프롬프트 모범 사례 검토 - Training

10분

Microsoft는 Microsoft 365 앱 및 데이터에 연결된 LLM(거대 언어 모델)을 기준으로 Microsoft 365용 Copilot을 빌드했습니다. Microsoft 365용 Copilot을 사용하면 다른 LLM 기반 챗봇으로 수행할 수 있는 작업 이상을 해낼 수 있습니다. 문서, 보고서, 전자 메일, 프레젠테이션 등과 같은 내부 데이터와 Microsoft 365 앱 데이터를 가져올 수도 있습니다. Copilot을 사용하면 콘텐츠를 만들거나 편집하고, 질문을 하고, 정보를 요약하고, 데이터를 파악할 수 있습니다.

Microsoft 365용 Copilot의 성능은 사용자가 제공하는 프롬프트의 명확성과 특이성에 따라 달라지는 경우가 많습니다. Copilot 프롬프트는 Copilot에게 원하는 것을 알려주는 데 사용하는 지침 또는 질문입니다. 일반적으로 찾고 있는 결과를 얻기 위해서는 약간의 전후 대화를 예상해야 합니다. Microsoft 365용 Copilot과 상호 작용하는 것은 관련된 프로세스라는 점을 기억하세요. 초기 응답이 만족스럽지 않으면 다음 제안을 적용하는 것이 좋습니다.

명확성을 위해 프롬프트를 구체화합니다.
좀 더 구체적으로 설명하거나 구문을 조정합니다.
이전 응답의 피드백을 사용하여 다음 프롬프트를 안내합니다.

다음 섹션에서는 프롬프트를 작성하기 위한 모범 사례를 제공하므로, 이를 통해 Copilot의 기능을 최대한 활용할 수 있습니다.

명확하고 간결한 프롬프트 제공

Microsoft 365용 Copilot과 상호 작용할 때는 명확하고 간결해야 합니다. Copilot은 컨텍스트를 이해하도록 설계되어 있지만 프롬프트에서 모호성을 줄이면 더 정확한 결과로 이어질 수 있습니다.

명확 요청 또는 쿼리를 명확하게 만듭니다.
간결한. 명확성을 희생하지 않고 간결하게 유지합니다.

Microsoft 365용 Copilot의 진정한 잠재력을 활용하려면 기본적으로 명확하고 간결한 프롬프트를 제공해야 합니다. 지침이 구체적이고 상세할수록 Copilot은 사용자가 의도한 결과에 일치하는 응답을 제공할 수 있습니다. 다음 예제와 같이 일반적인 프롬프트를 사용하는 대신 많은 내용을 포함하는 프롬프트를 사용하면 Copilot 출력의 품질과 관련성이 크게 향상되어 요구 사항과 완벽하게 일치하는 콘텐츠를 받아볼 수 있습니다.

초기 프롬프트	잠재적인 문제	수정된 프롬프트
이 모임 대본 요약	모든 관련 세부 정보를 캡처하지 않거나 중요한 정보를 생략할 수 있음	이 모임 대본을 분석하고 모임, 특히 Susan이 만든 모든 핵심 사항을 요약합니다.
이 문서를 더 간결하게 다시 작성	우선순위를 지정하거나 유지 관리할 섹션에 대한 컨텍스트 부족	요점을 유지하면서 이 문서의 소개 및 결론을 더 간결하게 다시 작성합니다.
기억에 남는 경험에 대한 개인적인 이야기 쓰기	깊이나 디테일이 부족한 이야기를 생성할 수 있으며, 감정적 공명이나 생생한 이미지 없이도 일반적인 이야기를 생성할 수 있습니다.	생생한 감각 세부 사항과 감정을 사용하여 자연에서 기억에 남는 경험에 대한 개인적인 이야기를 씁니다.
최근 출시된 제품 리뷰 요약	실행 가능한 인사이트를 제공하지 않는 너무 일반적인 요약이 발생할 수 있습니다.	최신 스마트폰 출시의 제품 리뷰에서 가장 긍정적인 점 3가지와 가장 부정적인 점 3가지를 요약합니다.
이 고객 불만에 대한 응답 초안 작성	너무 일반적입니다. 톤, 해결책 제공 또는 응답의 깊이가 회사 표준 또는 불만의 심각도와 일치하지 않을 수 있습니다.	배송 지연에 대한 이 고객의 불만에 대해 다음 주문에 대해 10% 할인을 제공하며 정중한 응답을 작성합니다.

