역할 부여 프롬프트, “너는 전문가야” 한 줄로는 왜 달라지지 않을까
역할은 AI의 지식을 늘리지 못합니다. 대신 답의 관점을 바꿉니다. 연구 결과를 바탕으로 역할 부여가 통하는 작업과 통하지 않는 작업을 나누고, 바로 쓸 수 있는 5단계 작성법을 정리했습니다.
역할 부여 프롬프트는 AI에게 “당신은 ○○입니다”라고 정체성을 먼저 정해 주는 기법입니다. 결론부터 말하면 역할은 AI의 지식을 늘리지 않습니다. 답의 관점과 톤, 우선순위를 바꿉니다. 그래서 역할 이름 한 줄로는 부족하고, 그 역할이 무엇을 기준으로 판단하는지까지 적어야 효과가 납니다.
금요일 오후, 고객사에 보낼 제안서 초안을 AI에게 맡긴 영업팀 대리가 있습니다. “너는 10년 차 영업 전문가야”로 시작했는데 돌아온 글은 어디서 본 듯한 문장뿐입니다. 역할을 줬는데 왜 달라지지 않았을까요?
12개
역할극 프롬프트 연구(Kong 외, NAACL 2024)가 시험한 추론 벤치마크
162개
페르소나 효과를 검증한 연구(Zheng 외)가 비교한 역할 수
효과 없음~소폭 하락
사실형 질문에서 페르소나를 넣었을 때의 결과
역할 부여 프롬프트, 효과가 정말 있을까
연구 결과는 생각보다 엇갈립니다. 2024년 NAACL에 실린 ‘Better Zero-Shot Reasoning with Role-Play Prompting’(Kong 외) 연구는 12개 추론 벤치마크 대부분에서 역할극 프롬프트가 일반 제로샷 방식보다 정확도가 높았다고 보고했습니다.
반대되는 결과도 있습니다. ‘When “A Helpful Assistant” Is Not Really Helpful’(Zheng 외, arXiv) 연구는 162개 페르소나를 시스템 프롬프트에 넣고 사실형 질문을 풀게 했습니다. 역할이 없을 때보다 효과가 없거나 오히려 소폭 떨어졌고, 4개 주요 LLM 계열에서 같은 경향이 나타났습니다.
두 연구가 서로 모순되지는 않습니다. 앞의 연구는 ‘어떻게 생각하느냐’가 중요한 추론 과제를, 뒤의 연구는 ‘알고 있느냐’가 중요한 사실 질문을 다뤘습니다.
한 줄 요약
역할을 준다고 모르는 것을 알게 되지는 않습니다. 이미 아는 것을 어떤 관점으로 꺼낼지가 정해질 뿐입니다.
역할이 바꾸는 것과 바꾸지 못하는 것
Anthropic의 Claude 공식 문서도 역할 부여(role prompting)를 시스템 프롬프트의 가장 강력한 활용법으로 소개합니다. 문서가 꼽는 효과는 세 가지입니다. 복잡한 분석 과제의 정확도, 상황에 맞는 어조, 과제 범위에 대한 집중력입니다.
같은 문서는 역할은 시스템 프롬프트에 두고, 구체적인 작업 지시는 사용자 메시지에 따로 적으라고 권합니다. 역할과 지시를 한 덩어리로 섞지 말라는 뜻입니다.
| 작업 유형 | 역할 부여 효과 | 이유 |
|---|---|---|
| 사실 확인·지식 질문 | △ | 역할이 새 지식을 만들지 않음 |
| 수학·논리 추론 | ○ | 단계적 사고를 끌어냄 |
| 글의 톤·문체 조정 | ○ | 화자와 독자가 정해짐 |
| 검토·비판·리스크 점검 | ○ | 평가 기준이 생김 |
| 최신 정보·수치 확인 | ✕ | 어떤 역할을 줘도 학습 데이터의 한계는 그대로 |
표의 ○/△/✕는 위 연구와 공식 문서를 바탕으로 매긴 상대 평가이며 실측 수치가 아닙니다.
역할 부여 프롬프트 잘 쓰는 법: 이름이 아니라 판단 기준을 줍니다
“너는 마케팅 전문가야”는 역할의 이름일 뿐입니다. AI 입장에서는 어떤 마케터인지, 누구를 상대하는지, 무엇을 피하는지 알 수 있는 정보가 하나도 없습니다.
