겪습니다. 이러한 한계를 극복하고 LLM의 성능을 더욱 향상시키기 위한 다양한 프롬프트 엔지니어링 기법들이 연구되고 있으며, 그 중 PoE(Panel-of-Experts)는 최근 떠오르는 주목할 만한 방법론입니다. PoE는 마치 여러 전문가들이 모여 토론하고 문제를 해결하는 과정을 모방하여 LLM이 더욱 정확하고 심층적인 답변을 생성하도록 유도합니다.

CoT(Chain-of-Thought) 기법이 단일 사고 흐름에 의존하는 것과 달리, PoE는 여러 전문가의 시각을 통해 다양한 가능성을 탐색하고 오류를 수정하며 최적의 솔루션에 도달할 수 있도록 돕습니다.

• PoE 기법의 핵심 특징
  • 각기 다른 전문 역할을 가진 다수의 AI 에이전트 활용
  • 협업을 통해 문제의 다양한 측면 분석
  • 최종 결과의 품질과 정확성 향상
• 실제 사용 사례
  • 복잡한 전략 수립
  • 다차원적 의사결정 분석
  • 창의적 문제 해결
  • 다각도 리스크 평가
• PoE 워크플로우
  • 문제 정의
  • 다양한 전문가 에이전트 선택
  • 병렬적 분석 수행
  • 종합 및 최종 결론 도출
• 다양한 관점 제시 – 단계별 토론 진행 – 최종 결과 통합
  • 각 단계에서 가상의 전문가 패널들은 각자의 전문 지식을 바탕으로 문제에 대한 의견을 제시하고, 다른 패널들의 의견을 비판적으로 검토하며, 최종적으로는 모든 의견을 종합하여 가장 합리적인 결론을 도출합니다.
  • 이러한 과정을 통해 LLM은 단순히 정보를 제공하는 것을 넘어, 마치 전문가 집단처럼 깊이 있는 분석과 토론을 통해 문제 해결에 접근할 수 있게 됩니다.
• 예시) 온라인 쇼핑몰 리뷰 분석
  • Context: 당신은 온라인 쇼핑몰 리뷰 분석 전문가 패널입니다. 아래는 최근 접수된 고객 리뷰 데이터입니다.리뷰 데이터:
    “배송이 너무 느려요. 상품은 괜찮은데 배송이 일주일이나 걸렸습니다. 다시는 이용하고 싶지 않네요.”
    “가격 대비 품질이 좋습니다. 디자인도 예쁘고 마감도 깔끔해요. 추천합니다!”
    “고객센터 응대가 불친절합니다. 문의사항에 대한 답변도 제대로 받지 못했습니다. 실망스럽네요.”
  • Roles:
    • 전문가 1: 데이터 분석 전문가, 이수진. 리뷰 데이터의 통계적 분석 및 패턴 파악 전문가.
      전문가 2: 마케팅 전문가, 김민철. 고객 경험 개선 및 마케팅 전략 수립 전문가.
      전문가 3: 자연어 처리 전문가, 박영희. 자연어 분석 및 감정 분석 전문가.
  • Task: 위 리뷰 데이터를 분석하고, 쇼핑몰 개선을 위한 구체적인 방안을 제시하세요. 각 전문가는 자신의 전문 분야를 바탕으로 분석 결과와 개선 방안을 제시하고, 다른 전문가의 의견에 대한 피드백을 제공해야 합니다.
  • Discussion Flow:
    • 1. 각 전문가는 자신의 분석 결과와 개선 방안을 제시합니다.
      2. 다른 전문가들은 제시된 의견에 대한 피드백을 제공합니다.
      3. 모든 전문가의 의견을 종합하여 최종 개선 방안을 도출합니다.
• 예시) 마케팅 전략 수립
  • 당신은 마케팅 전략 수립을 위한 전문가 패널의 일원입니다. 각자의 고유한 전문 관점에서 새로운 스마트폰 마케팅 전략을 분석하고 토론하세요.
  • 역할 지침
    • 당신은 마케팅 전략 수립을 위한 전문가 패널의 일원입니다. 각자의 고유한 전문 관점에서 새로운 스마트폰 마케팅 전략을 분석하고 토론하세요.### 역할 지침
      1. 마케팅 전략 전문가:
      – 타겟층 설정 및 마케팅 접근 방식 제안
      – 브랜드 포지셔닝 전략 수립2. 시장 분석가:
      – 경쟁사 동향 분석
      – 시장 트렌드 및 기회 요인 식별3. 소비자 심리학자:
      – 목표 고객의 구매 심리 분석
      – 감성적 마케팅 접근 방안 제시4. 재무 전문가:
      – 마케팅 예산 효율성 검토
      – 투자 대비 수익(ROI) 예측### 토론 프로세스
      – 각자의 전문 영역에서 3-4줄 분석
      – 다른 전문가의 의견에 건설적인 피드백
      – 최종적으로 통합된 마케팅 전략 제안

      ### 최종 결과물
      – 명확하고 실행 가능한 마케팅 전략
      – 구체적인 타겟층 및 접근 방식
      – 예상되는 성과와 잠재적 리스크

      ### 제품 배경
      – 제품: 최신 AI 기능 탑재 스마트폰
      – 타겟 시장: 글로벌 기술 얼리어답터
      – 경쟁 환경: 높은 기술 혁신 경쟁

      이 지침에 따라 협력적이고 종합적인 마케팅 전략을 개발하세요.

각 전문가가 서로의 의견에 대해 직접 피드백하고 상호작용하도록 명시적으로 요구하도록 했습니다. 이 프롬프트는 다음과 같은 변화를 포함합니다

• 상호작용 규칙 명시
• 피드백과 토론 강제
• 합의 도출 과정 추가
• 개방적이고 협력적인 토론 분위기 조성

이를 통해 각 전문가가 단순히 자신의 의견을 말하는 것을 넘어 실제 토론과 협업을 수행할 수 있습니다.

토론 종료 시점을 명확히 하기 위해 프롬프트에 다음과 같은 조건을 추가하겠습니다:

지금까지 내용과 조금 더 개선한  최종 PoE 프롬프트 예입니다.

추후 설계 기법은 https://www.promptingguide.ai/techniques 에서 제시되는 항목들도 보강될 것입니다.