1. 할루시네이션 줄이기

예를 들어, 보고서에서 주요 이슈 분석 등의 사실 분석을 할 때에는 아래와 같이 할루시네이션을 줄일 수 있는 프롬프트를 작성할 수 있습니다. 포인트는 '사실'과 '거짓'을 구분할 수 있는 프롬프트를 작성하게 해주는 것이죠.

특히 검증과 같은 경우, 검증의 규칙을 설정할 수 있습니다. GPT스스로 검증하게 하는 것이죠. 프롬프트로 모호한 것에 대한 검증 규칙 등을 설정할 수 있습니다. 배제의 규칙도 정할 수 있는데요. 이러한 '검증 초안' 조차도 GPT에게 물어볼 수 있습니다.

1.1 검증 구조를 포함한 프롬프트

[프롬프트]
아래 형식에 맞춰서 2024년 1분기 시장 동향 보고서를 작성해줘.
 
제목: [보고서 제목]
 
작성일: YYYY-MM-DD
 
1. 개요
- 분석 기간:
- 분석 범위:
 
2. 주요 시장 지표
A) 경제 지표
  - 사실:
  - GPT의 견해:
  - 추측:
  - 검증:
B) 산업 지표
  - 사실:
  - GPT의 견해:
  - 추측:
  - 검증:
 
3. 주요 이슈 분석
- 이슈 1:
  - 사실:
  - GPT의 견해:
  - 추측:
  - 검증:
 
- 이슈 2:
  - 사실:
  - GPT의 견해:
  - 추측:
  - 검증:
- 이슈 3:
  - 사실:
  - GPT의 견해:
  - 추측:
  - 검증:
 
4. 전망 및 제언
 
* 모든 항목은 200자 이내로 작성

[프롬프트]
아래 형식에 맞춰서 2024년 1분기 시장 동향 보고서를 작성해줘.
 
제목: [보고서 제목]
 
작성일: YYYY-MM-DD
 
1. 개요
- 분석 기간:
- 분석 범위:
 
2. 주요 시장 지표
A) 경제 지표
  - 사실:
  - GPT의 견해:
  - 추측:
  - 검증:
B) 산업 지표
  - 사실:
  - GPT의 견해:
  - 추측:
  - 검증:
 
3. 주요 이슈 분석
- 이슈 1:
  - 사실:
  - GPT의 견해:
  - 추측:
  - 검증:
 
- 이슈 2:
  - 사실:
  - GPT의 견해:
  - 추측:
  - 검증:
- 이슈 3:
  - 사실:
  - GPT의 견해:
  - 추측:
  - 검증:
 
4. 전망 및 제언
 
* 모든 항목은 200자 이내로 작성

1.2 할루시네이션을 줄이는 추가 전략

1. 출처 요구하기

다음 정보를 제공하되, 각 정보의 출처를 함께 명시해줘.
출처가 불확실한 경우 "출처 불명" 또는 "추정치"로 표시해줘.

다음 정보를 제공하되, 각 정보의 출처를 함께 명시해줘.
출처가 불확실한 경우 "출처 불명" 또는 "추정치"로 표시해줘.

2. 확신도 표시 요청

각 답변에 대해 확신도를 다음과 같이 표시해줘.
 
- 높음 (90% 이상): 확실한 사실
- 중간 (50-90%): 일반적으로 알려진 정보
- 낮음 (50% 미만): 추측 또는 불확실

각 답변에 대해 확신도를 다음과 같이 표시해줘.
 
- 높음 (90% 이상): 확실한 사실
- 중간 (50-90%): 일반적으로 알려진 정보
- 낮음 (50% 미만): 추측 또는 불확실

3. 반대 관점 요청

이 주장에 대해
 
1. 지지하는 근거
2. 반대하는 근거
3. 중립적 평가
 
를 모두 제시해줘.

이 주장에 대해
 
1. 지지하는 근거
2. 반대하는 근거
3. 중립적 평가
 
를 모두 제시해줘.

4. 사실과 의견 분리

다음 형식으로 답변해줘.
 
[사실]
- 검증 가능한 객관적 정보만
 
[의견/분석]
- 해석이나 추론이 필요한 내용
 
[불확실]
- 확실하지 않거나 검증이 필요한 내용

다음 형식으로 답변해줘.
 
