ChatGPT는 OpenAI에서 개발한 대화형 AI 서비스로, 대규모 언어 모델(LLM, Large Language Model)을 기반으로 작동한다.
방대한 데이터를 학습한 언어 모델이 사용자의 질문과 대화 맥락을 바탕으로 응답을 생성한다.
질문에 답하거나 문서를 정리하는 것뿐 아니라 아이디어 발상, 리서치 보조, 콘텐츠 작성 등 다양한 작업에 활용할 수 있다.
다만 AI가 생성한 답변이 항상 사실인 것은 아니다.
존재하지 않는 정보나 부정확한 내용을 그럴듯하게 제시하는 할루시네이션(Hallucination)이 발생할 수 있으므로, 중요한 정보는 직접 확인하고 신뢰할 수 있는 자료와 교차 검증해야 한다.
프롬프트는 AI에 입력하는 질문이나 지시문이다.
사용자가 AI에 무엇을 요청하는지, 어떤 방식으로 답변받고 싶은지를 전달하는 입력값이라고 할 수 있다.
AI는 프롬프트에 포함된 내용을 바탕으로 요청을 해석하고 응답을 생성한다.
따라서 동일한 주제를 질문하더라도 어떤 맥락과 조건을 제공하는지에 따라 답변의 구체성과 방향이 달라질 수 있다.
프롬프트 엔지니어링은 AI가 목적에 적합한 결과를 생성하도록 질문과 지시를 구조적으로 설계하는 방법이다.
단순히 질문을 길게 작성하는 것이 아니라, 작업에 필요한 맥락과 관점, 구체적인 지시, 출력 형식을 명확하게 전달하는 데 목적이 있다.
위 프롬프트에는 대상, 목적, 활용 매체, 아이디어의 개수가 포함되어 있다.
이처럼 필요한 조건을 구체적으로 제시하면 추가 질문과 수정 과정을 줄이고, 원하는 방향의 결과를 얻는 데 도움이 된다.
프롬프팅에는 작업의 목적과 필요한 정보에 따라 활용할 수 있는 여러 기법이 있다.
간단한 질문에 적합한 방식부터 예시를 제공하거나 역할과 출력 형식을 지정하는 방식까지, 대표적인 일곱 가지를 살펴보자.
별도의 예시나 참고 데이터를 제공하지 않고 AI에 작업을 요청하는 방식이다.
카페 브랜드의 로고 디자인 아이디어를 5개 제안해 줘.
간단한 질문이나 특정 주제에 관한 아이디어를 폭넓게 탐색할 때 활용할 수 있다.
AI에 하나의 예시를 제공한 뒤, 그 예시를 참고하여 새로운 작업을 수행하도록 요청하는 방식이다.
다음과 같은 방식으로 맥도날드의 'I'm Lovin' It' 슬로건을 분석해 줘.
- 예시: 나이키 'Just Do It'
- 핵심 메시지: 행동력, 도전 정신
- 타깃 감정: 동기 부여, 자신감
- 브랜드 철학: 운동을 통한 자아실현
원하는 답변의 구성이나 표현 방식을 보여줄 수 있어, 별도의 예시가 없는 경우보다 결과의 방향을 구체적으로 지정할 수 있다.
여러 개의 예시를 제공하여 AI가 공통된 패턴이나 원하는 결과의 형식을 참고하도록 하는 방법이다.
다음 사례를 참고하여 어린이 브랜드에 적합한 폰트를 추천해 줘.
- 럭셔리 브랜드: Serif 폰트 / 우아하고 전통적인 느낌 / Times New Roman, Georgia
- 테크 기업: Sans-serif 폰트 / 모던하고 깔끔한 느낌 / Helvetica, Roboto
- 아트·창작 브랜드: Display 폰트 / 독창적이고 표현력 있는 느낌 / Impact, Bebas Neue
브랜드별 특징을 분류하거나 일정한 기준에 따라 콘텐츠를 작성하는 등, 참고할 사례가 여러 개 있을 때 활용하기 좋다.
