좋은 프롬프트의 5원칙 T.I.G.E.R: 결과를 바꾸는 프롬프트 작성법

같은 AI 모델, 같은 질문인데 누군가는 쓸 만한 답을 받고 누군가는 “역시 AI는 별로네”라며 창을 닫습니다. 차이는 모델이 아니라 프롬프트에 있습니다. 그리고 좋은 프롬프트에는 공통된 뼈대가 있습니다. 우리는 그것을 다섯 글자로 정리했습니다. T.I.G.E.R. 과업(Task), 맥락(Input), 목표(Goal), 예시(Example), 개선(Refine).

다섯 원칙을 하나씩 실전 수준으로 풀어 보겠습니다. 각 원칙이 왜 작동하는지를 연구 데이터로 확인하고, 마케팅·영업·기획 같은 실제 직무에 어떻게 적용하는지, 그리고 사람들이 반복적으로 저지르는 실수가 무엇인지까지 다룹니다. 프롬프트는 재능이 아니라 익히면 되는 기술입니다.

왜 프롬프트가 결과를 가르는가

먼저 전제부터 정리합니다. 프롬프트 품질이 결과를 가른다는 것은 느낌이 아니라 측정된 사실입니다.

2025년에 발표된 한 연구는 명확하고 구조화되고 맥락이 담긴 프롬프트를 쓴 사용자가 그렇지 않은 사용자보다 높은 작업 효율과 더 나은 결과를 보고했다고 밝혔습니다. 같은 해 ICIS 2025에서 발표된 PromptPilot 연구에서는 프롬프트 작성을 보조받은 참가자 집단이 그렇지 않은 집단보다 통계적으로 유의미하게 높은 성과(중앙값 78.3 대 61.7, p=.045)를 냈습니다(arXiv 2507.18638, AIS Electronic Library). 같은 도구를 쥐여줘도 어떻게 묻느냐에 따라 결과의 격차가 벌어진다는 뜻입니다.

이건 개인의 생산성 문제로 끝나지 않습니다. 메가존클라우드와 파운드리가 국내 기업 AI·IT 담당자 749명을 조사한 결과(2025년 8월), 국내 기업의 55.7%가 이미 생성형 AI를 전사적(22.4%) 또는 일부 부서(33.2%)에서 활용 중이며, 2026년에는 그 비율이 85%를 넘어설 전망입니다. 활용 목적 1위는 ‘업무 효율성·생산성 향상’(70.5%)이었습니다(CIO Korea). 반면 McKinsey의 2025년 글로벌 AI 조사에서는, AI 도구 개발이 너무 느리다고 답한 조직의 46%가 그 원인으로 ‘인력 역량 격차’를 꼽았습니다(McKinsey, The State of AI).

정리하면 이렇습니다. 도구는 이미 깔렸고, 막힌 건 ‘잘 쓰는 능력’입니다. 그 능력의 가장 기초이자 핵심이 프롬프트입니다.

T (Task): 무엇을 시킬지 동사로 못 박아라

T는 과업입니다. AI에게 정확히 어떤 작업을 원하는지를 동사로 명확히 지시하는 단계입니다.

가장 흔한 실패는 “마케팅 좀 도와줘”, “이거 분석해줘” 같은 모호한 지시입니다. AI는 ‘도와줘’가 카피를 쓰라는 건지, 채널을 추천하라는 건지, 경쟁사를 정리하라는 건지 알 수 없습니다. 결국 가장 무난하고 평범한 답, 이른바 AI-slop이 나옵니다.

좋은 Task는 동작을 특정합니다. “신제품 출시 이메일 제목 후보 10개를 작성하라”, “이 매출 데이터에서 전월 대비 이상치 3개를 찾아 원인 가설을 붙여라”처럼요. 동사(작성하라·찾아라·분류하라·요약하라·비교하라)가 분명할수록 결과가 분명해집니다.

