📌 먼치 POINT

1. 막막함을 뚫는 핵심 전략, 메타 프롬프트

• ChatGPT 활용의 가장 큰 장벽은 "무엇을 어떻게 물어보느냐"는 질문 설계의 어려움이다.

• 메타 프롬프트는 AI에게 오히려 “좋은 질문을 만드는 법”을 묻는 방식이다.

• 질문의 무게를 혼자 짊어지지 않아도 되는, 새로운 협업 방식이다.

2. 좋은 프롬프트의 3요소와 구조화 요령

• 좋은 프롬프트는 목표 설정, 결과물 형식 명시, 주의사항 및 참고 자료 제공이 핵심이다.

• 마크다운 등 형식을 구조화하면 결과의 정확성과 일관성을 확보할 수 있다.

• 프롬프트 생성기를 활용하면, 초보자도 전문가 수준의 프롬프트를 생성할 수 있다.

3. 사고를 확장하는 단계적 접근

• 한 번의 프롬프트보다, 단계적으로 사고를 확장하는 방식이 더 정밀한 결과를 만든다.

• 전문가 관점 소환 → 사고의 지도 구성 → 단계별 실행 → 피드백 개선의 순환이 핵심.

• AI를 ‘도구’가 아닌 ‘동료’로 바라볼 때, 업무 성과의 차원이 달라진다.

AI 활용의 막막함, 해답은 ‘메타 프롬프트’

기업 교육 현장에서 만나는 많은 분들이 ChatGPT 활용에 어려움을 겪고 있습니다. 빈 채팅창에 무언가 요청해야 한다는 막막함이 가장 큰 장벽으로 작용하고 있습니다.

이런 막막함을 극복하고 프롬프트를 잘 쓰는 핵심 아이디어가 바로 메타 프롬프트입니다. 메타 프롬프트의 핵심 아이디어는 AI에게 뭐라고 물어볼지, AI와 어떻게 협력할지, AI의 전문성을 어떻게 극대화할지를 내가 인간으로서 궁리하는 것이 아니라 AI에게 물어보는 것입니다. 내가 좋은 질문을 만들려고 머리 싸매는 것 대신 AI에게 좋은 질문할 수 있게 도와달라고 요청하는 방식입니다. AI가 AI의 작업을 돕는 셈입니다.

좋은 프롬프트의 세 가지 조건

AI에게 좋은 프롬프트를 작성할 수 있게 도와달라고 하기 전에, 무엇이 좋은 프롬프트인지부터 정의해야 합니다. 좋은 프롬프트의 필요 조건은 다음 세 가지 포인트로 정리할 수 있습니다.

1. 프롬프트 구조화

2. 참고 자료 제공

3. 단계적 프롬프팅

이러한 좋은 프롬프트를 만드는 과정에서 메타 프롬프트를 어떻게 활용하는지 구체적인 사례와 함께 살펴보겠습니다.

프롬프트를 구조화하는 법

프롬프트를 막상 써보면 우리가 생각하는 대로 결과가 잘 나오지 않는 경우가 많습니다. 프롬프트가 모호하거나 너무 짧을 때 이런 문제가 발생합니다.

간단한 프롬프트 예시를 살펴보겠습니다. "기업 교육 회사를 운영하는 사람 입장에서 어떻게 신규 고객을 창출할 것인가"라고 물어봤을 때, 답변이 일반적이고 전문적이거나 창의적이라는 느낌을 받기 어렵습니다. 길이도 짧은 편이고, 같은 프롬프트를 재실행할 때마다 결과의 일관성이 떨어지는 문제도 있습니다. 반면 상세한 프롬프트로 작성했을 때는 시장 분석 및 트렌드 요약을 제공하고, 차별화 전략도 도출해주며, 전략별로 각각의 액션 플랜도 상세하고 구체적으로 작성해줍니다. 여러 번 생성해도 결과가 안정적으로 재현됩니다.

