같은 프롬프트를 AI에 넣어봤더니｜좋은 결과와 나쁜 결과를 가르는 차이
AI를 처음 사용할 때 가장 많이 하는 실수 중 하나가 있습니다.
원하는 결과가 나오지 않으면 프롬프트를 더 길게 쓰려고 하는 것입니다.
저도 처음에는 비슷했습니다.
AI에게 원하는 작업을 설명하고 결과가 마음에 들지 않으면 문장을 조금 수정했습니다. 그런데 AI 자동화를 직접 만들면서 여러 번 테스트하다 보니 단순히 프롬프트가 길다고 좋은 결과가 나오는 것은 아니라는 것을 알게 됐습니다.
오히려 중요한 것은 AI에게 얼마나 많은 말을 해주느냐가 아니라 어떤 정보를 어떤 순서로 전달하느냐였습니다.
특히 자동화에서는 이 차이가 더 크게 느껴집니다.
사람이 직접 AI를 사용할 때는 결과가 마음에 들지 않으면 다시 질문하면 됩니다. 하지만 자동화에서는 AI가 만든 결과가 다음 단계로 바로 넘어가기 때문에 처음부터 결과의 범위를 어느 정도 정해놓는 것이 중요합니다.
같은 요청인데 결과가 달라지는 이유
예를 들어 AI에게 다음과 같이 요청한다고 생각해보겠습니다.
“2026년 선풍기 추천 글 제목을 만들어줘.”
AI가 이해하지 못할 정도로 잘못된 요청은 아닙니다.
하지만 결과를 만드는 데 필요한 정보가 상당히 부족합니다.
누구를 위한 제목인지 알 수 없고, 몇 개를 원하는지도 없으며, 제목의 길이나 분위기도 정해져 있지 않습니다.
검색형 제목을 원하는지, 정보 전달형 제목을 원하는지도 알 수 없습니다.
그러다 보니 AI는 자신이 판단할 수 있는 범위 안에서 결과를 만들어야 합니다.
반대로 다음과 같이 조건을 추가할 수 있습니다.
“2026년 선풍기 비교 글에 사용할 제목 5개를 만들어줘. 30~50대 소비자가 이해하기 쉽게 작성하고, 제품을 단순 추천하기보다 비교 의도가 드러나도록 해줘. 제목은 35자 이내로 작성하고 비슷한 표현을 반복하지 마.”
두 요청은 목적 자체는 비슷합니다.
하지만 AI가 판단할 수 있는 범위가 달라집니다.
여기서 중요한 것은 프롬프트가 길어졌다는 사실이 아닙니다.
AI가 무엇을 판단해야 하고 무엇을 판단하면 안 되는지가 조금 더 명확해졌다는 것입니다.
좋은 프롬프트는 AI에게 일을 대신 시키는 설명서에 가깝다
프롬프트를 만들 때 저는 이제 단순히 “무엇을 만들어줘”라고 쓰는 것보다 다섯 가지를 먼저 생각합니다.
첫 번째는 목적입니다.
무엇을 만들려고 하는지 정해야 합니다.
두 번째는 대상입니다.
누가 결과물을 사용할 것인지 정해야 합니다.
세 번째는 조건입니다.
결과물에 반드시 들어가야 하거나 제외해야 하는 내용을 정합니다.
네 번째는 출력 형식입니다.
결과를 어떤 형태로 받을 것인지 지정합니다.
다섯 번째는 판단 기준입니다.
AI가 여러 가지 결과 중 어떤 방향을 우선해야 하는지를 알려줍니다.
이 다섯 가지가 명확할수록 AI가 임의로 판단해야 하는 부분이 줄어듭니다.
자동화에서는 출력 형식이 특히 중요했다
AI를 실제 업무 자동화에 연결하면서 가장 크게 체감했던 부분은 출력 형식이었습니다.
사람이 AI의 답변을 읽을 때는 내용만 괜찮으면 어느 정도 넘어갈 수 있습니다.
하지만 자동화에서는 이야기가 달라집니다.
예를 들어 다음 단계에서
제목
설명
키워드
세 가지 값을 각각 사용해야 한다고 해보겠습니다.
그런데 AI가
“제목은 ○○이고 설명은 ○○이며 키워드는 ○○입니다.”
처럼 하나의 긴 문장으로 결과를 만들어버리면 사람이 보기에는 내용이 들어 있습니다.
하지만 다음 자동화 단계에서는 각각의 값을 분리해서 사용하기 어려울 수 있습니다.
실제로 AI와 Make를 연결하는 과정에서 이런 출력값과 다음 모듈의 요구 형식이 맞지 않아 수정해야 하는 상황을 경험했습니다.
이때 알게 된 것이 있습니다.
AI에게 좋은 내용을 만드는 것과 자동화에 사용할 수 있는 결과를 만드는 것은 서로 다른 문제라는 것입니다.
좋은 결과를 만드는 프롬프트에는 ‘금지 조건’도 필요하다
프롬프트를 작성할 때 무엇을 해야 하는지만 알려주는 경우가 많습니다.
하지만 자동화에서는 하지 말아야 할 것을 함께 알려주는 것도 도움이 됩니다.
예를 들어
“제목 5개를 만들어줘.”
보다
“제목 5개를 만들어줘. 같은 핵심 표현을 반복하지 말고, 각 제목의 방향을 다르게 만들어줘. 설명은 붙이지 말고 제목만 출력해줘.”
