티스토리 뷰
목차
ChatGPT 출시 두 달 만에 전 세계 사용자 1억 명을 돌파했습니다. 처음 써봤을 때 솔직히 당황했습니다. 검색창에 단어를 던지는 게 아니라 사람한테 말하듯 질문을 던졌더니, 원하는 형식으로 정리된 글이 10초 만에 나왔으니까요. 신기하다는 감각보다 약간 무섭다는 감각이 먼저 왔습니다. 이 글은 그 경험을 바탕으로 ChatGPT를 어떻게 쓰면 효과적인지, 그리고 어디서 조심해야 하는지를 직접 확인한 것들로 정리했습니다.
프롬프트를 어떻게 쓰느냐가 결과를 완전히 바꿉니다
일반적으로 ChatGPT는 질문만 넣으면 알아서 좋은 답을 준다고 알려져 있지만, 제가 직접 써봤는데 그건 절반만 맞는 이야기입니다. 처음에는 "블로그 글 써줘" 같은 짧은 요청을 넣었고, 결과물이 너무 뻔하고 밋밋해서 바로 지웠습니다.
그 이후로 요청 방식을 바꿨습니다. 대상 독자가 누구인지, 어떤 분위기의 글인지, 어느 정도 길이인지, 어떤 관점에서 쓸 것인지를 한꺼번에 담아서 입력했더니 결과물의 수준이 눈에 띄게 달라졌습니다. 예를 들어 "아이폰의 역사를 빌 게이츠의 시각으로 써줘"라고 입력했을 때, ChatGPT가 마이크로소프트 창업자의 경쟁자적 시선을 반영해 기승전결이 맞는 글을 만들어냈습니다. 제가 그 내용을 알고 있지 않아도요.
여기서 핵심 개념이 프롬프트(Prompt)입니다. 프롬프트란 AI에게 주는 입력 명령어 전체를 말하며, 단순한 질문이 아니라 조건·형식·맥락을 포함한 요청문에 가깝습니다. 프롬프트를 어떻게 설계하느냐에 따라 같은 AI도 완전히 다른 결과를 냅니다. 마치 사람에게 일을 맡길 때 브리핑을 제대로 하는 것과 "알아서 해줘"라고 던지는 것의 차이와 비슷합니다.
제가 실제로 효과를 본 방식은 다음과 같습니다.
- 대상 독자를 명시한다 — "초등학생도 이해할 수 있도록", "마케터를 대상으로" 등
- 출력 형식을 지정한다 — "500자 이내로", "목차 형식으로", "3가지 항목으로"
- 역할을 부여한다 — "너는 10년 경력의 카피라이터야"처럼 페르소나(Persona)를 설정한다. 페르소나란 AI에게 특정 직업·성격·관점을 가진 인물로 행동하도록 지시하는 방식입니다
- 예시를 함께 넣는다 — 원하는 결과물의 샘플을 한 단락이라도 같이 붙이면 방향이 훨씬 정확해집니다
프롬프트 엔지니어링(Prompt Engineering)이라는 말이 있을 정도입니다. 여기서 프롬프트 엔지니어링이란 AI가 원하는 결과를 내도록 입력 문장을 설계하고 다듬는 기술 전체를 가리킵니다. 출처: OpenAI GPT-4 연구 페이지에서도 입력 설계가 모델 성능에 미치는 영향을 공식적으로 다루고 있습니다. 잘 쓸수록 결과가 달라진다는 말은 단순한 홍보 문구가 아닙니다. 제 경험상 이건 사실입니다.
생성된 정보를 그대로 믿으면 반드시 문제가 생깁니다
ChatGPT가 글을 자연스럽게 써준다는 점이 오히려 가장 위험한 부분이기도 합니다. 제가 직접 써봤는데, 문장이 너무 매끄럽고 완성도가 높다 보니 내용이 맞는지 의심하는 타이밍을 놓치기 쉽습니다. 특히 역사적 사실이나 인물 발언, 의학·법률 관련 내용에서 이 문제가 두드러집니다.
ChatGPT는 학습 데이터를 기반으로 그럴듯한 텍스트를 생성하는 언어 모델(Language Model)입니다. 여기서 언어 모델이란 방대한 텍스트 데이터를 학습해 다음에 올 단어를 확률적으로 예측하는 AI 모델을 말합니다. 즉, 사실 여부를 확인하고 답을 내놓는 것이 아니라, 맥락에 맞는 텍스트를 생성하는 구조입니다. 그래서 그럴듯하게 들리는 거짓 정보를 아무렇지 않게 출력하는 일이 실제로 발생합니다. 이를 할루시네이션(Hallucination)이라고 부릅니다. 할루시네이션이란 AI가 사실처럼 보이지만 실제로는 틀렸거나 존재하지 않는 정보를 자신감 있게 출력하는 현상을 말합니다.
출처: Stanford University AI 연구 블로그에서도 대형 언어 모델의 정확도 문제를 주요 리스크 중 하나로 꼽고 있습니다. 특히 최신 사건이나 구체적인 수치가 포함된 질문일수록 오류 가능성이 높아집니다.
제 경험상 이건 좀 다릅니다. 처음에는 ChatGPT가 내놓은 내용을 거의 그대로 사용했는데, 나중에 따로 검색해 보니 세부 수치나 날짜가 다른 경우가 몇 번 있었습니다. 그때부터 방침을 바꿨습니다. ChatGPT 출력물은 초안이나 아이디어 도출용으로만 쓰고, 팩트가 들어간 부분은 반드시 따로 원문 출처를 확인합니다. 이 과정을 팩트체킹(Fact-checking)이라고 하는데, 생성형 AI를 사용할수록 이 습관이 더 중요해진다는 것을 직접 몸으로 느꼈습니다.
