프롬프트 엔지니어링 기본 익히기
홍승협(준이아빠) / 데이터 분석, AI 실무 교육
AI에게 일을 시킬 때 결과 품질을 결정하는 지시 작성법입니다. 역할, 맥락, 작업, 제약, 예시를 갖춘 프롬프트가 좋은 결과를 안정적으로 만듭니다.
이 글은 앤트로픽이 운영하는 platform.claude.com/docs의 Prompt Engineering 가이드를 한국 입문자가 보기 편하게 정리한 글입니다. 원문 링크는 글 끝 참고 자료에 모았습니다.
🤔 같은 AI인데 왜 결과가 매번 다를까요?
AI에게 "회의록 정리해 줘"라고 시키면 어떤 날은 깔끔한 표가 나오고, 어떤 날은 줄글로 나옵니다. 어떤 날은 결정 사항만 뽑고, 어떤 날은 잡담까지 다 옮깁니다.
문제는 AI가 아니라 지시(프롬프트)에 있습니다. 같은 지시라도 모델 입장에서 해석할 여지가 너무 많으면 결과는 매번 다른 방향으로 흩어집니다. 좋은 결과를 안정적으로 받으려면 지시 자체를 다르게 써야 합니다.
🔑 프롬프트 엔지니어링, 무엇을 다루나요?
프롬프트 엔지니어링(Prompt Engineering)은 AI에게 일을 시킬 때 결과 품질을 결정하는 지시 작성법입니다.
코드를 짜는 일이 아닙니다. 한국어 한 문단을 어떻게 구성하느냐의 문제입니다. 다섯 가지 요소를 의식적으로 담는 것이 출발점입니다.
🧱 좋은 프롬프트의 5가지 요소
1. 역할 (Role)
- "한국 디지털 마케팅 전문가로서 답해 주세요." 같은 한 문장.
- AI가 어떤 시각으로 답할지 정해줍니다.
2. 맥락 (Context)
- "지금 작성 중인 보고서는 임원진 대상 분기 정리이고, 분량은 A4 2장 이내입니다."
- 결과물이 어디에 쓰일지 알면 어조와 분량이 달라집니다.
3. 작업 (Task)
- "다음 회의록을 결정 사항, 할 일, 미해결 이슈 세 가지로 정리해 달라."
- 동사로 시작하는 한 문장으로 분명하게.
4. 제약 (Constraints)
- "분량은 5줄 이내, 출처 없는 통계는 빼라, 한국어 존댓말로."
- 안 했으면 하는 행동도 명시합니다.
5. 예시 (Examples, 필요 시)
- "결과 형식은 다음 예시처럼 만들어 달라"고 한두 개 보여줍니다.
- 형식이 까다로울수록 예시가 가장 효과적입니다.
이 다섯 가지를 갖춘 프롬프트는 AI Fluency 4D 프레임워크의 D2(Description) 단계가 실제로 어떻게 적용되는지 보여줍니다.
✍️ Before / After 예시
Before
회의록 정리해 줘.
After
당신은 회의 진행자 역할이다.
오늘 마케팅 팀 회의록(아래 첨부)을 정리해야 한다.
다음 세 갈래로 분리해 달라:
- 결정 사항 (확정된 것만)
- 할 일 (담당자와 마감일을 함께)
- 미해결 이슈 (다음 회의로 넘기는 항목)
분량은 각 항목 5개 이내, 한국어 존댓말로.
잡담, 중복 발언은 빼라.
[회의록 본문]같은 회의록이라도 두 번째 프롬프트는 매번 같은 형식의 결과를 만들어냅니다.
🔁 결과가 부족할 때 다듬는 4가지 흐름
1. 한 번에 다 시키지 말고 단계로 쪼개기
- "초안 → 검토 → 다듬기" 세 번에 나눠 시키면 한 번에 시킨 것보다 품질이 안정됩니다.
