프롬프팅을 넘어: AI를 아키텍처로 사고하기

프롬프팅의 천장

프롬프트를 잘 쓰고 있어요. 역할 부여, 맥락 제공, 출력 형식 지정 — 기본기가 탄탄해요. 대부분의 작업에서 좋은 결과가 나와요.

하지만 가끔 이런 상황이 벌어져요:

• 10페이지 보고서를 요청하면 앞부분은 좋은데 뒤로 갈수록 품질이 떨어져요
• 같은 프롬프트로 5번 실행하면 결과가 매번 달라요
• AI가 실수했는데 왜 그런지 진단할 수 없어요
• 복잡한 분석을 요청하면 핵심 관점을 빠뜨려요

이건 프롬프트가 나빠서가 아니에요. 단일 프롬프트의 구조적 한계예요.

레슨 미리보기

이 코스는 8개 레슨으로 프롬프트 작성자에서 AI 아키텍트로의 전환을 다뤄요. 프롬프트 엔지니어링 기초를 아는 것을 전제로 시스템 수준의 설계를 깊이 탐구해요.

배울 내용

• 시스템 프롬프트를 5계층 아키텍처로 설계하는 방법
• 다단계 추론 체인(순차, 분기, 발산-수렴) 구축법
• AI가 스스로의 출력을 검증하고 개선하는 자기 수정 패턴
• AI가 AI를 개선하는 메타 프롬프팅과 재귀적 개선
• 복잡한 문제를 AI가 해결할 수 있는 구성요소로 분해하는 기법
• 체계적 평가, 벤치마킹, 품질 보증 프레임워크

프롬프팅 vs. 아키텍처

프롬프트 엔지니어링: 하나의 상호작용을 최적화하는 것 “이 데이터를 분석하고 인사이트를 줘”

추론 아키텍처: 상호작용의 시스템을 설계하는 것 “1단계: 데이터 패턴 파악 → 2단계: 각 패턴의 원인 분석 → 3단계: 분석의 약점 비판 → 4단계: 비판 기반 수정 → 5단계: 최종 인사이트 합성”

✅ Quick Check: Chain of Thought(“단계별로 생각해”)가 추론 아키텍처가 아닌 이유는? CoT는 하나의 프롬프트 내에서 추론 과정을 명시적으로 요청하는 기법이에요. 여전히 단일 상호작용이에요. 추론 아키텍처는 여러 상호작용이 서로를 검증하고 보완하는 시스템이에요.

세 가지 기둥

추론 아키텍처의 세 가지 핵심 기둥:

1. 구조적 분해 (Structured Decomposition) 복잡한 문제를 각각 하나의 인지 작업에 집중하는 단계로 분해해요. 연구, 분석, 평가, 생성을 동시에 시키지 않고 순서대로 처리해요.

2. 피드백 루프 (Feedback Loops) 시스템이 자체 출력을 검증하고 개선해요. “생성 후 검증"이 “조심히 생성"보다 항상 나아요. 생성 모드와 비판 모드를 분리하면 양쪽 품질이 모두 높아져요.

3. 메타 인지 (Meta-Cognition) AI가 자신의 추론 과정을 돌아보고 개선해요. “왜 이 답을 냈지?”, “어디서 불확실해?”, “다른 관점은?” 이런 자기 성찰이 출력 품질을 극적으로 높여요.

사고방식의 전환

How This Course Works

핵심 정리

• 프롬프트 엔지니어링은 개별 상호작용을 최적화하고, 추론 아키텍처는 상호작용의 시스템을 설계해요
• 복잡한 문제가 단일 프롬프트에서 실패하는 이유: 한 번의 패스로 여러 인지 작업을 처리하면 각각의 품질이 떨어져요
• 세 가지 핵심 기둥: 구조적 분해, 피드백 루프, 메타 인지
• AI 아키텍트의 사고: “프롬프트를 어떻게 쓸까"가 아닌 “시스템을 어떻게 설계할까”
• Chain of Thought는 좋은 기법이지만 여전히 단일 상호작용 — 추론 아키텍처는 여러 상호작용의 시스템
• 이 코스의 모든 기법은 Claude, ChatGPT, Gemini 등 모든 주요 AI에서 적용 가능

Up Next: 다음 레슨에서 시스템 프롬프트와 행동 설계를 다뤄요 — AI의 근본적 행동을 형성하는 5계층 아키텍처.