AI를 업무에 도입한 지 얼마 지나지 않아 대부분의 실무자가 같은 벽에 부딪힌다. 어제는 원하는 결과가 나왔는데 오늘은 전혀 다른 톤과 구조의 답변이 돌아온다. AI 프롬프트 일관성 문제는 단순한 운의 문제가 아니다. 원인은 프롬프트 설계 방식 자체에 있다.
왜 같은 프롬프트인데 결과가 달라지는가
많은 실무자가 프롬프트를 "질문"으로 이해한다. 하지만 생성형 AI는 질문에 답하는 시스템이 아니라 맥락을 완성하는 시스템이다. 입력된 텍스트를 단서로 삼아 가장 그럴듯한 다음 텍스트를 생성한다.
이 구조에서 일관성이 무너지는 첫 번째 원인은 맥락 정보의 부재다. "마케팅 이메일 써줘"라는 프롬프트는 수신자, 업종, 목적, 톤, 분량 중 어느 것도 명시하지 않는다. LLM은 이 빈자리를 매번 다른 방식으로 채운다. 결과가 달라지는 것은 당연한 귀결이다.
두 번째 원인은 역할 정의의 부재다. 동일한 내용이라도 "법률 자문가"로 요청할 때와 "블로그 작가"로 요청할 때 구조, 어휘, 논리 전개 방식이 완전히 달라진다. 역할을 지정하지 않으면 AI는 매 요청마다 임의의 역할을 상정한다.
세 번째 원인은 출력 형식 미지정이다. 분량, 구조, 포맷에 대한 기준이 없으면 AI는 입력 길이, 이전 대화 흐름, 내부 확률 분포에 따라 형식을 자유롭게 결정한다. 이것이 어떤 날은 표로, 어떤 날은 단락 글로 결과가 나오는 이유다.
일관성을 결정하는 세 가지 변수
프롬프트를 설계할 때 통제해야 할 변수는 세 가지로 압축된다.
역할(Role)
AI에게 부여하는 역할은 출력의 관점과 어휘 수준을 결정한다. "시니어 UX 라이터로서", "B2B 영업 전문가로서", "의료 커뮤니케이션 전문가로서"처럼 구체적인 역할을 명시할수록 출력의 방향이 고정된다. 역할이 모호하면 AI는 범용적이고 평균적인 답변을 생성하는 경향이 있다.
제약(Constraint)
제약은 하지 말아야 할 것을 명시하는 방식으로 출력 범위를 좁힌다. "전문 용어 사용 금지", "300자 이내", "결론을 첫 문장에 배치"처럼 구체적인 제한을 걸면 AI의 선택지가 줄어들고 결과의 분산이 감소한다. 제약이 없는 프롬프트는 열린 공간에서 무작위로 움직이는 것과 같다.
출력 기준(Output Spec)
원하는 결과물의 형태를 예시나 구조로 제시하는 단계다. "H2 소제목 3개, 각 섹션 150자 내외, 마지막에 행동 유도 문구 포함"처럼 명세를 작성하면 AI는 그 틀 안에서만 결과를 생성한다. 예시 텍스트를 함께 제공하면 일관성이 더욱 높아진다.
프롬프트 재설계 프레임워크: RCO 구조
위 세 변수를 하나의 템플릿으로 통합한 것이 RCO 구조다. Role, Constraint, Output Spec의 앞 글자를 딴 이 프레임워크는 프롬프트를 작성할 때 세 영역을 순서대로 채우는 방식으로 작동한다.
적용 순서는 다음과 같다.
1. Role 정의: 어떤 전문가 관점에서 작성할 것인지 1~2문장으로 명시
2. Constraint 설정: 금지 사항, 분량 기준, 어조 제한을 열거
3. Output Spec 작성: 최종 결과물의 구조와 형식을 구체적으로 기술
이 세 요소가 모두 채워진 프롬프트는 동일한 조건에서 반복 실행할 때 결과의 편차가 눈에 띄게 줄어든다. 가령 같은 요청을 10회 반복했을 때, RCO 구조 없이 작성한 프롬프트는 출력 구조가 매번 달라질 수 있지만, RCO 구조를 적용한 프롬프트는 형식과 톤의 일관성이 유지된다고 가정할 수 있다.
