ChatGPT는 2022년 말에 등장했습니다. 이 도입으로 AI의 개념은 기술의 지평 바로 너머에 영원히 놓여 있는 것처럼 보였지만 컴퓨터가 있는 사람이라면 누구나 접근할 수 있는 현실로 바뀌었습니다. 그 이후로 플랫폼은 기하급수적으로 성장하여 2025년 7월 기준으로 매일 25억 개의 글로벌 메시지를 받고 있으며 그 중 약 3억 3천만 개가 미국에서 왔습니다.
그러나 의심할 여지 없는 유용성에도 불구하고 ChatGPT에는 결함이 없는 것은 아닙니다. 예를 들어, ChatGPT에 절대 말해서는 안되는 사항이 있습니다. 모든 ChatGPT 응답을 복음으로 취급하는 것도 나쁜 생각입니다. 이를 확인하기 위해 챗봇 자체 외에는 더 이상 볼 필요가 없습니다. 모든 채팅 하단에는 ChatGPT가 실수를 할 수 있으며 중요한 정보를 확인해야 한다는 점을 인정하는 면책조항이 표시됩니다.
이 면책 조항은 간과하기 쉽지만 ChatGPT를 연구에 효과적으로 사용하는 열쇠이기도 합니다. 출력의 품질은 작업이 얼마나 명확하게 정의되어 있는지, 어떤 제약 조건이 설정되어 있는지, 어떤 맥락이 제공되는지에 따라 크게 달라집니다. 컴퓨팅 측면에서 원하는 출력을 받기 위해 고품질 입력을 제공해야 하는 필요성은 새로운 것이 아닙니다. GIGO(Garbage In, Garbage Out)는 컴퓨팅이 시작될 때부터 존재해 온 개념입니다.
GIGO는 AI 시대에도 여전히 관련이 있습니다. 이는 ChatGPT를 조사 도구로 사용할 때 기억해야 할 좋은 점입니다. 프롬프트의 품질은 유용한 응답과 디지털 쓰레기통에 버려야 하는 응답 사이의 차이를 만들 수 있습니다.
프롬프트를 사용하여 불확실성을 숨기지 말고 표면화하세요.
각 ChatGPT 채팅 하단에 “ChatGPT는 실수할 수 있습니다”라는 텍스트가 표시됩니다. 이 면책 조항에 쉽게 추가할 수 있는 것은 단어와 방법입니다! 예를 들어, 한 변호사는 ChatGPT에서 제공하고 서류에 포함된 가짜 사건 참조를 법정에서 사용했습니다. 훌륭한 프롬프트라도 ChatGPT 응답의 정확성을 보장할 수는 없습니다. 그러나 교묘하게 구성된 프롬프트는 투명성을 장려할 수 있습니다. 즉, 모델의 속도를 늦추고, 불확실성을 표시하고, 확고한 근거와 경험에 근거한 추측을 구별하도록 할 수 있습니다. 연구 작업의 경우 응답의 정확성을 높이면 시간을 절약하고 잠재적으로 치명적인 오류를 예방할 수 있습니다.
허위, 불완전 또는 논쟁의 여지가 있는 정보를 자신있게 제시하는 이러한 능력은 ChatGPT를 포함한 모든 LLM 기반 챗봇의 가장 큰 함정 중 하나입니다. 이는 단순히 LLM 작동 방식의 결과이며, 자신감 있게 들리는 답변이 쉽게 메모와 개요에 빠져 나중에 주장이 타당하지 않을 때 문제를 일으킬 위험이 있습니다. 사실과 불확실성을 분리하도록 명시적으로 ChatGPT에 요청하는 프롬프트는 이를 완전히 제거하지는 않지만 약점을 조기에 노출시킬 수 있습니다.
핵심은 ChatGPT가 옳다고 요구하는 것이 아니라, ChatGPT가 알고 있는 것, 가정하는 것, 한계가 어디에 있는지 명확하게 해달라고 요청하는 것입니다.
연구가 확산되기 전에 프롬프트를 사용하여 범위를 정의하십시오.
연구에 시간을 낭비하는 가장 쉬운 방법 중 하나는 주제에서 너무 멀리 벗어나는 것입니다. 명확한 경계 없이 너무 광범위하게 시작하면 흥미롭고 관련성이 느슨할 수 있는 인접한 주제로 넘어가거나 막다른 골목으로 이어지는 긴 길을 따라가기 쉽습니다. 종종, 당신이 길을 잃었다는 것을 깨닫게 될 때쯤에는 거의 돌아오지 못한 채 많은 시간이 낭비되어 버립니다.
이는 다양한 연구 각도가 있고 많은 부분이 관련되지 않은 복잡하거나 기술적인 주제를 연구할 때 특히 중요합니다. 여기서 요점은 ChatGPT가 해당 주제에 대한 공개 책을 허용하는 일반적인 프롬프트를 피하는 것입니다. 오히려 프롬프트는 ChatGPT가 필수 항목의 우선순위를 정하고 관련성이 있는 항목과 잊어버릴 수 있는 항목을 식별하도록 장려하는 경계를 설정하도록 설계되어야 합니다.
목표는 연구를 “제한된” 기준 집합 내로 제한하는 것이 아니라 챗봇이 연구 관련성을 유지할 수 있는 범위와 컨텍스트를 설정하는 것입니다. 또한 이러한 메시지가 나타나면 온라인 AI 도구에 개인 정보를 제공하지 않는 것이 항상 중요하다는 점도 주목할 가치가 있습니다.
