생성형 인공지능(AI)을 사용하면서 같은 AI 모델인데도 사람마다 결과물의 품질이 크게 달라지는 이유를 분석한 AI 활용서가 출간됐다. AI의 성능이나 특별한 프롬프트 기술보다 사용자가 자신의 상황과 목적, 조건을 얼마나 명확하게 설명하느냐가 결과를 좌우한다는 관점을 제시한다.생능북스에 따르면 이한빛 저자의 ‘왜 내가 쓰는 AI만 멍청해 보일까?’가 지난 7월 22일 출간됐다. 책은 ‘같은 AI를 써도 결과가 달라지는 진짜 이유’를 주제로 생성형 AI를 효과적으로 활용하기 위해 필요한 사고와 설명 방법을 다룬다.저자는 생성형 AI를 사용하는 과정에서 나타나는 결과의 차이가 반드시 AI 모델의 성능에서 비롯되는 것은 아니라고 분석한다. 사용자가 자신의 현재 상황과 원하는 결과, 반드시 지켜야 할 조건 등을 충분히 전달하지 않은 상태에서 정답만 요구하면 AI가 사용자의 의도를 정확하게 파악하기 어렵다는 것이다.

특히 책은 사용자가 충분히 설명하지 않은 부분을 ‘설명의 공백’이라는 개념으로 설명한다. AI는 제공받지 못한 맥락과 기준을 사용자의 의도대로 알 수 없기 때문에 비어 있는 부분을 일반적이고 평균적인 내용으로 채우게 되고, 이 과정에서 기대와 다른 결과가 만들어질 수 있다는 주장이다.예를 들어 AI에 “보고서처럼 써줘”라고 요청하더라도 보고서의 독자와 목적, 분량, 형식, 반드시 포함해야 하는 내용과 판단 기준 등이 빠져 있다면 사용자가 기대한 결과와 AI가 생성한 결과 사이에 차이가 발생할 수 있다. “최신 논문을 찾아줘”라는 요청 역시 연구 분야와 기간, 검색 기준 등을 명확하게 제시하지 않으면 원하는 답변을 얻기 어려울 수 있다.

책은 이러한 문제를 해결하기 위한 방법으로 ‘Explanation Engineering’을 제안한다. 단순히 효과적인 Prompt 문장을 암기하거나 복사하는 방식에서 벗어나 AI에 질문하기 전 자신의 상태와 목적, 제약 조건, 판단 기준을 먼저 구조화해 설명하는 접근법이다.저자는 AI 활용의 핵심을 단순히 ‘질문을 잘하는 기술’에 두지 않는다. 자신이 무엇을 원하는지 파악하고 필요한 조건을 언어로 구체화한 뒤 AI가 이해할 수 있도록 작업 구조를 설계하는 능력이 중요하다고 강조한다.책은 총 6장에 걸쳐 생성형 AI의 할루시네이션과 모호한 요청이 실패하는 원인을 살펴보고, AI와 대화하는 과정에서 발생하는 다양한 오해를 분석한다. 이어 목적과 제약 조건을 설정하는 방법과 작업을 단계적으로 요청하는 방식 등 실제 활용 방법을 제시한다.

실무에서 적용할 수 있는 사례도 담았다. 생능북스에 따르면 책 후반부에는 직장인의 사이드 프로젝트와 보고서 작성, 논문 검색 등 실제 업무와 연구 과정에서 생성형 AI를 활용하는 사례가 수록됐다. 독자가 자신의 AI 활용 수준을 점검할 수 있는 레벨 테스트도 포함됐다.책이 강조하는 또 다른 지점은 AI에 모든 판단을 맡기지 않는 것이다. 사용자가 결과물의 목적과 기준을 설정하고 AI가 해당 조건에 맞춰 작업하도록 함으로써 판단의 주도권을 인간에게 남겨야 한다는 것이다.

이상엽 연세대학교 언론홍보영상학 교수는 추천평을 통해 AI 결과의 차이가 도구의 성능보다 사용자가 남긴 ‘설명의 공백’에서 비롯될 수 있다는 책의 문제의식에 주목했다. 사용자가 목적과 제약을 직접 설계함으로써 AI 활용 과정에서 사고의 주도권을 확보할 수 있다는 평가다.AI 영상 에이전시 HAXAI 대표 로사장(김다솔)은 AI 활용 능력의 차이가 도구 자체보다 사용자가 자신의 맥락과 기준을 얼마나 잘 설명하는지에서 나타날 수 있다며, AI와 함께 일해야 하는 사람에게 필요한 사고 훈련이라는 취지로 평가했다.

대학원생 커뮤니티 ‘가방끈’ 대표 클로이(이지우) 역시 AI 활용에서 사용자의 지능과 지식을 바탕으로 판단 기준을 설계하는 일이 중요하다며, 단순한 AI 사용 요령을 넘어 사고의 주도권을 확보하는 방법을 다룬다는 점에 주목했다.생성형 AI가 업무와 교육, 연구, 콘텐츠 제작 등 다양한 영역으로 확산되면서 이제는 어떤 AI를 사용하는가뿐만 아니라 AI를 어떻게 사용하는가가 중요한 경쟁력으로 떠오르고 있다. ‘왜 내가 쓰는 AI만 멍청해 보일까?’는 그 해답을 더 좋은 AI 모델을 찾는 데만 두지 않고 인간이 자신의 생각과 요구 조건을 얼마나 구체적으로 설명하고 설계할 수 있는가에서 찾는다.