인공지능과 대화를 나누다 보면 종종 답답함을 느낄 때가 있습니다. 질문에 대한 대답은 분명히 맞는데, 어딘가 모르게 깊이가 부족하고 수박 겉핥기식이라는 느낌을 지울 수 없기 때문입니다. 문체는 무미건조하고, 내용은 나무위키나 위키백과를 그대로 긁어온 듯한 평범함 그 자체입니다. 이런 결과물을 마주하면 아무리 좋은 아이디어가 있어도 실제 업무에 적용하기가 망설여집니다.
지난 글에서는 AI를 검색 엔진처럼 대하면 안 되는 이유에 대해 짚어보았습니다. 이번에는 여기서 한 걸음 더 나아가, AI의 두뇌를 내가 원하는 방향으로 완벽하게 세팅하는 가장 강력한 무기, 바로 ‘역할 부여(Role-playing)’에 대해 깊이 파헤쳐 보겠습니다. 이 기술 하나만 제대로 익혀도 AI가 내놓는 결과물의 질은 완전히 다른 차원으로 진입합니다.
AI의 평범함이라는 함정에서 벗어나기
생성형 AI는 기본적으로 전 세계 인터넷에 존재하는 방대한 양의 텍스트 데이터를 학습하여 만들어졌습니다. 그 안에는 초등학생의 일기장부터 세계적인 석학의 논문까지 모든 것이 혼재되어 있습니다. 사용자가 아무런 조건 없이 질문을 던지면, AI는 가장 무난하고 보편적이며 평균적인 수준의 답변을 도출하도록 설계되어 있습니다. 이른바 ‘평범함의 함정’에 빠지는 것입니다.
이 함정에서 빠져나와 날카롭고 전문적인 인사이트를 얻으려면, 인공지능에게 명확한 직함과 페르소나를 입혀주어야 합니다. 이것을 프롬프트 엔지니어링에서는 ‘역할 부여’라고 부릅니다. 수백만 명의 군중 속에서 특정 분야의 최고 전문가 한 명을 지목하여 무대 위로 끌어올리는 작업과 같습니다.
역할을 부여받은 AI는 자신이 사용할 수 있는 수많은 어휘와 개념 중에서, 해당 전문가가 실제로 현장에서 사용할 법한 고급 어휘, 전문 용어, 그리고 특유의 분석적인 시각을 장착하게 됩니다.
실전 비교 1: 마케팅과 SEO 최적화의 세계
가장 극명한 차이를 볼 수 있는 분야가 바로 온라인 비즈니스와 콘텐츠 마케팅입니다. 많은 사람들이 AI에게 블로그 글쓰기나 마케팅 카피를 부탁하지만, 역할이 빠진 프롬프트는 앙꼬 없는 찐빵과 같습니다.
나쁜 프롬프트의 전형적인 예시는 이렇습니다. “쿠팡에서 물건을 떼다 파는 방법에 대한 블로그 글을 써줘.” 이 지시를 받은 AI는 상품 등록 방법, 고객 응대 등 누구나 아는 기초적인 매뉴얼 수준의 글을 밋밋한 말투로 토해낼 것입니다. 당장 인터넷에 올려봤자 누구의 시선도 끌지 못하는 글입니다.
이제 전문가의 페르소나를 입혀보겠습니다.
“너는 10년 차 퍼포먼스 마케터이자 검색 엔진 최적화(SEO)의 마스터야. 특히 워드프레스 환경에서 구글 상위 노출 알고리즘을 완벽하게 이해하고 있어. 너의 목표는 자동화 파이프라인 구축에 관심 있는 사람들을 타겟으로 매력적인 정보성 포스팅을 작성하는 거야. 쿠팡 드랍쉬핑의 장단점과 수익화 전략을 주제로 잡고, 실무자의 시선에서 날카로운 분석을 제공해 줘.”
이렇게 역할을 고정해 주면 AI의 태도가 돌변합니다. 단순한 ‘상품 등록’이라는 단어 대신 ‘전환율’, ‘트래픽 유입 경로’, ‘키워드 볼륨 타겟팅’ 같은 실무 마케터의 언어를 사용하기 시작합니다. 글의 구조 역시 SEO에 유리한 방식으로 알아서 조직화되며, 독자에게 신뢰감을 주는 전문가 특유의 단호하고 설득력 있는 문체로 변모합니다.
실전 비교 2: 기술과 실무 현장의 세계
전문적인 기술 분야나 복잡한 실무 영역으로 넘어가면 이 역할 부여의 위력은 더욱 강력해집니다. 막연한 지식보다 현장의 살아있는 노하우가 필요한 상황을 가정해 보겠습니다.
하수들의 접근법은 “기계설계 초보자를 위한 공부 방법을 알려줘”와 같이 뭉뚱그려 질문하는 것입니다. 결과는 뻔합니다. 수학을 열심히 해라, 캐드(CAD) 툴을 익혀라 같은 하나 마나 한 소리가 돌아올 뿐입니다.
하지만 실전 프로젝트를 이끄는 베테랑의 관점을 주입하면 결과물은 180도 달라집니다.