명확하고 간결한 것 외에도 응답 품질을 개선하는 데 도움이 되는 또 다른 모범 사례는 긍정적인 지침을 제공하는 것입니다. Microsoft는 조치를 취하기 위해 Copilot을 빌드했기 때문에 Copilot에 "하지 말 것"보다 "할 일"이 무엇인지를 알려주는 것이 더 효과적입니다. "if-then" 지침을 사용해 보세요.

마지막으로 AI는 모방에 탁월합니다. 거대 언어 모델은 인간의 대화를 모방하여 작동하므로 원하는 출력의 형태를 예로 들어 보세요. 예를 들어, 좋은 일은 결코 변하지 않는다와 같이 영감을 주는 예를 사용하여 치아 미백 효과가 있고 입냄새를 없애주는 새로운 치약 브랜드에 대한 캐치 슬로건을 작성합니다.

다양한 스타일로 실험

창의력을 발휘하고 다양한 스타일로 실험해 보면서 필요에 맞는 답변을 얻는 데 집중하세요. 어조(중립적인 어조, 편한 어조, 전문적인 어조)를 지정하거나 사용할 표현 종류에 대한 지침을 제공해 보세요. 예를 들어 "비기술자가 이해할 수 있는 표현을 사용합니다."

비유, 시, 심지어 역사적 비유(예: "이 문서의 중심 메시지를 설명하는 데 사용할 수 있는 역사의 순간은 무엇입니까?")도 정보를 처리하는 데 유용한 방법이 될 수 있습니다.

Copilot에 답변할 관점 제공

응답할 관점을 제공하는 경우 Copilot이 요청의 맥락을 이해하고 보다 정확한 응답을 생성하는 데 도움이 됩니다. 일반적으로, AI가 역할극을 할 수 있도록 귀하가 누구인지, 그리고 달성하려고 하는 것이 무엇인지에 대한 몇 가지 설명이 포함됩니다. 예시:

LinkedIn 복사본을 작성하는 소셜 미디어 관리자입니다.
새로운 캠페인을 진행하는 제품 마케팅 담당자입니다.
학생들에게 Python을 잘 설명해주는 코딩 강사입니다.

다음과 같은 특정 가상 사용자 스타일 또는 접근 방식으로 응답을 요청할 수도 있습니다.

스탠포드 대학 경영학 교수의 전문 지식으로 이 문제를 해결하는 방법을 나에게 설명해 주세요.
비기술자가 이해할 수 있는 방식으로 이 난해한 회사 개념을 알려주세요.

프롬프트를 만들 때 피해야 할 사항 알기

특정 사례로 인해 Microsoft 365용 Copilot와의 상호 작용이 덜 최적화될 수 있습니다. 주의해야 할 내용은 다음과 같습니다.

모호성. 광범위하고 덜 유용한 답변으로 이어질 수 있는 지나치게 일반적인 프롬프트를 피합니다.
과잉 복잡성. 너무 많은 질문이나 요청을 하나의 프롬프트로 밀어 넣지 않습니다.
가정. 동일한 세션 내에 있지 않는 한 Copilot에 이전 상호 작용의 컨텍스트가 있다고 가정하지 마세요.

