좋은 프롬프트는 길이가 아니라 구성이다 — 요청 설계 6가지 부품과 다시 짜는 법

"AI한테 물어봤는데 쓸 만한 답이 안 나와요." 이런 말을 하는 동료에게 실제로 입력한 문장을 보여 달라고 하면, 대개 한 줄입니다. "신입사원 교육 안내문 써줘." 반대로 결과가 나쁘다는 이유로 A4 한 장 분량의 설명을 붙여 넣는 사람도 있습니다. 그런데 긴 요청이 늘 좋은 결과를 내는 것은 아닙니다. 차이를 만드는 것은 길이가 아니라 요청을 이루는 부품이 빠짐없이 들어 있느냐, 즉 요청 설계 역량입니다.

🧭 짧아서 실패하는 게 아니라, 빠져서 실패한다

구글은 업무용 AI 사용 안내서 「Prompting Guide 101」(2024년 10월판)에서 흥미로운 관찰을 공유했습니다. 사람들이 실제로 입력하는 요청은 보통 9단어가 안 되는데, 좋은 결과를 낸 요청은 맥락을 담아 평균 21단어 정도였다는 것입니다. 21단어는 한국어로 치면 두세 문장입니다. 수십 줄이 필요한 게 아니라, 빠진 정보 몇 개를 채우는 것만으로 결과가 달라진다는 뜻입니다.

AI 개발사들의 공식 문서도 같은 방향을 가리킵니다. Anthropic의 프롬프트 작성 가이드는 AI를 "뛰어나지만 우리 회사의 관행과 업무 흐름을 전혀 모르는 신입 직원"에 비유하고, 요청을 맥락이 거의 없는 동료에게 보여 줬을 때 그 동료가 헷갈린다면 AI도 헷갈린다고 설명합니다. 또 지시만 적지 말고 왜 그렇게 해야 하는지 이유를 함께 주면 목적에 더 맞는 답이 나온다고 안내합니다. OpenAI의 가이드 역시 명확한 지시, 참고 자료 제공, 복잡한 작업을 작은 단계로 나누기를 핵심 전략으로 꼽습니다.

세 회사의 표현은 다르지만 결론은 하나입니다. 모델의 성능보다 먼저, 사람이 넘겨준 정보의 구성이 결과의 상한선을 정합니다.

📌 한눈에 보기 — 한 줄 요청이 실패하는 이유는 "짧아서"가 아니라, AI가 추측으로 채워야 하는 빈칸이 많아서입니다. 빈칸을 줄이는 것이 요청 설계의 전부라고 해도 과장이 아닙니다.

🤖 좋은 요청을 이루는 6가지 부품

구글 안내서는 역할(Persona)·작업(Task)·맥락(Context)·형식(Format) 네 요소를 제시합니다. 실무에서는 여기에 두 가지를 더하면 품질이 한 단계 올라갑니다. 결과를 무엇으로 좋다고 판단할지 정한 판단 기준, 그리고 AI가 추측 대신 근거로 삼을 자료입니다.

부품	담는 내용	빠지면 생기는 일
역할	어떤 관점·전문성으로 볼지 (예: 인사팀 교육 담당자)	누구에게나 무난한, 특징 없는 문장
맥락	읽는 사람, 목적, 현재 상황, 이 결과물이 쓰일 곳	대상 수준과 어긋난 어휘·분량
지시	해야 할 일과 하지 말아야 할 일, 그 이유	원하지 않은 방향으로 확장·생략
출력 형식	표·목록·문단, 분량, 어조, 제목 유무	다시 편집하는 데 시간 소모
판단 기준	좋은 결과의 조건 (예: 3분 안에 읽힐 것, 전문용어 금지)	AI가 스스로 정한 기준으로 "잘" 만듦
자료	사내 규정 발췌, 이전 문서, 실제 데이터	그럴듯하지만 우리 회사와 무관한 내용

이 여섯 가지를 매번 모두 넣을 필요는 없습니다. 중요한 것은 요청을 보내기 전에 "AI가 이 중 무엇을 추측해야 하지?"를 한 번 점검하는 습관입니다.

판단 기준과 자료가 특히 중요한 이유

역할·형식은 빠져도 결과를 보고 금방 고칠 수 있습니다. 반면 판단 기준과 자료가 빠진 결과는 겉보기엔 완성도가 높아서 문제가 드러나지 않습니다. 사내 복지 제도를 설명하는 글을 자료 없이 요청하면, AI는 흔히 있는 복지 제도를 섞어 매끄럽게 써 줍니다. 읽기엔 좋지만 우리 회사 제도와 다를 수 있습니다.

