AIBT 2급 이론 정리 시리즈 15탄!!!
오늘부터 새 파트 프롬프트 엔지니어링 시작!!!
똑같은 ChatGPT를 써도 누구는 쓸만한 답을 받고
누구는 뜬구름 잡는 답만 받는다(?)
차이는 AI가 아니라 어떻게 물어보느냐!
그 "잘 물어보는 기술"이 바로 프롬프트 엔지니어링이다
오늘은 개념이랑 발전 과정부터 잡고 가자
과목: 프롬프트 엔지니어링 기술
출제 영역: 프롬프트 엔지니어링의 이해
▶ [이론 14] LLM 핵심 개념, 환각·RAG·멀티모달 보러가기
[ 1. 프롬프트란? ]
AI에게 원하는 작업을 시키기 위해 입력하는 모든 것
질문 · 지시문뿐 아니라 예시, 참고 자료, 맥락, 이미지까지 다 포함된다
"보고서 써줘" 도 프롬프트고
"너는 IR 담당자야. 아래 실적 자료를 바탕으로 3줄 요약해줘" 도 프롬프트!
당연히 두 번째가 훨씬 원하는 답에 가깝다
[ 2. 프롬프트 엔지니어링이란? ]
원하는 결과를 얻기 위해 프롬프트를
설계하고 → 실행하고 → 결과 보고 → 고쳐가는 과정
핵심은 모델은 그대로 두고 입력만 바꿔서 성능을 끌어낸다는 것
14번 글의 파인튜닝이랑 헷갈리지 않게 비교해두자
| 구분 | 프롬프트 엔지니어링 | 파인튜닝 |
| 바꾸는 것 | 입력(프롬프트) | 모델 가중치 |
| 비용 | 거의 없음 | 학습 데이터 · 컴퓨팅 비용 큼 |
| 적용 속도 | 즉시 | 학습 시간 필요 |
| 필요 역량 | 명확한 언어 표현 · 논리적 구성 | 데이터 준비 · 개발 역량 |
왜 중요할까?
| 이유 | 설명 |
| 답변 품질 향상 | 같은 모델에서도 더 정확하고 쓸모 있는 답을 얻는다 |
| 환각 감소 | 맥락 · 근거 · 제약 조건을 주면 지어내는 답이 줄어든다 |
| 시간 · 비용 절약 | 재질문 · 재작업이 줄어든다 |
| 일관된 결과 | 템플릿으로 만들어 두면 누가 써도 비슷한 품질 |
| 업무 자동화 | 반복 업무를 프롬프트로 표준화할 수 있다 |
[ 3. 프롬프트 엔지니어링 발전 과정 ]
| 시기 | 단계 | 특징 |
| 초기 | 키워드 검색 | 검색창에 키워드만 나열하던 방식 |
| 2020 | GPT-3 · 퓨샷 프롬프팅 | 프롬프트에 예시 몇 개만 넣어도 새 작업 수행 (인컨텍스트 러닝) |
| 2022 | CoT (생각의 사슬) | "단계별로 생각해봐" 로 추론 과정을 유도해 정답률 ↑ |
| 2022.11 | ChatGPT 등장 | 대화형 프롬프트 대중화, 누구나 자연어로 AI 활용 |
| 이후 | 역할 지정 · 시스템 프롬프트 | AI의 역할 · 규칙을 미리 정해두고 대화 |
| 최근 | RAG · 에이전트 · 멀티모달 | 외부 자료 · 도구 · 이미지까지 결합한 프롬프트 설계 |
정리하면 키워드 → 예시 → 추론 유도 → 대화 → 도구 결합 순으로 발전!
[ 4. 시스템 프롬프트 vs 사용자 프롬프트 ]
| 구분 | 시스템 프롬프트 | 사용자 프롬프트 |
| 역할 | AI의 역할 · 규칙 · 말투 등 기본 설정 | 그때그때 하는 질문 · 요청 |
| 적용 범위 | 대화 전체에 계속 적용 | 해당 요청에만 적용 |
| 누가 쓰나 | 주로 서비스 개발자 · 설정 화면 | 사용자 |
| 예시 | "너는 친절한 고객상담원이다. 존댓말로 답한다" | "환불 절차 알려줘" |
커스텀 GPT의 "지침"이나 ChatGPT의 "맞춤 설정"이
사실상 시스템 프롬프트 역할을 한다 (24번 글에서 자세히!)