2. 부족한 부분만 짚어 다시 시키기
- "전체 다시"가 아니라 "결정 사항 부분만 더 짧게"처럼 영역을 좁혀 요청합니다.
3. 출력 형식 강제
- "표 형태로", "마크다운 리스트로", "JSON 형식으로" 등 형식을 명시하면 후처리가 쉬워집니다.
4. 잘 됐던 프롬프트는 보관
- 같은 작업을 반복한다면 잘 됐던 프롬프트를 재사용 단위로 저장합니다. Claude Skills가 이 흐름을 자동화한 기능입니다.
⚠️ 자주 하는 실수 3가지
1. 막연한 수식어 의존
- "전문가답게", "창의적으로", "프로처럼" 같은 표현은 모델에게 거의 정보가 없습니다. 구체적인 행동 지시로 바꿔야 합니다.
2. 한 번에 너무 많은 지시
- 한 프롬프트에 7~8가지 작업을 묶어 넣으면 AI가 일부를 빼먹기 쉽습니다. 큰 작업은 단계로 나눕니다.
3. 컨텍스트 한계 무시
- 너무 긴 자료를 통째로 던지면 모델이 앞부분을 흐릿하게 처리할 수 있습니다. 컨텍스트 윈도우의 개념을 알면 이 한계를 피할 수 있습니다.
💼 직무별 프롬프트 시나리오
마케터
- "광고 리포트(첨부) 5개 캠페인의 CTR, CVR을 표로, 가장 큰 변화 3개를 짚어 달라."
기획자
- "다음 사용자 인터뷰(첨부)에서 반복되는 불만 키워드 5개를 빈도와 함께 정리해 달라."
교육자
- "다음 수업 자료(첨부)를 학생 눈높이의 한국어 요약 10줄로 만들어 달라. 영어 용어는 한국어 풀이를 괄호로 함께."
각 시나리오 모두 역할, 맥락, 작업, 제약을 모두 갖춘 형태입니다.
📋 3줄 요약
-
프롬프트 엔지니어링은 AI에게 일을 시킬 때 결과 품질을 정하는 지시 작성법이고 모델을 바꾸기 전에 지시를 먼저 다듬는 쪽이 효과가 큽니다.
-
좋은 지시는 역할과 맥락, 작업, 제약, 예시 다섯 가지를 갖춥니다.
-
막연한 수식어에 기대거나 한 프롬프트에 일곱 가지가 넘는 작업을 묶으면 일부가 빠지므로 큰 작업은 단계로 나눕니다.
📚 참고 자료
- Prompt Engineering 가이드: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering
- Claude Prompting Best Practices: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
- Anthropic Academy: https://www.anthropic.com/learn
이 글이 도움이 되셨다면 공유해 주세요
메신저로 바로 보내거나 링크를 복사할 수 있습니다.
AI에게 회의록 정리를 시킬 때, 같은 결과 품질을 매번 안정적으로 받기 위해 가장 효과적인 프롬프트 작성법은 무엇일까요?
이어서 배우면 좋은 개념
AI Fluency 4D 프레임워크 (4단계) 알아보기
앤트로픽이 제안하는 AI 활용 행동 프레임워크입니다. 무엇을 맡길지(Delegation), 어떻게 설명할지(Description), 결과를 어떻게 분별할지(Discernment), 책임감 있게 다룰지(Diligence) 네 단계로 구성됩니다.
컨텍스트 윈도우 (Context Window) 들여다보기
AI 모델이 한 번의 대화에서 동시에 처리할 수 있는 입력, 출력 토큰의 총량입니다. 컨텍스트 윈도우 크기에 따라 한 번에 던질 수 있는 자료의 분량과 대화 길이가 결정됩니다.
클로드 스킬(Claude Skills) 활용하기: 재사용 작업 단위
자주 시키는 작업을 폴더 단위로 묶어 두고, 필요할 때 Claude가 자동으로 불러 써먹게 만든 재사용 단위입니다. SKILL.md 파일과 보조 스크립트, 자료로 구성되며, claude.ai와 Claude Code 양쪽에서 쓸 수 있습니다.