복잡한 문제를 한 번에 결론 내리기보다 단계별로 나누어 분석하도록 요청하는 방식이다.
사용자들이 이 앱의 버튼 위치가 헷갈린다는 피드백을 남겼어. 다음 항목을 순서대로 분석해 줘.
- 사용자가 버튼을 찾기까지의 흐름
- 화면의 시각적 위계
- 터치 위치와 조작 편의성
- 예상되는 문제점과 개선 방향
UX 리서치나 문제 정의 단계에서 사용자 행동, 화면 구조, 사용 환경 등 여러 요소를 함께 검토해야 할 때 활용할 수 있다.
이때 단순히 단계적으로 생각해 달라고 요청하는 것보다 어떤 항목을 어떤 순서로 분석할지 구체적으로 지정하는 것이 유용하다.
AI에 특정 역할이나 전문적인 관점을 부여하여 해당 입장에서 답변하도록 요청하는 기법이다.
디자인 전략을 검토하거나 문서를 작성하고, 리서치 결과에서 인사이트를 도출할 때 활용할 수 있다.
너는 20년 경력의 브랜드 디자인 전문가야. 스타트업 창업자에게 브랜드 아이덴티티 전략을 조언해 줘.
역할을 지정하면 특정 관점에서 의견을 탐색할 수 있지만, AI가 실제로 해당 경력을 가진 전문가가 되는 것은 아니다. 따라서 전문적인 판단이 필요한 내용은 별도로 검토해야 한다.
AI가 생성할 답변의 길이와 구성, 표현 방식을 미리 지정하는 방법이다.
보고서, 발표 자료, 이력서, 자기소개서 등 결과물의 형태가 정해진 문서 작업에 활용하기 좋다.
브랜드 콘셉트를 A4 크기 1장 분량의 보고서로 정리해 줘.
목표 고객, 핵심 가치, 차별화 포인트를 각각 한 문단씩 작성하고, 마지막에 실행 계획을 불릿 포인트 5개로 요약해 줘.
출력 형식은 500자 이내, 3줄 요약, 표 형식, 5분 발표 분량처럼 간단하게 지정할 수도 있다.
마크다운은 간단한 기호를 사용해 문서의 제목과 본문, 목록 등을 구조화하는 문법이다.
프롬프트에 마크다운을 활용하면 요청 사항의 위계를 명확하게 전달할 수 있고, AI가 생성한 결과를 문서로 정리할 때도 편리하다.
브랜드 가이드를 다음 형식으로 정리해 줘:
# 브랜드명
## 브랜드 콘셉트
- 핵심 가치 1
- 핵심 가치 2
### 컬러 팔레트
**메인 컬러**: #000000
**서브 컬러**: #FFFFFF
표를 작성할 때는 마크다운 표 문법을 직접 입력할 수도 있지만, AI에 '표 형식으로 정리해 줘'라고 요청하는 방법도 있다.
디자인 과정에서는 다양한 아이디어를 탐색하는 발산적 사고와, 여러 대안 중 적합한 방향을 선택하는 수렴적 사고가 모두 필요하다.
AI를 활용하면 정해진 조건 안에서 여러 방향의 아이디어를 빠르게 탐색하고, 이후 평가 기준에 따라 비교·검토할 수 있다.
AI에 아이디어를 요청할 때는 다음 네 가지 요소를 구체적으로 제시하면 좋다.
구체적인 수량 : 몇개가 아닌 '15개', '20개' 등 명확한 개수
카테고리 분류 : 사고의 방향을 다양하게 나누어 편향 방지
제약 조건 : 타겟, 예산, 감정 등 현실적인 조건
차별화 요구 : '각각 다른 스타일로', '중복되지 않게'
프롬프트 예시)
카페 브랜드의 로고 아이디어 15개를 심벌형, 타이포그래피형, 조합형으로 각 5개씩 제안해 줘.
