- ChatGPT의 결과물을 차별화하는 핵심은 어떤 툴이나 모델을 쓰느냐가 아니라, 얼마나 구조화되고 뛰어난 '인풋'을 제공하느냐에 달려 있습니다.
- 한 번의 프롬프트로 완벽한 답을 요구하는 대신, OpenAI 플레이그라운드를 활용해 지시를 세분화하고 단계별 추론(Chain of Thought)을 유도하면 훨씬 전문적인 결과물을 얻을 수 있습니다.
- 딥 리서치 에이전트와 크롤링 기법을 활용해 AI가 스스로 접근할 수 없는 양질의 데이터를 직접 떠먹여 주는 '지휘자' 역할을 하는 것이 앞으로의 가장 중요한 업무 경쟁력입니다.
{img}
안녕하세요, 일잘러 장피엠입니다. 여러분, ChatGPT를 쓰면서 "왜 내 결과물은 남들처럼 날카롭지 않을까?" 고민해 보신 적, 어떠셨나요? 사실 이유는 아주 간단합니다. 챗GPT에게 좋은 인풋을 주지 않으면 절대 좋은 아웃풋이 나올 수 없거든요. 오늘 저는 뻔한 챗GPT 답변을 끝내주는 기획서로 탈바꿈시키는 핵심적인 방법, 바로 '인풋 설계법'에 대해 말씀드리려고 합니다.
{img}
[출처] 일잘러 장피엠 제공 영상 · 00:10
결과물의 수준을 결정하는 유일한 변수, '인풋'
많은 분들이 AI를 활용할 때 인풋보다는 프로세스에 집중하는 경향이 있습니다. "어떤 AI 모델이 더 똑똑한가?", "어떤 자동화 툴을 써야 하는가?"에만 관심을 가지죠. 하지만 챗GPT는 인터넷에 있는 방대한 데이터를 학습해 평균적인 지성을 갖춘 도구입니다. 평균적인 질문을 던지면 평균적인 결과밖에 얻지 못합니다.
우리가 유일하게 통제하고 개선할 수 있는 영역은 결국 '인풋'입니다. 챗GPT에는 텍스트뿐만 아니라 웹페이지 링크, PDF 파일, 화면 캡처, 손글씨 이미지, 심지어 크롤링한 방대한 엑셀 데이터까지 굉장히 다양한 형태의 인풋을 넣을 수 있습니다. 남들과 차별화된 압도적인 결과를 원한다면, 도구의 종류가 아니라 이 인풋의 질을 높이는 데 집중해야 합니다.
구조화된 프롬프트: 의식의 흐름을 멈추고 설계하세요
프롬프트를 개선하는 가장 첫 번째 방법은 지시 사항을 구체적이고 구조화된 형태로 작성하는 것입니다. 인간에게 업무를 지시할 때와 마찬가지로, 챗GPT 역시 논리적이고 세분화된 지시를 내릴수록 의도를 정확히 파악합니다. 줄글로 대충 써 내려가는 방식은 피해야 합니다.
프롬프트 작성이 막막하다면 오픈AI의 개발자 플랫폼인 '플레이그라운드(Playground)'의 프롬프트 확장 기능을 강력히 추천합니다. 내가 쓴 간단한 지시문을 입력하고 생성 버튼을 누르면, 수많은 사용자의 데이터를 학습한 AI가 알아서 디테일한 구성 요소를 채워 프롬프트를 확장해 줍니다. 이렇게 확장된 프롬프트를 인간의 눈으로 한 번 퇴고하여 사용하면, 순식간에 훨씬 더 풍부하고 알잘딱깔센한 결과물을 얻을 수 있습니다.
단계적 사고(Chain of Thought): 한 번에 완벽한 정답은 없습니다
챗GPT를 쓰다 실망하는 가장 큰 이유는 복잡한 과제를 한 번의 프롬프트로 해결하려고 하기 때문입니다. 예를 들어 "서울 부동산 거품에 대한 보고서를 써줘"라고 지시하면, 인터넷에 떠도는 뻔한 의견을 짜깁기한 수준의 답변만 돌아옵니다. 인간도 빈 한글 파일을 띄워놓고 첫 줄부터 완벽한 보고서를 써 내려가진 않습니다. 자료를 조사하고, 목차를 짜고, 항목별로 분석하는 단계를 거치죠.
{img}
[출처] 일잘러 장피엠 제공 영상 · 26:44
챗GPT에게도 '생각 사슬(Chain of Thought)' 기법을 적용해야 합니다. 거대한 과제를 작은 서브 태스크로 쪼개어 단계적으로 프롬프트를 흐름처럼 설계하는 것입니다. 먼저 어떤 기준으로 이 이슈를 분석할지 프레임워크를 묻고, 그 기준에 따라 1번 항목을 분석하게 한 뒤, 이어서 2번 항목을 분석하게 합니다. 챗GPT는 하나의 대화창 안에서 이전의 발화 내용을 모두 인풋으로 삼아 추론을 쌓아갑니다. 이렇게 충분한 논리적 근거를 발화시킨 후 "위 내용을 종합해 최종 보고서를 캔버스에 작성해 줘"라고 요청하면, 놀라운 마법처럼 전문적인 보고서가 탄생합니다.