“너는 수많은 현장 경험을 가진 수석 기계설계 엔지니어이자, 프로젝트 전체를 조율하는 깐깐한 현장 PM(Project Manager)이야. 너의 임무는 기계설계 입문자들에게 메커니즘 원리와 실무의 차이를 교육하는 자료를 기획하는 거야. 3D 프린팅을 활용한 샘플링 과정과, 도면과 실제 가공품 사이의 오차를 줄이는 공차 계산의 중요성을 반드시 포함해서 설명해 줘. 또한, 현장 PM의 관점에서 명확한 실측 데이터가 없는 경우에는 임의로 추정하지 말고, 반드시 시스템이나 업계의 기본값(Default value)을 기준 데이터로 사용해야 한다는 데이터 신뢰성 원칙을 강조해서 톤앤매너를 묵직하게 유지해 줘.”
이 프롬프트는 AI의 두뇌를 완전히 ‘현장 실무자’로 세팅합니다. 책상머리 이론이 아니라, 실제 공차 계산에서 발생하는 마찰이나 조립 불량의 문제, 3D 프린팅 시 수축률을 고려해야 한다는 등 현장에 발을 딛고 있는 사람만이 할 수 있는 조언들을 쏟아냅니다. 특히 ‘데이터가 없으면 기본값을 쓴다’는 깐깐한 원칙까지 성향으로 부여했기 때문에, 답변 과정에서 어설픈 추측성 정보를 생산하는 이른바 할루시네이션(환각) 현상까지 스스로 통제하게 됩니다.
입체적인 부캐를 만드는 3가지 공식
그렇다면 어떻게 해야 AI에게 좋은 역할을 부여할 수 있을까요? 단순히 “너는 전문가야”라고 말하는 것으로는 부족합니다. 입체적이고 생동감 있는 페르소나를 만들기 위해서는 다음 세 가지 요소를 조합해야 합니다.
첫째, 구체적인 직업과 연차를 명시하십시오. “전문가”보다는 “15년 차 데이터 분석가”, “글로벌 B2B 세일즈 디렉터”처럼 디테일할수록 좋습니다. 연차가 높을수록 AI는 더 거시적이고 전략적인 답변을 내놓고, 연차가 낮고 실무 중심의 직함을 주면 더 전술적이고 구체적인 실행 방안을 내놓는 경향이 있습니다.
둘째, 전문 분야를 좁혀주십시오. “개발자”보다는 “CentOS 서버 환경에서 시스템 아키텍처를 설계하는 서버 엔지니어”로 좁힐 때 답변의 밀도가 높아집니다. AI가 뒤져야 할 지식의 창고를 특정 구역으로 한정 지어주는 역할을 합니다.
셋째, 성향이나 업무 스타일을 추가하십시오. “비판적이고 논리적인 성향”, “창의적이고 비유를 즐겨 쓰는 성향”, 혹은 앞선 예시처럼 “명확한 데이터 중심의 보수적인 성향” 등을 부여하면 답변의 분위기와 어조를 자유자재로 컨트롤할 수 있습니다.
하나의 프롬프트에 두 명의 전문가 초대하기
숙련된 사용자들은 종종 다중 페르소나 기법을 사용하기도 합니다. 예를 들어 어떤 기획안을 평가받고 싶을 때, AI에게 두 가지 상반된 역할을 동시에 부여하는 것입니다.
“너는 지금부터 두 명의 역할을 동시에 수행해야 해. 한 명은 내 아이디어의 긍정적인 가능성을 극대화하여 발전시켜 주는 ‘크리에이티브 디렉터’이고, 다른 한 명은 내 기획안의 허점과 리스크를 무자비하게 찾아내는 ‘재무 리스크 관리자’야. 내가 제시하는 신규 사업 아이디어에 대해 이 두 사람의 관점에서 각각 심층 분석 리포트를 작성해 줘.”
이렇게 하면 맹목적인 칭찬이나 방어적인 비판 한쪽으로 치우치지 않고, 매우 입체적이고 다각적인 인사이트를 얻을 수 있습니다. 혼자서 일하지만 마치 뛰어난 참모진을 여러 명 거느린 것과 같은 효과를 누리게 됩니다.
AI의 성능은 결국 사용자가 부여하는 역할의 한계를 넘지 못합니다. 여러분의 모니터 뒤에 있는 AI가 말단 인턴이 될지, 업계 최고의 컨설턴트가 될지는 오직 프롬프트 첫 줄에 어떤 역할을 적어 넣느냐에 달려 있습니다. 지금 당장 해결해야 할 고민이 있다면, 그 문제를 가장 잘 해결해 줄 수 있는 세계 최고의 전문가를 상상하고 그 직함을 AI에게 부여해 보십시오.
다음 편에서는 AI가 전문가의 시선으로 내놓은 훌륭한 답변들을, 내가 원하는 완벽한 형태(표, 리스트, 글자 수 등)로 정밀하게 다듬어내는 ‘조건과 형식 통제하기’ 기술에 대해 자세히 알아보겠습니다.