각각 따뜻함, 세련됨, 친근함, 프리미엄감, 활기참 등 서로 다른 감정을 표현하고, 20~30대 직장인을 타깃으로 해 줘.
프롬프트 예시)
레스토랑 인테리어 콘셉트 12개를 모던, 빈티지, 인더스트리얼 스타일로 각 4개씩 제안해 줘.
예산은 5천만 원 이내이며, 50평 공간과 점심시간 회전율을 고려해야 해.
아이디어를 충분히 발산했다면, 다음 단계에서는 목적에 적합한 대안을 선별해야 한다.
AI에 평가 기준을 제시하면 각 아이디어의 특징과 한계를 비교하고, 선택에 필요한 근거를 정리하는 데 활용할 수 있다.
앞서 제안한 아이디어 15개를 다음 기준에 따라 각각 1~10점으로 평가해 줘.
- 실현 가능성
- 타깃 어필력
- 브랜드 일치도
- 차별화 수준
- 확장성
각 평가의 근거를 구체적으로 설명해 줘.
이때 AI가 부여한 점수는 객관적으로 검증된 평가 결과가 아니라, 제시한 기준에 따라 생성한 참고 자료다.
실제 의사결정에서는 사용자 조사와 비즈니스 조건, 기술적 검토 등을 함께 고려해야 한다.
상황 변화에 따른 재평가
한 번 선택한 아이디어라도 프로젝트의 조건이 바뀌면 적합성이 달라질 수 있다.
예산이 줄어들거나 타깃이 확대되는 등 새로운 상황을 가정해 대안을 다시 비교하면, 각 아이디어가 어떤 조건에서 유리하거나 불리한지 살펴볼 수 있다.
앞서 평가한 아이디어를 다음 상황에 맞춰 다시 검토해 줘.
- 만약 예산이 30% 줄어든다면 이 순위는 어떻게 바뀔까?
- 타겟층이 20대에서 40대로 확장된다면 어떤 아이디어가 유리할까?
- 온라인 전용에서 오프라인까지 확장한다면 어떤 아이디어가 가장 적합할까?
각 상황에서 고려해야 할 조건과 기존 평가에서 달라지는 부분을 설명해 줘.
앞서 살펴본 프롬프팅 기법은 모든 작업에 일괄적으로 적용하기보다, 디자인 프로세스의 각 단계에서 필요한 방식으로 선택해 활용하는 것이 좋다.
복잡한 디자인 프로젝트를 한 번에 해결하려 하기보다 문제 정의, 리서치, 아이디어 발산, 평가, 구체화 단계로 나누어 접근한다.
특히 리서치와 문제 정의 단계에서는 서비스의 비즈니스 방향과 사용자 의견 등 다양한 자료를 탐색하는 데 AI를 활용할 수 있다. 이후 아이디어를 구체화하거나 대안을 비교하는 과정에서도 단계별로 필요한 작업을 요청하면 된다.
하나의 아이디어를 사용자, 비즈니스, 기술이라는 서로 다른 관점에서 검토한다.
사용자(👤) : 어떤 문제를 해결하며, 사용자에게 어떤 편익을 제공하는가?
비즈니스(🤝) : 서비스에 어떤 기대 효과를 가져올 수 있는가?
기술(🤖) : 현재 기술과 서비스 환경에서 실현할 수 있는가?
특히 AI 기능을 기획할 때는 현재 상용화된 서비스 사례를 참고해 기술적 실현 가능성을 검토할 필요가 있다.
예산, 제작 기간, 타깃 등의 조건을 바꾸어 가며 디자인의 핵심 요소가 무엇인지 살펴본다.
예를 들어 예산이 30% 줄어들거나 제작 기간이 절반으로 단축되는 상황을 가정하면, 제한된 자원 안에서 유지해야 할 기능과 조정할 수 있는 요소를 구분하는 데 도움이 된다.
