AI 의심 사라지는 질문 설계법

안녕하세요, 리키입니다. 오늘 제가 여러분과 나누고 싶은 이야기는 인공지능을 사용할 때 생기는 의심에 대해 어떻게 대처해야 하는지에 대한 것입니다.

우리가 인공지능을 사용하다 보면 어느 순간 '이게 정말 맞는 정보인가?', '이 결과를 믿어도 되는가?' 하는 의심이 생기곤 합니다. 이런 의심이 들면 우리는 잠시 멈추게 되죠. 저는 이런 의심을 없애는 방법을 찾았는데, 바로 의심이 생기지 않도록 처음부터 정보를 설계하는 것입니다.

그렇다면 왜 이런 의심이 생기는 걸까요? 정보가 불확실하기 때문입니다. 우리가 원하는 정확한 답이 바로 나오지 않았을 때 의심이 생기는 것이죠. 많은 분들이 AI에게 처음부터 완벽한 답을 요구하면서 실수를 하곤 합니다. 예를 들어, "LLM 모델별 특성을 정리해줘"라고 요청하면 AI는 무언가를 내놓지만, 그 출처가 불분명하고 우리가 원하는 깊이가 아닐 때 의심이 생기는 것입니다. 이는 AI의 문제가 아니라 질문의 문제라고 저는 생각합니다.

정확한 정보에 다가가는 방법은 질문을 좁혀나가는 것입니다. 저는 넓은 범위에서 시작해서 점차 좁은 범위로 좁혀가는 방식을 사용합니다. 예를 들어, "요즘 어떤 LLM 모델이 유행이야?"로 시작해서, 다음으로 "각 모델의 핵심 강점은 뭐야?", "논문 분석에는 어떤 모델이 적합해?"와 같이 구체적인 질문을 던지는 것이죠. 질문이 좁아질수록 답은 훨씬 선명해지고 우리가 원하는 정보에 정확히 도달하게 됩니다.

이렇게 얻은 명확한 대화 내용을 저장하고, 이를 에이전트의 씨앗으로 삼는 것입니다. 저는 이 내용을 바탕으로 "매주 LLM 동향을 자동으로 받아볼 수 있는 에이전트를 만들고 싶다"는 프로젝트 지침을 만들었습니다. 그리고 이 지침을 통해 에이전트가 자동으로 Gemini, Claude, GPT 등의 강점과 약점, 분야별 추천 모델, 하이브리드 워크플로우까지 매주 정리해서 리포트를 받게 한 것입니다.

결국 의심할 시간이 없다는 것입니다. 여러분이 의심으로 검증하는 사이, 저는 이미 새로운 프로젝트를 열고 또 하나의 에이전트를 만들고 있습니다. 의심을 해소하느라 시간을 낭비하지 말고, 그 에너지를 새로운 것을 설계하고 만들어내는 데 쓰는 것이 중요하다고 저는 생각합니다.

---

참고 원문: https://brunch.co.kr/@616336ad459f4c7/3