지난 1편부터 14편까지 우리는 챗GPT를 비롯한 다양한 생성형 AI 툴을 실무와 콘텐츠 제작에 활용하는 구체적인 방법들을 살펴보았다. 프롬프트에 페르소나를 부여하고, 데이터를 분석하며, 이메일의 톤을 조절하고, 크롬 확장프로그램으로 동선을 줄이는 법까지 배우고 나면 문득 한 가지 근원적인 질문과 마주하게 된다. "이렇게 AI가 글도 잘 쓰고 기획 초안도 잘 짜준다면, 결국 인간인 나의 역할은 무엇일까?", "머지않아 내가 하는 일의 대부분을 AI가 완전히 대체해 버리는 것은 아닐까?" 하는 막연한 불안감이다. 나 역시 AI 툴들을 깊숙이 연구하며 비슷한 두려움을 느낀 적이 있다. 내가 며칠 밤을 새우며 고민하던 기획서의 뼈대를 AI가 단 5초 만에 뽑아내는 것을 보았을 때의 허탈함은 이루 말할 수 없었다. 하지만 수많은 프로젝트를 AI와 협업하며 내린 결론은 명확하다. AI 기술이 발전할수록 역설적으로 '인간 고유의 기획력과 문제 정의 능력'의 가치는 그 어느 때보다 가치 있게 빛난다는 사실이다. 오늘 시리즈의 마지막 글에서는 급변하는 기술 트렌드 속에서 AI에게 대체되지 않고, 오히려 AI를 지휘하는 '대체 불가능한 기획자'로 살아남는 법을 제언하고자 한다. AI가 절대로 흉내 낼 수 없는 인간의 3가지 영역 첫 번째는 '문제를 정의하는 능력'이다. AI는 주어진 질문에 답을 하는 데는 천재적이지만, 스스로 "지금 우리 비즈니스의 진짜 문제는 무엇인가?"라는 질문을 던지지는 못한다. 매출이 떨어졌을 때, 그것이 제품의 질 문제인지, 타깃 설정의 오류인지, 혹은 브랜드 이미지의 노후화 때문인지 현장을 관찰하고 진짜 원인을 진단하는 것은 오직 인간의 몫이다. 올바른 질문(프롬프트)을 던지기 위해서는 현상 뒤에 숨은 본질적인 문제를 찾아내는 안목이 필수적이다. 두 번째는 '고유한 경험(Experience)과 맥락의 연결'이다. AI는 전 세계의 공개된 ...
챗GPT를 쓰면서 가장 감탄할 때는 알아서 척척 글을 써줄 때이지만, 가장 답답할 때는 내가 원하는 '그 느낌'을 아무리 설명해도 엉뚱한 어조나 구조로 답변을 내놓을 때다. 예를 들어 "격식 있으면서도 너무 무겁지 않은 톤으로 써줘"라거나 "가독성 좋게 줄바꿈을 자주 해줘" 같은 형용사 위주의 지시는 AI에게 큰 효과가 없다. AI가 생각하는 '무겁지 않은 톤'과 내가 생각하는 기준이 다르기 때문이다.
이럴 때 수많은 형용사를 나열하며 설명하는 대신, 내가 원하는 완벽한 답변의 샘플을 딱 1~2개만 직접 보여주는 것이 훨씬 강력하다. 인공지능 분야에서는 이를 '퓨샷 러닝(Few-shot Learning)' 기법이라고 부른다. AI에게 아무런 예시도 주지 않고 답을 구하는 것을 제로샷(Zero-shot)이라고 한다면, Few-shot은 '몇 개의 본보기(Shot)'를 미리 학습시켜 출력의 정밀도를 극대화하는 상급 프롬프트 기술이다. 내가 실무에서 보고서 자동화나 특정 톤앤매너의 콘텐츠 초안을 뽑아낼 때 무조건 활용하는 퓨샷 러닝의 핵심 공식을 공유한다.
왜 설명보다 '예시'가 더 강력할까?
대형 언어 모델(LLM)은 문맥과 패턴을 파악하는 능력이 천재적이다. 우리가 "A처럼 써줘"라고 백 줄의 가이드라인을 적는 것보다, "입력: [값1] -> 출력: [예시1]"의 형태를 단 한 세트만 보여주는 것이 AI에게는 훨씬 직관적이다. AI는 제공된 예시의 문장 길이, 단어의 수준, 이모지 사용 여부, 심지어 마침표를 찍는 습관까지 그대로 복사하여 다음 답변에 적용하기 때문이다.
특히 기업의 고유한 브랜드 보이스를 유지해야 하는 마케터나, 자신만의 독특한 필체를 유지해야 하는 프리랜서 에디터에게 퓨샷 러닝은 필수다. 매번 질문할 때마다 "존댓말을 쓰고, 불릿포인트를 사용하며, 첫 문장은 질문으로 시작해줘"라고 구구절절 제약을 걸 필요가 없어진다. 예시 하나로 모든 제약 조건이 한 번에 해결되기 때문이다.