한 가지 더. 하나의 프롬프트에 과업을 너무 많이 욱여넣지 마세요. “시장 분석하고 전략 짜고 보도자료까지 써줘”는 세 개의 과업입니다. 쪼개서 순차적으로 시키면 각 단계의 품질이 올라갑니다. 이것이 바로 복잡한 일을 여러 단계로 나눠 추론시키는 사고 사슬(Chain-of-Thought)의 기초 원리이기도 합니다. Wei 등(2022)의 연구에서 540B 파라미터 모델(PaLM)에 사고 사슬을 적용하자 GSM8K 수학 문제 벤치마크 정확도가 당시 최고치였던 55%(파인튜닝+검증기)를 넘어 58%에 도달했고, 후속 연구의 자기일관성(self-consistency) 기법을 더하자 74%까지 올랐습니다(arXiv 2201.11903, Google Research Blog). 한 번에 다 시키는 것보다 단계를 나누는 쪽이 더 똑똑한 답을 끌어냅니다.

I (Input): 맥락이 없으면 AI는 추측한다

I는 입력, 곧 맥락입니다. AI가 답을 만들기 위해 알아야 할 배경 정보와 재료를 함께 넣는 단계입니다.

AI는 당신 회사의 사정을 모릅니다. 타깃 고객이 누구인지, 브랜드 톤이 어떤지, 지난 캠페인이 왜 실패했는지 모릅니다. 맥락을 안 주면 AI는 일반론으로 추측하고, 그 추측은 대개 평범합니다. 맥락을 주면 답이 우리 것이 됩니다.

좋은 Input에는 이런 것들이 들어갑니다. 대상 독자(“AI 도입을 고민하는 50인 규모 제조업 대표”), 배경 상황(“지난 분기 전환율이 2%에서 1.2%로 하락”), 제약 조건(“예산 500만 원 이내, B2B”), 그리고 원자료(실제 매출표, 회의록, 경쟁사 페이지 텍스트). 추상적인 요청에 구체적인 재료를 붙이는 것이 핵심입니다.

이것이 업계에서 말하는 컨텍스트 엔지니어링(Context Engineering)의 본질입니다. 모델을 바꾸지 않고도, 무엇을 입력에 넣느냐만으로 결과 품질이 달라집니다. 우리가 직접 구축한 사례를 보면, HubSpot CRM의 55개 시트 데이터를 AI 입력으로 정리해 분기 비즈니스 리뷰(QBR)와 사업계획서를 자동 생성하는 시스템을 만들었습니다. 핵심은 좋은 모델이 아니라, AI에게 ‘무엇을 보고 판단하라’를 정확히 먹인 입력 설계였습니다.

G (Goal): 결과물의 형태를 먼저 그려라

G는 목표입니다. 최종 결과물이 어떤 형태여야 하는지를 미리 정의하는 단계입니다.

Task가 ‘무엇을 할지’라면 Goal은 ‘어떻게 나와야 할지’입니다. 표로 줄지 글머리 기호로 줄지, 몇 자 분량인지, 어떤 톤인지, 누가 읽을 문서인지. 이걸 비워두면 AI는 자기 마음대로 형식을 정하고, 당신은 다시 “표로 바꿔줘”, “더 짧게”, “존댓말로” 같은 재작업을 반복하게 됩니다.

좋은 Goal은 출력 형식을 못 박습니다. “각 항목을 ‘문제-원인-대응’ 3열 표로”, “300자 이내, 임원 보고용 격식체로”, “JSON 형식으로 key는 영문, value는 한글로”처럼요. 형식을 먼저 정의하면 한 번에 쓸 수 있는 결과가 나옵니다.

목표를 정의할 때 함께 정하면 좋은 것이 ‘성공 기준’입니다. 이 결과물이 무엇을 충족하면 합격인지를 프롬프트에 넣으면 AI가 그 기준을 향해 정렬합니다. 예컨대 “전문 용어 없이 비전문가도 이해할 것”, “주장마다 근거를 한 줄씩 붙일 것” 같은 조건이죠.

E (Example): 예시 하나가 설명 백 마디를 이긴다

E는 예시입니다. 원하는 결과물의 본보기를 한두 개 보여주는 단계로, 다섯 원칙 중 효과가 가장 극적으로 측정된 항목입니다.

