정보 파편화 중단

Source: Dev.to

AI는 검색 엔진이 아니다

대부분의 사람들은 AI를 검색 엔진처럼 사용합니다:

1. 질문을 가진다
2. 질문을 한다
3. 답을 얻는다
4. 다음 질문으로 넘어간다

각 상호작용은 독립적이며, 컨텍스트가 초기화됩니다. 인간은 전체 그림을 가지고 있지만, AI는 조각만을 봅니다.

Why the Fragmented Approach Fails

When you fragment information, AI cannot:

• See how the question relates to your larger goal
• Recognize contradictions with earlier decisions
• Suggest alternatives you haven’t considered
• Catch inconsistencies across your system

You become the bottleneck—manually synthesizing AI’s partial answers into coherent work. In effect, you’re using a collaborator as a lookup table.

연속적인 정보 흐름

조각내는 대신, 연속적인 정보 흐름을 유지합니다:

Requirements → Constraints → Specifications → Design → Implementation → Test

AI가 전체 체인에 참여하므로 상호작용 사이에 아무것도 손실되지 않습니다.

Source: …

단계별 프로세스

1. 모든 내용 캡처 (필터링·정리 없음)

이해관계자가 원하는 것:

• 사용자 인증
• 메트릭 대시보드
• CSV 내보내기
• 실시간 업데이트
• 모바일 지원
• 기존 CRM과의 통합
• 감사 로그

이 단계에서는 AI가 평가하지 않고 포괄적으로 캡처하도록 돕습니다.

2. 비즈니스 가치와 의존성에 따라 우선순위 지정

AI는 다음과 같이 우선순위에 도전할 수 있습니다:

“CRM 통합이 필수라면, 규정 준수를 위해 감사 로그도 필수여야 하지 않을까요?”

3. 솔루션을 요청하기 전에 경계 정의

• 예산: 개발자 3명, 2개월
• 기술 스택: .NET, PostgreSQL (기존 인프라)
• 보안: SOC 2 준수 필요
• 성능: 동시 사용자 1 000명

이제 AI는 여러분의 상황에서 “좋은” 것이 무엇인지 이해합니다.

4. 누락되었거나 모호한 항목 식별

프롬프트: “위 요청과 제약 조건을 고려했을 때, 사양을 작성하기 전에 무엇이 누락되었거나 모호한가요?”

가능한 AI 응답

• “실시간 업데이트 + 1 000 동시 사용자는 지연 시간 요구사항에 대한 명확한 정의가 필요합니다.”
• “CRM 통합: 어떤 CRM인가요? 어떤 데이터가 흐르나요?”
• “모바일 지원: 네이티브 앱인가요, 아니면 반응형 웹인가요?”

이 정보를 이해관계자에게 다시 전달해 공백을 메우고, 공유된 컨텍스트를 업데이트합니다.

5. 사양 작성

완전하고 정리된 컨텍스트를 바탕으로 AI가 도와주는 사양은 다음과 같습니다:

• 제약 조건과 일치
• 누락된 부분이 모두 해결된 완전성 확보
• 원래 요청과 추적 가능하게 연결

요구사항에서 전달까지

요구사항 단계는 부가적인 것이 아니라, 다른 모든 것을 효율적으로 만드는 투자입니다. AI가 귀하의 요구사항을 이해하면, 심지어 제약에 도전할 수도 있습니다.

분할 방식 vs. 연속 방식

분할 방식은 답을 제공합니다; 연속 방식은 정렬된 답변을 제공합니다.

세션 간 논의 보존

AI가 다듬어진 결론만 받으면 놓치는 것:

• 고려했지만 거절한 옵션
• 논의한 트레이드‑오프
• 아직 해결되지 않은 불확실성
• “나중에 할까” 하고 미뤄둔 아이디어

이러한 사고의 변동은 하위 단계의 트레이드‑오프가 된다.

Solution: AI가 참조할 수 있는 공유 메모리 시스템(로그, 차이 기록, 진행 노트)을 사용한다. 그러면 한 달 후에 “우리가 OAuth 트레이드‑오프를 논의했던 거 기억나요?” 라고 말해도 AI가 정확히 무슨 뜻인지 알게 된다.

전체 컨텍스트가 어떻게 보이는가

이는 새로운 팀원이 의미 있게 기여하기 위해 필요한 정보이며—AI가 진정한 협업자가 되기 위해 필요한 정보이다.

프롬프트 엔지니어링을 넘어

구조적 및 문화적 접근 방식이 AI‑지원 개발에서 프롬프트 최적화를 능가하는 방법

문제: 정보 비대칭

당신이 AI가 가지고 있지 않은 정보를 보유하고 있을 때:

• AI는 합리적인 가정을 하지만 (그 가정이 틀릴 수 있음)
• 당신은 AI를 반복적으로 수정한다 (사이클을 낭비함)
• AI의 제안이 맞지 않는다 (제약 조건을 볼 수 없기 때문에)
• AI가 쓸모 없다고 결론짓는다 (당신이 AI를 제약했을 때)

비대칭을 없앨 때 일어나는 일

• AI의 첫 번째 응답이 사용 가능에 더 가깝다
• 수정이 재지시가 아니라 정교화가 된다
• 제안이 실제 제약을 고려한다
• 협업이 효율적으로 변한다

정보 비대칭은 파편화의 숨은 비용이다.
변화를 설명하기는 쉽지만 실천하기는 어렵다.

두 가지 대비되는 협업 패턴

Partner Pattern은 AI를 전체 그림을 받는 진정한 협업자로 간주하며, 아이디어가 바닥났을 때만 호출하는 도구가 아닙니다.

파트너 패턴 채택 방법

1. AI에게 전체 그림을 신뢰하고 맡기세요 – 관련 데이터, 제약 조건, 목표를 모두 제공하세요.
2. AI를 협업자로 대하세요 – 단순히 개별 답변을 반환하는 것이 아니라 종합에 기여할 것으로 기대하세요.
3. 지속적으로 공유하세요 – 새로운 정보가 나타날 때마다 모델을 업데이트하고, 막다른 상황을 기다리지 마세요.
4. 함의를 논의하세요 – AI의 출력을 최종 판결이 아니라 더 깊은 대화의 출발점으로 활용하세요.

행동 촉구

파편화를 멈추고, 공유를 시작하세요.

“Google‑style” 질의 모델에서 진정한 파트너십으로 전환함으로써, AI를 반응형 검색 엔진에서 능동적인 공동 창작자로 바꿀 수 있습니다. 이것이 “Beyond Prompt Engineering” 시리즈의 핵심 메시지입니다.