이름만 준 역할
- 평균적인 ‘전문가 말투’만 흉내 냄
- 기준이 없어 결과가 매번 달라짐
판단 기준까지 준 역할
- 무엇을 먼저 볼지가 분명해짐
- 팀에서 다시 쓸 수 있는 템플릿이 됨
- 1
정체성
분야와 경력 수준을 구체적으로 적기(예: B2B SaaS 7년 차 콘텐츠 마케터)
- 2
청중
누구에게 말하는지 정하기(임원 보고용인지, 신입 교육용인지)
- 3
판단 기준
이 사람이 가장 중요하게 보는 것 2~3가지 적기
- 4
금기
이 역할이라면 하지 않을 표현과 행동 적기
- 5
역할 확인
본 질문 전에 AI가 그 역할로 한 번 답하게 하기
마지막 단계는 의외로 효과가 있습니다. Kong 외 연구도 역할을 먼저 설정하고 모델이 그 역할로 한 번 응답하게 한 다음 본 질문을 던지는 2단계 구조를 썼습니다. 역할을 ‘선언’하는 데서 끝내지 말고 ‘확인’까지 받아야 합니다.
월요일 주간보고에 바로 쓰는 역할 부여 프롬프트 예시
월요일 아침 9시, 팀장 보고까지 30분 남았습니다. 마케터는 지난주 캠페인 수치를 붙여 넣고 “주간보고 써줘”라고 입력합니다. 결과물은 무난한데, 팀장이 매번 묻는 질문에 대한 답은 빠져 있습니다.
복붙용 예시
당신은 B2B 마케팅팀에서 7년 동안 주간보고를 검토해 온 팀장입니다. 이 보고서를 읽는 사람은 숫자보다 ‘그래서 다음 주에 무엇을 바꾸는가’를 먼저 봅니다. 성과를 부풀리는 표현과 근거 없는 낙관은 쓰지 않습니다. 이 역할을 이해했다면, 먼저 이 관점에서 가장 먼저 확인할 세 가지를 말해 주세요. 그다음 아래 데이터로 주간보고 초안을 작성해 주세요.
보고서를 쓰는 사람이 아니라 팀장 역할을 준 데는 이유가 있습니다. 읽고 평가하는 사람의 시선을 빌리면 빠진 질문이 먼저 드러납니다. 같은 데이터라도 역할만 바꾸면 쓰임새가 달라집니다.
- 재무 담당 임원 역할: 비용 대비 효과 중심으로 다시 구성
- 신입 교육 담당자 역할: 용어 설명을 붙인 공유용 버전
- 까다로운 경쟁사 분석가 역할: 약점과 반론 위주로 점검
역할을 줬는데도 답이 그대로라면 점검할 체크리스트
역할을 바꿔도 결과가 비슷하다면, 대개 역할보다 나머지 정보가 비어 있는 경우입니다.
역할 부여 프롬프트 점검 5가지
- 역할에 분야·경력·청중이 들어 있는가
- 이 역할의 판단 기준이 2개 이상 적혀 있는가
- 역할과 작업 지시를 나눠서 적었는가
- 사실이나 최신 수치를 역할에만 기대고 있지 않은가
- 결과물 형식(분량·구성)을 따로 정했는가
네 번째 항목이 특히 중요합니다. “당신은 세무사입니다”라고 써도 올해 바뀐 세법을 AI가 새로 알게 되지는 않습니다. 사실 확인은 역할과 상관없이 원문 자료로 해야 합니다.
역할 부여는 프롬프트를 이루는 여러 요소 가운데 하나입니다. 맥락, 형식, 예시까지 갖춘 구조가 필요하다면 업무별로 정리해 둔 무료 프롬프트에서 바로 가져다 쓸 수 있습니다.
자주 묻는 질문
역할 부여 프롬프트는 영어로 써야 효과가 더 좋은가요?
언어보다 역할에 담긴 정보가 더 중요합니다. 결과물을 한국어로 받을 생각이라면 분야·청중·판단 기준을 한국어로 구체적으로 적는 편이 자연스럽습니다.
역할은 하나만 줘야 하나요?
한 요청에 여러 역할을 섞으면 기준이 흐려지기 쉽습니다. 초안은 작성자 역할로, 검토는 비판자 역할로 단계를 나눠 따로 요청하는 편이 깔끔합니다.
‘세계 최고의 전문가’처럼 과장된 역할이 더 좋나요?
수식어를 키운다고 지식이 늘지는 않습니다. 162개 페르소나를 비교한 Zheng 외 연구에서도 역할 자체의 효과는 크지 않았으니, 수식어보다 구체적인 판단 기준을 적는 쪽이 실무에 더 쓸모 있습니다.
ChatGPT와 Claude에서 쓰는 방법이 다른가요?
기본 원리는 같습니다. Claude 공식 문서는 API를 쓸 때 역할을 시스템 프롬프트에 두라고 권하고, 일반 채팅에서는 대화 첫 메시지에 역할을 적으면 됩니다.
역할 한 줄을 고치는 데는 10초면 충분합니다. 지금 내 프롬프트 습관이 어느 수준인지 궁금하다면 1분 AI 진단으로 먼저 확인해 볼 수 있습니다.
송승환 · 초사고 AI 대표
프롬프트 설계부터 업무 자동화까지, 도구가 바뀌어도 남는 실력을 만드는 실전 AI 교육을 만듭니다. 현장에서 확인한 것만 씁니다.