[사실]
- 검증 가능한 객관적 정보만
 
[의견/분석]
- 해석이나 추론이 필요한 내용
 
[불확실]
- 확실하지 않거나 검증이 필요한 내용

1.3 할루시네이션 예방 체크리스트

프롬프트 작성 시 확인사항

- 사실과 추측을 구분하도록 요청했는가?
- 출처나 근거를 명시하도록 했는가?
- 불확실한 경우 명시하도록 했는가?
- 검증 가능한 형식으로 답변을 요청했는가?
- 반대 의견이나 다른 관점도 고려했는가?

프롬프트 작성 시 확인사항

- 사실과 추측을 구분하도록 요청했는가?
- 출처나 근거를 명시하도록 했는가?
- 불확실한 경우 명시하도록 했는가?
- 검증 가능한 형식으로 답변을 요청했는가?
- 반대 의견이나 다른 관점도 고려했는가?

2. 프롬프트 엔지니어링의 미래

프롬프트 엔지니어링은 계속해서 중요한 역할을 차지할까요? 이에 대해 두 가지 의견이 있습니다.

2.1 관점 1: 자동 최적화로 인한 무용론

먼저 '프롬프트 엔지니어링도 LLM이 학습해 최적화된 답변을 제공할 수 있다'라는 의견이 있습니다. 이제는 CoT(Chain of Thought)를 사용하지 않더라도, 수학적 지식 등 복잡한 문제에 대해 CoT 방식이 기본적으로 적용되어 더 나은 응답을 받을 수 있습니다.

무용론의 근거는 아래와 같습니다.

AI 모델이 자동으로 최적의 사고 과정을 적용
사용자가 복잡한 기법을 알 필요 없어짐
단순한 질문만으로도 고품질 답변 생성

2.2 관점 2: 더욱 중요해지는 전문성

그렇다고 해서 'LLM의 응답이 정교해지면서 질문의 정교함이 더 중요해질 것'이라는 두 번째 의견이 틀렸다고 볼 수는 없습니다. 실제로 LLM이 발전할수록 사용자가 원하는 구체적인 결과를 얻기 위해서는 더욱 세밀하고 전문적인 프롬프트 작성 능력이 필요해질 것입니다.

전문성 강화론의 근거는 아래와 같습니다.

단순한 질문은 AI가 자동 최적화
특정 도메인의 전문적 작업은 인간의 섬세한 지시 필요
창의적 결과물을 위한 맥락 제공 중요
프롬프트 엔지니어링의 고도화 및 전문화

2.3 미래 전망: 양립하는 두 관점

따라서 프롬프트 엔지니어링은 사라지는 것이 아니라, 더욱 고도화되고 전문화된 형태로 진화할 가능성이 높습니다.

단순 작업 (자동화)

일상적 질문
기본 정보 검색
간단한 문서 작성 → AI가 자동으로 최적화

전문 작업 (인간 개입)

도메인 전문 지식
창의적 콘텐츠
복잡한 분석
맞춤형 솔루션 → 프롬프트 엔지니어링 필수

2.4 프롬프트 라이브러리의 중요성 증대

미래에는 개인과 조직이 검증된 프롬프트 라이브러리를 구축하고 관리하는 것이 더욱 중요해질 것입니다.

프롬프트 라이브러리가 중요한 이유는 아래와 같습니다.

재사용성: 매번 새로 작성할 필요 없음
품질 보장: 검증된 프롬프트 사용
지식 축적: 조직의 노하우가 자산으로
빠른 적응: 신입도 즉시 활용 가능
지속적 개선: 피드백을 통한 진화

2.5 앞으로 필요한 역량

1. 기본 역량 (모든 사용자)

AI 도구의 기본 사용법
명확한 질문 작성 능력
결과물 검증 능력

2. 중급 역량 (업무 활용자)

프롬프트 기법 이해
반복 작업 자동화
템플릿 활용 및 수정

3. 고급 역량 (전문가)

프롬프트 라이브러리 구축
도메인 특화 프롬프트 설계
AI 한계 이해 및 보완
새로운 기법 연구 및 적용

바이브코딩 에센셜 with claude code

할루시네이션 줄이기와 프롬프트 엔지니어링의 미래