프롬프트를 잘 쓴다는 게 뭔지, 솔직히 처음엔 감이 잘 안 잡혔어요. 그냥 질문 잘 하면 되는 거 아닌가 싶었는데, 실무에서 ChatGPT나 Claude를 본격적으로 쓰다 보니 “어떻게 말을 거느냐”가 결과물 품질을 완전히 갈라놓더라고요. 같은 작업인데 프롬프트 하나 차이로 재작업이 생기거나, 반대로 한 번에 쓸 수 있는 결과물이 나오거나—그 차이가 쌓이면 하루 업무 효율 자체가 달라져요.
이 글에서는 제가 15년 기획 실무를 거치면서 실제로 다듬어온 프롬프트 작성 방식을 정리해봤어요. “잘 쓰는 법 5가지” 같은 나열이 아니라, 왜 그렇게 써야 하는지 맥락과 함께요.
AI가 맥락을 못 읽는 게 아니라, 우리가 맥락을 안 주는 거예요
프롬프트가 이상하게 나왔을 때 “AI가 이해를 못 하네”라고 생각하기 쉬운데, 대부분은 반대예요. 모델 입장에서 보면 아무 배경 없이 “이거 요약해줘”라는 말을 받은 거거든요. 사람한테도 그렇게 말하면 이상하잖아요.
실무 프롬프트에서 제일 먼저 신경 쓰는 건 역할(Role) + 목적(Goal) + 제약(Constraint) 세 가지를 한 번에 넣는 거예요. 예를 들어 기획서 초안을 써달라고 할 때 이렇게 차이가 납니다.
- 나쁜 예: “신규 앱 기획서 써줘.”
- 좋은 예: “너는 B2B SaaS 스타트업의 시니어 PM이야. 비개발자 임원 대상으로 신규 인앱 결제 기능의 기획서를 작성해줘. 분량은 A4 2장 이내, 기술 용어는 최소화하고 비즈니스 임팩트 중심으로 써줘.”
두 번째 프롬프트엔 역할(시니어 PM), 목적(임원 설득용 기획서), 제약(분량·난이도)이 모두 들어가 있어요. 모델이 어떤 페르소나로, 어떤 독자를 향해, 어떤 수준의 글을 써야 하는지 좌표가 잡히는 거죠.
Claude를 쓸 때 특히 이 부분이 잘 먹혀요. Claude는 역할 설정에 꽤 충실하게 반응하는 편이라, System Prompt나 첫 메시지에서 페르소나를 명확히 잡아주면 이후 대화 흐름이 훨씬 일관성 있게 유지돼요.
출력 형식을 미리 지정하면 후처리 시간이 확 줄어요
결과물을 받아서 다시 다듬는 데 시간이 많이 든다면, 십중팔구 출력 형식을 지정하지 않은 게 원인이에요. AI는 기본적으로 자기가 가장 자연스럽다고 생각하는 형식으로 출력하거든요—그게 나한테 맞는 형식이 아닐 수도 있는데.
제가 실무에서 자주 쓰는 출력 포맷 지정 방식은 이렇습니다.
- 마크다운 구조 지정: “H2 소제목 3개로 나눠서, 각 섹션 아래에 불릿 없이 본문 단락으로 써줘.”
- JSON 출력: “결과를 JSON으로 반환해줘. 키는 title, summary, tags로 구성해줘.” (개발 파이프라인에 바로 꽂을 때 유용해요.)
- 표 형식: “비교 항목은 마크다운 테이블로 정리해줘. 열은 기능명 / 장점 / 단점 / 추천 대상.”
- 분량 제한: “3문장 이내로 요약해줘”처럼 토큰 수가 아닌 문장/글자 단위로 지정하는 게 더 직관적으로 먹혀요.
GitHub Copilot 같은 코드 보조 AI라면 조금 다르게 접근해요. 주석으로 의도를 먼저 적고—함수가 무엇을 받아서 무엇을 반환하는지, 엣지 케이스는 어떻게 처리할지—그 다음에 코드를 채우게 하는 게 훨씬 정확한 제안을 끌어내더라고요. 자연어 프롬프트와 코드 컨텍스트를 혼합하는 방식이 Copilot 활용의 핵심이에요.
프롬프트를 한 번에 완성하려고 하면 오히려 느려요
실무에서 가장 흔한 실수가 “완벽한 프롬프트를 처음에 써야 한다”는 강박이에요. 그 생각에 갇히면 프롬프트 작성에만 10분씩 쓰게 돼요. 그것보다는 초안 → 피드백 → 정제의 반복이 훨씬 빠릅니다.
저는 보통 이렇게 해요. 먼저 핵심 요청만 간단히 넣어서 초안을 받아요. 그 다음 결과물에서 마음에 안 드는 부분을 구체적으로 집어서 수정 요청해요. “3번째 문단이 너무 딱딱해. 같은 내용을 좀 더 구어체로 바꿔줘”처럼요. 이 과정을 두세 번 반복하면, 처음부터 완벽한 프롬프트를 쓰려고 버둥댄 것보다 훨씬 좋은 결과물이 빠르게 나와요.
대화 맥락을 이어가는 게 중요한 이유도 여기 있어요. 새 대화창을 자꾸 열면 앞서 쌓은 맥락이 사라지니까, 한 세션 안에서 점점 정제하는 방식이 효율적이에요. Notion AI처럼 문서 안에 AI가 내장된 도구는 이 흐름을 자연스럽게 만들어줘서, 글 자체가 맥락이 되는 구조가 돼요.
모델마다 반응이 다른 프롬프트 패턴이 있어요
ChatGPT, Claude, Gemini—다 GPT 계열 모델이지만 같은 프롬프트에 다르게 반응해요. 이걸 무시하고 하나의 프롬프트를 모든 모델에 그대로 쓰면 기대치와 실제 결과 사이에 갭이 생겨요.
제가 경험한 패턴을 정리하면 이래요. ChatGPT(GPT-4o)는 구조화된 지시에 잘 반응하고, “단계별로 생각해줘(Let’s think step by step)”처럼 추론 과정을 끌어내는 프롬프트가 잘 먹혀요. Claude는 긴 문서 처리와 뉘앙스 있는 글쓰기에 강하고, 명확한 페르소나와 톤 지정에 충실하게 따라오는 편이에요. Gemini는 멀티모달 맥락—이미지+텍스트를 함께 주는 상황—에서 강점을 보이고, 검색 기반 최신 정보를 다룰 때 유리해요.
어떤 모델을 쓰든 공통으로 효과 있는 건 부정 지시보다 긍정 지시예요. “전문 용어 쓰지 마”보다 “중학교 2학년이 이해할 수 있는 언어로 써줘”가 더 일관된 결과를 줘요. 모델은 “하지 말 것”보다 “해야 할 것”에 더 잘 반응하거든요.
프롬프트는 결국 커뮤니케이션이에요. 상대가 AI라고 해서 특별히 다를 게 없어요—맥락을 주고, 기대 결과물을 명확히 하고, 피드백을 통해 조율하는 것. 이 감각이 쌓이면, 도구가 바뀌어도 적응하는 속도가 눈에 띄게 빨라져요. 어떤 새 모델이 나와도 “이걸로 어떻게 일할 수 있지?”를 빠르게 파악하는 사람이 되는 거죠.