프롬프트 엔지니어링(Prompt Engineering)은 ChatGPT 같은 대규모 언어 모델이 원하는 결과를 내도록 입력문인 프롬프트를 설계하고 다듬고 최적화하는 기술이다. 모델의 파라미터를 바꾸지 않고 입력만으로 성능을 끌어올린다.
한국어 위키백과는 “모델 파라미터를 수정하지 않고도 특정 작업에 대한 모델의 성능을 향상시키는 것을 목표로 한다”고 정의하고, OpenAI 도움말은 “언어 모델의 응답을 효과적으로 안내하도록 입력 프롬프트를 설계하고 최적화하는 과정”으로 푼다 (OpenAI Help Center, ChatGPT를 위한 프롬프트 엔지니어링 모범 사례).
Google Cloud는 같은 개념을 “기술이자 과학”이라 부르며, 프롬프트에 컨텍스트, 안내, 예시를 담아 모델에 로드맵을 주는 일로 설명한다 (Google Cloud, 프롬프트 엔지니어링 가이드).
입력문 자체인 프롬프트와 구분하면, 프롬프트는 재료이고 프롬프트 엔지니어링은 그 재료를 고르고 배치하고 검증하는 작업이다. 이 문서는 텍스트 LLM을 대상으로 한 프롬프트 엔지니어링을 다룬다.
같은 모델이라도 입력을 어떻게 쓰느냐에 따라 결과가 크게 달라지기 때문이다. 모델은 재학습 없이 입력만으로 행동이 바뀌는 도구라, 입력 설계가 가장 싸고 빠른 성능 개선 수단이 된다.
격차는 생각보다 크다. 2023년 연구진이 널리 쓰이는 오픈소스 모델들을 시험한 결과, 뜻은 같고 서식만 다른 퓨샷 프롬프트 사이에서 LLaMA-2-13B의 정확도가 최대 76점까지 벌어졌다 (Sclar 외, Quantifying Language Models’ Sensitivity to Spurious Features in Prompt Design, arXiv 2023).
한 문장을 덧붙이는 것만으로도 결과가 달라진다. 2022년 연구진은 답 앞에 “Let’s think step by step”을 붙이는 제로샷 CoT만으로 InstructGPT의 MultiArith 정확도가 17.7%에서 78.7%로, GSM8K가 10.4%에서 40.7%로 올랐다고 보고했다 (Kojima 외, Large Language Models are Zero-Shot Reasoners, arXiv 2022).
Google Cloud는 정확도 외의 효용으로 편향과 유해한 답변 감소, 제어와 예측 가능성 향상, 사용자 경험 개선을 든다. 입력을 신중하게 제어하면 부적절한 콘텐츠가 나올 위험을 줄일 수 있다는 설명이다.
Prompting Guide는 프롬프트의 구성 요소를 지시, 문맥, 입력 데이터, 출력 지시자 네 가지로 나눈다. 네 요소가 모두 필요한 것은 아니고 작업에 따라 형식이 달라진다 (Prompting Guide, 프롬프트의 구성 요소).
| 구성 요소 | 역할 | 예 |
|---|---|---|
| 지시 (Instruction) | 모델이 수행할 작업 | ”아래 리뷰를 긍정, 부정으로 분류해 줘” |
| 문맥 (Context) | 답을 조종하는 배경 정보와 예시 | 제품 설명, 이전 대화, 참고 문서 |
| 입력 데이터 (Input Data) | 처리할 실제 내용 | 분류할 리뷰 본문 |
| 출력 지시자 (Output Indicator) | 결과의 형식이나 유형 | ”JSON으로, 한 줄로” |
한국어 위키백과는 같은 네 요소를 시스템 프롬프트와 사용자 입력에 대응시킨다. 지시와 출력 지시자는 시스템 프롬프트에, 문맥은 RAG가 검색해 온 결과물에, 입력 데이터는 사용자 질의에 해당한다는 정리다 (위키백과, 프롬프트 엔지니어링).