결론을 내리기 전에 프롬프트를 사용하여 스트레스 테스트 결론을 내리세요.
연구는 대개 목표가 있는 일이며, 종종 이 목표가 가까워지면 많은 연구 시간이 낭비될 수 있습니다. 여기에 도달하기 위한 모든 프롬프트를 통해 ChatGPT가 투명하고 집중되도록 만들었다고 하더라도 적어도 초기에는 결론이 잠정적인 경우가 많습니다. 그러나 잠정적인 결론을 내리더라도 곧장 개요를 작성하거나 글을 쓰고 싶은 유혹을 느낄 수 있습니다. 결국 핵심 가정이 완전히 잘못되었거나, 중요한 경고 사항이 누락되었거나, 반론이 “설명”되지 않았다는 사실을 발견하게 됩니다.
연구원의 경우, 이 후반 단계에서 예상치 못한 것을 발견하면 연구 시간의 기초가 훼손될 수 있으며 다시 작성하기 위해 연료를 공급하기 위해 커피 머신에 흐느껴 울게 될 수 있습니다. 중요한 것은 이것은 프로젝트가 끝날 때 손가락을 꼬고 한 번 실행하라는 메시지가 아니라는 것입니다. 유용하게 사용하려면 채팅 중 떠오르는 결론을 강화하려는 어느 시점에서든 사용할 수 있는 프롬프트입니다.
이 프롬프트의 요점은 ChatGPT가 회의론자로 행동하고 연구의 무결성을 테스트하도록 하는 것입니다(항상 ChatGPT에게 물어보면 안 되는 특정 사항이 있다는 점을 명심하십시오).
ChatGPT에 누락된 내용을 강조해달라고 요청하세요.
커피 포트를 향해 흐느껴 울게 만드는 또 다른 상황은 게임 후반에 중요한 일이 전혀 언급되지 않았다는 사실을 발견하는 것입니다. 연구 공백이 존재하는 경우는 정보를 찾기가 어렵기 때문이 아니라 애초에 해당 정보가 누락되었는지가 분명하지 않았기 때문입니다. 때로는 연구의 추진력이 관련성을 모두 알아차리지 못한 채 목표를 향해 우리를 추진할 때도 있습니다. 이 프롬프트는 ChatGPT를 사용하여 이러한 연구 공백을 식별하고 나중에 이를 채우는 시간을 절약합니다.
이는 주제가 잘 이해되었다고 느낄 때 특히 일반적입니다. 이러한 상황에서 잘못된 자신감은 우리를 “깜빡”하게 만들 수 있으며, 이는 우리가 모르는 것을 밝히기보다는 우리가 알고 있는 것을 강화하는 경향이 있는 연구로 이어질 수 있습니다. 다시 한번 말씀드리지만, 이는 연구 과정 중 언제든지, 그리고 연구가 필요하다고 생각하는 만큼 자주 사용할 수 있는 프롬프트입니다. 이 프롬프트는 귀하의 연구가 주제에 초점을 맞추고 관련성이 있는지 확인하는 데에도 사용될 수 있습니다. 이 경우에는 이미 다루었던 내용에서 다루어야 했던 내용으로 초점을 옮기는 것이 더 중요합니다.
충분히 일찍 사용하고 필요에 따라 다시 적용하면 이러한 종류의 프롬프트를 통해 연구 노력에 사각지대가 생기지 않도록 할 수 있습니다.
ChatGPT를 편집 보조원으로 사용
바라건대, 커피포트까지 너무 많은 노력을 기울이지 않고 초안 결론 단계에 도달했으며 이제 연구 프로젝트가 최종 마무리 단계에 이르렀습니다. 이 단계에서 ChatGPT는 최종 편집 패스로 유용할 수 있습니다. 이는 단순한 철자법 및 문법 검사가 아닙니다. 요즘에는 어떤 오래된 워드 프로세서라도 그렇게 할 수 있습니다. 오히려 ChatGPT를 사용하여 작업 전체를 테스트하고 주장이 실제로 일치하는지 확인할 수 있습니다. 최종 편집 및 발표 전에 작품의 구조와 내용이 올바른지 확인하는 것만으로도 시간을 절약할 수 있습니다.
완전한 초안이 제공되면 적절하게 뒷받침되지 않는 주장을 강조하고, 증거가 아닌 추론이 결론을 내리는 부분을 지적하고, 추가 설명이 도움이 될 수 있는 영역을 표시할 수 있습니다.
중요한 것은 이것이 사실 확인 연습(ChatGPT는 실수할 수 있음, 기억)으로 취급되어서는 안 되며 작업을 직선적이고 비판적으로 읽을 수 있는 두 번째 눈 세트로 취급해야 한다는 것입니다. 원래 연구와 별도의 채팅에서 이 프롬프트를 사용하는 것이 좋습니다. 이렇게 하면 ChatGPT가 연구 단계에서 초기 가정, 임시 결론 또는 기타 원하지 않는 수하물을 전달하는 것을 방지할 수 있습니다. 물론 원래 연구 채팅에서 프롬프트를 실행하는 것도 유용하며 결과를 다시 확인할 수 있는 기회도 제공됩니다.
