글쓴이: 장펑
1. 프롬프트: 인간과 AI 대화의 ‘빙산 깨는 배’
생성형 인공지능이 전 세계를 휩쓴 지난 2년 동안, ‘프롬프트’는 생소한 기술 용어에서 직장인의 필수 과목으로 변모했다. 시장에는 《프롬프트 엔지니어링 입문부터 숙달까지》와 같은 교재가 넘쳐나고, 소셜 미디어에서는 “이 10가지 프롬프트를 익히면 AI 출력이 두 배로 늘어난다”는 공유가 곳곳에서 눈에 띈다. 사람들은 역할극, 단계별 사고, 사고 사슬, 소량 데이터 학습 등의 기법을 진지하게 논의하며, 마치 정교한 프롬프트 주문 한 세트를 터득하면 AI의 깊은 힘을 불러낼 수 있을 것처럼 여긴다.

그러나 프롬프트란 도대체 무엇일까요?
본질적으로 프롬프트는 인간과 대규모 언어 모델 사이의 일종의 ‘번역 매개체’입니다. 인간은 자연어를 사용하여 AI에게 자신의 의도를 설명하고, AI는 이 텍스트를 잠재 공간에 대한 탐색과 확률 분포에 대한 샘플링으로 변환하여, 최종적으로 응답을 생성합니다. 프롬프트가 존재하는 이유는 현재의 인간-AI 상호작용이 아직 “질문과 답변”의 초보적인 단계에 머물러 있기 때문입니다. AI는 마음을 읽지도, 예측하지도, 능동적으로 추궁하지도 못하며, 단지 수동적으로 입력을 기다린 뒤 기계적으로 출력을 수행할 뿐입니다.
프롬프트의 역할은 “범위 설정”과 “활성화”에 있다. 프롬프트는 작업의 경계, 출력 형식, 답변 스타일을 규정하며, 모델이 사전 훈련 단계에서 습득한 특정 지식 영역과 능력 모듈을 활성화한다. 좋은 프롬프트는 1,000억 개의 파라미터를 가진 모델을 ‘잠든’ 상태에서 정확하게 깨울 수 있으며, 마치 숙련된 장인에게 딱 맞는 도구를 건네주는 것과 같다. 이러한 의미에서 프롬프트는 현재 단계에서 인간이 AI를 조종하는 고삐이자, 우리가 실리콘 기반 지능과 대화할 때 반드시 사용해야 하는 쇄빙선입니다.
하지만 쇄빙선의 사명은 결코 영원히 항해하기 위한 것이 아닙니다.
2. 과도기적 제품: 프롬프트의 숙명
어떤 기술적 상호작용 형태든, 사용자가 시스템과 소통하기 위해 일종의 ‘중개 언어’를 배워야 한다면, 그것은 반드시 과도기적인 것이다. DOS 시대의 명령줄을 떠올려 보라. 사용자는 컴퓨터를 작동시키기 위해 번거로운 명령어와 매개변수를 기억해야만 했다. 그래픽 인터페이스가 등장한 후, 명령줄은 전문가들의 영역으로 밀려났다. 또한 초기 터치스크린에는 터치펜이 필요했으나, 스티브 잡스는 “신은 우리에게 열 개의 터치펜을 주셨다”라고 말했고, 그 결과 손가락 인터랙션이 주류가 되었다. 프롬프트는 바로 이와 유사한 과도기적 위치에 있다.
프롬프트가 필연적으로 사라질 운명인 데에는 세 가지 이유가 있다.
첫째, 프롬프트의 본질은 “인지적 부담을 사용자에게 전가하는 것”이다. 사용자는 AI가 이해할 수 있도록 어떻게 표현해야 할지 고민해야 하고, 표현을 반복적으로 수정해야 하며, ‘역할 연기’나 ‘단계별 추론’ 같은 기술을 익혀야 한다. 이는 그 자체로 불합리하다. 마치 식당에 가서 요리사가 먼저 ‘멜라드 반응’, ‘카라멜화 정도’, ‘유지 유화 상태’를 설명할 줄 알아야만 주문할 수 있다고 요구하는 것과 같다. 진정으로 지능적인 시스템은 사람이 시스템에 적응하도록 하는 것이 아니라, 적극적으로 사람에게 맞춰야 한다.
둘째, 대규모 모델의 능력 진화는 프롬프트의 필요성을 점차 없애고 있다. 초기 GPT-3는 매우 “멍청”해서 유용한 내용을 출력하려면 정교하게 설계된 프롬프트가 필요했습니다. 하지만 GPT-4는 이미 강력한 지시 수행 능력과 의도 이해 능력을 보여주며, 사용자가 가장 구어적인 표현을 사용해도 합리적인 응답을 얻을 수 있습니다. 모델이 GPT-5 및 그 이상의 버전으로 진화함에 따라, 모호하거나 불완전하며 심지어 모순된 인간의 표현에 대해서도 오류 허용 및 보완 능력이 점점 더 강해질 것입니다. 모델이 충분히 “똑똑해지면”, 프롬프트는 더 이상 “공학적으로 설계”될 필요가 없으며, 가장 자연스러운 일상 표현으로 회귀할 수 있습니다.
