AI가 이해하지 못했던 질문의 공통점

AI툴을 사용하다 보면 “왜 이런 답이 나왔지?”라는 생각이 들 때가 있다. 분명히 요청했다고 생각했는데, 결과는 기대와 전혀 다른 방향으로 흘러간다.

처음에는 이런 상황을 AI의 한계나 오류로 받아들이곤 했다. 하지만 같은 일이 반복되면서, 문제의 원인이 질문 자체에 있을 가능성을 조심스럽게 의심하게 되었다.

질문을 돌아보기 시작한 계기

여러 번의 시행착오 끝에 결과가 마음에 들지 않았던 프롬프트들을 하나씩 다시 읽어보게 되었다. 그 과정에서 흥미로운 공통점이 보이기 시작했다.

질문이 틀렸다기보다는, AI가 이해하기 어려운 방식으로 작성되어 있었다는 점이었다. 사람에게는 통할 수 있는 표현이 AI에게는 전혀 다른 의미로 해석되고 있었다.

가장 먼저 눈에 띈 공통점은 추상적인 표현의 사용이었다. “알아서”, “적당히”, “잘 정리해줘” 같은 말들은 일상 대화에서는 자주 쓰이지만, AI에게는 기준이 없는 지시였다.

이런 표현을 포함한 질문에서는 결과가 일정하지 않았다. 어떤 날은 그럴듯해 보였고, 어떤 날은 전혀 엉뚱한 방향으로 나아갔다. 일관성이 없다는 점이 가장 큰 문제였다.

두 번째 공통점은 맥락의 부재였다. 왜 이 작업이 필요한지, 어디에 사용될 것인지를 질문에 포함하지 않은 경우가 많았다.

사람은 대화를 통해 맥락을 추론하지만, AI는 입력된 정보 안에서만 판단한다. 맥락이 빠진 질문은 결과물의 방향을 스스로 정하게 만들었고, 그 결과는 내가 기대한 것과 자주 어긋났다.

욕심이 앞설 때는 하나의 프롬프트에 여러 작업을 담기도 했다. 정리, 요약, 분석, 재구성까지 한 번에 요청한 적도 있었다.

이 경우 AI는 모든 요청을 균등하게 처리하려 했고, 그 과정에서 각 작업의 깊이는 얕아졌다. 결과적으로는 어느 하나도 만족스럽지 않은 답이 나왔다.

돌이켜보면 질문을 작성할 때 항상 ‘사람에게 말하듯’ 쓰고 있었다. 이 정도 설명이면 이해하겠지, 이 표현이면 의도가 전달되겠지 하는 막연한 기대가 깔려 있었다.

하지만 AI는 사람처럼 의도를 보완해 주지 않는다. 질문에 담긴 그대로를 처리할 뿐이다. 이 차이를 인식하지 못한 질문들이 문제를 반복해서 만들어냈다.

이런 공통점을 인식한 뒤, 질문을 작성하는 방식이 달라졌다. 추상적인 표현을 줄이고, 맥락을 한두 문장으로 보완하고, 요청을 한 가지로 제한했다.

그 결과, AI가 이해하지 못했던 질문은 점점 줄어들었다. 완벽한 답은 아니더라도, 적어도 방향이 어긋나는 일은 눈에 띄게 감소했다.

이후로는 결과가 마음에 들지 않을 때 AI를 탓하기 전에 질문을 먼저 의심하게 되었다. 질문을 고치지 않고서는 결과도 바뀌지 않는다는 것을 여러 번 경험했기 때문이다.

이 기준은 프롬프트를 다듬는 데뿐 아니라, 내 생각을 정리하는 데에도 의외로 큰 도움이 되었다.

AI가 이해하지 못했던 질문들은 사실 내가 충분히 정리하지 못했던 생각의 반영이었다. 질문의 문제를 인식하는 순간, AI툴은 훨씬 예측 가능한 도구가 되었다.

앞으로도 이 블로그에는 AI툴을 사용하며 겪은 이런 질문의 변화와 그에 따른 결과의 차이를 기록으로 계속 남길 예정이다.