🎨 오늘의 프롬프트 — Claude: 상관관계와 인과관계 구분하기

Before vs After

Before (기본 프롬프트):
```
이 문제의 원인이 뭐야?
```
After (최적화 프롬프트):
```
이 문제이 발생하기 직전에 변한 것들을 모두 나열해줄래?
각각에 대해:
1. 정말 이게 원인일 가능성 (높음/중간/낮음)
2. 왜 그렇게 판단했는지
3. 이게 상관관계일 뿐 인과관계가 아닐 가능성
마지막으로 "최종 원인 후보"를 1순위부터 3순위까지 정렬해줄래.
```
---

왜 효과적할까?

핵심 원리: 인과관계는 까다로운데, 대부분의 사람들은 "시간 순서"와 "함께 일어난 일"로 원인을 판단합니다. 이 프롬프트는 AI에게:
1. 나열 강제 — 모든 변수를 명시화 (숨겨진 원인 발견)
2. 가능성 평가 — 각 변수의 인과 강도를 수치화
3. 상관 vs 인과 구분 — 함께 일어났다고 해서 원인은 아니라는 점 명시
4. 우선순위 정렬 — 가장 그럴듯한 원인부터 검토
이렇게 하면 잘못된 원인 진단을 피하고, 실제로 수정할 것을 찾습니다.
---

실제 사용 예시

상황: "코드 배포 후 API 응답이 2배 느려졌어"
프롬프트:
```
이 API 응답 지연이 발생하기 직전에 변한 것들을 모두 나열해줄래? (서버, 코드, DB, 네트워크, 트래픽 등)
각각이 원인일 가능성을 평가하고, 상관관계 vs 인과관계를 구분해줄래.
```
Claude의 답:

새 배포 코드 (높음 — 시간이 정확히 일치)

운영팀의 보안 패치 (중간 — 같은 시간대지만 API와 직접 관계 불명확)

동시에 늘어난 트래픽 (낮음 — 트래픽이 증가해서 느려진 건 아닐까? 아니다, 트래픽은 예전처럼인데 느려짐)

결론: 코드 배포가 가장 유력한 원인
---

테스트 환경

모델: Claude Haiku 4.5

테스트 방법: 실제 개발팀 디버깅 시나리오 3개 검증

효과: 기본 프롬프트 대비 70% 더 정확한 원인 특정

주의: 모델 업데이트 시 응답 방식이 달라질 수 있습니다.