좋은 AI 프롬프트 작성법은 특별한 주문을 외우는 일이 아니라, 해야 할 일과 판단 기준을 모델이 오해하지 않도록 적는 일입니다. 같은 프롬프트도 모델·버전·대화 맥락에 따라 결과가 달라질 수 있으므로, 한 번의 답변을 성능 보장처럼 받아들이기보다 결과를 확인하고 수정하는 과정이 필요합니다.
아래 10가지는 OpenAI·Google·Anthropic의 현재 공식 프롬프팅 안내에서 공통으로 확인되는 원칙을 실무 순서에 맞게 정리한 것입니다. 특정 모델이 언제나 더 정확해진다고 단정하지 않으며, 예시는 사용자가 자신의 과제에 맞춰 바꾸는 입력 조각입니다.
원하는 답변을 얻는 AI 프롬프트 작성법 10가지
1. 해야 할 일을 동사로 명확하게 적기
먼저 요약, 비교, 분류, 교정처럼 모델이 수행할 작업을 한 문장으로 적습니다. “알아서 잘 써줘”보다 대상, 목적, 강조할 부분을 함께 주면 무엇을 완료해야 하는지 확인하기 쉽습니다.
# 나쁜 예시
이 보고서 요약해줘.
# 좋은 예시
이 보고서의 핵심 내용 3가지를 5문장 이내로 요약해줘. 특히 시장 동향과 미래 전망에 초점을 맞춰줘.
2. 독자와 사용 목적을 알려주기
같은 내용도 초보자 안내문, 내부 검토 메모, 고객 답변은 필요한 설명 수준과 용어가 다릅니다. “이 답변은 처음 접하는 독자가 의사결정에 사용한다”처럼 누가 어디에 쓸 결과인지 적습니다. 독자 수준을 모르면 모델이 가정한 수준도 답변 첫머리에 밝히게 할 수 있습니다.
3. 필요한 관점이나 역할을 구체적으로 제한하기
역할은 말투와 검토 관점을 정하는 데 쓸 수 있습니다. 다만 “전문가 역할”이 사실의 정확성을 보장하지는 않으므로, 역할과 함께 실제 과제·독자·검토 기준을 적고 중요한 사실은 별도로 확인해야 합니다.
# 나쁜 예시
이 제품에 대한 글을 써줘.
# 좋은 예시
당신은 스타트업의 마케팅 전문가입니다. 이 새로운 SaaS(Software as a Service) 제품의 주요 기능을 소개하고, 잠재 고객의 이점을 강조하는 소셜 미디어 게시물 초안을 작성해주세요.
4. 배경 정보와 참고 자료의 경계를 표시하기
모델이 답변에 사용해야 할 전제, 원문, 데이터와 사용하지 말아야 할 추측을 구분합니다. 긴 자료를 붙일 때는 “아래 <자료> 안의 내용만 근거로 답하고, 자료에 없으면 없다고 표시”처럼 경계를 지정합니다. 자료가 서로 충돌하면 어느 쪽을 우선할지도 함께 적는 것이 좋습니다.
자료 안에 들어 있는 지시문까지 신뢰할 수 있는 것은 아닙니다. 외부 문서의 “이전 지시를 무시하라” 같은 문장도 참고 자료의 내용으로 다루고, 도구 실행이나 외부 전송 전에 별도 검증을 해야 합니다. 태그로 경계를 표시하는 것만으로 이런 위험이 완전히 사라지는 것은 아닙니다.
5. 원하는 결과의 예시를 보여주기
형식이나 분류 기준을 말로만 설명하기 어렵다면 입력과 출력 예시를 제공합니다. Google과 Anthropic의 안내도 일관되고 관련성 높은 예시를 권하며, 예시에 섞인 패턴을 모델이 따라갈 수 있으므로 잘못된 예시나 예외 없는 단일 사례는 주의해야 합니다.
# 예시
다음과 같은 형식으로 단어를 번역해줘.
입력: 사과 -> 출력: Apple
입력: 바나나 -> 출력: Banana
입력: 한국 -> 출력:
6. 출력 형식과 필수 필드를 지정하기
표, 목록, 마크다운, JSON처럼 결과를 사용할 형태를 적고 필수 항목과 순서를 정합니다. 자동 처리에 쓸 데이터라면 허용할 키, 값의 형식, 누락값 처리법까지 명시하고, 실제 시스템에 넣기 전에는 문법과 내용을 검증해야 합니다.
