1. AI 기초 개념
AI(인공지능)의 기본 개념부터 프롬프트 엔지니어링까지, 실무자가 알아야 할 핵심 지식을 학습합니다.
1.1 AI와 LLM이란?
핵심 개념: AI(Artificial Intelligence)는 인간의 지능을 모방하는 컴퓨터 시스템이며, LLM(Large Language Model)은 대규모 텍스트 데이터로 학습한 언어 모델입니다.
AI의 분류
| 분류 | 설명 | 예시 |
|---|---|---|
| 약한 AI (Narrow AI) | 특정 작업에 특화된 AI | 번역기, 추천 알고리즘, 음성 인식 |
| 생성형 AI (Generative AI) | 새로운 콘텐츠를 생성하는 AI | ChatGPT, Claude, Midjourney |
| 강한 AI (AGI) | 범용 인간 수준의 AI (아직 미달성) | 이론적 개념 |
LLM이란?
LLM(Large Language Model)은 수십억~수조 개의 텍스트 데이터를 학습하여 인간처럼 자연어를 이해하고 생성할 수 있는 AI 모델입니다.
- GPT (OpenAI) — ChatGPT의 기반 모델
- Claude (Anthropic) — 안전성과 정확성에 중점
- Gemini (Google) — 멀티모달(텍스트+이미지) 지원
- LLaMA (Meta) — 오픈소스 모델
1.2 생성형 AI의 동작 원리
생성형 AI는 다음과 같은 과정으로 동작합니다:
- 입력 (Prompt)
사용자가 텍스트로 요청을 입력합니다.
- 토큰화 (Tokenization)
입력 텍스트를 모델이 이해할 수 있는 작은 단위(토큰)로 분해합니다.
- 추론 (Inference)
학습된 패턴을 기반으로 다음에 올 가장 적절한 토큰을 예측합니다.
- 출력 (Generation)
예측된 토큰을 조합하여 응답 텍스트를 생성합니다.
사용자 입력: "PM이란 무엇인가요?"
↓ 토큰화
["PM", "이란", " 무엇", "인가요", "?"]
↓ 모델 추론 (확률 기반 다음 단어 예측)
"PM은 Product Manager의 약자로..."
↓ 출력
완성된 응답 텍스트
알아야 할 점: AI는 "이해"하는 것이 아니라 패턴을 기반으로 "예측"합니다. 따라서 명확하고 구체적인 지시(프롬프트)를 줄수록 좋은 결과를 얻을 수 있습니다.
1.3 프롬프트 엔지니어링 기초
프롬프트 엔지니어링은 AI에게 최적의 결과를 얻기 위해 입력(프롬프트)을 설계하는 기술입니다.
좋은 프롬프트의 5가지 원칙
| 원칙 | 설명 | 예시 |
|---|---|---|
| 1. 역할 부여 | AI에게 전문가 역할을 지정 | "당신은 10년 경력의 PM입니다" |
| 2. 구체적 지시 | 원하는 결과를 명확하게 설명 | "3가지 항목으로 정리해주세요" |
| 3. 맥락 제공 | 배경 정보와 제약 조건 포함 | "B2B SaaS 서비스의 온보딩 기능입니다" |
| 4. 출력 형식 지정 | 원하는 응답 형태 명시 | "마크다운 테이블 형식으로 작성해주세요" |
| 5. 예시 제공 | 원하는 결과의 샘플 포함 | "예시: | 기능 | 우선순위 | 이유 |" |
프롬프트 작성 실습
나쁜 프롬프트
기획서 써줘좋은 프롬프트
당신은 B2B SaaS 서비스의 시니어 PM입니다.
다음 조건으로 기능 기획서를 작성해주세요:
## 기능 개요
- 기능명: 사용자 온보딩 튜토리얼
- 대상: 신규 가입 사용자
- 목표: 7일 이내 핵심 기능 3개 이상 사용
## 포함할 항목
1. 기능 목적 및 배경
2. 사용자 시나리오 (3가지)
3. 성공 지표 (KPI)
4. 우선순위가 매겨진 요구사항 목록 (테이블 형식)
5. 리스크 및 대응 방안
마크다운 형식으로 작성해주세요.1.4 주요 AI 도구 소개 (ChatGPT, Claude, Gemini)
| 도구 | 개발사 | 강점 | 실무 활용 포인트 |
|---|---|---|---|
| ChatGPT | OpenAI | 범용성, 플러그인 생태계 | 브레인스토밍, 초안 작성, 데이터 분석 |
| Claude | Anthropic | 긴 문맥 처리, 정확성, 안전성 | 긴 문서 분석, PRD 작성, 코드 리뷰 |
| Gemini | 멀티모달, Google 서비스 연동 | 이미지 분석, 시장조사, 스프레드시트 연동 | |
| Claude Code | Anthropic | CLI 기반 코딩 에이전트 | 바이브 코딩, 프로토타입 제작 |
| Cursor | Cursor Inc. | IDE 통합 AI 코딩 | 코드 편집, 디버깅, 리팩토링 |
실무 팁: 하나의 도구에 의존하지 말고, 작업 특성에 맞는 도구를 선택하세요. 문서 작성은 Claude, 리서치는 Gemini, 빠른 아이디어 생성은 ChatGPT가 효과적입니다.
국내 AI 도구
| 도구 | 특징 | PM 활용 |
|---|---|---|
| 뤼튼(Wrtn) | 무료 다중 LLM 접근, 한국어 UI, 낮은 진입장벽 | AI 입문자 팀원에게 추천, 빠른 문서 초안 |
| 네이버 HyperCLOVA X | 한국어 이해도 최상위, 네이버 생태계 연동 | 한국어 문서 작성, 국내 데이터 분석 |
| 클로바노트 | 회의록 자동 생성, 화자 분리, 한국어 특화 | 회의록 자동화, 액션아이템 추출 |
1.5 AI 활용의 한계와 주의사항
주의: AI는 만능이 아닙니다. 다음 한계를 반드시 인지하고 사용하세요.
AI의 주요 한계
| 한계 | 설명 | 대응 방법 |
|---|---|---|
| 환각 (Hallucination) | 사실이 아닌 정보를 자신 있게 생성 | 중요한 사실은 반드시 별도 검증 |
| 최신 정보 부재 | 학습 데이터 기준 이후 정보 미반영 | 최신 정보는 검색 도구 병행 사용 |
| 편향 (Bias) | 학습 데이터의 편향이 결과에 반영 | 다양한 관점 요청, 비판적 검토 |
| 기밀 정보 유출 | 입력 내용이 학습에 사용될 수 있음 | 민감한 정보는 입력하지 않기 |
| 수학/논리 오류 | 복잡한 계산이나 논리에서 실수 가능 | 수치 데이터는 별도 검증 |
실무자를 위한 AI 활용 체크리스트
- AI 결과물은 "초안"으로 취급하고 반드시 검토하기
- 회사 기밀 정보나 개인정보는 AI에 입력하지 않기
- AI 결과물의 출처와 정확성을 별도로 검증하기
- AI가 생성한 코드는 보안 검토 후 사용하기
- 팀원과 AI 활용 가이드라인을 공유하고 합의하기