메타 프롬프트 요령은 프롬프트를 어떻게 구체화해서 쓸지를 AI에게 물어보는 것입니다. 프롬프트 구조화 전략의 배경을 먼저 설명하면, 개별 프롬프트는 내용적으로는 구체적으로 쓰고 형식적으로는 구조화된 형식으로 작성해야 사용자의 의도와 맥락에 맞는 좋은 답이 나옵니다.

프롬프트 구조화의 핵심 요령은 다음과 같은 구성 요소들을 포함해서 작성하는 것입니다.

1. 목표: 프롬프트를 통해서 달성하고 싶은 목표나 핵심 지시 사항을 설명하는 것입니다.

2. 결과물 형식: 내가 어떤 결과물이 나왔으면 좋겠다는 것을 묘사하거나 결과물이 벤치마킹할 예시나 템플릿을 제공해주는 것입니다.

3. 주의사항: 내 의도에 맞는 결과물을 생성하기 위해서 이건 하지 말고 이건 해달라는 점들을 명시하는 것입니다.

4. 참고 자료: ChatGPT가 답을 생성할 때 참고했으면 하는 여러 가지 자료들을 제공해주는 것입니다.

형식적으로는 의식의 흐름 기법대로 쓰는 것이 아니라 구조화된 형태로 작성하는 것이 좋습니다. 섹션 단위로 구조화하는 방법은 여러 가지가 있는데, 비개발자라면 마크다운 문법을 추천합니다. 마크다운은 인터넷에서 일반적으로 사용하는 글쓰기 문법입니다. 특수 기호를 이용한 문법만 기억해도 충분합니다. 프롬프트를 구조화한다는 것은 내용적인 구성 요소를 충분히 포함하고 형식화 요령을 감안해서 프롬프트를 구체적이고 구조화해서 작성하는 기법입니다.

AI에게 프롬프트 작성을 맡기는 기술

이렇게 복잡하고 상세한 프롬프트를 쓰기 위해 메타 프롬프트가 큰 역할을 발휘합니다. 상세한 프롬프트를 어떻게 써야 하는지를 AI에게 물어보는 것입니다. 직관적으로는 내가 작성하고 싶은 원래 프롬프트를 입력하고 구분선을 그어서 "이 프롬프트를 프롬프트 엔지니어링 원칙에 따라서 구체적이고 구조화된 프롬프트로 개선해달라"고 요청하면 됩니다. GPT가 알아서 상세하고 구조화된 프롬프트로 만들어줍니다.

더 좋은 방법은 어떻게 구조화하고 어떤 식으로 구체화하라는 요령을 GPT에게 미리 설명해놓은 GPTs를 활용하는 것입니다. 제가 만든 프롬프트 생성기에는 미리 작성해놓은 프롬프트 구조와 요령이 들어가 있습니다. 프롬프트 구조와 요령은 ChatGPT의 공식 프롬프트 엔지니어링 가이드 문서와 Claude의 공식 프롬프트 엔지니어링 가이드 문서를 많이 참고했습니다. AI 활용 관련 책을 추천해달라는 요청을 받을 때 OpenAI나 Anthropic의 공식 프롬프트 엔지니어링 가이드 문서를 추천하는 편입니다. 지속적으로 업데이트되고 있고 내용이나 예시도 풍부하며 프롬프트 작성 요령에 대해서 상세하게 설명해놓고 있습니다. 이 두 개의 문서를 기반으로 핵심 내용을 요약해서 프롬프트를 고쳐주도록 프롬프트 생성기를 만들어놓았습니다.

• 메타 프롬프트_일잘러 장피엠

• 프롬프트 생성기_일잘러 장피엠

공식 가이드와 실전 활용 사례

프롬프트 생성기 활용 사례를 살펴보겠습니다.

네이버 블로그 게시물 작성

어떤 주제로 네이버 블로그를 작성해달라고 해도 네이버 블로그를 작성해주지만, 다소 짧기도 하고 평범하며 AI가 쓴 티가 나는 결과물이 나옵니다.