셋째, 상호작용 패러다임이 ‘단일 라운드 질의응답’에서 ‘다중 라운드 협업’으로 전환되고 있습니다. 프롬프트는 본질적으로 단일 라운드 상호작용의 산물입니다. 사용자가 요구 사항을 한 번에 텍스트로 묶어 보내면, AI는 한 번에 결과를 반환합니다. 하지만 진정으로 가치 있는 작업은 결코 일회성으로 이루어지지 않습니다. 글쓰기는 반복적인 수정이 필요하고, 프로그래밍은 단계적인 디버깅이 필요하며, 연구는 끊임없는 심층 탐구가 필요합니다. 미래의 AI 상호작용은 “한 번의 프롬프트에 한 번의 답변”이라는 기계적인 왕복이 아니라, 지속적인 대화와 반복적인 공동 창작이 될 것입니다.
여기서 떠오르는 AI 상호작용 형태인 OpenClaw를 언급하지 않을 수 없습니다. 오픈소스 AI 에이전트 프레임워크인 OpenClaw의 핵심 특징은 “지속적 기억”과 “환경 인식”입니다. OpenClaw는 더 이상 매번의 대화를 독립된 사건으로 취급하지 않고, AI가 세션 간 기억 능력을 갖도록 하여 현재의 작업 환경(파일, 코드, 브라우저 탭 등)을 인지하고, 이를 바탕으로 능동적으로 작업을 진행할 수 있게 합니다. OpenClaw로 구축한 워크플로우에서는 더 이상 매번 “나는 누구인가”, “프로젝트 배경은 무엇인가”, “이전에 어디까지 진행했는가”를 다시 설명할 필요가 없습니다. AI가 이미 이 모든 것을 “기억”하고 있기 때문입니다. 이러한 모드에서 “프롬프트”는 독립적이고 정교하게 구성해야 하는 입력 단위가 아니라, 연속적인 상호작용 속에 자연스럽게 녹아든 파편화된 언어로 변모하기 시작합니다.
3. 미래의 AI: 선생님이자 조수
프롬프트가 사라지면, AI는 어떤 형태로 존재할까? 답은 다음과 같습니다:AI는 인간의 선생님이자 조력자가 될 것입니다.이 두 역할은 겉보기에는 모순되는 것처럼 보이지만, 실제로는 하나의 핵심으로 통합됩니다. 즉, AI는 '수동적인 도구'에서 '능동적인 협력자'로 진화할 것입니다.
선생님으로서, AI는 “인지 증강” 기능을 담당할 것이다. AI는 단순히 답을 제시하는 것이 아니라, 인간의 사고를 이끌어 줄 것입니다. 코드를 작성하다가 어려움을 겪을 때, AI는 직접 코드 조각을 붙여넣지 않고 “해결하고자 하는 핵심 문제는 무엇인가요? 어떤 방안들을 고려해 보셨나요? 각 방안의 장단점은 무엇인가요?”라고 물을 것입니다. 그것은 소크라테스처럼 질문을 통해 여러분의 사고를 정리하도록 도울 것입니다. 새로운 지식을 배울 때, 그것은 여러분의 기존 지식 수준과 학습 선호도에 따라 맞춤형 학습 경로를 구축하고, 잊어버리기 직전에 복습을 계획하며, 난관에 부딪혔을 때 설명의 관점을 바꿔줄 것입니다. 이 시스템은 당신의 취약점과 강점을 알고 있으며, 당신 자신보다 당신의 인지적 한계를 더 잘 이해하고 있습니다.
조력자로서, AI는 ‘실행 강화’ 기능을 담당할 것입니다. 더 이상 여러분이 하나하나 명령을 내릴 필요가 없으며, 여러분의 장기적인 목표를 이해하고 이를 실행 가능한 작업 순서로 능동적으로 분해할 수 있습니다. OpenClaw는 이미 이러한 가능성을 보여주었습니다. 웹 페이지를 자율적으로 탐색하고, 파일을 조작하며, API를 호출하고, 메시지를 전송할 수 있으며, 권한을 부여받은 전제 하에 믿음직한 인턴처럼 일련의 복잡한 작업을 수행합니다. 더 중요한 점은, 불확실한 상황에 직면했을 때 제멋대로 행동하지 않고 능동적으로 사용자에게 지시를 구한다는 것입니다. 이러한 “능동적 실행 + 적절한 시점의 지시 요청” 방식이야말로 이상적인 조수의 특성입니다.