Copilot의 한계 이해

Microsoft 365용 Copilot은 강력하지만 절대 실수하지 않는 것은 아니라는 것을 인식하는 것이 중요합니다. 제한 사항을 알고 있으면 효과적인 프롬프트를 만드는 데 도움이 될 수 있습니다. 예시:

복잡한 작업 나누기. 작업을 수동으로 수행할 때 복잡한 사고 프로세스나 수많은 단계가 필요한 경우 Copilot에게도 어려울 수 있습니다. 이러한 작업이나 생각을 보다 관리하기 쉬운 부분으로 나누는 것이 좋습니다.
반복 최적화. Copilot은 동일한 작업을 수동으로 수행하는 것보다 간단한 반복 작업을 여러 번 수행하는 데 더 효율적입니다.
모호성. Copilot은 때로는 모호한 프롬프트를 잘못 해석할 수 있으므로 항상 명확성을 목표로 합니다.
무작위 응답. Copilot에서 받은 응답은 무작위적입니다. 똑같은 프롬프트를 여러 번 사용할 때 다른 응답을 받을 수 있습니다.
허용되지 않는 응답. 거대 언어 모델은 Copilot가 구축되는 토대를 제공합니다. LLM은 때때로 편향되거나, 불쾌하거나, 유해하거나, 올바르지 않을 수 있는 콘텐츠를 생성할 수 있습니다. 따라서 지속적으로 응답을 검토하고 정확도 및 적합성에 대한 유효성을 확인해야 합니다.

예의 바르게 행동

생성형 AI와 상호 작용할 때 기본 에티켓을 사용하면 존중하는 협조적 출력을 생성하는 데 도움이 됩니다. 정중한 표현을 사용하면 응답의 어조가 설정됩니다. 생성형 AI는 사용자가 제공하는 입력의 전문성, 명확성, 세부 정보의 수준을 반영했습니다.

생성형 AI를 사용하는 경우 일반적으로 황금률이라고 하는 잘 알려진 식을 고려합니다. 황금률의 표현은 문화, 종교 및 철학적 전통마다 다를 수 있지만, 기본 전제는 "다른 사람을 당신이 대우받고 싶은 방식으로 대하라"입니다. 하지만 이 조언을 AI에 어떻게 적용할 수 있을까요? 사용자가 "~주세요"와 "감사합니다"와 같이 말할 때 Copilot가 감사하다고 느끼지는 않겠죠. 그럴 수도 있지만, Copilot과 상호 작용할 때 기본 에티켓을 사용하면 존중하는 협조적 출력을 생성하는 데 도움이 됩니다.

생성형 AI라고도 하는 대형 언어 모델은 인간 대화로 학습됩니다. 전자 메일 자동 완성에서 다음 단어나 구를 제안하는 것과 동일한 방식으로 LLM은 사용자의 입력에 따라 사용자가 원할 수 있다고 판단되는 문장이나 단락을 선택합니다. 다시 말해서 앞으로 발생할 상황을 확률적으로 추측하는 거대한 예측 머신입니다. 따라서 Copilot이 요청에서 예절 바른 태도를 인식하면 예절 바르게 반응할 가능성이 높습니다. 동료, 거리의 낯선 사람, 그리고 진한 에스프레소, 설탕, 시나몬 가루로 거품이 풍부한 두유 라떼를 만드는 바리스타의 경우도 마찬가지입니다. Copilot과 같은 생성형 AI 도구도 마찬가지입니다. 사용자가 제공하는 프롬프트의 전문성, 명확성 및 세부 수준을 반영합니다.

Copilot에게 명령하지 말고, 다음과 같이 "~세요"로 프롬프트를 끝내세요.

이 문을 더 간결하게 다시 작성해 주세요.
이 제품의 브랜드를 다시 적용하는 10가지 방법을 제안해 주세요.

응답할 때 "감사합니다"라고 말하고 도움을 주어서 고맙다는 표현을 추가합니다. 이렇게 하면 동일한 감사 표현을 받게 될 뿐만 아니라 AI의 응답성과 성능도 향상됩니다.