답변의 전문성과 창의성을 더 끌어올리기 위해서 프롬프트를 구조화해야 합니다. 프롬프트 생성기에서 프롬프트를 생성하면 상세한 프롬프트가 나옵니다. 생성된 구체화된 프롬프트를 그냥 사용해도 되지만, 인간으로서 검토해보고 부족한 부분이 있으면 더 보완하고 원하는 방향으로 프롬프트가 작성되도록 피드백을 해주는 것이 좋습니다.

참고할 만한 네이버 블로그 글을 가져와서 "이 블로그 글의 스타일과 구성을 벤치마킹해서 프롬프트를 만들어달라"고 요청하면 더욱 개선된 프롬프트를 만들 수 있습니다. 이 프롬프트로 답을 생성해보면 개인적인 이야기처럼 네이버 블로그 느낌으로 훨씬 더 생생한 느낌의 글을 작성해줍니다.

제주도 가족 여행 일정 작성

간단한 프롬프트로도 나쁘지 않게 나오지만, 일반적으로 사람들이 좋아하는 것들 위주로만 나와서 평범한 일정이 나옵니다.

프롬프트를 확장해달라고 요청하고 피드백을 주어 프롬프트에 내 의도가 잘 담겨있는지를 확인한 후 구조화된 프롬프트를 실행하면, 훨씬 더 디테일하고 실제로 네이버 지도에 해당 식당까지 추천해주는 구체적이고 니즈에 맞는 결과가 나옵니다.

치료제 시장 리서치

위식도 역류질환 치료제와 관련된 시장 리서치 사례에서도 마찬가지입니다. ChatGPT가 요즘 잘해주지만, 프롬프트 구조화를 통해서 개선하면 핵심 인사이트를 뽑아주고 치료제 현황을 표로 깔끔하게 정리해주며, 제약사별 경쟁 현황과 매출액, 유통 전략이나 트렌드 분석까지 상세하게 자료 조사를 해줍니다.

위식도 역류질환 치료제 시장 조사 예시에서 사전 학습된 내용만 기반으로 답을 하다 보니 최근 2025년 데이터는 빠져 있는 1년 정도 아웃데이트된 결과물이 나왔습니다. 여기에서 만족하지 말고 "인터넷 검색을 해서 최신 내용을 반영해서 정리해달라"고 피드백을 주면 인터넷을 검색해서 최신 내용까지 반영된 결과를 얻을 수 있습니다.

이 결과가 최초 프롬프트보다는 더 좋으므로 "한 번의 프롬프트로 이 결과를 바로 얻을 수 있게 최초의 프롬프트를 수정해달라"고 요청하면 개선된 프롬프트를 제공해줍니다. 어떤 부분을 수정했는지 궁금하다면 diff 형식으로 알려달라고 하면 기존 것과 수정한 것들을 빨간색과 초록색으로 표시해서 보여줍니다.

프롬프트 생성기를 이용해서 AI가 프롬프트를 고쳐주고, 그 고쳐진 프롬프트를 통해서 답변을 향상시킬 수 있습니다. 생성기가 생성한 프롬프트도 완벽하지 않을 수 있고 내 의도를 곡해할 수 있기 때문에 적절히 피드백을 해서 프롬프트를 다듬어가야 합니다. 프롬프트 생성기로 프롬프트를 생성하거나 인간으로서 양질의 프롬프트를 썼어도 내가 원하는 결과를 한 번에 주는 경우는 잘 없습니다. 아쉬운 부분도 있고 더 깊이 봐야 되는 부분도 있고 굳이 불필요한데 설명해주는 요소들도 있습니다.

