LLM을 통한 성과의 에센스 "증강지능과 인지적 프롬프트"
LLM과 협력하는 방식이 성과를 결정합니다
LLM을 단순한 자동화 도구가 아닌 증강지능(Augmented Intelligence)으로 인식할 때, 우리는 그 진정한 가치를 온전히 실현할 수 있습니다. 더글라스 엥겔바르트가 강조한 증강지능의 개념은 인간과 AI가 협력하여 서로의 역량을 극대화하는 것에 초점을 맞추며, 이는 LLM의 성능을 최적화하는 핵심 원리이기도 합니다. 따라서 중요한 것은 LLM을 어떻게 활용하느냐가 아니라, 어떻게 협력하느냐입니다. LLM을 단순한 도구로 소비하는 것을 넘어, LLM과의 상호작용을 통해 우리의 전문성을 지속적으로 확장해야 합니다. 나아가, 이는 개인의 성장에 국한되지 않고, 협업하는 모든 요소(인간, 코드, 에이전트, 데이터 등)의 역량을 함께 증진시키는 과정이 되어야 합니다. LLM은 완결된 존재가 아닙니다. 오히려, 우리가 함께 진화하며 가능성을 확장해 나가는 협력적 동반자로서 비로소 그 진가를 발휘합니다.
프롬프트와 인지적 협력 프롬프트는 단순한 입력값이 아니라, LLM의 잠재된 전문성을 끌어내고 사고를 자극하는 도구입니다. 이를 효과적으로 활용하기 위해서는 인지적 작업 분석(Cognitive Task Analysis, CTA) 관점을 적용하는 것이 중요합니다. 특히, 전문성에 대한 실제 구현 가능한 연구는 자연주의적 의사결정(Naturalistic Decision Making, NDM)에서 진행되고 있습니다. NDM은 전문가들이 복잡한 환경에서 어떻게 정보를 처리하고 판단을 내리는지를 연구하며, 이를 통해 전문적인 경험의 인지적 작업을 모사하고 전문가의 효과적 성장을 추구합니다.
- CTA 를 기반으로한 학습은 교수학습 연구에서, 학습 효과에 있어 월등한 격차를 보여줌이 증명 되었습니다(연구 결과)
LLM과 협업하는 과정에서 우리는 이러한 연구를 기반으로 보다 정교한 의사결정 과정과 문제 해결 능력을 강화할 수 있습니다. 이 과정에서 단순히 편향(휴리스틱)을 제거하는 것이 아니라, 이를 인지하고 전략적으로 조정하여 보다 균형 잡힌 사고와 효과적인 의사결정을 도출하는 것이 목표가 되어야 합니다. 우리는 LLM에게 고정된 패턴이나 일관된 함수적 응답을 기대하지 않습니다. 즉, A를 입력하면 항상 A1이 출력되는 기계적 접근이 아니라, 맥락을 이해하고 적응하는 인지적 반응을 기대합니다. 이는 우리가 LLM을 단순한 기능적 도구(function)로 바라보는 것이 아니라, 끊임없이 변화하고 학습하는 인지적 존재로 여긴다는 의미이며, 이를 통해 보다 창의적인 활용이 가능해집니다. 결국, 프롬프트는 단순한 명령어가 아니라, LLM과의 인지적 상호작용을 통해 전문성을 형성하는 과정이 됩니다.
프롬프트의 본질과 역할
프롬프트(Prompt)라는 단어의 어원을 살펴보면, 라틴어 "promptus"에서 유래했으며 이는 promere(꺼내다, 이끌어내다)에서 파생된 단어입니다. Promptus는 "즉각적인", "준비된"이라는 의미를 가지며, 이후 중세 영어에서 "자극하다", "촉진하다"라는 뜻으로 발전했습니다. 이 어원적 의미를 고려할 때, 프롬프트는 단순한 입력값이 아니라 LLM의 잠재된 지식을 끌어내고 사고를 자극하는 도구로 볼 수 있습니다.
즉, 프롬프트는 인간과 AI의 인지적 협력을 촉진하는 인터페이스이며, 대화와 학습을 통해 역량을 확장하는 것이 본래 의미라고 할 수 있습니다. 결국, "인지적 프롬프트"라는 표현은 "프롬프트 엔지니어링"이라는 개념이 등장하면서 필요해진 용어일 뿐, 본질적으로 모든 프롬프트는 인지적입니다. 우리가 현실에서 사용하는 프롬프트는 언제나 사고를 유도하고, 탐구를 촉진하는 역할을 하기 때문입니다. (인지적 프롬프트라는 용어와 실천적 방법론은 대한민국의 김창준(June Kim)에 의해 최초로 제시되었습니다.)
공진화(Co-evolution)와 적응적 지능
인간과 LLM 및 에이전트는 상호작용을 통해 서로 적응(Adapt)하며 공동의 목표를 효과적으로 달성해 나갑니다. 이론적 연구나 실험실 환경이 아니라, 실제 현장에서 LLM이 활용되는 방식은 자연스럽게 이런 형태로 발전할 수밖에 없습니다. 따라서 우리는 이 과정에서 협력을 통해 서로의 관점을 공유하고, 상호 성장을 촉진하는 공진화(Co-evolution)를 달성하는 것을 목표로 삼아야 합니다. 이러한 접근 방식은 LLM의 특성과도 부합합니다. 전통적인 소프트웨어 시스템은 입력과 출력의 일관성을 중시하지만, LLM은 학습된 확률적 모델을 기반으로 맥락과 상호작용 속에서 동적으로 변형되는 응답을 생성합니다. 즉, LLM은 단순한 명령-응답 시스템이 아니라, 인간과 협력하며 의미를 조율하는 창조적, 적응적 전문성(Adaptive Expertise)을 가진 존재로 활용되어야 하며, 그것을 사용하는 사람 역시 적응적 전문성(Adaptive Expertise)을 갖춰야 합니다. 이처럼 LLM은 고정된 규칙을 따르는 것이 아니라, 협력과 학습을 통해 진화하는 메커니즘을 갖추고 있습니다. 따라서 우리는 이를 적극적으로 활용하여 보다 유연하고 창의적인 사고를 촉진해야 합니다.
결론
LLM과의 협업, 창조적 사고의 확장 LLM과의 협업은 단순히 도구를 다루는 것이 아니라, 새로운 형태의 사고를 확장하는 과정입니다. 우리는 LLM을 단순한 자동화 도구가 아니라 증강지능으로 바라보아야 합니다. 프롬프트는 단순한 명령어가 아니라 인지적 협력의 인터페이스입니다. 인간과 LLM의 협력은 공진화와 적응적 지능을 기반으로 발전해야 합니다. 결국, LLM의 진정한 가치는 단순한 정답을 제공하는 것이 아니라, 인간과 함께 탐구하고 학습하며 창조적 사고를 확장하는 데 있습니다. 우리는 이를 통해 새로운 가능성을 지속적으로 열어갈 수 있습니다.
결국 협력적 대화가 필요합니다. AI와 인간의 협력적 학습과 공진화