궁금증 갖기

호기심이 고양이를 죽일 수도 있지만, Copilot을 사용할 때는 예비 질문을 하는 것이 중요합니다. Copilot에 특정 지침을 제공하고 올바른 질문을 하면 Copilot을 최대한 활용하고 일반적인 문제를 방지하는 데 도움이 됩니다. 궁금증이 있으면 모르는 것을 이해하는 데 도움이 될 뿐만 아니라 AI를 사용할 때 필수적인 성장 추구 사고방식을 갖도록 도와줍니다.

궁금증이 있으면 문제를 더 잘 이해하고 Copilot에 특정 지침을 제공하는 데 도움이 되는 질문을 할 가능성이 높습니다. 이렇게 하면 Copilot이 관련성이 더 높고 창의적인 응답을 생성할 수 있습니다.

반복, 반복, 반복

AI를 사용할 때 사용자들이 저지르는 가장 일반적인 실수 중 하나는 단일 프롬프트가 별로 이상적이지 못한 응답을 제공한 후에 포기하는 것입니다. Copilot을 사용하는 것은 사용자와 Copilot이 함께 협력하여 콘텐츠를 만들고, 복잡한 문제를 해결하고, 목표, 기대치 및 피드백에 따라 새로운 정보를 배우는 동적 대화형 프로세스입니다. 또한 초기 프롬프트는 시작에 불과합니다.

초기 질문은 시작점에 불과합니다. 자세한 내용과 컨텍스트를 제공할 때 해당 대화는 Copilot이 사용자가 원하는 것을 이해하고 보다 관련성이 높은 출력을 생성하는 데 도움이 됩니다. 또한 모든 사람이 배우는 데 도움이 됩니다. Copilot에 설명하거나, 요약하거나, 다른 표현으로 바꿔서 응답할 것을 요청하면 새로운 인사이트와 관점을 얻을 수 있습니다.

예를 들어 좋은 출력 또는 나쁜 출력을 생성할 때 Copilot에 피드백을 제공합니다. 이렇게 하면 Copilot은 기대치를 통해 학습하고 성능을 향상시킬 수 있습니다. 예시:

이 문장은 너무 모호합니다. 좀 더 구체적으로 설명해 주세요.
감사합니다. 이 버전이 더 좋습니다.
단락의 요점을 요약하는 문장을 추가하세요.

프레젠테이션을 준비해야 한다고 가정해 보겠습니다. 먼저 다음과 같이 입력할 수 있습니다. 회의실을 지속 가능성에 대한 새로운 접근 방식에 참여하는 영업 사원으로 가득 채워야 하는 60분 기조 연설을 위한 스토리보드를 만드세요. 이러한 파일을 배경으로 사용하세요.

Copilot이 초안을 공유하면 후속 조치를 진행할 수 있습니다. 예시:

각 섹션에 표시될 핵심 메시지를 추가하세요.
이 계획은 훌륭하지만 영업 사원이 이 문제에 관심을 갖는 이유에 대해 더 자세히 알아보고 싶습니다..

만족할 때까지 계속 진행하세요. Copilot은 실망하지 않으므로 많은 옵션을 요청하세요. 예시:

시작 단락에 대한 10가지 아이디어를 주세요.
이 섹션을 5가지 고유한 스타일로 다시 작성합니다.
이 대상 사용자의 공감을 불러일으킬 수 있는 세 가지 비유를 알려주세요.

실험해보는 것이 핵심입니다. 필요에 가장 적합한 항목을 찾을 때까지 다양한 프롬프트, 피드백 및 세밀한 조정을 통해 창의력을 발휘하세요.

연습: Word에서 Copilot을 사용하여 프롬프트 결과 비교

다음 팁은 효과적인 프롬프트를 만드는 데 도움이 되는 추가 지침을 제공합니다. 각 팁에는 Microsoft Word에서 수행할 수 있는 연습이 포함되어 있습니다. 각 연습에서는 각 팁과 연결된 다양한 프롬프트의 결과를 비교합니다.