디자인이 기대한 결과를 얻지 못할 경우를 가정하고, 예상되는 문제와 대응 방안을 미리 탐색한다.
주변에서 피드백을 받기 어려운 상황이라면 AI를 활용해 다양한 실패 가능성을 검토해 볼 수 있다.
이 디자인이 실패한다면 발생할 가능성이 높은 이유 5가지를 제시하고, 각각의 문제에 대한 개선 방안을 설명해 줘.
AI가 제안한 위험 요소는 실제로 발생한 문제가 아니라 검토할 가설이다. 이를 바탕으로 추가 리서치나 사용성 테스트가 필요한 항목을 정리할 수 있다.
생성형 AI는 새로운 이미지를 만들거나 레퍼런스를 응용하는 데 유용하지만, 세밀한 수정까지 항상 정확하게 수행하는 것은 아니다.
특히 요소를 조금만 이동하거나 삭제하는 작업, 정확한 정렬, 텍스트 크기와 위치처럼 미세한 조정이 필요한 작업은 디자인 툴에서 직접 수정하는 편이 효율적일 수 있다.
따라서 AI가 만든 결과물을 완성본으로 보기보다 디자인을 빠르게 시작하기 위한 초안이나 소스로 활용할 수 있다.
AI로 생성 → 필요한 요소 선별 → 디자인 툴에서 세부 조정 → 최종 결과물 완성
이렇게 역할을 나누면 원하는 결과가 나올 때까지 이미지를 계속 생성하는 것보다 효율적으로 작업할 수 있다.
AI를 활용해 서비스 사례나 시장 데이터를 조사했다면, 결과를 그대로 사용하는 것보다 실제 자료를 통해 한 번 더 확인하는 과정이 필요하다.
특히 시장 순위나 성장률, 전환율처럼 포트폴리오의 근거로 사용되는 정보라면 뉴스, 아티클, 논문 등 다른 자료를 함께 확인하면서 수치가 정확한지, 언제 발표된 자료인지, 어떤 맥락에서 나온 정보인지 살펴보는 것이 좋다.
여러 자료를 확인하는 과정은 단순히 오류를 찾기 위한 것만은 아니다. 관련 정보를 충분히 알고 있을수록 AI가 생성한 내용이 맥락에 맞는지, 잘못 만들어낸 정보인지 스스로 판단하기 쉬워진다.
데이터를 근거로 사용한다면 AI의 답변 자체가 아니라 검증된 원자료를 근거로 제시하는 습관이 중요하다.
AI로 리서치하거나 문장을 작성하다 보면 평소 사용하지 않는 전문 용어나 추상적인 표현이 포함될 수 있다.
하지만 내가 정확하게 이해하지 못한 표현을 그대로 사용하면 다른 사람에게도 명확하게 설명하기 어렵다.
따라서 모르는 단어가 있다면 의미를 다시 찾아보고, 필요하다면 내가 이해하고 설명할 수 있는 언어로 다시 풀어 쓰는 과정이 필요하다. 스크립트에서도 이해하기 어려운 용어는 다시 검색하거나 쉬운 표현으로 바꾸어 작성하는 것을 권한다.
예를 들어, '공급 증가'처럼 결과만 표현하기보다, '판매글 작성 부담을 줄여 더 많은 상품이 등록될 수 있도록 한다.' 처럼 무엇이 어떻게 변화하는지를 구체적으로 설명하는 편이 이해하기 쉽다.
특히 포트폴리오는 전문적인 단어를 얼마나 많이 사용하는지를 보여주는 자료가 아니라 내가 발견한 문제와 해결 과정을 다른 사람에게 얼마나 명확하게 전달하는지 보여주는 자료이다.
서비스를 분석할 때 기능 자체만 정리하면 단순한 기능 소개에 머무를 수 있다.
