챗GPT 프롬프트 작성법보다 중요한 건 자료 | 질문 아닌 자료가 답을 가른다

AI가 내놓은 카피가 영 밋밋할 때, 우리는 대부분 프롬프트부터 다시 씁니다. ‘더 감각적으로’, ’20대 여성 톤으로’, ‘이모지 넣어서’ 같은 지시를 자꾸 덧붙이죠. 그런데 지시어를 아무리 정교하게 다듬어도 결과가 제자리를 맴돈다면, 한번쯤 이렇게 의심해 볼 만합니다. 문제는 질문이 아니라, 질문에 딸려 들어간 자료일 수 있다고요.

같은 질문에 매번 다른 답이 나오는 진짜 이유는, 우리가 무엇을 함께 넣어줬느냐에 있습니다. 그래서 오늘은 프롬프트 공학이 아니라, 그 앞 단계인 ‘자료 고르기’ 이야기를 해보려 합니다.

1. 프롬프트는 그대로인데 답이 갈리는 이유

간단한 실험을 하나 해봤다고 가정해 보겠습니다(가상의 예입니다). 여름 신상 원피스의 인스타그램 광고 카피를 세 줄 써달라고, 똑같은 문장으로 두 번 요청합니다.

첫 번째는 그냥 ‘여름 원피스 광고 카피 써줘’만 넣습니다. 돌아온 건 ‘시원한 여름, 산뜻한 원피스로 완성하세요’ 같은 문장입니다. 어느 브랜드에 갖다 붙여도 어색하지 않은, 그래서 아무 데도 안 어울리는 무난한 카피죠.

두 번째는 프롬프트를 한 글자도 바꾸지 않습니다. 대신 앞에 자료를 붙입니다. 실제 제품 상세(린넨 혼방, 구김 적음, 허리 셔링, 실측 사이즈), 지난 시즌 저장수가 가장 높았던 카피 세 개, 그리고 우리 브랜드가 쓰는 말투 규칙(과장 형용사 금지, 반말 톤)까지요. 그러자 ‘하루 종일 앉아 있어도 안 구겨지는 린넨, 그래서 출근도 주말도 이 한 벌’ 같은 문장이 돌아옵니다. 우리 제품의 사실에서 곧장 뽑아낸 카피입니다.

질문은 똑같았습니다. 달라진 건 AI가 답을 만들 때 참고한 재료뿐입니다. AI는 자기가 아는 걸 말하는 게 아니라, 눈앞에 놓인 자료를 요리하는 도구에 가깝습니다. 외부 자료를 함께 검색해 넣어주면 모델의 내부 지식만 쓸 때보다 더 구체적이고 사실에 가까운 결과가 나온다는 건, 루이스 연구진이 2020년 검색 증강 생성(RAG) 연구에서 보여준 바이기도 합니다. 재료가 ‘여름’과 ‘원피스’라는 두 단어뿐이면, 세상 모든 원피스의 평균값을 뱉을 수밖에 없죠. 그래서 실무에서는 프롬프트를 고치기 전에 자료부터 고르는 순서가 훨씬 빠릅니다.

2. 붙여넣을 자료를 고르는 세 가지 기준

그렇다고 자료를 무작정 많이 넣는다고 좋아지지는 않습니다. AI 활용 자료 준비에도 나름의 기준이 있습니다. 저는 실무에서 세 가지를 봅니다.

첫째, 사실 자료입니다. 제품 사양, 실제 가격과 프로모션 조건, 타깃의 진짜 페인포인트처럼 지어낼 수 없는 정보를 말합니다. 이게 없으면 AI는 그럴듯한 거짓말을 만들어 냅니다. 근거 없는 내용을 그럴싸하게 지어내는 이런 ‘환각(hallucination)’ 현상은 지(Ji) 연구진이 2023년 대규모 서베이로 정리했을 만큼 생성형 AI의 고질적 약점이죠. ‘초경량 쿨링 소재’ 같은, 확인되지 않은 표현이 그렇게 나옵니다. 그러니 사실 자료를 넣는 건 카피의 재료를 주는 일인 동시에, AI가 헛소리할 여지를 미리 막는 일이기도 합니다.

