AI 프롬프트 의미 설계

프롬프트, 인간과 AI를 연결하다

01 언어 연산
02 어텐션 메커니즘
03 맥락 창
04 프롬프트 프레임워크
05 생성적 상상력
06 메타 프롬프팅
07 기호학적 모델링
08 윤리적 프롬프트 설계
09 설명 가능한 프롬프팅
10 인간-AI 이해 프로토콜

AI에게 “책을 읽다”, “도서를 독서하다”, “책을 읽어요”라는 세 문장을 각각 입력하면 흥미로운 현상이 나타난다. 이들은 모두 독서를 의미하지만, 일반적 표현, 한자어 표현, 구어체 표현으로 각각 다르다.

AI가 세 가지 인사말에 각각 다른 톤으로 답하는 이유는 간단하다. AI는 같은 단어라도 문맥에 따라 다르게 해석하기 때문이다. 마치 ‘사과’라는 단어가 과일을 뜻할 수도, 사죄를 뜻할 수도 있는 것처럼, AI는 비슷한 의미의 표현들을 서로 가까운 곳에 모아 두고 상황에 맞는 것을 골라 사용한다. 이것이 바로 AI가 우리말의 뉘앙스를 구분하는 방법이다.

－01_“언어 연산” 중에서

한국어의 복잡한 경어 체계와 문맥 의존적 특성이 AI에게 추가적인 도전 과제가 되기 때문이다.

첫째, 높임법의 일관성 붕괴다. 고객 응대 매뉴얼을 작성한다고 해 보자. 처음엔 “고객님께서는…”이라는 극존칭을 사용하다가, 중반엔 “고객은…”로 격이 낮아지고, 후반엔 충격적이게도 “너희들은…”이라는 하대 표현이 튀어나올 수 있다. 한국어의 복잡한 경어 체계가 AI에게는 유지하기 어려운 과제인 것이다.

둘째, 주어 복원 실패다. 한국어는 주어를 자주 생략한다. “회의에 참석해 주세요”라는 문장에서 ‘누가’는 문맥상 명확하지만, AI는 긴 대화 후 이를 “모든 직원이 회의에 참석해야 합니다”로 잘못 확대 해석할 수 있다. 생략된 주어를 복원하는 과정에서 의미가 왜곡되는 것이다.

셋째, 은유의 변질이다. “데이터는 21세기의 원유다”라는 강렬한 은유가 시간이 지나면 “데이터는 중요한 자원이다”로 평범해지고, 결국 “데이터는 단순한 정보다”라는 무미건조한 표현으로 전락한다. 한국어의 풍부한 비유적 표현이 점차 생명력을 잃는 것이다.

이러한 문제를 방지하려면 전략적 접근이 필요하다. 핵심 정보를 주기적으로 반복하고, 문체와 높임법 수준을 명시적으로 상기시키며, 중요한 은유나 용어는 정의를 함께 제공하는 것이 효과적이다.

－03_“맥락 창” 중에서

자기 수정 메타 프롬프팅은 AI에게 이중 역할을 부여한다. 먼저 ‘답변자’로 질문에 답한 후, ‘평가자’로 전환해 그 답변을 비판적으로 검토한다. 작가가 초고를 쓴 후 편집자 시각으로 다시 읽어 보는 것과 같다.

AI는 완성도 검증(논리적 공백 확인), 정확성 점검(데이터 신뢰성), 명확성 평가(이해 용이성), 실용성 확인(활용 가능성)을 수행한다. 이러한 자기 평가를 바탕으로 답변을 개선하며, 과정을 반복할 수 있다.

－06_“메타 프롬프팅” 중에서