사실 API 연결 자체는 크게 어렵지 않았습니다. AI에게 명확하고 효과적인 지시를 내리는 것이 늘 관건이었습니다. 양질의 결과물을, 그것도 다양한 카테고리에 맞게 만들어야 한다는 숙제는 늘 쉽지 않았습니다. 저와 직원들은 몇 날 밤을 씨름하곤 했었는데, 나중에 알고 보니 그게 ‘프롬프트 엔지니어링’이었습니다.
--- p.5

여전히 많은 이들에게 '프롬프트 엔지니어링'은 어려운 영역이었습니다. 그 중요성을 알더라도 어떻게 시작해야 할지 모르는 이들이 대부분이었고, 그 효용과 가치마저 의심하는 사람도 있었습니다. 영미권에서 주로 이루어지는 논의들을 보면, '일반 사용자의 관점'보다는 '개발부에서의 구현'에 초점을 맞춘 경우가 많았기에, 충분히 그런 인상을 느낄 만 했습니다. 하지만 이것과 대비되는 것이 ‘프롬프트의 매뉴얼화, 템플릿화에 몰두하는’ 일본인들의 논의였습니다. 그들이 독자적으로 정리한 기법(일본명 '수법')과 템플릿들은 매우 인상적이었지만, 다소 파편화되어 있어 한국에 알려지지 않고 있었습니다. 그들의 논의를 모아 정리하고, 한국어에 맞게끔 가공할 필요성을 느꼈습니다.
--- p.6

프롬프트 엔지니어링은 새로운 분야이고, 여전히 많은 연구가 이루어져야 합니다. 그 개념부터 활용에까지 많은 이론(異論)이 있고, 그것을 매뉴얼화, 표준화한다는 것 자체가 어불성설일 지도 모릅니다. 하지만, 더 많은 이들이 그 생태계에 참여하도록 하기 위해서라도, 누군가는 반드시 해야 하는 일이었고, 부족한 줄 알면서도 부단히 노력했습니다.
--- p.7

인공지능에서의 프롬프트 개념을 CLI(Command Line Interface) 환경의 ‘명령 프롬프트(Command Prom--- p.t)’와 혼동하는 경우가 있습니다. 명령 프롬프트는 ‘이용자의 지시를 대기하는 상태나 신호’를 의미하는 개념입니다. 유사한 배경을 가지고 있지만, 지시문 그 자체를 의미하는 인공지능의 프롬프트 개념과는 다릅니다. GPT와 같은 언어 모델은 ‘인컨텍스트 러닝(In-Context Learning)’이 가능합니다. 주어진 맥락을 학습해 답변에 반영한다는 뜻입니다. 물론 이 학습은 일시적 학습에 불과합니다. 그래도 주어진 프롬프트에 포함된 예제나 명령, 단어 선택 등의 작은 변화에 따라 모델의 응답 결과가 완전히 달라질 수 있다는 뜻이기에, 원하는 결과물을 얻기 위해서 좋은 프롬프트를 설계할 필요가 있습니다.