편리함에 익숙해질수록 생각하는 근육이 약해집니다
ChatGPT를 꾸준히 쓰다 보니 어느 시점부터 제 안에서 이상한 패턴이 생겼습니다. 뭔가 막히거나 모르면 생각하기 전에 먼저 ChatGPT에게 물어보고 싶은 충동이 생긴 겁니다. 그때 솔직히 이건 경계해야겠다 싶었습니다.
학습 측면에서도 비슷한 문제가 있습니다. 학생이 과제를 AI에게 통째로 맡겨 제출한다고 해도, 정작 그 학생에게 남는 것은 거의 없습니다. 자료를 직접 찾고 논리를 스스로 조립하고 글로 풀어내는 과정에서 인지적 역량(Cognitive Competency)이 쌓입니다. 인지적 역량이란 정보를 이해·분석·종합하는 사고 능력 전반을 가리키며, 이 능력은 반복적 훈련 없이는 길러지지 않습니다. AI가 결과물을 대신 만들어주면 그 훈련 기회가 사라집니다.
콘텐츠 생산 측면에서도 비슷한 구조입니다. AI를 활용하면 블로그 글 수십 개를 짧은 시간에 만들 수 있는 것은 사실입니다. 그런데 많은 사람이 같은 방식으로 AI 출력물을 그대로 업로드하기 시작하면, 인터넷에는 비슷한 내용의 글이 대량으로 쌓이게 됩니다. 양이 늘어나는 것이 콘텐츠 품질이 높아지는 것과 같지 않습니다.
제가 내린 결론은 이렇습니다. AI는 제 생각을 대신하는 도구가 아니라 제 생각을 발전시키는 도구로 써야 합니다. ChatGPT가 만들어준 초안을 그대로 쓰는 것이 아니라, 그 초안을 읽고 틀린 부분을 찾아내고 제 경험과 관점을 더하는 방식으로 쓸 때 실제로 쓸 만한 결과물이 나왔습니다. 앞으로 중요한 역량은 AI보다 빨리 타이핑하는 능력이 아니라, AI에게 좋은 질문을 설계하고 그 결과를 의심하고 검증하는 능력이라고 봅니다.
자주 묻는 질문
Q. ChatGPT 처음 쓰는데 프롬프트를 어떻게 써야 하나요?
A. 일반적으로 짧게 질문하면 된다고 알려져 있지만, 실제로 써보니 조건을 구체적으로 담을수록 결과가 달라집니다. 대상 독자, 원하는 형식, 글의 분위기, 강조하고 싶은 내용을 한 번에 담아 요청해보십시오. 처음에는 길게 쓰는 게 어색해도 몇 번 해보면 금방 감이 옵니다.
Q. ChatGPT가 알려준 정보, 그냥 써도 되나요?
A. 아이디어 발굴이나 초안 작성 용도로는 충분히 쓸 수 있지만, 수치·날짜·인물 발언·의학·법률 관련 내용은 반드시 따로 원문 출처를 확인하십시오. ChatGPT는 사실을 검증하는 시스템이 아니라 언어 모델이기 때문에, 그럴듯한 오류를 자신감 있게 출력하는 할루시네이션 현상이 실제로 발생합니다.
Q. 블로그 글을 ChatGPT로 써도 되나요?
A. 초안 작성이나 제목 후보 생성, 목차 구성 단계에서는 활용할 수 있습니다. 다만 AI가 만든 글을 그대로 올리는 방식은 검색 노출 측면에서도 점점 불리해지는 추세입니다. 제 경우엔 AI 초안을 바탕으로 직접 경험과 검증된 정보를 더해 고쳐 쓰는 방식이 가장 효과적이었습니다.
Q. ChatGPT 무료로 써도 충분한가요?
A. 기본적인 글쓰기, 요약, 번역, 아이디어 탐색 용도라면 무료 버전으로도 충분히 활용할 수 있습니다. 다만 최신 모델은 유료 플랜에서만 사용할 수 있고, 응답 속도나 처리 가능한 입력 길이 면에서 차이가 있습니다. 처음에는 무료로 시작해서 필요에 따라 판단하는 것이 합리적입니다.
결론
ChatGPT가 무섭다기보다는, 어떻게 쓰느냐에 따라 전혀 다른 도구가 된다는 것이 제가 직접 써보면서 내린 판단입니다. 프롬프트를 제대로 설계하면 글쓰기·자료 정리·아이디어 발굴에서 체감할 수 있는 시간 절감이 생깁니다. 반면 출력 결과를 검증 없이 그대로 사용하거나, 생각하는 과정 자체를 AI에게 넘기면 오히려 역효과가 납니다.
앞으로 AI를 잘 활용하는 사람과 그렇지 않은 사람 사이의 생산성 격차는 지금보다 훨씬 커질 가능성이 있습니다. 그 격차를 만드는 것은 AI의 존재 자체가 아니라, AI에게 좋은 질문을 하고 그 결과를 의심하고 검증하는 습관입니다. 편리함에 너무 익숙해지지 않으면서 제대로 활용하는 것, 그게 지금 제가 가져가려는 태도입니다.