둘째, 잘된 사례 자료입니다. 지난 캠페인에서 CTR이 높았던 소재, 저장·공유가 많았던 게시물, 실제로 전환이 잘 나온 상세페이지 문구 같은 것들입니다. ‘이런 톤으로 써줘’라고 열 줄 설명하는 것보다, 잘된 결과물 두세 개를 그냥 보여주는 편이 훨씬 정확합니다. AI는 추상적인 지시보다 구체적인 예시를 훨씬 잘 흉내 내거든요. 몇 개의 예시만으로 패턴을 따라가는 이 ‘few-shot’ 능력은 브라운 연구진이 2020년 GPT-3 논문에서 대규모로 입증한 특성입니다.

셋째, 우리 맥락 자료입니다. 브랜드 보이스 가이드, 금지어 목록, 이번 캠페인의 목표(신규 유입인지 재구매인지) 같은 것들이죠. 같은 제품이라도 목표가 다르면 카피의 무게중심이 달라져야 하는데, 이 맥락을 빼놓고 물으면 AI는 매번 다른 목표를 제멋대로 가정합니다. 답이 오락가락하던 이유가 사실 여기 있는 경우가 많습니다.

3. 실전 — 붙여넣기 전 30초 점검

거창한 준비를 말하는 게 아닙니다. 작업창을 열기 전에 30초만 스스로에게 물어보면 됩니다.

• 이 답에 꼭 들어가야 할 우리만의 사실이 자료로 들어가 있나
• AI가 흉내 낼 ‘잘된 예시’를 하나라도 붙였나
• 이번 작업의 목표와 톤 기준을 한 줄이라도 적어줬나

성과 리포트를 예로 들어 보겠습니다(가상의 예). 광고 성과 데이터를 그대로 붙이고 ‘요약해줘’라고만 하면, AI는 ‘전환율이 상승했습니다’ 같은 숫자 받아쓰기만 돌려줍니다.

여기에 맥락 자료 한 줄을 더해 봅니다. ‘이번 캠페인 목표는 신규 고객 획득, CPA 1만 5천 원 이하가 목표였음’ 하고요. 그러면 결과가 확 달라집니다. ‘신규 CPA가 목표를 12% 밑돌아 효율 구간에 들어왔고, 반면 리타겟팅 세트는 목표를 웃돌아 예산 재배분 검토가 필요합니다’ 같은, 다음 액션이 눈에 보이는 요약이 나옵니다. 판단의 기준을 자료로 먼저 심어주면, AI는 데이터를 읽는 게 아니라 해석하기 시작합니다.

한 가지 덧붙이면, 자료는 깔끔하게 라벨을 달아 넣는 편이 좋습니다. ‘[제품 사실]’, ‘[잘된 과거 카피]’, ‘[이번 목표]’처럼 구획을 나눠 붙이면, AI가 무엇을 사실로 다루고 무엇을 참고 예시로 볼지 헷갈리지 않습니다.

4. 자료가 없을 때가 진짜 실력입니다

여기까지 읽고 ‘우리는 정리된 자료가 없는데’ 싶을 수 있습니다. 사실 바로 그 지점이 핵심입니다. 자료가 없다는 건 AI가 못 쓰는 상황이 아니라, 우리 팀의 자산이 정리 안 돼 있다는 신호에 가깝습니다.

그래서 저는 AI 활용 자료 준비를 매번 새로 하지 않습니다. 재사용할 ‘자료함’을 하나 만들어 둡니다. 브랜드 보이스 한 장, 카테고리별 ‘잘된 카피 모음’ 문서, 금지어 리스트, 대표 페르소나 설명 한 단락. 이 네 개만 파일로 갖고 있어도, 다음부터는 복사·붙여넣기 몇 초로 자료 준비가 끝납니다. 새 캠페인이 시작될 때마다 이 자료함에 이번 시즌 정보만 얹으면 되니, 오히려 프롬프트를 매번 길게 쓰던 때보다 손이 덜 갑니다.

결국 프롬프트를 붙잡고 열 번 고쳐 쓰는 시간과, 좋은 자료 세 개를 골라 붙이는 시간. 어느 쪽이 결과를 더 크게 바꾸는지 한번 견줘 보면 어떨까요. 경험상 후자가 압도적으로 빠릅니다.

같은 질문에 다른 답이 나오는 비밀은 프롬프트의 기교가 아니라, 그 앞에 놓인 자료에 있습니다. 내일 AI 작업창을 열기 전에, 지시어를 다듬는 대신 넣어줄 자료부터 골라 보시길 권합니다.