말로 톤과 형식을 설명하는 데는 한계가 있습니다. “친근하면서도 전문적으로”가 사람마다 다르게 읽히듯 AI도 그렇습니다. 대신 잘 쓴 결과물 한 개를 보여주면 AI는 그 패턴을 즉시 모방합니다. 이것이 퓨샷(few-shot) 프롬프팅입니다.

효과는 숫자로 확인됩니다. 한 문서 분류 연구에서 Mixtral-8x7B 모델에 예시 한 개(원샷)를 주자 평균 정확도가 25.0%에서 48.2%로 올랐고, 형식을 벗어난 무효 답변은 56.2%에서 13.4%로 줄었습니다(arXiv 2412.13859). 코드 취약점 탐지 연구에서는 검색 기반 퓨샷이 제로샷 대비 우위를 보이며(F1 36.35% → 71.43%), 의미가 유사한 예시 10개에서 F1 71.43%를 달성했습니다(arXiv 2512.04106). 예시를 보여주는 것만으로 정확도가 두 배가 되기도 한다는 뜻입니다.

다만 주의점이 있습니다. 예시는 ‘품질’이 곧 결과의 천장입니다. 어설픈 예시를 넣으면 어설픈 결과가, 좋은 예시를 넣으면 좋은 결과가 나옵니다. 그리고 같은 연구에서 작은 모델은 형식 지시를 무시하고 장황한 답을 내놓는 경향이 관찰됐듯, 핵심은 예시의 ‘개수’가 아니라 ‘정확함’입니다. 보통 1~3개의 좋은 예시면 패턴을 잡기에 충분합니다.

R (Refine): 첫 답은 초안일 뿐이다

R은 개선입니다. 첫 응답을 피드백으로 다듬어 원하는 수준까지 끌어올리는 단계로, 다섯 원칙 중 가장 자주 생략되는 항목입니다.

많은 사람이 첫 답이 마음에 안 들면 “역시 안 되네”라며 포기합니다. 하지만 프롬프트는 일회성 명령이 아니라 대화입니다. 첫 답은 초안이고, 진짜 결과는 두세 번의 개선에서 나옵니다.

좋은 Refine은 막연한 불만(“별로야”) 대신 구체적인 방향을 줍니다. “두 번째 항목이 너무 추상적이다, 실제 수치를 넣어 다시”, “전체적으로 좋은데 톤이 딱딱하다, 좀 더 대화체로”, “세 번째 단락만 절반 길이로 줄여라”처럼요. 무엇이 왜 부족한지 짚어줄수록 다음 답이 정확해집니다.

여기서 T.I.G.E.R는 다시 처음으로 돌아갑니다. 답이 어긋났다면 십중팔구 앞 단계에 빈틈이 있는 겁니다. 맥락(I)이 부족했거나, 형식(G)을 안 정했거나, 예시(E)를 안 줬거나. Refine은 그 빈틈을 메우며 프롬프트 자체를 진화시키는 과정입니다. 이 반복 루프를 체화한 사람이 결국 AI를 가장 잘 부립니다.

직무별로 어떻게 적용하나

T.I.G.E.R는 추상적 프레임워크가 아니라 직무에 바로 얹는 틀입니다.

마케터라면 Task(인스타 카드뉴스 카피 5개 작성), Input(타깃·브랜드 톤·이전 인기 게시물), Goal(각 80자 이내, 후킹 문장 먼저), Example(반응 좋았던 카피 2개), Refine(2번이 평범하다, 숫자를 넣어 다시)로 조립합니다.

영업 담당이라면 Task(통화 녹취에서 액션 아이템 추출), Input(녹취 텍스트·고객 등급·직전 미팅 메모), Goal(‘담당-할 일-기한’ 표), Refine(고객 우려사항을 별도 항목으로 분리)로 갑니다. 우리가 직접 구축한 영업 대시보드에서는 이 방식으로 음성 기록 정리를 30분에서 5분으로, 주간 보고를 1시간에서 10분으로 줄였습니다.