업종별 적용 사례
의료 콘텐츠 제작사
환자 교육용 콘텐츠를 제작하는 팀이 있다고 가정하자. 기존에는 "당뇨 식단 관리 방법을 쉽게 설명해줘"라는 단순 프롬프트를 사용했고, 결과물마다 의학적 정확도와 가독성 수준이 달랐다. RCO 구조 도입 후 "의료 커뮤니케이션 전문가로서(Role), 의학 전문 용어 사용 금지, 중학교 2학년 수준의 어휘 사용(Constraint), 세 단계 구성으로 각 단계 100자 이내 작성(Output Spec)"으로 프롬프트를 재설계했다. 이후 콘텐츠 검수 수정 횟수가 절반 이하로 줄었다는 가정 시나리오는 실제 팀에서 충분히 재현 가능한 결과다.
법률 서비스 스타트업
계약서 초안 검토 요약 업무에 AI를 활용하는 팀이라면, 역할을 "기업 법무 담당자"로 고정하고 "판단 표현 금지, 사실 기술만 허용"이라는 제약을 추가하는 것만으로 출력의 신뢰도가 크게 달라진다. 법률 분야는 어휘 하나의 차이가 의미를 바꾸기 때문에 Role과 Constraint 설정이 특히 중요하게 작동한다.
건축 설계 회사
클라이언트 제안서 초안 작성에 AI를 활용하는 건축 설계 회사라면, 프로젝트마다 다른 결과물이 나오는 문제를 Output Spec으로 해결할 수 있다. "프로젝트 배경 1단락, 설계 철학 2단락, 기대 효과 1단락, 전체 700자 이내"라는 명세를 고정하면 담당자가 바뀌어도 제안서 형식이 유지된다.
FAQ
Q. 프롬프트를 매번 길게 작성하는 것이 번거롭다면 어떻게 해야 하는가
RCO 구조를 처음 완성한 프롬프트를 팀 공유 문서에 템플릿으로 저장하는 방식을 권장한다. 매번 처음부터 작성하는 것이 아니라 저장된 템플릿에서 변수 부분만 교체하면 된다. 업무 유형별로 3~5개의 마스터 프롬프트를 만들어두면 실제 작성 시간은 오히려 줄어든다.
Q. 역할을 지정해도 결과가 여전히 다를 때는 무엇이 문제인가
역할만 지정하고 Constraint와 Output Spec이 빠진 경우가 대부분이다. 역할은 관점을 고정하지만 형식과 범위는 고정하지 않는다. 세 요소가 모두 채워져야 일관성이 확보된다. 추가로, 같은 대화 세션 내에서 요청을 이어가는 것보다 매번 완성된 RCO 프롬프트로 새 세션을 시작하는 방식이 일관성 유지에 유리하다.
Q. AI 프롬프트 일관성은 개인 작업보다 팀 단위에서 더 중요한가
팀 단위에서 체감 차이가 더 크다. 개인은 자신의 습관적 표현 방식이 암묵적 일관성을 만들지만, 팀에서는 구성원마다 프롬프트 작성 방식이 달라 결과물의 품질 편차가 커진다. 팀 공통 프롬프트 가이드라인을 수립하는 것이 AI 도입 성과를 팀 전체로 확산하는 가장 빠른 경로다.
다음 글에서는 RCO 구조를 실제 업무 유형별로 적용한 프롬프트 예시 10개를 공개한다. 콘텐츠 제작, 보고서 작성, 고객 응대 스크립트 등 각 분야에서 바로 복사해 쓸 수 있는 형태로 정리할 예정이다.