양질의 데이터 제공: AI가 접근하지 못하는 정보를 먹여라
아무리 프롬프트를 잘 써도 AI가 알지 못하는 최신 정보나 내부 데이터가 필요할 때가 있습니다. 언론사의 유료 기사, 공공기관의 첨부 파일, 네이버 부동산 같은 기업의 내부 데이터베이스는 AI 봇의 접근이 차단되어 있습니다. 이때는 우리가 직접 양질의 데이터를 수집해 챗GPT에게 제공해야 합니다.
코딩을 몰라도 괜찮습니다. 웹사이트의 모든 데이터를 로드한 뒤 HTML 코드를 통째로 복사해 메모장에 붙여넣고, 이를 챗GPT에게 텍스트 파일로 던져주기만 하면 됩니다. 챗GPT는 그 복잡한 코드 속에서 스스로 패턴과 규칙성을 발견해 직관적이고 편리한 엑셀 파일로 데이터를 추출해 냅니다. 이렇게 정제된 수백 개의 매물 데이터를 인풋으로 다시 제공하면, 복잡한 엑셀 함수 없이도 순식간에 평단가를 계산하고 피벗 테이블을 돌려 의미 있는 인사이트를 도출해 냅니다.
{img}
[출처] 일잘러 장피엠 제공 영상 · 45:30
리서치 에이전트의 시대, 우리는 지휘자가 되어야 합니다
최근에는 챗GPT의 딥 리서치(Deep Research)나 젠스파크(Genspark)처럼, AI가 스스로 문제를 구체화하고 여러 웹페이지를 교차 검증하여 방대한 페이퍼를 써내는 리서치 에이전트들이 등장했습니다. 지식과 정보를 수집하는 비용이 제로에 가깝게 수렴하고 있는 것이죠.
이제 우리의 역할은 개별 AI 툴 하나에 의존하는 것을 넘어, 오케스트라의 지휘자가 되는 것입니다. 여러 리서치 에이전트에게 동일한 주제를 조사하게 시킨 뒤, 그 40페이지가 넘는 방대한 결과물을 하나의 문서로 취합해 챗GPT에게 통째로 때려 넣으시면 됩니다. "이 참고 자료들을 복합적으로 검토해서 최종 투자 보고서를 작성해"라고 지시하는 순간, 웬만한 컨설팅 펌의 어시스턴트가 작성한 것 이상의 끝내주는 결과물을 얻게 될 것입니다. AI가 떠먹여 주는 결과에 만족하지 말고, 직접 양질의 인풋을 설계하여 여러분의 업무 생산성을 극대화해 보시길 바랍니다.
FAQ
프롬프트를 영어로 작성하는 것이 한글보다 더 좋은 결과를 내나요?
과거에는 영어 프롬프트가 훨씬 유리했지만, 최근 모델들은 한국어 처리 능력이 비약적으로 발전했습니다. 저 역시 현재는 거의 차이를 체감하지 못해 모든 프롬프트를 한국어로 직관적이고 편리하게 작성하고 있습니다.
네이버 부동산 같은 사이트의 데이터는 ChatGPT가 직접 검색할 수 없나요?
네, 맞습니다. 기업의 내부 데이터베이스나 로그인 벽에 막힌 정보는 AI 봇의 접근이 차단되어 있습니다. 따라서 노코드 툴이나 HTML 크롤링을 통해 데이터를 추출한 뒤, 이를 엑셀이나 텍스트 형태로 챗GPT에게 직접 인풋으로 제공해야만 정확한 분석이 가능합니다.
복잡한 문서를 작성할 때 챗GPT가 자꾸 엉뚱한 소리(할루시네이션)를 합니다. 해결책이 있을까요?
한 번의 프롬프트로 최종 결과물을 요구하면 환각이 발생하기 쉽습니다. 분석 기준을 먼저 세우고, 항목별로 나누어 데이터를 찾게 한 뒤, 마지막에 종합하여 보고서를 작성하도록 '단계적 추론(Chain of Thought)' 방식으로 프롬프트 흐름을 설계해 보세요.
본 콘텐츠는 채널 발행인의 원본 영상을 기반으로 이글루스 AI가 편집·정리한 콘텐츠입니다.해당 콘텐츠는 제휴 또는 이용 허락을 기반으로 제공되며, 원본 저작권은 채널 발행인에게 있습니다.