AI와 대화하는 기술 — 강의 커리큘럼 기획안

LLM의 구조적 한계	왜 문제인가	이를 푸는 엔지니어링
다음 단어 확률 예측 (의미 이해가 아님)	모호하면 엉뚱한 확률로 샘플링	프롬프트 · 2·3차시
Stateless + 제한된 컨텍스트 윈도우(작업기억)	매번 백지, 모르는 건 못 답함	컨텍스트 · 4·5차시
어텐션 편향 (Lost in the Middle)	긴 자료의 중간을 잊음	컨텍스트 배치 · 4차시
확률적 생성 = 환각 (구조적 부산물)	자신 있게 틀림	하네스 · 6·7차시
검증이 사람 머릿속에만 남음 (재사용 불가)	같은 지적을 매번 반복	SpecLoop · 8차시
지시·데이터 미구분 사전학습 편향	속거나 부적절 출력	가드레일 · 9차시
단발 응답 스스로 도구 못 씀	복잡한 일을 못 끝냄	워크플로우·에이전트 · 10차시

01

기초

AI는 '이해'하지 않는다 — 그래서 요령이 필요하다

LLM이 '확률적 다음 단어 예측기'임을 이해하고, 구조적 한계가 왜 엔지니어링을 요구하는지 설명할 수 있다.

01LLM의 정체 — 의미를 '이해'하는 게 아니라 다음 단어를 확률로 예측한다
02구조가 만든 4대 한계 (확률성 · 작업기억 · 어텐션 편향 · 환각)
035대 엔지니어링 지도 — 각 기법은 어떤 한계를 푸는가

예시같은 질문에 매번 다른 답 / '딸기'의 글자 수를 못 세는 토큰화 사례

NOTE

"예전엔 정보를 '검색'했다." AI를 처음 검색처럼 쓰다 '대화'임을 깨달은 순간의 경험담

02

프롬프트

같은 질문인데, 답이 다른 이유

모호한 지시를 구체적 지시로 바꿔 원하는 결과의 확률을 높일 수 있다.

01요청의 4요소 — 역할 · 목표 · 제약 · 예시
02구체적 지시어와 출력 형식 지정 (표 · 목록 · 톤 · 분량)
03나쁜/좋은 프롬프트 클리닉 (before → after)

예시"보고서 써줘" → 역할·독자·분량·형식을 넣은 요청으로 개선

NOTE

"신입에게 일 시킬 때도 똑같았다." 두루뭉술하게 시켜 헛것을 받아본 / 명확히 시켜 살아난 경험담

03

프롬프트

한 번에 시키지 말고, 단계로 시켜라

단계적 사고 · 예시 제시 · 페르소나로 AI의 추론 품질을 끌어올릴 수 있다.

01생각의 사슬 — "단계로 차근차근" 시키기
02예시로 가르치기 (Few-shot)
03페르소나 · 톤 · 관점 지정

예시복잡한 계산/분류를 한 번에 vs 단계로 시킨 정확도 비교

NOTE

"통째로 맡겼다 망한 프로젝트." 큰 일을 한 번에 던졌다 실패하고, 단계로 쪼개 풀어낸 경험담

04

컨텍스트

AI는 내가 알려준 만큼만 안다

컨텍스트가 AI의 작업기억(RAM)임을 이해하고, 무엇을 넣고 뺄지 설계할 수 있다.

01컨텍스트 = AI의 작업기억, '빈 맥락'의 함정
02시그널 vs 노이즈 — 많이 넣는다고 좋아지지 않는다
03긴 문서의 함정(Lost in the Middle)과 핵심 배치

예시동일 질문에 배경 맥락 유무로 달라지는 답변

NOTE

"배경 설명이 곧 일의 절반이었다." 맥락 없이 물어 엉뚱한 답을 받던 시절의 경험담

05

컨텍스트

내 문서를 읽혀서 대화하기

내 문서 · 이미지 · 표를 근거로 제공해 사실 기반 답변을 얻을 수 있다.