예를 들어, '사용자의 취향에 맞는 상품을 추천한다.'에서 끝내는 대신 그 기능이 사용자 경험을 어떻게 변화시키는지까지 생각해볼 수 있다.
취향에 맞는 상품 추천
→ 원하는 상품을 빠르게 발견
→ 탐색에 드는 시간과 피로 감소
개인화 추천을 통해 사용자가 원하는 상품을 빠르게 탐색하고, 다시 서비스를 사용할 이유가 만들어질 수 있다는 흐름을 설명하는 것이 좋다.
즉 기능을 분석할 때는 “이 기능이 있다”보다 “그래서 사용자는 무엇이 좋아지는가?”까지 생각하는 것이 중요하다.
사용자에게 편리한 경험을 제공하는 것은 서비스의 비즈니스 성과와도 연결될 수 있다.
예를 들어 개인화 추천 기능을 다음과 같이 확장해서 생각할 수 있다.
개인화 추천
→ 상품을 빠르게 발견
→ 구매 가능성 증가
→ 구매 전환율 상승
판매글 작성을 도와주는 기능이라면,
작성 부담 감소
→ 등록 완료 가능성 증가
→ 등록 상품 증가
→ 거래 활성화
처럼 연결할 수 있다.
추천을 통한 구매 전환과 리텐션, 판매글 작성 지원을 통한 등록 장벽 감소와 거래 활성화 등 사용자 경험의 변화가 서비스 지표에 어떤 영향을 줄 수 있는지를 함께 살펴보면 좋다.
이런 사고방식을 활용하면 단순히 화면을 예쁘게 개선했다는 설명을 넘어 왜 이 기능을 설계했고 서비스에 어떤 가치를 만들고자 했는지 보여줄 수 있다.
다만 실제 프로젝트에서 측정하지 않은 성과를 전환율이 증가했다, 리텐션이 향상됐다처럼 결과로 단정해서는 안 된다. 실제 데이터가 없다면 기대 효과나 설계 목표로 구분해서 표현하는 것이 적절하다.
포트폴리오의 헤드라인은 아래의 상세 설명을 읽지 않아도 핵심 내용을 어느 정도 이해할 수 있어야 한다.
'공급 증가' 라는 표현만으로는 무엇의 공급이 왜 증가하는지 바로 이해하기 어렵다.
반면, '게시글 작성 활성화를 통한 거래량 증가'처럼 작성하면 어떤 변화가 발생하는지 보다 구체적으로 전달된다.
상세 내용을 읽지 않고 헤드라인만 확인했을 때 사용자 기대 효과나 핵심 내용이 전달되는지 확인하는 것이 중요하다.
좋은 문장을 만들기 위해서는 여러 표현을 조합하고 다시 읽으며 지속적으로 카피를 다듬는 과정이 반드시 필요하다.
포트폴리오를 완성한 뒤에는 본문을 가리고 제목과 헤드라인만 훑어보면서 프로젝트의 전체 논리가 이어지는지 확인해보는 것을 추천한다.
'노력 없이 건강 관리가 가능하다.' 보다는 '사진으로 간편하게 건강 기록을 이어갈 수 있다.' 처럼 작성하면 사용자의 노력을 부정하지 않으면서 기능이 제공하는 편리함을 전달할 수 있다.
같은 의미라도 어떤 단어를 선택하느냐에 따라 사용자가 받아들이는 느낌은 달라질 수 있다.
상품 리뷰의 아쉬운 점을 안내할 때도 '이런 점은 별로예요.'보다 '이런 점은 참고해 주세요.' 처럼 표현하면 필요한 정보는 유지하면서도 보다 부드럽게 전달할 수 있다.
사용자에게 직접 보여주는 UX Writing에서도 같은 원칙을 활용할 수 있다.
중요한 것은 무조건 긍정적인 단어를 사용하는 것이 아니라, 사용자에게 필요한 정보를 정확하게 전달하면서 불필요하게 부정적인 인상을 만들지 않는 것이다.
