품질을 높이는 요청은?

명확한 맥락과 출력 조건은 결과의 관련성과 검수 가능성을 높인다.

프롬프트 설계에서 품질을 높이는 핵심은 생성형 AI가 산출물을 만들 때 추측하거나 임의로 내용을 채워 넣지 않도록 제약 조건(constraint)과 출력 형식(output format)을 명확히 제시하는 것입니다. 회의록 초안을 요약하는 업무 문서 상황에서는 문서에 제시되지 않은 내용을 임의로 가정하지 않도록 금지할 추정 항목을 명시하는 것이 정확성과 업무 연속성을 함께 보호하는 방법입니다.

프롬프트 구성 요소의 역할
생성형 AI의 산출 품질은 프롬프트에 포함된 지시의 구체성에 비례합니다. IMPACT 프레임워크를 적용한 연구에서도 생성형 AI를 교육 영상 설계에 활용할 때 엄격한 프롬프트 엔지니어링(rigorous prompt engineering)이 교육적 품질을 결정한다고 보고하였습니다^[1]. 이는 업무 문서 요약에도 동일하게 적용됩니다.

프롬프트 구성 요소	회의록 요약에 적용한 예	기대 효과
목적	주간 업무 공유를 위한 요약	요약의 깊이와 범위 결정
독자	프로젝트 팀원 및 팀장	용어 수준과 설명 정도 조절
출력 형식	글머리 기호, 300자 이내	일관된 산출물 구조 확보
포함할 실행항목	결정 사항, 담당자, 기한	업무 연속성에 필요한 정보 보존
금지할 추정	회의록에 없는 발언·결정을 만들지 말 것	정확성과 개인정보 보호 강화

정확성과 접근권한 보호의 기전
혼동 주의! “잘 해줘”나 같은 단어 반복은 AI에게 어떤 기준으로 요약할지, 어떤 정보를 제외할지에 대한 신호를 주지 못합니다. 생성형 AI는 입력된 텍스트에서 패턴을 찾아 확률적으로 다음 내용을 생성하므로, 지시가 모호하면 환각(hallucination)이나 문서에 없는 사실을 덧붙일 가능성이 커집니다. 반대로 “포함할 실행항목”과 “금지할 추정”을 함께 명시하면 모델이 문서에 실제로 존재하는 정보만 선택적으로 추출하도록 유도할 수 있습니다. OmniExtract 연구에서도 대규모 언어 모델 기반 추출 도구가 다양한 실무 추출 작업에 대응하려면 사용자 친화적인 설정 파일, 즉 추출할 항목과 형식을 구체적으로 정의하는 구성이 필요하다고 설명합니다^[2].

개인정보 보호와 업무 연속성
회의록에는 참석자 이름, 부서, 민감한 논의 내용이 포함될 수 있습니다. 프롬프트에 독자(readership)를 명시하면 AI가 요약문에 포함할 정보의 범위를 제한하는 데 도움이 됩니다. 예를 들어 “프로젝트 팀 내부 공유용”이라고 지정하면 외부 유출 시 문제가 될 개인 식별 정보나 인사 관련 논의를 요약에서 배제하도록 유도할 수 있습니다. 또한 실행항목(결정 사항, 담당자, 기한)을 포함하도록 지시하면 요약본만으로도 후속 업무가 이어질 수 있어 업무 연속성이 유지됩니다. 문서에 없는 내용을 채워 넣지 말라는 금지 조건은 회의에서 실제로 논의되지 않은 결정이 마치 합의된 것처럼 전파되는 위험을 차단합니다.

프롬프트 품질이 산출물 신뢰도에 미치는 영향
정신건강 전문가에 대한 신뢰도를 높이기 위한 심리교육 메시지를 생성형 AI로 만든 무작위 실험 연구에서는 증거 기반 설득 요소(evidence-based persuasive features)를 프롬프트에 통합했을 때 산출물의 효과가 달라질 수 있음을 확인했습니다^[4]. 이는 프롬프트에 어떤 요소를 명시하느냐가 단순한 문장 생성이 아니라 정보의 질과 수용자 반응까지 바꿀 수 있음을 보여줍니다. 업무 문서 요약에서도 마찬가지로, 목적·독자·출력 형식·포함할 실행항목·금지할 추정을 명시하는 것은 AI가 생성한 요약문이 실제 업무 판단에 사용될 수 있을 만큼 신뢰할 수 있는 수준인지를 결정하는 조건입니다.

핵심! 보기 2번이 정답인 이유는 다섯 가지 구성 요소가 각각 검토 지침의 네 축과 연결되기 때문입니다. 목적과 출력 형식은 정확성, 독자 명시는 접근권한, 금지할 추정은 개인정보 보호와 정확성, 포함할 실행항목은 업무 연속성에 대응합니다. 반면 보기 1·3·4·5는 모두 AI가 문서에 없는 내용을 추측하거나 요약의 기준을 스스로 정하게 만들어 정확성과 업무 연속성을 저해합니다.