생성형 엔진 최적화 (GEO) 이해하기
생성형 엔진 최적화(GEO)는 챗GPT, 제미나이 같은 AI가 만드는 답변에 내 콘텐츠가 인용되도록 만드는 작업입니다.
관련 인사이트
- AI 생산성 역설, 일이 늘어난 게 아니라 눈높이가 올라간 것AI 생산성 역설은 개인의 작업 속도는 빨라졌는데 조직의 생산성 지표는 거의 움직이지 않는 현상입니다. 일하는 시간이 늘었다는 말이 함께 나오는 배경을, 속도가 느려진 쪽이 아니라 그동안 넘어가던 품질을 이제야 챙기기 시작한 쪽에서 살펴봤습니다.
- BYOK 뜻과 AI 도구에서 쓰이는 상황: 내 API 키로 쓰기와 암호화 키 직접 관리BYOK(Bring Your Own Key)는 도구가 정해 준 계정 대신 내가 직접 받은 API 키나 암호화 키를 가져와 쓰는 방식입니다. AI 도구의 설정 화면에 자주 보이는 이 말이 어디서 왔는지, 구독과 무엇이 다른지, 개인과 코딩 도구와 회사와 도구 제작자의 네 가지 상황에서 어떤 판단이 필요한지 2026년 9월 기준으로 정리했습니다.
- 클로드 커머스 에이전트 정리: 쇼핑 에이전트와 판매자 에이전트가 하는 일과 GA4 측정클로드 커머스 에이전트(Claude Commerce Agents)는 앤트로픽이 2026년 9월 2일 공개한, 쇼핑 에이전트와 판매자 에이전트를 만드는 공개 청사진입니다. 두 에이전트가 무엇을 하고 무엇을 하지 않는지, 결제를 뺀 설계가 챗GPT와 구글의 접근과 어떻게 다른지, 장바구니 35%와 구매 완료 60%라는 수치를 어떻게 읽을지, 에이전트가 만든 방문과 주문이 GA4에서 어디로 잡히는지 정리했습니다.
- 힉스필드 N3on 무한 AI 라이브 정리: GPT-6 아스트라로 24시간 돌아가는 AI 스트리머의 실제힉스필드 무한 AI 라이브는 힉스필드가 만들고 GPT-6 아스트라가 움직이는, 스트리머 N3on의 모습을 실시간으로 계속 생성하는 킥 방송입니다. 2026년 9월 7일 시작된 이 방송이 어떻게 굴러가는지, 무한이라는 말과 달리 킥 채널에 남은 실제 길이는 얼마인지, 처음이 아니라는 커뮤니티 노트와 팔아넘겼다는 반응은 무엇인지, 스트리머와 마케터에게 무엇이 남는지 정리했습니다.
- 오픈클로 2.0에서 달라진 것과 업그레이드 전 확인할 점오픈클로 2.0은 오픈클로 재단이 2026년 8월 30일 공개한 개인 AI 에이전트 v2026.8.1입니다. 혼자 쓰던 도구에 여러 사람이 같은 세션으로 들어오는 공유 기능이 붙었고, 저장 방식이 SQLite로 바뀌면서 업그레이드가 막히는 문제도 함께 보고됐습니다.
- SSOT(Single Source of Truth) 뜻과 AI 시대에 문서를 한곳에서만 고쳐야 하는 이유SSOT(Single Source of Truth)는 하나의 정보를 한곳에서만 고치고 나머지 곳은 전부 그곳을 참조하게 만드는 원칙입니다. 데이터베이스 설계에서 나온 이 말이 지표 정의서와 노션 문서, 클로드 코드의 CLAUDE.md까지 이어지는 이유와 작은 팀에서 만드는 순서를 정리했습니다.