그럴 때 ChatGPT에게 다시 한 번 피드백을 주어 내가 원하는 결과가 나올 때까지 계속 피드백을 주고, 최종적으로 내가 원하는 결과물이 나오게 되면 "이 원하는 결과물을 한 번에 프롬프트로 얻을 수 있게 내 최초의 프롬프트를 수정해달라"고 피드백을 주면 최초의 프롬프트가 더 내 의도를 반영한 견고한 프롬프트로 개선됩니다. 이런 과정까지 거치면 훨씬 더 내 의도를 잘 반영하고 훨씬 더 양질의 구조화된 프롬프트가 만들어집니다. 이것이 프롬프트 자산이 되는 것입니다.

참고 자료 제공의 중요성

좋은 프롬프트의 두 번째 필요 조건인 참고 자료 제공에서도 메타 프롬프트를 활용할 수 있습니다. 좋은 프롬프트를 쓰기 위해서 참고 자료를 제공하는 것이 중요한 이유는 ChatGPT 활용에서 가장 짜증나는 부분인 틀린 내용을 말해주는 할루시네이션 현상을 완화할 수 있기 때문입니다.

기본적으로 LLM은 특정 시점까지 방대한 인터넷을 학습해서 그 사전 학습된 내용을 기반으로 답을 합니다. 그러다 보니 최신 정보에 대해서는 모르고, 학습한 시점 이전의 내용이더라도 방대한 인터넷에 대한 흐릿한 기억을 가지고 있는 것이기에 구체적인 숫자나 디테일한 내용에서 오류가 발생할 수 있습니다.

LLM은 모든 것을 절대적으로 다 알고 있는 존재가 아니고 주어진 프롬프트 인풋을 기반으로 확률적으로 가장 그럴듯한 아웃풋을 주는 대규모의 추론 연산 기계라고 보는 게 더 적합합니다. 구체적인 참고 자료를 인풋으로 주고 그것을 기반으로 아웃풋을 만들어내는 것이 틀린 답변의 가능성을 최소화하고 정확한 답변을 얻을 수 있는 전략입니다.

기본적으로 LLM 회사들이 인터넷 검색을 해서 인터넷 내용을 참고하게 하고 있습니다. 많은 사용자들이 LLM을 쓸 때 틀린 내용이 나오는 것을 가장 짜증내하니까 LLM 회사들이 모두 이런 기능을 추가했습니다. 빠르게 인터넷에 검색해서 그것을 한 번 빠르게 살펴보고 답을 해주는 전략은 참고 자료를 제공하는 좋은 전략이고 쉬운 방법입니다.

하지만 완벽한 해결책이 되지는 못합니다. 구글 첫 번째 웹 문서에 내가 항상 원하는 답이 없을 수 있는 것처럼 약간은 운에 맡기는 방법입니다. 직장인 입장에서 더 정확한 답을 얻으려고 하면 특정 지식이나 콘텐츠를 내가 직접 선별해서 직접 제공하고 그것을 기반으로 답을 하라고 하는 것이 전문성과 신뢰성을 높이는 좋은 결과를 얻을 수 있는 방법입니다.

참고 자료를 제공하는 전략에서도 메타 프롬프트를 활용할 수 있습니다. 문제를 해결하고자 할 때 어떤 참고 자료가 적합할지를 AI에게 물어볼 수 있습니다. 특히 추론 모델이나 심층 리서치를 사용하면 정확하고 최신화된 정보를 잘 찾아서 줍니다. AI가 찾아준 자료를 인간으로서 한번 선별해서 그것을 다시 ChatGPT에게 주고 그것을 기반으로 내가 원하는 답을 생성하거나 보고서를 작성하라고 할 수 있습니다.

기업에서 외국인을 채용하는 상황을 예로 들면, 외국인을 채용할 때 어떤 절차나 조치가 필요한지를 바로 LLM에 물어보는 것이 아니고 "이런 문제를 해결하려고 하는데 어떤 공식적인 자료를 봐야 되는지" 요청하는 것입니다. AI가 많은 자료를 정리해주면 자료들을 살펴보고 링크에 들어가서 정확한 원문의 내용을 찾아보고 핵심적인 자료를 선별해서 그것을 기반으로 ChatGPT에서 분석하면 됩니다.