🗺️ 결과가 기대와 다를 때: 원인별로 요청을 다시 짜는 법

결과가 마음에 들지 않을 때 가장 흔한 대응은 "다시 써줘", "더 잘 써줘"입니다. 하지만 원인을 모른 채 같은 요청을 반복하면 비슷한 결과가 조금씩 다른 표현으로 돌아올 뿐입니다. 결과물을 보고 원인을 세 가지 중 하나로 분류하면 고칠 곳이 분명해집니다.

증상	원인	요청 수정 방법
일반론만 나오고 우리 상황과 동떨어짐	자료 부족	관련 문서 발췌·기존 사례를 붙이고 "아래 자료에 있는 내용만 근거로 쓰고, 자료에 없으면 없다고 표시"라고 지시
틀린 건 아닌데 쓰기 애매함, 매번 결과가 들쭉날쭉	기준 부재	"좋은 결과"의 조건을 3~5개 문장으로 명시하고, 결과 끝에 각 조건을 지켰는지 스스로 점검한 표를 붙이게 함
앞부분은 괜찮은데 뒤로 갈수록 얕아지거나 항목이 누락됨	작업이 너무 큼	목차 → 항목별 초안 → 전체 다듬기처럼 단계를 나눠 요청하고, 단계마다 사람이 확인

작업을 나누는 기준

작업이 너무 크다는 신호는 한 요청 안에 성격이 다른 일이 섞여 있을 때 나타납니다. "자료를 조사하고, 분석하고, 보고서로 쓰고, 발표 자료까지" 같은 요청이 대표적입니다. OpenAI 가이드가 복잡한 작업을 하위 작업으로 나누라고 권하는 이유도 여기에 있습니다. 나누는 기준은 간단합니다. 사람이 중간에 확인하고 싶은 지점이 곧 단계의 경계입니다.

💡 팁 — 결과를 고칠 때 "더 좋게"라는 말 대신, 무엇이 왜 부족한지를 한 문장으로 적어 보세요. "대상이 입사 1주 차라 용어가 어렵다"처럼 이유를 주면, AI는 그 문장 하나만이 아니라 전체 어휘 수준을 함께 조정합니다.

📚 바로 복사해 쓰는 요청 템플릿 3가지

아래 템플릿은 여섯 부품을 채우는 틀입니다. 대괄호 부분만 바꿔 쓰면 됩니다. 회사 내부 정보를 넣기 전에는 소속 조직의 AI 사용 기준을 먼저 확인하세요.

① 사내 공지·안내문

너는 [인사팀 교육 담당자]야. [다음 달 시작하는 신규 입사자 온보딩 프로그램]을 안내하는 사내 공지를 써 줘.
· 읽는 사람: [입사 2주 이내 신입, 회사 용어에 익숙하지 않음]
· 목적: [일정과 준비물을 놓치지 않게 하는 것]
· 자료: [일정표·장소·준비물 붙여 넣기] — 이 자료에 없는 내용은 추가하지 말고, 빠진 정보가 있으면 마지막에 "확인 필요"로 목록을 만들어 줘.
· 형식: 제목 1줄, 핵심 요약 3줄, 일정 표, 문의처. 전체 1분 안에 읽히는 분량.
· 판단 기준: 전문용어 없이, 날짜·시간은 요일까지 표기.

② 고객 문의 답변 초안

너는 [온라인 교육 서비스]의 고객 응대 담당자야. 아래 고객 문의에 대한 답변 초안을 써 줘.
· 문의 원문: [붙여 넣기]
· 우리 정책: [환불·변경 규정 해당 조항 붙여 넣기] — 정책에 없는 약속(보상, 예외 처리)은 하지 마.
· 어조: 사과는 한 번만, 해결 방법을 먼저.
· 형식: 5문장 이내 + 고객이 다음에 할 행동 1가지.
· 초안 아래에 "담당자가 확인해야 할 사항"을 따로 적어 줘.