더 잘게 나누는 분류도 있다. 퓨처드릴 뉴스레터는 지시문, 예시, 출력 형식, 스타일 지시문, 역할, 추가 정보, 프롬프트 템플릿 일곱 가지로 풀었는데, 구글 “프롬프트 엔지니어링” 1페이지에서 이 분류를 쓰는 유일한 한국어 문서다 (퓨처드릴, 프롬프트 엔지니어링 가이드 A to Z 기초편, 2024).
기본은 제로샷, 퓨샷, 사고 연쇄(CoT) 세 가지이고, 나머지는 대부분 이 셋의 변형이다. 2024년 연구진이 문헌을 조사해 정리한 분류에서는 텍스트 프롬프팅 기법만 58가지에 이른다 (Schulhoff 외, The Prompt Report, arXiv 2024).
| 기법 | 방법 | 근거 |
|---|---|---|
| 제로샷 (Zero-shot) | 예시 없이 지시만 준다 | 요약, 번역처럼 모델이 이미 아는 작업에 충분 |
| 퓨샷 (Few-shot) | 입력과 출력 쌍을 몇 개 보여준 뒤 시킨다 | GPT-3 논문이 미세 조정 없이 예시만으로 과제를 푸는 능력을 입증 (Brown 외, Language Models are Few-Shot Learners, arXiv 2020) |
| 사고 연쇄 (Chain-of-Thought) | 풀이 과정을 적은 예시를 준다 | 5400억 파라미터 모델에 풀이 예시 8개를 주자 GSM8K에서 미세 조정한 GPT-3를 넘는 최고 기록 (Wei 외, Chain-of-Thought Prompting, arXiv 2022) |
| 제로샷 CoT | ”단계별로 생각해 보자” 한 문장만 붙인다 | MultiArith 17.7%에서 78.7% (Kojima 외, 위 인용) |
| 자기 일관성 (Self-Consistency) | 여러 풀이를 생성해 다수결로 답을 고른다 | CoT의 확장 |
| 사고의 나무 (Tree of Thoughts) | 다음 단계 후보를 여럿 만들고 탐색한다 | AWS는 CoT의 일반화로 설명 (AWS, 프롬프트 엔지니어링이란 무엇인가요?) |
| 프롬프트 체이닝 | 큰 작업을 여러 프롬프트로 쪼개 순서대로 넘긴다 | AWS의 최소-최대 프롬프트, Anthropic의 복잡한 프롬프트 연결 |
CoT 계열은 수학과 논리처럼 여러 단계를 거쳐야 하는 문제에서 효과가 크다. 단순 분류나 요약에서는 제로샷으로 충분한 경우가 많고, 길게 생각하게 하면 오히려 비용과 시간만 늘어난다.
OpenAI, Google, Anthropic 세 회사의 공식 가이드는 표현만 다를 뿐 같은 원칙을 반복한다. 명확하게 쓰고, 맥락을 주고, 예시를 보여주고, 형식을 지정하고, 결과를 보며 고치라는 것이다.
어조가 필요하면 형용사로 지정한다. OpenAI는 “친근하고 흥미로운 어조로 설명해 줘”처럼 격식, 친근함, 전문성 같은 단어를 쓰라고 예를 든다.
프롬프트 엔지니어는 생성형 AI의 성능을 높이기 위해 프롬프트를 설계하고 테스트하고 개선하는 사람이다. IBM은 필요한 기술로 LLM에 대한 이해, 의사소통 능력, 기술 개념 설명 능력, 파이썬 프로그래밍, 데이터 구조와 알고리즘 이해를 든다 (IBM, 프롬프트 엔지니어링이란 무엇인가요?).
이 직업이 주목받은 계기는 2023년 채용 공고였다. 삼성SDS 인사이트는 Anthropic이 연봉 28만에서 37만 달러를 제시했고, 국내에서는 뤼튼테크놀로지스가 같은 해 3월 최대 1억 원을 내걸고 공개 채용했다고 정리한다 (삼성SDS, 생성형 AI 모델과 대화하는 프롬프트 엔지니어링, 2023).
전담 직무로는 드물다. 핀란드 오울루대 연구진이 링크드인 채용 공고 20,662건을 분석했더니 프롬프트 엔지니어 단독 모집은 72건으로 0.5%에 못 미쳤고, 요구 역량은 AI 지식 22.8%, 의사소통 21.9%, 프롬프트 설계 18.7%, 창의적 문제 해결 15.8% 순이었다 (Vu와 Oppenlaender, Prompt Engineer: Analyzing Hard and Soft Skill Requirements in the AI Job Market, arXiv 2025).