방대한 자료를 다루는 새로운 도구, 노트북 LM

방대한 자료의 탐색과 정리를 조금 더 쉽게 할 수 있는 요령으로 구글 노트북 LM을 이용하는 방법이 있습니다. 노트북 LM은 구글에서 만든 무료 서비스인데 이런 방대한 자료를 소화하는 데 탁월한 AI 도구입니다.

자료를 찾아보라고 한 다음 상황에서 이 자료들을 링크 형식으로 정리해달라고 요청합니다. PDF도 볼 수 있는 링크로 만들어주고 웹 페이지도 정확한 상세 페이지 링크를 주며, 넘버링이나 제목 없이 URL들만 나열해달라고 요청하면 URL들이 나옵니다.

방대한 URL들을 복사한 다음 노트북 LM에서 새 노트 만들기를 하고 웹사이트를 누르면 URL을 통째로 붙여놓는 란이 있는데, 여기에 GPT가 만들어준 링크를 붙여넣기만 하면 됩니다. PDF면 PDF로 변환이 되고 유튜브면 유튜브로 변환됩니다. 이 링크를 가지고 알아서 소스를 프로젝트에 추가해줍니다.

노트북 LM에서 바로 궁금한 것을 물어볼 수도 있습니다. 전체적인 내용을 이해하는 데 도움이 되는 오디오도 만들어주고, 전체적인 내용을 설명해주는 동영상까지 생성해줍니다. 전체적인 브리핑 문서나 자주 묻는 질문 같은 것도 만들어주니까 노트북 LM에서 방대한 자료를 학습하거나 소화하는 식으로 활용해볼 수 있습니다.

내가 해결하고자 하는 문제를 더 정확하게 파악하기 위해서 어떤 자료를 살펴봐야 되는지도 물어볼 수 있습니다. 자료를 확인한 후 이 자료를 다시 ChatGPT에 넣고 내가 알고자 하는 내용에 대해서 상세하게 설명해달라고 하고 몇 페이지를 기반으로 작성한 것인지도 알려달라고 하면, 참고 자료를 기반으로 해서 상세하고 정확한 답변을 해줍니다. 원하신다면 이 내용을 기반으로 해서 체크리스트 같은 것도 만들고 여러 가지 보고서 작성에도 활용할 수 있습니다.

단계적 프롬프팅으로 사고를 확장하기

지금까지는 하나하나의 프롬프트에 대해서 메타 프롬프트 기법을 통해 결과물을 개선하는 방법을 알려드렸습니다. 이번에는 하나의 프롬프트가 아닌 전체 대화에 관한 전략입니다. ChatGPT의 역량을 극대화하려고 하면 한 번의 프롬프트로 나온 답변을 얻고 끝이 아니고, 여러 프롬프트를 통해서 생각을 점진적으로 쌓아서 더 전문적이고 복잡한 추론을 하는 단계적인 프롬프팅을 실천하는 것이 좋습니다.

LLM은 한 번의 응답에서 나올 수 있는 아웃풋 토큰 상한이 있기 때문에 한 번에 답을 얻는 것보다는 여러 대화를 거쳐서 생각을 쌓아서 최종적으로 양질의 결과물을 만들어내는 접근 방식이 도움이 됩니다. 크고 복잡한 태스크를 여러 개의 작은 태스크로 쪼개서 단계적으로 수행하게 하는 것입니다.