기획·전략이라면 Task(경쟁사 3사 포지셔닝 비교), Input(각 사 웹페이지·가격표·보도자료), Goal(‘강점-약점-우리의 기회’ 3열 표), Example(원하는 분석 깊이를 보여주는 견본 한 줄), Refine(기회 항목이 뻔하다, 실행 가능한 것만 남겨라)로 좁힙니다. 직무별 더 구체적인 프롬프트 패턴은 직무별 프롬프트 가이드에서 정리했습니다.

핵심은 같습니다. 다섯 칸을 채우면 프롬프트가 완성되고, 한 칸을 비우면 그만큼 결과가 흐려집니다.

자주 묻는 질문

T.I.G.E.R 다섯 가지를 매번 다 써야 하나요?

아닙니다. 간단한 요청이면 Task와 Goal만으로 충분할 때도 있습니다. 다만 결과가 기대에 못 미친다면, 비어 있는 칸을 찾으면 됩니다. 대개 부족한 건 Input(맥락)과 Example(예시)입니다. 이 두 가지가 결과 품질을 가장 크게 끌어올리는데도 가장 자주 생략됩니다. 처음에는 다섯 칸을 의식적으로 다 채워보고, 익숙해지면 상황에 맞게 줄이세요.

예시(Example)를 넣을 자료가 없을 땐 어떻게 하나요?

두 가지 방법이 있습니다. 첫째, AI에게 먼저 초안을 시키고 그중 가장 나은 것을 골라 “이 스타일로 나머지를 만들어라”라고 다시 시키면 그 초안이 예시가 됩니다. 둘째, 형식만이라도 명시하세요. 실제 내용 예시가 없어도 “제목 한 줄, 본문 세 문장, 행동 유도 한 줄 구조로”처럼 구조를 보여주면 퓨샷의 효과를 일부 얻을 수 있습니다.

프롬프트를 길게 쓰면 무조건 좋은가요?

길이 자체가 목적은 아닙니다. 중요한 건 ‘관련 있는 맥락’의 밀도입니다. 불필요한 수식어를 길게 늘어놓으면 오히려 핵심 지시가 묻힙니다. 앞서 본 문서 분류 연구에서도 작은 모델은 형식 지시를 따르지 않고 장황하게 답하는 경향이 관찰됐습니다(arXiv 2412.13859). Task·Input·Goal·Example을 빠짐없이 채우되, 각 칸은 군더더기 없이 쓰는 것이 정답입니다.

개인이 프롬프트를 잘 쓰면 회사 AI 전환도 해결되나요?

아닙니다. 잘 쓴 프롬프트가 개인 메모장에만 남으면 조직에는 아무것도 쌓이지 않습니다. 우리가 현장에서 반복적으로 본 실패 패턴이 바로 개인별 분산, 노하우 미축적, 시스템 단절입니다. 프롬프트 역량을 팀의 자산으로 표준화하고, 반복·연결·누적되는 업무를 시스템으로 묶는 것이 진짜 전환입니다.

T.I.G.E.R는 어디서 더 배울 수 있나요?

에이전틱타이거의 기업 AI 교육은 T.I.G.E.R를 포함한 실전 프롬프트 원칙부터 시작해, 그것을 자동화 시스템으로 잇는 과정까지 다룹니다. 핵심은 ‘교육으로 끝나지 않는다’는 점입니다. 좋은 프롬프트가 한 번 쓰고 사라지지 않도록, 팀의 업무 흐름에 박아 넣는 데까지 함께 갑니다.

---

프롬프트는 재능이 아닙니다. Task·Input·Goal·Example·Refine, 이 다섯 칸을 채우는 습관입니다. 그리고 잘 쓴 프롬프트를 개인의 노하우로 두지 않고 조직의 시스템으로 바꾸는 순간, AI는 ‘가끔 쓰는 도구’에서 ‘회사가 일하는 방식’으로 바뀝니다. 그 전환을 어디서부터 시작할지 막막하다면, 에이전틱타이거의 기업 AI 교육에서 첫걸음을 함께 떼어보세요.