③ 업무 매뉴얼 초안(단계 분할형)

[월말 비품 재고 점검] 업무 매뉴얼을 만들려고 해. 한 번에 쓰지 말고 단계별로 진행하자.
1단계: 아래 메모를 보고 목차만 제안해 줘. 메모: [현재 담당자의 작업 메모 붙여 넣기]
(내가 목차를 확인한 뒤) 2단계: 목차 항목별로 "누가·언제·무엇을·어디에 기록" 형식의 표를 써 줘.
판단 기준: 처음 맡는 사람이 이 문서만 보고 혼자 끝낼 수 있을 것. 메모에서 모호한 부분은 추측하지 말고 질문 목록으로 정리해 줘.

세 템플릿의 공통점은 "모르면 추측하지 말고 표시하라"는 지시가 들어 있다는 점입니다. AI가 빈칸을 그럴듯하게 채우는 대신 사람에게 되묻게 만드는 이 한 줄이, 결과물의 검토 시간을 가장 크게 줄여 줍니다.

📊 내 요청 설계 수준은 어느 정도일까: 역량평가가 드러내는 것

요청 설계는 스스로 판단하기 어려운 역량입니다. 결과가 그럭저럭 나오면 "나는 AI를 잘 쓴다"고 느끼기 쉽기 때문입니다. 알토대 연구팀이 2025년 학술지 Computers in Human Behavior에 발표한 연구에서는 약 500명이 논리 문제를 풀 때 ChatGPT를 쓴 사람들의 점수는 올랐지만, 자기 성과를 일관되게 과대평가했고 스스로 AI를 잘 안다고 여기는 사람일수록 과대평가가 컸습니다. 체감과 실제 사이에 틈이 생기기 쉽다는 뜻입니다.

누구나패스의 무료 AI 역량평가는 이 틈을 확인하도록 설계됐습니다. 요청 설계는 평가의 6개 역량(AI 이해·요청 설계·업무 적용·결과 검증·안전·윤리·도구·자동화) 중 하나이며, 역량마다 두 방식으로 봅니다.

• 나의 활용 모습(자기평가 2문항) — 최근 실제 경험을 기준으로 답합니다. 경험이 없는 일부 문항은 "해당 경험 없음"을 고르면 점수에서 빠집니다.
• 판단 문제(3문항) — 실무 상황에서 어떤 방법이 더 나은지 고르는 4지선다입니다. 모든 선택지가 실무자가 실제로 택할 법한 방법이라 눈치로는 풀기 어렵습니다.

역량 점수는 자기평가 50점과 판단 문제 50점을 합쳐 계산하고, 두 결과의 차이가 50%p 이상이면 "사각지대 가능성" 또는 "숨은 역량", 25%p 이상이면 "차이 주의"로 표시됩니다. 요청을 자주 쓰지만 판단 문제를 놓쳤다면 사각지대로, 활용은 적지만 판단이 정확하다면 숨은 역량으로 드러나는 식입니다.

⚠️ 점수를 읽는 법 — 역량마다 판단 문제가 3개라 한 문제 차이로 점수가 크게 움직입니다. 평가 결과는 공식 인증이 아니라 출발점을 찾는 자료입니다. 리포트도 점수보다 "무엇을 놓쳤는지"를 보라고 안내합니다.

🚀 리포트를 받은 뒤 일주일 실행 가이드

평가를 시작할 때 직무 8종(기획·사무, 마케팅·영업, 개발·IT, 데이터·분석, 교육·HR, 고객응대·CS, 경영·리더, 학생·구직자) 중 하나를 고릅니다. 직무는 점수에 영향을 주지 않고, 리포트의 활용 예시가 직무에 맞게 바뀝니다. 리포트를 받았다면 다음 순서로 활용해 보세요.

1. 30초 요약에서 "이번 주에 할 일"을 먼저 확인합니다. 가장 강한 역량과 먼저 보완할 역량이 함께 나오므로 욕심내지 말고 한 가지만 고릅니다.
2. 판단 문제 해설을 읽습니다. 문제마다 핵심 원칙 한 줄과 선택지별로 왜 맞고 왜 부족한지가 정리돼 있습니다. 틀린 문제보다 "맞혔지만 이유를 설명하기 어려웠던 문제"를 다시 보는 것이 효과적입니다.
3. 직무별 예시 요청문을 내 업무로 바꿔 씁니다. 리포트에는 직무별로 AI로 향상할 수 있는 역량 4가지와 바로 복사해 쓰는 예시 요청문이 있습니다. 그대로 쓰기보다 이 글의 6부품 표와 대조해 빠진 부품을 채워 보세요.
4. 이번 주 반복 업무 하나를 골라 요청을 3번 고쳐 봅니다. 고칠 때마다 원인(자료·기준·작업 크기) 중 무엇을 바꿨는지 메모합니다.
5. 8주 학습 로드맵을 달력에 옮깁니다. 1~2주는 가장 낮은 두 역량의 기초, 3~4주는 업무 적용, 5~8주는 강점 심화 순서이며 공개 중인 강의 링크가 함께 제공됩니다.