기업에 대한 애널리스트 리포트 작성을 예로 들면, 재무제표를 업로드하고 "이 기업에 대한 애널리스트 리포트 작성해달라"고 하는 것이 아니라, 재무제표를 주고 먼저 주요 재무지표를 추출하고 해당 기업의 산업에서 봐야 되는 지표들이 무엇인지 정의하고 그 다음에 이 기업을 정의해둔 기준에 따라서 분석한 다음에 최종적으로 지금까지 분석한 모든 내용을 종합해서 보고서 형식으로 정리해달라고 하는 식으로 단계적으로 프롬프트를 쓰는 것입니다. 프롬프트를 어떻게 나누어서 작성하느냐는 결국 인간 전문가의 업무 절차를 모방하면 됩니다. 더 직관적으로는 "나라면 어떻게 할까"를 생각해보는 것입니다.

블로그를 쓴다고 할 때 어떤 작가도 위에서부터 그냥 생각나는 대로 블로그를 쓰는 경우는 잘 없을 것입니다. 인간이라면 블로그를 쓰기 위해서 리서치를 하고 타겟 독자 정의하고 핵심 주제 도출하고 아웃라인 작성한 다음에 아웃라인별로 글을 쓰는 절차를 거칠 것입니다. ChatGPT 역시도 이렇게 해야 합니다. 여러 번에 나눠서 인간처럼 업무를 수행하도록 했을 때 더 좋은 결과를 얻게 됩니다.

전문가의 사고 과정을 모방하기

단계적인 프롬프팅도 더 쉽게 실천하게 하기 위해서 메타 프롬프트 기법을 이용할 수 있습니다. 내가 어떤 문제를 해결하고 싶은데 이것을 어떻게 단계적으로 접근해야 될지를 AI에게 물어보는 것입니다.

"이런 문제를 해결하기 위한 단계적인 사고 과정을 알려달라" 또는 "단계적인 문제 해결 과정을 알려달라"고 바로 요청할 수도 있지만, 전문가를 소환해서 그들의 사고 과정을 뽑아내는 방식을 더 선호합니다. 전문가를 매개로 해서 단계적인 사고 과정을 뽑아냈을 때 훨씬 다양한 관점을 탐색할 수 있고 창의적인 문제 해결 접근법이 나옵니다.

런던 베이글 뮤지엄 사례

런던 베이글 뮤지엄 브랜드에 대한 사업 성과 분석 및 기업 가치 평가 사례를 살펴보겠습니다. 최근에 2천억으로 이 브랜드가 매각됐다는 이야기가 있어서 2천억 정도의 딜이 정말 말이 되는 건지 ChatGPT와 분석해보겠습니다.

재무제표를 주고 "이 기업에 대한 사업 성과 분석 및 기업 가치 평가 실시해달라"고 한 번에 프롬프트로 하더라도 결과가 잘 나옵니다. 좋은 참고 자료를 줬으니까 좋은 결과가 나오는 것입니다. 하지만 그 결과를 보면 재무제표에 있는 정보들을 뽑아서 요약한 정도에 불과하고, 여기에서 나와 있는 여러 가지 정보들도 우리가 흔히 알고 있는 일반적인 수준에서의 런던 베이글 뮤지엄에 대한 내용들이 나와 있습니다.

2천억에 대해서 어떻게 생각하냐고 물었을 때 2천억은 저평가에 가깝다, 너무 비싸게 팔린 것은 아니다, 적절하고 오히려 조금 더 싸게 팔린 것에 가깝다고 분석해줬습니다. 단계적인 프롬프팅을 했을 때도 결론은 동일했습니다. 단일한 프롬프트로 결과를 뽑는 것도 결론만큼은 큰 차이가 없었지만, 분석 과정에서의 디테일이나 상세한 내용, 인사이트 같은 것들이 부족합니다.

문제를 바로 해결하라고 요청하는 것이 아니라 이 문제를 해결하기 위한 단계적인 사고 과정을 알려달라고 요청할 수 있습니다. ChatGPT가 이 문제를 해결하기 위한 단계적인 접근 방식을 알려주면 이것이 일종의 생각의 지도 역할을 합니다. 이 생각의 지도를 따라서 단계적으로 분석해서 최종적으로 결론을 도출하고 그것을 기반으로 보고서를 작성하는 것이 단계적인 프롬프팅입니다.