01붙여넣기 · 업로드로 'AI에게 근거 주기' (노코드 RAG)
02핵심만 추려 · 요약 후 주입하기
03멀티모달 입력(이미지·표·스크린샷) + 출처 인용 강제

예시회의록 PDF를 근거로 요약/질의, 차트 이미지 해석

NOTE

"자료 조사에 반나절." AI 전 손으로 자료를 뒤지던 시절 vs 문서 붙여넣고 5분 만에 끝낸 경험담

06

하네스

그럴듯한 거짓말에, 안 속기

환각이 구조적 부산물임을 이해하고, 답을 검증하는 대화법을 적용할 수 있다.

01환각의 원리 — 왜 '그럴듯한 거짓'을 자신 있게 말하나
02자기검증 · 교차검증 · 되묻기 기법
03"근거를 대라 / 모르면 모른다고 하라" 검증 프롬프트

예시존재하지 않는 논문을 지어내는 사례와 출처 되묻기로 잡아내기

NOTE

"믿고 썼다 망신당할 뻔." AI 답을 그대로 썼다 사고 날 뻔한 / 검증으로 막아낸 경험담

07

하네스

'좋은 답'인지, 내 기준으로 가려내기

'좋은 답'의 기준을 정의하고 반복 가능한 품질 관리 루틴을 만들 수 있다.

01좋은 답의 기준 — 정확성 · 근거성 · 관련성 · 완결성
02체크리스트 · 골든 예시로 반복 품질 관리
03AI로 AI 검증하기(LLM을 심판으로) · A/B 비교

예시같은 작업의 두 답변을 평가 기준표로 채점

NOTE

"감으로 검수하던 시절." 사람 검수에 의존하다 나만의 체크리스트를 갖춘 뒤 달라진 경험담

08

SpecLoop

검증한 실수는 두 번 하지 않는다: 스스로 고쳐 쓰는 지시서(SpecLoop)

검증 결과가 지시서로 되먹임되는 닫힌 루프 개념을 이해하고, 산출물 문제와 지시서 문제를 구분해 대응할 수 있다.

01매번 사람이 반복하던 검증 → 지시서로 되먹임되는 닫힌 루프
02실수의 두 종류 — 산출물 결함(소루프·자동) vs 지시서 결함(대루프·사람 승인)
03카파시의 바이브 코딩 → LLM 위키 → Agentic Engineering으로 본 업계 흐름

예시SpecLoop 미니 시뮬레이터로 소루프·대루프 직접 체험

NOTE

"같은 지적을 세 번째 하고 있다면." 반복되는 지적이 지시서 문제라는 걸 깨달은 경험담 + 사내 Blueprint Loop 실화

09

가드레일

넣어도 되는 것 vs 넣으면 큰일 나는 것

민감정보 · 편향 · 책임의 경계를 알고 안전하게 AI를 사용할 수 있다.

01"근거만 / 모르면 모른다" 가드레일 문장 설계
02기밀 · 개인정보 입력 가이드 (하지 말 것)

예시회사 기밀을 넣었을 때의 리스크, 프롬프트 인젝션 맛보기

NOTE

"무심코 넣을 뻔한 아찔한 순간." 회사 자료·개인정보를 입력하려다 멈칫했던 경험담

10

워크플로우

흐름으로 일하고, 나만의 AI 비서 만들기

큰 일을 흐름으로 분해하고, 반복 작업을 나만의 AI 비서로 템플릿화할 수 있다.

01초안 → 비평 → 개선 반복 (자기교정 루프)
02큰 과업 분해 · 단계 연결 (워크플로우)
03커스텀 지침 · 프로젝트 · GPTs로 나만의 비서 만들기

예시주간 보고 자동화 워크플로우, 자주 쓰는 맥락을 GPTs로 저장

NOTE

"반복 업무에 시간을 갈아 넣던 시절." 매주 같은 일을 손으로 하다 비서로 자동화한 뒤의 경험담

11

마무리

배운 걸 다 합쳐, 실제 업무 하나 끝내기

5대 엔지니어링을 하나의 워크플로우로 통합하고, 변화에 대응하는 학습 태도를 갖춘다.

