프롬프트 엔지니어링의 전망과 비전
최근 대화형 인공지능에 대한 반응이 뜨겁습니다. 인공지능 분야에서 결과물의 품질을 좌우하는 것은 프롬프트인데, 이 때문에 프롬프트 엔지니어링의 중요성이 높아지고 있습니다.
인공지능 분야에서 프롬프트는 질문 형태의 텍스트 또는 이미지 형태로 모델에 입력하는 값을 의미하는데, 값이 입력되면 모델은 이를 처리하고 분류하거나 적절한 텍스트로 응답 또는 이미지 등의 결과물을 생성해 줍니다.
때문에 잘 설계된 엔지니어링 프롬프트는 훌륭한 리더와 같으며, 훌륭한 리더가 명확하고 간결하게 프로젝트 로드맵을 알려주는 것처럼 인공지능이 이해하기 쉽게 요구사항을 잘 정리하고 설계한 프롬프트가 좋은 프롬프트라고 할 수 있습니다.
반대로 불명확하고 모호한 프롬프트는 혼란스럽고 부실한 결과를 초래할 수 있어, 모델별로 프롬프트에 대한 명확성과 특성을 잘 이해할 필요가 있습니다.
LLM과 산업 알고리즘
오픈AI의 GPT-4와 같은 LLM 모델은 다음에 나올 단어나 내용을 예측하도록 사전에 학습되어 있기 때문에, 대부분의 경우 ‘바로 사용’할 수 있지만, 이런 LLM 기반의 챗봇들에서는 종종 오류가 발생하기도 합니다.
그럼에도 불구하고, 사전 학습된 LLM은 적어도 업무의 시작점으로는 충분히 활용할 수 있으며, 대부분의 경우 정확하고 설득력 있는 콘텐츠를 비교적 능숙하게 제공합니다. 하지만 대부분의 산업에서는 해당 산업의 전문 용어를 이해하고 사용자에게 맞는 콘텐츠를 생성하는 맞춤형 LLM 알고리즘이 필요합니다.
예를 들어, 의료 산업을 위한 LLM이라면 전자건강기록을 처리 및 해석하여 치료 방법을 제안할 수 있고, 의사가 남긴 메모나 음성 녹음을 바탕으로 환자의 건강 상태를 요약한 보고서를 작성할 수도 있습니다. 금융 서비스용 LLM이라면, 실적 발표를 요약하고, 회의록을 작성하고, 사기 행위를 분석할 수도 있을 것입니다.
하지만, 이를 위해서는 다양한 산업에서 요구하는 높은 수준의 응답 정확성을 확보하는 일이 무엇보다 중요하기 때문에, 프롬프트 엔지니어링의 역할이 커질 것으로 기대되는 부분입니다.
현재 대부분의 LLM은 API를 통해 접근할 수 있는데, 사용자는 API를 활용해 매개변수를 생성하거나 LLM의 응답 방식을 조정할 수 있습니다. 그래서 LLM의 정확한 응답을 위해 정확한 프롬프트가 필요한 것이죠.
프롬프트 엔지니어링
결국 프롬프트 엔지니어링은 LLM에서 원하는 결과를 얻기 위해 텍스트 프롬프트를 공들여 만들고 최적화하는 과정으로, “작업 요건에 정확하게 맞도록 LLM을 빠르고 쉽게 맞춤화하여 제품 프로토타이핑 및 탐색을 신속하게 반복할 수 있도록 지원”하는 것으로 요약할 수 있습니다.
때문에 프롬프트 엔지니어링은 사용자뿐만 아니라 IT 및 비즈니스 전문가에게도 필수적인 기술이 될 것으로 전망되는데, 최근에도 LLM이 다양한 산업에 통합되고 있고, 또 LLM이 생산성을 향상시킬 수 있는 잠재력이 엄청난 것으로 평가되고 있기 때문입니다.
하지만 프롬프트 엔지니어링은 아직 초기 단계이고 비교적 새로운 분야로, 프롬프트가 판매되는 마켓도 생겨나고 있습니다. 현재로서는 프롬프트의 가치가 가장 높은 곳은 언어가 아닌 이미지 생성 분야인데, 이미지 뿐만 아니라 생성형 AI 분야에는 텍스트를 이미지로 전환해 주는 모델을 비롯한 많은 종류의 모델이 존재합니다.
광고 문구를 작성해주는 인공지능 서비스인 뤼튼의 경우 다양한 템플릿을 제공하고 각 기능별로 프롬프트를 통해 결과물을 생성해서 제공해 주는데, 뤼튼과 같은 인공지능 서비스는 GPT-3와 같은 대규모 언어 모델의 API를 사용하여 제품을 만들고, 자체적인 프롬프트와 매개 변수를 추가하여 경쟁 우위를 만드는 것으로 보여집니다. 즉 뤼튼의 많은 기능은 회사 내부의 실험과 검증을 통해 프롬프트와 매개변수 등을 조정하여 만들어진 것으로 볼 수 있는 것이죠.