연합뉴스는 2026년 9월 이 연구를 인용하며, 최신 모델이 거친 지시를 스스로 보완하는 자동 프롬프팅과 추론형 구조를 갖추면서 특정 표현을 조합하는 “프롬프트 비법”의 중요성은 줄고 문제를 정의하고 답을 검증하는 역량이 더 중요해졌다고 분석했다 (연합뉴스, AI가 질문을 보완하는 시대, 프롬프트 비법은 끝났나, 2026-09-19).
자격증도 마찬가지다. 민간자격정보서비스에서 “프롬프트”로 검색하면 AI프롬프트엔지니어, AI프롬프트활용능력 같은 등록 민간자격 74건이 나온다 (민간자격정보서비스, 민간자격 검색 “프롬프트”).
채용 시장이 요구하는 것은 자격증이 아니라 위 연구가 보여준 AI 지식과 문제 정의 능력이다.
바뀐다기보다 넓어진다. Anthropic은 2025년 9월 컨텍스트 엔지니어링을 “프롬프트 엔지니어링의 자연스러운 진행”으로 규정하고, 프롬프트 엔지니어링이 지시문을 쓰고 구성하는 방법이라면 컨텍스트 엔지니어링은 추론 시점에 모델에 들어가는 토큰 전체를 선별하고 관리하는 전략이라고 구분했다 (Anthropic, Effective context engineering for AI agents, 2025-09-29).
AI 에이전트처럼 여러 턴에 걸쳐 도구를 부르고 기록을 쌓는 시스템에서는 한 번 잘 쓴 프롬프트보다 매 턴 무엇을 넣고 뺄지가 결과를 좌우한다. 그래서 시스템 프롬프트, 도구 설명, 검색 결과, 대화 이력을 함께 설계하는 쪽으로 관심이 옮겨 갔다.
검색 데이터도 같은 방향을 가리킨다. 구글 키워드 플래너 기준 “프롬프트 엔지니어링”은 2025년 9월부터 2026년 8월까지 월 4,400에서 9,900 사이를 오가며 평균 6,600을 유지한 반면, 영문 “prompt engineering”은 같은 기간 1,300에서 480으로 줄었고 “컨텍스트 엔지니어링”은 590에서 시작해 2026년 4월 1,300까지 올랐다 (2026-09-19 서치폴라리스 실측).
구글 자동완성에도 “프롬프트 엔지니어링 컨텍스트 엔지니어링 하네스 엔지니어링”이 한 묶음으로 뜬다.
프롬프트를 아무리 다듬어도 할루시네이션을 완전히 막지는 못한다. 연합뉴스가 짚었듯 프롬프트는 답의 방향을 잡아 줄 뿐 사실을 보증하는 장치가 아니라서, 출처를 원문과 대조하는 검증은 사람 몫으로 남는다.
필수는 아니다. 등록 민간자격은 74건이 있지만, 링크드인 공고 20,662건 분석에서 기업이 요구한 것은 AI 지식, 의사소통, 프롬프트 설계, 문제 해결 역량이었다 (Vu와 Oppenlaender, 위 인용).
전담 채용은 표본의 0.5% 미만이고, 프롬프트 작성 능력은 별도 직업보다 개발자, 기획자, 마케터가 갖춰야 할 공통 역량으로 흡수되는 추세다 (연합뉴스, 위 인용).
OpenAI 도움말이 권하는 세 가지, 명확하고 구체적으로 쓰기, 응답을 보고 반복해서 고치기, 원하는 어조를 형용사로 지정하기부터 하면 된다 (OpenAI Help Center, 위 인용).
역할 부여는 Anthropic이 공식 가이드의 일반 원칙에 포함한 기법이다. 같은 가이드는 명확한 지시, 맥락, 예시, 구조를 함께 권하므로 역할만으로 끝내지 않고 이 요소들과 같이 쓴다 (Anthropic, 위 인용).
서치폴라리스가 AI 검색 가시성을 진단하고 GEO 실행까지 대행합니다.