015대 엔지니어링 통합 워크플로우 (한 과업에 전부 적용)
02모델 선택 · 도구 생태계 이해 (언제 무엇을)
03계속 배우는 법 + 전체 정리

예시실제 업무 하나를 1~10차시 기법으로 처음부터 끝까지 해결

NOTE

"AI 전후로 내 일하는 방식이 이렇게 바뀌었다." 강의를 닫는 강사의 회고와 당부

차시	차시명	학습내용(소주제)
1	[기초] AI는 '이해'하지 않는다 — 그래서 요령이 필요하다	1. 다음 단어를 맞히는 기계 2. 여기서 생기는 4가지 한계 3. 이 강의에서 배울 것들
2	[프롬프트] 같은 질문인데, 답이 다른 이유	1. 역할·목표·제약·예시 챙기기 2. 형식까지 지정하기 3. 못 쓴 요청 고쳐보기
3	[프롬프트] 한 번에 시키지 말고, 단계로 시켜라	1. 단계로 시키기(생각의 사슬) 2. 예시로 가르치기 3. 역할·말투 입히기
4	[컨텍스트] AI는 내가 알려준 만큼만 안다	1. 맥락이 곧 작업기억 2. 다 넣는다고 좋은 게 아니다 3. 긴 자료는 중간을 잊는다
5	[컨텍스트] 내 문서를 읽혀서 대화하기	1. 자료 붙여넣고 근거 주기 2. 핵심만 추려 넣기 3. 이미지·표도 넣기, 출처 되묻기
6	[하네스] 그럴듯한 거짓말에, 안 속기	1. AI가 지어내는 이유 2. 되묻고·교차로 확인하기 3. "근거 대/모르면 모른다" 시키기
7	[하네스] '좋은 답'인지, 내 기준으로 가려내기	1. 좋은 답의 기준 정하기 2. 나만의 체크리스트 3. AI한테 AI 답 채점시키기
8	[SpecLoop] 검증한 실수는 두 번 하지 않는다	1. 검증 결과가 지시서로 되먹임되는 닫힌 루프 2. 산출물 결함 vs 지시서 결함 3. 소루프(자동)·대루프(승인)
9	[가드레일] 넣어도 되는 것 vs 넣으면 큰일 나는 것	1. 안전장치 문장 2. 회사 기밀·개인정보 주의 3. 편향·저작권·책임
10	[워크플로우] 흐름으로 일하고, 나만의 AI 비서 만들기	1. 초안→고치기 반복 2. 큰 일 쪼개 연결하기 3. 커스텀 지침·GPTs로 저장
11	[마무리] 배운 걸 다 합쳐, 실제 업무 하나 끝내기	1. 전부 합친 한 흐름 2. 언제 어떤 도구·모델 3. 앞으로 계속 따라가는 법

AI와
대화하는 기술

왜 이 강의인가

구조가 곧 이유

11차시 구성

🎙️ 공통 요소 — 현장 노트 (강사 경험담 / Before-AI)

AI는 '이해'하지 않는다 — 그래서 요령이 필요하다

같은 질문인데, 답이 다른 이유

한 번에 시키지 말고, 단계로 시켜라

AI는 내가 알려준 만큼만 안다

내 문서를 읽혀서 대화하기

그럴듯한 거짓말에, 안 속기

'좋은 답'인지, 내 기준으로 가려내기

검증한 실수는 두 번 하지 않는다: 스스로 고쳐 쓰는 지시서(SpecLoop)

넣어도 되는 것 vs 넣으면 큰일 나는 것

흐름으로 일하고, 나만의 AI 비서 만들기

배운 걸 다 합쳐, 실제 업무 하나 끝내기

회신 양식