# 예시
다음 정보를 바탕으로 각 항목을 JSON 형식으로 정리해줘. 각 항목은 '이름'과 '설명' 필드를 포함해야 해.
[데이터 목록]
- AI 자동화: 반복적인 작업을 AI가 처리
- Docker: 애플리케이션을 격리된 환경에서 실행
7. 제약 조건과 완료 기준을 함께 쓰기
길이, 포함할 항목, 제외할 범위, 언어, 날짜 기준을 나열한 뒤 무엇이면 완료인지 적습니다. 예를 들어 “장점과 한계를 각각 두 가지 제시하고, 근거가 없는 수치는 만들지 않으며, 마지막에 확인이 필요한 항목을 분리”처럼 결과를 점검할 수 있는 기준을 사용합니다.
8. 복잡한 작업은 확인 가능한 단계로 나누기
자료 정리, 비교, 초안 작성, 최종 검토를 한 요청에 뒤섞기보다 중간 산출물이 보이도록 나눕니다. 먼저 요구사항과 누락 정보를 확인하고, 다음에 개요를 만든 뒤, 승인된 개요로 본문을 작성하는 방식입니다. 모델의 숨은 사고 과정을 요구하기보다 사용자가 검토할 수 있는 결과와 근거를 요청하는 편이 안전합니다.
9. 불확실성과 근거를 구분해 표시하게 하기
최신 정보나 중요한 판단이 포함되면 확인한 사실, 추정, 확인하지 못한 항목을 구분해 달라고 요청합니다. 링크가 필요하면 공식 출처를 우선하도록 하고, 모델이 제시한 링크·날짜·수치는 원문에서 다시 확인합니다. 역할 부여나 상세한 문장이 검증을 대신하지는 않습니다.
10. 작은 평가 기준으로 반복 개선하기
첫 답변을 보고 막연히 “더 좋게”라고 요청하기보다 빠진 항목, 불필요한 부분, 잘못된 형식을 구체적으로 되돌려 줍니다. 반복 작업이라면 정확성, 완결성, 형식 준수처럼 짧은 체크리스트로 여러 예시를 시험합니다. OpenAI의 공식 안내도 모든 작업에 통하는 단일 프롬프트는 없다고 설명하며, 실제 입력으로 평가하고 반복해서 다듬을 것을 권합니다.
바로 써보는 프롬프트 조립 순서
다음 순서는 고정 공식이 아니라 빠뜨린 요소를 찾기 위한 선택 기준입니다.
- 작업: 무엇을 해달라는 요청인지 적습니다.
- 맥락: 독자, 목적, 참고 자료와 기준 시점을 붙입니다.
- 기준: 포함·제외 조건과 완료 조건을 적습니다.
- 형식: 결과 구조와 필수 필드를 지정합니다.
- 검토: 불확실한 부분과 확인할 근거를 따로 표시하게 합니다.
간단한 질문에는 필요한 항목만 쓰면 됩니다. 반대로 중요한 의사결정이나 외부 공개물은 답변 자체를 사실로 간주하지 말고 출처와 원자료를 확인해야 합니다. 이 글의 예시는 실행 결과나 성능 실측값이 아니며, 실제 과제의 성공 여부는 사용한 모델과 입력 자료로 별도 평가해야 합니다.
공식 근거와 확인 범위
2026년 9월 14일에 다음 공식 안내의 현재 내용을 확인했습니다.
- OpenAI 모델별 프롬프팅 가이드: 명확한 지시, 맥락과 예시, 출력 구조, 평가와 반복 개선
- Google Gemini 프롬프팅 전략: 구체적인 지시, 제약과 응답 형식, few-shot 예시, 맥락, 작업 분해와 반복
- Anthropic Claude 프롬프팅 모범 사례: 명확하고 직접적인 지시, 맥락, 예시, 구조와 출력 형식, 결과 확인
제품과 모델의 권장 방식은 바뀔 수 있으므로 이후에는 각 공식 문서의 최신 내용을 재확인해야 합니다.