더 참신한 메타 프롬프트 기법은 "이 문제에 가장 적합한 전문가를 추천해달라"고 하는 것입니다. 적합한 전문가를 추천하라고 하면 주로 직책이나 직무가 추천됩니다. 하지만 실존하는 전문가라고 입력하게 되면 실제 사람이 추천됩니다. 이 사람이 추천되면 조금 더 그 생각의 지도, 단계적인 사고 과정이 창의성이 높아집니다.

전문가를 추천받고 설명을 보고 가장 적합한 전문가를 고른 다음, "이 전문가의 관점에서 이 문제를 해결하기 위한 단계적인 사고 과정을 알려달라"고 요청합니다. 이렇게 요청하면 이 전문가의 전문성이 더 가미되어 조금 더 상세한 생각의 지도가 나옵니다. 생각의 지도에 따르면 문제 정리를 하고 자료 수집을 한 다음에 재무 성과 진단하고 비재무적인 특징들을 분석하고 기업 가치를 산출한 다음에 매각의 적정성을 평가하고 전략적 시사점을 도출하는 7개의 단계를 통해서 분석하겠다는 계획이 세워집니다.

계획이 세워졌으니 "1단계 실시해달라", "2단계 실시해달라"고 이 생각의 지도를 따라가면서 분석하면 됩니다. 중간중간에 더 양질의 정보를 주거나 분석한 내용에 대해서 피드백을 해주면 더 좋습니다. 2단계에서는 이 기업에 대한 정보를 수집하는 것이므로 DART에 공시되어 있는 재무제표를 주고 이 데이터를 분석해달라고 하면 참고 자료를 준 셈이니까 이 분석이 더 정확하게 나옵니다.

구체적인 지표들에 대해서 매출 대비해서 몇 퍼센트 정도 되는지 디테일하게 분석을 해줍니다. 단일한 프롬프트로 분석했을 때보다 훨씬 더 상세한 분석이 나오는 것을 확인할 수 있습니다. 분석한 결과에 대해서 끝내는 것이 아니고 내가 봤을 때 광고선전비가 낮은 것이나 임차료 비중이 낮은 것은 훌륭한 것 같다며 이런 점을 반영해달라고 인간으로서 피드백을 해줄 수 있습니다.

2단계에서 정성 데이터 수집도 하고 인터넷 커뮤니티 내용들, 언론 기사들을 분석한 내용을 기반으로 해서 구체적인 재무 성과 진단을 했더니 런던 베이글 뮤지엄은 압도적으로 고성장하고 있는 브랜드고 수익성이 좋으며 비용 구조도 효율적으로 기업이 운영되고 있다고 전문적으로 분석해줍니다.

다음 단계에서는 브랜드나 평판 분석을 해보니까 전체적으로 브랜드 충성도가 강하지만 단점은 유행을 따르는 아이템인 경우에는 급격히 손님이 줄어들 수 있다는 점입니다. 기업 가치 산출을 하고 적정성을 분석해보면 저평가다, 오히려 2천억이 저렴하다는 결론이 나옵니다.

이렇게 좋은 생각이 쌓여 있으니까 이 모든 것을 종합해서 보고서 형식으로 정리해달라고 해서 마무리하면 됩니다.

피드백과 검증으로 프롬프트를 진화시키기

단계적인 프롬프팅을 통해서 분석을 하니까 다소 번거롭긴 하지만 이 과정에서 디테일한 인사이트 같은 것들도 볼 수 있고, 최종적으로 보고서 형식으로 정리했을 때 디테일이 살아있는 보고서가 작성됩니다.