라고 하면 결과의 범위를 조금 더 명확하게 만들 수 있습니다.
특히 AI가 긴 설명까지 만들어버리면 다음 자동화 단계에서 불필요한 데이터가 함께 넘어갈 수 있기 때문에 이런 제한 조건이 중요합니다.
다만 조건을 너무 많이 넣는 것도 좋은 방법은 아니었습니다.
조건이 많아질수록 사람이 원하는 핵심이 무엇인지 오히려 흐려질 수 있기 때문입니다.
그래서 저는 조건을 많이 넣는 것보다 중요한 조건부터 우선순위를 정하는 방식을 사용하고 있습니다.
프롬프트를 잘 만들었다고 끝나는 것도 아니다
여기서 또 하나 중요한 문제가 있습니다.
프롬프트를 아무리 잘 만들어도 실제 결과를 확인해야 합니다.
특히 자동화 작업에서는 AI에게 전달되는 입력값과 AI가 실제로 받은 값이 내가 생각한 것과 다를 수도 있습니다.
그래서 문제가 발생했을 때 무조건 프롬프트부터 수정하면 안 됩니다.
먼저 다음 순서로 확인하는 편이 좋습니다.
입력 데이터가 제대로 들어갔는가?
AI에게 실제로 어떤 값이 전달됐는가?
프롬프트의 조건이 정상적으로 전달됐는가?
AI의 출력 결과는 어떤 형태인가?
그 결과가 다음 단계에서 사용할 수 있는 형식인가?
이 과정을 하나씩 확인하면 프롬프트 문제와 자동화 연결 문제를 구분할 수 있습니다.
저 역시 Make를 작업하면서 AI에게 받은 설명과 실제 화면의 연결 방식이 맞지 않아 여러 번 수정했던 경험이 있습니다.
그 과정에서 배운 것은 AI가 알려준 방법을 그대로 실행하는 것보다 실제 화면에서 확인하고 작은 단위로 테스트하는 것이 중요하다는 점이었습니다.
좋은 프롬프트와 나쁜 프롬프트를 구분하는 기준
결국 좋은 프롬프트와 나쁜 프롬프트를 단순히 문장의 길이로 구분하면 안 됩니다.
제가 지금은 다음과 같이 판단합니다.
| 확인할 부분 | 부족한 요청 | 개선된 요청 |
|---|---|---|
| 목적 | 글을 써줘 | 비교 목적의 글을 작성해줘 |
| 대상 | 아무 조건 없음 | 초보 사용자를 대상으로 |
| 조건 | 알아서 작성 | 길이·표현·포함 내용 지정 |
| 출력 | 자유 형식 | 필요한 항목별로 출력 |
| 제외 | 별도 지시 없음 | 불필요한 설명 제외 |
| 판단 기준 | AI가 임의 판단 | 우선순위를 명시 |
이 표에서 중요한 것은 오른쪽이 무조건 정답이라는 의미가 아닙니다.
작업에 필요한 조건만 명확하게 만드는 것이 핵심입니다.
AI에게 모든 것을 설명해야 한다는 뜻도 아닙니다.
오히려 AI가 스스로 판단해도 되는 부분과 사람이 반드시 정해야 하는 부분을 구분하는 것이 더 중요합니다.
프롬프트를 잘 만드는 것보다 더 중요한 것
AI 자동화를 직접 만들어보면서 프롬프트에 대한 생각도 조금 달라졌습니다.
처음에는 좋은 프롬프트 하나만 만들면 원하는 결과를 계속 얻을 수 있을 것이라고 생각했습니다.
하지만 실제 업무에서는 프롬프트 하나보다 전체 구조가 더 중요했습니다.
입력 데이터가 정확해야 하고,
AI가 해야 할 역할이 명확해야 하며,
출력 형식이 다음 단계와 맞아야 하고,
결과를 사람이 확인할 수 있어야 합니다.
결국 프롬프트는 자동화 전체에서 하나의 부품에 가깝습니다.
좋은 프롬프트를 만드는 것도 중요하지만 그 프롬프트가 어떤 데이터와 함께 사용되고 어떤 결과를 만들어 다음 단계로 넘기는지를 함께 봐야 합니다.
그래서 앞으로 AI 자동화를 만들 때는 “어떤 프롬프트를 써야 하지?”라는 질문만 하기보다
“AI에게 어디까지 판단을 맡길 것인가?”
“어떤 결과가 나오면 성공이라고 볼 것인가?”
“그 결과를 다음 단계에서 어떻게 사용할 것인가?”
를 먼저 정하려고 합니다.
AI를 잘 사용하는 사람은 반드시 어려운 프롬프트를 쓰는 사람이 아닐 수도 있습니다.
자신이 원하는 결과를 명확하게 정의하고, AI가 판단해야 할 부분과 사람이 결정해야 할 부분을 구분할 수 있는 사람이 오히려 자동화를 안정적으로 만들 수 있습니다.
결국 좋은 프롬프트의 핵심은 길이가 아니라 기준입니다.
무엇을 원하는지, 누구를 위한 것인지, 어떤 조건을 지켜야 하는지, 어떤 형태로 결과를 받아야 하는지를 명확하게 정해주면 AI의 결과를 관리하기가 훨씬 쉬워집니다.
그리고 마지막에는 반드시 실제 결과를 확인해야 합니다.
AI에게 좋은 답을 얻는 것과 AI를 실제 업무에 사용할 수 있게 만드는 것은 같은 일이 아니기 때문입니다.