실패 없는 Few-shot 프롬프트 구조화 공식
AI에게 예시를 학습시킬 때는 인간과 AI의 대화 구조를 명확히 구분해 주는 '구분자(Delimiter)'를 사용하는 것이 좋다. 내가 실전에서 사용하는 표준 템플릿 구조는 다음과 같다.
역할 및 규칙 선언 AI의 페르소나와 함께, 지금부터 예시를 보여줄 테니 그 패턴을 완벽히 흡수하라는 지시를 내린다.
패턴 학습 섹션 (Input & Output 매핑) 대괄호나 기호를 활용해 입력값과 출력값의 샘플을 명확히 쪼개서 보여준다.
[예시 1 - 입력]: 원본 데이터
[예시 1 - 출력]: 내가 원하는 완벽한 형태의 결과물
실전 태스크 요청 예시와 동일한 구조로 처리해야 할 진짜 데이터를 밀어 넣는 단계다.
실전 적용: 나만의 필체로 블로그 인트로를 고정하는 퓨샷 프롬프트
내가 블로그 글을 쓸 때 늘 도입부를 [공감 유도 질문 -> 문제 제기 -> 해결책 제시 및 3줄 요약]의 구조로 쓴다고 가정해 보겠다. 챗GPT에게 이 구조를 완벽히 복제하도록 만드는 프롬프트 짜는 법이다.
[실전 Few-shot 프롬프트 예시] "너는 내 블로그의 전담 에디터야. 내가 아래에 제공하는 [학습 예시]의 문체, 문단 구조, 이모지 활용법, 글자 수(약 300자)를 완벽히 분석하고 학습해줘. 그리고 [실전 요청]에 있는 새로운 주제를 가지고 예시와 100% 동일한 패턴과 톤앤매너로 블로그 도입부를 작성해줘.
[학습 예시]
입력 주제: 직장인 엑셀 칼퇴 비법
출력 결과: 매주 월요일 아침, 산더미처럼 쌓인 엑셀 로우 데이터를 보며 한숨부터 쉬고 계시진 않나요? 😢 VLOOKUP 함수 수식을 짜다가 자꾸 뜨는 에러 메시지를 보면 머리가 지끈거리기 마련입니다.
문제는 여러분의 수학 능력이 아니라, 엑셀과 대화하는 법을 몰라서 그렇습니다. 오늘 글에서는 복잡한 함수 없이도 업무 시간을 반으로 줄여줄 3가지 치트키 수식을 알려드립니다. 딱 3분만 투자해서 월요병을 날려보세요!
📌 이번 글의 핵심 포인트:
에러 없는 INDEX/MATCH 조합법
마우스 손 안 대고 정렬하는 단축키
피벗 테이블 5초 만에 완성하기
[실전 요청]
입력 주제: 프리랜서 세금 종합소득세 신고 요령
출력 결과: "
이렇게 프롬프트를 구성해 던지면, AI는 [실전 요청]의 '종합소득세 신고'라는 주제를 받자마자 예시의 패턴을 귀신같이 분석한다. "매년 5월만 되면 머리가 아픈 프리랜서 분들 많으시죠? 😢"로 시작하여, 정확히 동일한 이모지와 3줄 요약 포맷으로 결과물을 출력해 낸다.
Few-shot 러닝은 AI 활용 능력을 주니어에서 시니어로 끌어올리는 마법의 열쇠다. 내가 원하는 퀄리티의 결과물이 나오지 않아 질문 창을 부수고 싶었던 경험이 있다면, 오늘 당장 내가 직접 잘 썼던 글이나 보고서 샘플을 복사해 AI에게 "이대로만 만들어줘"라고 시범을 보여줘 보라. AI가 당신의 뇌 구조를 그대로 복제한 듯한 만족스러운 초안을 가져다줄 것이다.
📌 12편 핵심 요약
AI에게 형용사(예: 부드럽게, 깔끔하게)로 스타일을 설명하는 것보다 실제 샘플을 보여주는 'Few-shot 러닝'이 훨씬 정확하다.
퓨샷 프롬프트를 짤 때는 [입력]과 [출력]의 구조를 명확히 분리하여 패턴을 인지시키는 과정이 필수적이다.
이 기술을 활용하면 나만의 고유한 필체, 글의 레이아웃, 특정 보고서 포맷을 완벽하게 유지하며 자동화 파이프라인을 구축할 수 있다.
🚀 다음 편 예고
다음 13편에서는 AI 시대의 가장 뜨거운 화두인 [AI 활용 시 반드시 알아야 할 저작권 가이드라인과 주의사항]을 다룹니다. AI가 생성한 글과 이미지를 블로그나 상업적 업무에 사용할 때 법적 문제가 없는지, 안전하게 활용하는 크로스 체크 기준을 전달해 드립니다.
💬 생각 공유하기
내가 원하는 형태나 말투를 AI에게 설명하느라 프롬프트를 길게 짜보신 적이 있나요? 퓨샷 러닝으로 고정해보고 싶은 여러분만의 문서 양식(예: 인스타 캡션, 보고서 결론 등)이 있다면 댓글로 알려주세요!
댓글
댓글 쓰기