단계적으로 프롬프팅을 해서 생각을 전개할 때 사용할 수 있는 또 다른 메타 프롬프트는 바로 스스로 검증하게 하는 프롬프트입니다. ChatGPT가 이전 답변에 대해서 평가하거나 이것을 어떻게 개선할 수 있는지 아이디어를 주거나 혹시 틀린 내용이나 오류 가능성이 있는 내용이 무엇이 있을까 같은 것들을 스스로 검증하게 하는 방법입니다.

이렇게 하면 이 내용을 검토해서 이런 점에서 오류가 있을 수도 있다, 이런 점이 사실과 다를 수 있다, 이런 점이 더 개선할 수 있다, 내 답변에서 구체성과 창의성 전문성 측면에서 어떤 특징이 있다고 평가를 해줍니다. 그 평가를 기반으로 해서 한 번 더 개선을 하게 되면 결과가 또 향상됩니다.

작성된 보고서에서 "이 응답을 토대로 이 답변을 철저하게 비판적으로 검토해달라" 그리고 "어떤 점이 개선 가능할지 개선점을 제시해달라"고 하면 이 답변이 좋았지만 이런 한계점들이 있었다고 브리핑을 해주고, 그 한계점을 기반으로 해서 어떤 점을 개선할 수 있겠다고 나름대로의 개선 의견을 줍니다.

한 번 더 검증하고 한 번 더 비판적으로 바라보게 했을 때 조금 더 개선할 수 있는 여지가 보입니다. 피드백을 읽어보고 내가 인간으로서 추가적인 피드백을 주면 그런 것들을 반영해서 그리고 자기가 스스로 평가했던 개선점들을 반영해서 이 보고서를 한 번 더 업그레이드를 해줍니다.

아까와 비슷한 구조지만 구조적인 이유들, 디테일한 분석들 같은 것들이 나오는 모습입니다. 이 분석이 구체적이고 합리적입니다. 경쟁 회사들이 그 멀티플을 얼마큼 받는지 같은 것도 추가되어 훨씬 더 보고서가 풍부해진 것을 확인할 수 있습니다.

AI와 협력하는 새로운 일의 방식

AI를 잘 쓰려면 좋은 질문이 필요하다, 그래서 잘 훈련된 사람이 AI도 더 잘 쓴다는 얘기는 정말 맞는 말입니다. 하지만 AI에게 내 일을 잘 설명하고 좋은 질문하기 어려워하는 분들도 메타 프롬프트 아이디어와 기법들을 적용해보시면 좋은 질문을 하게 할 수 있게 되고 AI도 더 잘 쓸 수 있게 됩니다.

AI는 일방적으로 지시를 하고 정해진 결과를 받는 기존 도구와는 정말 다른 도구입니다. 오히려 마치 사람과 협업하는 것처럼 AI에게 질문하고 도움을 구했을 때 그것을 통해서 내가 더 똑똑해지고, 똑똑해진 내가 AI에게 더 좋은 지시를 할 수 있게 되고, 그래서 더 좋은 결과를 뽑아낼 수 있습니다.

AI와 인간과의 관계 설정을 상호 협력하는 관계로 설정하는 것이 AI를 더 잘 쓰기 위한 핵심 아이디어입니다. ChatGPT를 쓰든 제미나이, Claude를 쓰든, 그리고 그 모델이 무료든 GPT-4든 GPT-5든 이런 메타적 접근은 계속 유의미할 것입니다.

많은 분들이 만능 프롬프트를 찾아서 그대로 실행해보거나 프롬프트 공식 같은 것들을 찾아보시고 그것을 외워서 사용하려고 하는데, 그런 접근 방식보다는 이런 메타 프롬프트를 통해서 AI와 대화하고 협력하면서 문제를 해결해나가는 방식이 훨씬 효과적일 것입니다.

업무에 활용해보시고 느끼신 점을 댓글로 공유해주시면 AI 실무 활용과 관련된 더욱 깊이 있는 인사이트를 담아서 다음 영상에서 다시 찾아오겠습니다.

Created by 일잘러 장피엠
교정 SENTENCIFY | 에디터 이유진