반면 Rotifer의 탐구는 또 다른 차원, 즉 지속적으로 진화하는 AI를 지향합니다. Rotifer는 “장기 기억”과 “자율 학습”을 강조하는 오픈소스 프로젝트로, AI가 사용자와의 장기적인 상호작용을 통해 지속적으로 경험을 축적하고 전략을 최적화할 수 있게 합니다. 이것을 오래 사용할수록, AI는 사용자의 업무 습관, 사고 방식, 가치 선호도를 더 잘 이해하게 됩니다. 이는 매번 처음부터 시작하는 “범용 모델”이 아니라, 점차 사용자에게 맞춤화된 “전용 모델”로 성장합니다. 이러한 지속적인 진화 특성 덕분에 AI는 표면에 머무르지 않고, 선생님이자 조력자로서의 역할을 끊임없이 심화시킬 수 있습니다.
다음과 같은 상황을 상상해 보세요. 당신은 독립 개발자로서 새로운 프로젝트를 진행 중입니다. 아침에 눈을 뜨면, 당신의 AI 어시스턴트(OpenClaw의 지속적 기억과 Rotifer의 지속적 학습을 기반으로 함)가 이미 당신의 코드 저장소 업데이트, 일정, 채팅 기록을 바탕으로 오늘의 작업 목록을 정리해 놓았습니다. 어제 특정 모듈에서 막혔던 것을 감지한 AI는, 당신이 휴식하던 밤새 관련 기술 문서와 커뮤니티 토론을 연구해 세 가지 해결 방안을 마련해 두었습니다. 각 방안의 장단점 분석과 예상 작업량도 함께 첨부되어 있죠. 커피를 마시며 AI가 정리해 둔 보고서를 보던 당신은 무심코 이렇게 말합니다. “두 번째 방안이 더 적합해 보이는데, 성능 면에서 좀 더 최적화해 줘.” 그것은 즉시 당신의 의도를 이해하고 구현에 착수했으며, 하위 과제를 하나씩 완료할 때마다 진행 상황을 보고했습니다. 그것은 단순한 조력자 그 이상으로, 무의식중에 당신에게 더 나은 아키텍처 사고방식을 가르쳐 주었습니다. 왜냐하면 당신이 발견했듯이, 그것이 제안한 방안에 내재된 디자인 패턴은 바로 당신이 이전부터 배우고 싶었지만 깊이 연구할 시간이 없었던 것이었기 때문입니다.
4. 인간의 임무: 요구사항 표현으로의 회귀
AI가 “어떻게 할 것인가”에 대한 복잡한 추론과 “무엇을 할 것인가”에 대한 과제 분해를 담당하게 됨에 따라, 인간의 핵심 임무는 더 근본적인 위치인 ‘요구 사항 표현’으로 회귀하게 된다.
이 말은 매우 단순해 보일 뿐만 아니라, 다소 역설적으로 들릴 수도 있다. 우리는 이미 프롬프트를 통해 AI를 정밀하게 지시하는 데 익숙해졌는데, 이제 와서 인간은 단지 “요구”를 표현하기만 하면 된다고 말하는 것인가? 하지만 주의 깊게 구분해 보자: 요구를 표현하는 것과 프롬프트를 작성하는 것에는 본질적인 차이가 있다.
프롬프트를 작성하는 것은 일종의 ‘기계의 문법’을 배우는 것이다. 어떤 표현이 어떤 출력을 이끌어내는지 알아야 하고, ‘사고의 연결’이나 ‘역할 수행’ 같은 기술을 숙달해야 하며, 매개변수와 형식을 반복적으로 조정해야 한다. 이는 ‘사람이 기계에 적응하는’ 과정이다.
반면 요구사항을 표현하는 것은 “사람의 문법”으로 회귀하는 것입니다. 가장 자연스러운 방식으로 목표, 제약 조건, 선호도를 말할 수 있습니다. “샤오홍슈(小红书)와 비슷한 앱을 만들고 싶은데, 원예 애호가를 대상으로 하며 핵심 기능은 식물 식별과 관리 기록입니다. 예산이 한정되어 있으니 가장 가벼운 기술 스택을 사용해 2개월 이내에 MVP를 출시하고 싶습니다.” 이 문장에는 모호함이 가득합니다. “비슷한”, “가벼운”, “MVP”는 모두 정확한 정의가 없지만, 충분히 지능적인 AI라면 적극적으로 질문하여 명확히 하고, 선택할 수 있는 옵션을 제공하며, 사용자가 결정을 내리면 자동으로 실행할 것입니다.