팁: 세부 정보 포함. 목표(Copilot이 하기를 원하는 작업) 외에도 몇 가지 컨텍스트를 포함하여 Copilot이 요청을 이행하기 위해 응답하는 방법을 설명해 보세요. 또한 Copilot이 사용해야 하는 특정 정보 원본(예: 파일 또는 전자 메일 메시지)도 포함합니다.

연습: Word에서 Copilot을 사용하여 다음 두 프롬프트를 시도하고 받은 응답을 비교합니다. 더 풍부하고 간결한 블로그 게시물 초안을 제공한 프롬프트는 무엇인가요?
- 프롬프트 1: 농업의 지속 가능한 관행에 대한 블로그 게시물을 작성합니다.
- 프롬프트 2: 유기농 농업 및 농업 양식과 같은 지속 가능한 농업 관행의 중요성과 이점에 초점을 맞춰, 지속 가능성에 관심이 있는 일반 대상 그룹을 위한 1500 단어 블로그 게시물을 작성합니다. 실제 예제, 혁신적인 기술 및 신뢰할 수 있는 출처의 인사이트를 포함합니다. 이러한 관행의 중요성에 대한 숙고와 이를 수용하기 위한 공동의 노력에 대한 요청으로 마무리
팁: 더 나은 결과를 위해 프롬프트 구조화. 프롬프트에 관해서는 순서가 중요합니다. 지침의 순서가 받는 응답에 영향을 줄 수 있습니다. 프롬프트의 뒷부분이 앞부분보다 더 강조될 가능성이 높습니다. 다양한 순서로 실험하여 효과를 이해하세요. Copilot에서 특정 파일 또는 원본을 사용하도록 하려면 해당 정보를 마지막에 입력합니다.

연습: Word에서 Copilot을 사용하여 다음 두 프롬프트를 시도하고 받은 응답을 비교합니다. 어떤 차이점이 보이나요?
- 프롬프트 1(지침-컨텍스트-예제): 명상의 이점을 요약하는 블로그 게시물을 작성합니다. 명상은 스트레스를 줄이는 것으로 알려진 수백 년 된 관행입니다. 예를 들어, 마음 챙김 명상은 정신 건강에 긍정적인 효과를 제공하는 것으로 알려져 있습니다.
- 프롬프트 2(컨텍스트-예제-지침): 명상은 스트레스를 줄이는 것으로 알려진 수백 년 된 관행입니다. 예를 들어, 마음 챙김 명상은 정신 건강에 긍정적인 효과를 제공하는 것으로 알려져 있습니다. 이 정보가 주어지면, 명상의 이점을 요약하는 블로그 게시물을 작성합니다.
팁: 반복하고 다시 생성. 첫 번째 결과가 최종 또는 최상의 응답이 아닌 경우가 있습니다. Copilot이 제공한 결과가 만족스럽지 않은 경우 프롬프트를 수정하고 다시 시도하세요.

연습: Word에서 Copilot을 사용하여 다음 반복을 세 번 시도합니다. 각 반복에서 응답이 어떻게 개선될 수 있는지 확인합니다.
- 프롬프트 1: 재생 에너지 기술의 발전에 대해 작성합니다.
- 프롬프트 2: 태양열 및 풍력 에너지에 중점을 두고, 재생 에너지 기술의 최근 발전에 대해 설명하는 기술 문서를 작성합니다. 이 문서의 목표 대상 그룹은 엔지니어와 환경 과학자로 구성됩니다.
- 프롬프트 3: 엔지니어 및 환경 과학자를 위한 자세한 기술 문서를 작성합니다. 태양광 및 풍력 에너지에 중점을 두고 재생 에너지 기술의 최근 발전과 혁신을 탐구해야 합니다. 이러한 기술의 바탕이 되는 과학적 원칙과 기술의 효율성 향상 및 실제 애플리케이션에 대해 논의합니다. 정확한 최신 정보는 최근 연구 논문, 특허 및 산업 보고서를 참조하세요.

계속