'왜 내가 쓰는 AI만 멍청해 보일까?'는 생성형 AI 답변의 격차가 사용자가 남긴 '설명의 공백'에서 생긴다고 짚는다. 이한빛은 상태·목적·제약 조건을 먼저 정리하는 '설명 엔지니어링'을 제안한다.

같은 모델을 써도 어떤 이는 업무 속도가 빨라졌다고 말하고, 어떤 이는 쓸모없는 답변에 지친다. 책은 이 차이를 AI 성능이나 질문 감각의 문제로만 보지 않는다. 사용자가 요구하는 정답만 말하고 자신의 상황과 기준을 생략할 때 답변의 방향이 흐려진다고 본다.

초반에는 존재하지 않는 논문을 만들어낸 경우와 '보고서처럼'이라는 모호한 요청을 실패 사례로 든다. 요청에 기준이 빠지면 AI가 빈자리를 일반적인 답으로 채우고, 사용자는 기대와 다른 결과를 받게 된다는 흐름이다.

2장과 3장은 결과 차이가 모델 성능이나 맞춤 설정에서만 비롯되는지 살핀다. 프롬프트를 단순한 질문이 아니라 답변 범위를 정하는 조건으로 보고, 사용자가 충분히 설명했다고 착각하는 지점도 다룬다.

4장은 기본값과 평균적 답변이 사용자의 판단에 미치는 영향을 짚는다. 말하지 않은 정보가 많을수록 AI가 채우는 영역도 넓어지고, 그만큼 선택의 책임도 사용자에게 남는다는 문제의식이다.

5장에서는 자신의 상태를 밝히고 목적과 제약을 설정하는 방식을 제시한다. 요청을 단계별로 나누고 기준을 구체화해 평균적인 답변에서 벗어나는 접근을 '설명 엔지니어링'(Explanation Engineering)으로 묶었다.

마지막 6장에는 레벨 테스트와 함께 직장인의 사이드 프로젝트 구상, 보고서 작성, AI 환각을 피한 논문 검색 사례를 담았다. 앞선 원칙을 실제 업무 장면에 적용하는 구성이다.

이한빛은 데이터 분석가이자 AI 연구자다. 연세대학교에서 언론학을 공부한 뒤 기업 데이터 분석 프로젝트를 수행했고, 현재 연세대학교에서 AI와 데이터 분석을 연구하고 있다.

△ '왜 내가 쓰는 AI만 멍청해 보일까?'/ 이한빛 지음/ 212쪽

art@news1.kr