💡 개인과 조직에 남는 변화

요청 설계를 익히면 무엇이 달라질까요. 과장 없이 말하면, "다시 써줘"를 반복하던 시간이 "무엇이 빠졌는지 찾는" 시간으로 바뀝니다. 결과가 나쁠 때 모델 탓이나 운으로 돌리지 않고, 원인을 분류해 고칠 수 있게 됩니다.

조직 차원의 의미는 더 큽니다. 한국은행 이슈노트(2025년 8월)에 따르면 국내 근로자의 63.5%가 생성형 AI를 써 봤고 업무에 활용하는 비율은 51.8%입니다. 이미 절반이 쓰고 있다면, 이제 차이를 만드는 것은 사용 여부가 아니라 사용 방식입니다. 잘 짜인 요청은 파일로 남기고 동료와 나눌 수 있는 자산입니다. 한 사람의 요령이 팀의 템플릿이 되면, 신입도 첫날부터 같은 품질의 초안을 만들 수 있습니다.

교육의 효과도 여기서 갈립니다. BCG의 「AI at Work 2025」 조사에서 5시간 넘게 교육받은 직원의 79%가 AI를 정기적으로 쓴 반면, 5시간 미만은 67%였습니다. 다만 교육이 충분하다고 느낀 직원은 36%에 그쳤습니다. 막연한 도구 소개보다, 무엇이 부족한지 확인한 뒤 그 부분을 채우는 교육이 필요한 이유입니다. 팀 단위로 격차를 확인하고 싶다면 조직용 무료 AI 도입 진단으로 노하우 확산·반복 업무 파악 수준을 함께 점검해 볼 수 있습니다.

❓ 자주 묻는 질문

Q1. 프롬프트는 길게 쓸수록 좋은가요?

아닙니다. 길이보다 필요한 부품이 들어 있는지가 중요합니다. 구글 안내서에서도 효과적인 요청은 평균 21단어 정도로, 두세 문장이면 충분한 경우가 많습니다.

Q2. "너는 ○○ 전문가야" 같은 역할 지정은 꼭 필요한가요?

필수는 아닙니다. 역할은 관점과 어조를 정하는 데 도움이 되지만, 역할만 넣고 맥락·자료가 없으면 전문가 말투의 일반론이 나오기 쉽습니다. 읽는 사람과 목적을 먼저 채우세요.

Q3. 요청 설계 역량만 따로 평가받을 수 있나요?

무료 AI 역량평가는 6개 역량을 함께 봅니다. 30문항 약 20분이며, 리포트에서 요청 설계 역량의 자기평가·판단 문제 결과와 둘 사이의 차이를 따로 확인할 수 있습니다.

Q4. 평가 답변이나 회사 정보가 저장되나요?

회원가입 없이 무료로 진행되고 답변은 데이터베이스에 저장하지 않습니다. 결과 링크에는 선택한 직무와 답변만 담기며, 리포트는 PDF로 저장할 수 있습니다.

Q5. 팀 전체의 요청 설계 수준을 올리고 싶다면?

개인별 역량평가로 각자의 보완점을 확인하고, 조직 단위의 준비 상태는 AI 도입 진단으로 점검하는 방식을 권합니다. 두 결과를 바탕으로 출강 교육 문의를 남기면 팀 상황에 맞는 과정을 상담할 수 있습니다.

📎 출처

• Google Workspace, 「Prompting Guide 101」 2024년 10월판 — PDF
• Anthropic, Prompting best practices (Claude 문서) — platform.claude.com
• OpenAI, Best practices for prompt engineering with the OpenAI API — help.openai.com
• 한국은행, BOK 이슈노트 제2025-22호 「AI의 빠른 확산과 생산성 효과: 가계조사를 바탕으로」 (2025.8.18) — bok.or.kr
• BCG, AI at Work 2025 (2025.6) — bcg.com
• Aalto University, Computers in Human Behavior (2025) — AI 사용 시 자기 성과 과대평가 연구 — aalto.fi