[ 5. 앞으로 배울 프롬프트 기법 미리보기 ]
| 기법 | 한 줄 설명 | 다룰 글 |
| 제로샷 · 원샷 · 퓨샷 | 예시를 0개 · 1개 · 여러 개 주는 방식 | 19번 |
| CoT | 단계별 추론을 유도 | 20번 |
| 역할 · 페르소나 · 템플릿 | AI에게 역할을 주고 형식을 정해주기 | 21번 |
| 자기일관성 · ToT · ReAct | 여러 답 비교 · 생각의 나무 · 추론+행동 | 22번 |
[ 시험 포인트 정리 ]
| 포인트 | 이것만은 기억! |
| 프롬프트 | AI에게 주는 입력 전체 (지시 · 예시 · 맥락 · 자료) |
| 프롬프트 엔지니어링 | 원하는 결과를 위해 프롬프트를 설계 · 개선하는 기술 |
| vs 파인튜닝 | 모델은 그대로, 입력만 바꾼다 → 비용 ↓ 즉시 적용 |
| 발전 흐름 | 키워드 → 퓨샷(GPT-3) → CoT → ChatGPT → 시스템 프롬프트 · RAG · 에이전트 |
| 시스템 프롬프트 | 역할 · 규칙을 대화 전체에 적용하는 기본 지시 |
[ 예상문제 ]
Q1. 프롬프트 엔지니어링에 대한 설명으로 옳은 것은?
① 모델의 가중치를 다시 학습시켜 성능을 높이는 방법이다
② 원하는 결과를 얻기 위해 AI에 주는 입력을 설계하고 개선하는 기술이다
③ 프로그래밍 언어를 아는 개발자만 할 수 있다
④ 한 번 작성한 프롬프트는 수정하지 않는 것이 원칙이다
Q2. (단답형) AI의 역할 · 규칙 · 말투 등을 미리 지정해
대화 전체에 적용되도록 하는 프롬프트를 무엇이라 하는가?
Q3. 프롬프트 엔지니어링이 중요한 이유와 거리가 먼 것은?
① 같은 모델에서도 답변 품질을 높일 수 있다
② 맥락과 근거를 제공해 환각을 줄일 수 있다
③ 반복 업무에서 일관된 결과를 얻을 수 있다
④ 모델의 파라미터 수를 늘려 준다
Q4. 프롬프트 엔지니어링과 파인튜닝의 비교로 옳지 않은 것은?
① 프롬프트 엔지니어링은 모델을 바꾸지 않고 입력만 바꾼다
② 파인튜닝은 추가 데이터로 모델의 가중치를 학습시킨다
③ 프롬프트 엔지니어링은 비용이 적고 즉시 적용할 수 있다
④ 프롬프트 엔지니어링을 하려면 반드시 대규모 학습 데이터가 필요하다
Q5. (단답형) GPT-3에서 주목받은 방식으로, 프롬프트 안에
예시를 몇 개 넣어 주는 것만으로 새로운 작업을 수행하게 하는 기법은?
[ 정답 & 해설 ]
| 문제 | 정답 | 해설 |
| Q1 | ② | ①은 파인튜닝. 프롬프트 엔지니어링은 자연어로 누구나 할 수 있고, 결과를 보며 계속 고쳐가는 게 핵심 |
| Q2 | 시스템 프롬프트 | 사용자 프롬프트는 그때그때의 질문 · 요청 |
| Q3 | ④ | 파라미터 수는 모델 자체의 크기. 프롬프트로는 바뀌지 않는다 |
| Q4 | ④ | 대규모 학습 데이터가 필요한 건 파인튜닝 |
| Q5 | 퓨샷(Few-shot) 프롬프팅 | 인컨텍스트 러닝(In-context Learning)이라고도 한다. 19번 글에서 자세히! |
다음 글은 좋은 프롬프트를 이루는 재료!
[이론 16] 좋은 프롬프트 구성요소
지시 · 맥락 · 입력 데이터 · 출력 형식을 정리한다
▶ [이론 16] 프롬프트 작성법, 좋은 프롬프트 4가지 구성요소 보러가기
▶ AIBT 2급 스터디 자료 보러가기 (AI DATA 자격증 스터디 클럽)
AIBT 2급 준비하시는 분들 모두 화이팅입니다~~~~~ ^^
'AI·데이터 자격증 > AIBT2급' 카테고리의 다른 글
| [AIBT 2급 이론 17] 나쁜 프롬프트 고치는 법, 명확성·구체성 원칙과 예시 총정리 (+예상문제) (0) | 2026.10.16 |
|---|---|
| [AIBT 2급 이론 16] 좋은 프롬프트 작성법, 4가지 구성요소와 예시 총정리 (+예상문제) (0) | 2026.10.16 |
| [AIBT 2급 이론 14] LLM 핵심 개념, 환각·RAG·멀티모달 총정리 (+예상문제) (0) | 2026.10.16 |
| [AIBT 2급 이론 13] 언어모델의 발전, N-gram·RNN·트랜스포머 총정리 (+예상문제) (0) | 2026.10.16 |
| [AIBT 2급 이론 12] Temperature·Top-p·Top-k 생성 파라미터 총정리 (+예상문제) (0) | 2026.10.16 |