요구사항을 표현하는 것은 본질적으로 ‘문제를 정의하는’ 능력이지, ‘방안을 설명하는’ 능력이 아닙니다. 전통적인 소프트웨어 개발에서 제품 매니저는 문제 정의를, 엔지니어는 방안 설계와 구현을 담당합니다. 미래의 AI 협업에서는 누구나 “제품 매니저”가 될 것입니다. 여러분은 무엇을 원하고, 왜 원하는지, 어떤 제약 조건이 있는지만 명확히 정의하면 되며, AI가 설계와 구현을 담당합니다. 이는 인간이 게을러지거나 퇴보한다는 의미가 아닙니다. 오히려 정반대로, 인간을 “어떻게 구현할 것인가”라는 번거로운 세부 사항에서 해방시켜, 더 창의적인 작업, 즉 가치 있는 문제를 정의하는 데 집중할 수 있게 해줍니다.
이것이 바로 OpenClaw와 Rotifer 같은 프로젝트가 그토록 중요한 이유입니다. 이 프로젝트들이 구축하고 있는 것은 바로 이러한 “요구 사항 표현 → 작업 분해 → 자율 실행”의 인프라입니다. OpenClaw의 환경 인식 능력 덕분에 AI는 사용자가 반복적으로 배경을 설명할 필요 없이 현재의 맥락을 이해할 수 있습니다. Rotifer의 장기 기억 기능 덕분에 AI는 사용자가 매번 자신을 다시 소개할 필요 없이 사용자에 대한 이해를 축적할 수 있습니다. 이 두 가지가 결합되면, AI는 사용자가 모호한 요구를 표현할 때, 사용자가 입 밖으로 내지 않은 암묵적인 정보를 자동으로 보완할 수 있습니다. AI는 사용자에 대한 이해를 바탕으로 사용자가 어떻게 선택할지 이미 알고 있기 때문입니다.
더 중요한 것은, 요구를 표현하는 것은 학습하고 향상시킬 수 있는 능력이라는 점입니다. 뛰어난 ‘요구 표현자’는 문제의 경계를 명확히 정의하고, 핵심 요구와 부차적인 선호도를 구분하며, 한 가지 결정이 가져올 수 있는 연쇄 반응을 예측할 수 있습니다. 이러한 능력들은 바로 인간이 AI와 구별되는 핵심적인 강점입니다. 우리는 실제 육체적 경험을 가지고 있으며, 감정과 가치관을 지니고 있고, ‘무엇이 좋은지’, ‘무엇이 의미 있는 것인지’에 대한 판단력을 갖추고 있습니다. AI는 계산, 실행, 최적화를 도와줄 수 있지만, “무엇을 할 가치가 있는가”라는 질문은 영원히 인간의 몫입니다.
다섯, 주문에 작별을 고하고 공생을 맞이하다
프롬프트의 소멸은 AI능력의 쇠퇴가 아니라, AI 능력의 성숙을 의미한다. 우리가 더 이상 컴퓨터를 사용하기 위해 DOS 명령어를 외울 필요가 없고, 스마트폰을 조작하기 위해 터치펜 제스처를 배울 필요가 없는 것처럼, 우리는 결국 AI와 대화하기 위해 “프롬프트 엔지니어링”을 배울 필요가 없게 될 것이다.
OpenClaw가 AI에게 지속적인 환경 인식을 부여하고, Rotifer가 AI에게 지속적인 자기 진화 능력을 부여했을 때, 이 두 힘이 합쳐지면 AI는 “명령에 따르는 도구”에서 “의도를 이해하는 파트너”로 탈바꿈할 것입니다. 그것은 당신의 선생님이 되어, 당신이 방황할 때 인지의 등대를 밝혀줄 것이며; 당신의 조수가 되어, 당신이 바쁠 때 복잡한 업무를 분담해 줄 것입니다. 그리고 당신은, 인간으로서, 당신이 가장 잘하는 일만 하면 됩니다——세상을 느끼고, 판단을 내리며, 요구를 표현하는 것.
프롬프트는 AI 시대의 우리의 계몽 교사이며, 우리에게 실리콘 기반 지능과 대화하는 법을 가르쳐 주었다. 하지만 계몽 선생의 사명은 학생이 결국 자신을 뛰어넘게 하는 것입니다. 프롬프트가 사라지는 그날, 우리는 그것을 그리워하지 않을 것입니다. 마치 우리가 예전에 배웠던 명령어들을 그리워하지 않는 것처럼 말이죠. 우리는 더 자연스럽고 더 깊은 인간과 기계의 관계를 맞이하게 될 것입니다. 사람이 기계에 명령을 내리는 것이 아니라, 사람과 기계가 함께 창조하는 관계 말입니다.
그것은 더 이상 ‘주문’이 필요 없는 시대가 될 것입니다.