AI가 이해하지 못했던 질문의 공통점

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

처음에는 이런 상황을 AI의 한계나 오류로 받아들이곤 했다. 도구가 아직 완벽하지 않아서 생기는 문제라고 생각하는 편이 마음이 편했기 때문이다.

하지만 같은 일이 반복되면서, 문제의 원인이 AI가 아니라 질문 자체에 있을 가능성을 조심스럽게 의심하게 되었다. 이 글은 그 의심에서 출발해, AI가 이해하지 못했던 질문들의 공통점을 정리한 기록이다.

질문을 돌아보기 시작한 계기

결과가 마음에 들지 않았던 프롬프트들을 따로 모아 다시 읽어본 적이 있다. 당시에는 각기 다른 상황이라고 생각했던 질문들이었지만, 시간을 두고 보니 묘하게 닮아 있었다.

질문이 틀렸다기보다는, AI가 이해하기 어려운 방식으로 작성되어 있었다는 점이 공통적으로 드러났다. 사람에게는 충분히 통할 수 있는 표현들이, AI에게는 전혀 다른 의미로 해석되고 있었다.

이 지점에서 처음으로 “질문을 잘못 던지고 있었던 건 아닐까”라는 생각을 하게 되었다.

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

이런 표현을 포함한 질문에서는 결과가 일정하지 않았다. 어떤 날은 그럴듯해 보였고, 어떤 날은 전혀 엉뚱한 방향으로 나아갔다.

문제는 결과의 좋고 나쁨이 아니라, 일관성이 없다는 점이었다. 같은 질문을 반복해도 결과의 방향이 달라지니, 수정할 기준조차 잡기 어려웠다.

두 번째 공통점은 맥락의 부재였다. 왜 이 작업이 필요한지, 어디에 사용될 것인지에 대한 설명이 질문에 포함되지 않은 경우가 많았다.

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

이 차이를 인식하지 못한 상태에서는 같은 질문을 반복할수록 답답함만 쌓이게 되었다.

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

이 경우 AI는 모든 요청을 동시에 처리하려 했고, 그 과정에서 각 작업의 깊이는 자연스럽게 얕아졌다.

결과적으로는 어느 하나도 만족스럽지 않은 답이 나왔고, 다시 프롬프트를 고치는 악순환으로 이어졌다.

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

하지만 AI는 사람처럼 의도를 보완해 주지 않는다. 질문에 담긴 그대로를 처리할 뿐이다.

이 차이를 인식하지 못한 질문들이, AI가 이해하지 못했던 질문의 상당 부분을 차지하고 있었다.

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 크게 어긋나는 일은 눈에 띄게 감소했다.

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

이 기준은 프롬프트를 다듬는 데뿐 아니라, 내 생각을 정리하는 방식 자체에도 영향을 주었다.

AI가 이해하지 못했던 질문들은 결국 내가 충분히 정리하지 못했던 생각의 반영이었다.

질문의 문제를 인식하는 순간, AI툴은 예측 불가능한 존재가 아니라 조정 가능한 도구로 보이기 시작했다.

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