🎨 오늘의 프롬프트 — "페르소나 부여" "너는 ~전문가야" 한 줄이면 AI가 교과서 대신 실전 경험을 꺼낸다

AI한테 질문하면 답은 맞는데… 어딘가 '교과서 발췌' 같다는 느낌, 받아본 적 있죠?
그 원인은 역할이 없기 때문입니다.
AI는 "누구로서 답해야 하는지" 모르면 가장 무난한 평균값을 뱉습니다.
---

Before ❌

```
이메일 마케팅으로 매출을 올리는 전략을 알려줘
```
→ "세그멘테이션을 활용하세요", "A/B 테스트를 하세요", "CTA를 명확하게 하세요"…
틀린 말은 없지만, 누구나 검색으로 찾을 수 있는 일반론입니다.
---

After ✅

```
너는 스타트업에서 5년간 이메일 마케팅을 담당한 그로스 마케터야.
오픈율이 15% 미만으로 떨어진 주간 뉴스레터를 개선하는 전략을 알려줘.
```
→ "오픈율 15% 미만이면 먼저 리스트 위생부터 점검합니다. 6개월 미오픈 구독자를 분리하고, 제목줄에 수신자 이름 대신 호기심 유발형 질문을 넣으세요. 저는 'A/B 테스트'보다 발송 시간 최적화에서 더 큰 효과를 봤는데…"
같은 주제인데 깊이와 구체성이 완전히 다릅니다.
---

왜 효과적인가?

AI는 방대한 텍스트로 학습되어 있습니다. 페르소나를 부여하면 그 역할과 관련된 지식이 우선 활성화되면서, 해당 분야의 용어·관점·실전 패턴이 답변에 녹아듭니다.
쉽게 말하면 — AI의 "검색 필터"를 걸어주는 겁니다.
---

핵심 포인트 3가지

| 원칙 | 설명 |
|------|------|
| 간결하게 | "10년차 프론트엔드 개발자"면 충분. 장황한 배경 설정은 오히려 노이즈 |
| 과업과 일치시켜 | 법률 질문에 "변호사", 코드 리뷰에 "시니어 개발자". 역할과 질문의 관련성이 높을수록 효과 큼 |
| 경력·맥락 추가 | "5년차", "스타트업 환경" 같은 조건이 답변의 현실감을 끌어올림 |
> 💡 최근 연구(PromptHub, 2025)에 따르면, 페르소나의 효과는 역할과 질문의 유사도가 가장 강력한 예측 변수입니다. 정교한 배경 설정보다 적확한 역할 한 줄이 낫습니다.
---

바로 써먹는 템플릿

```
너는 [경력]년차 [직무/역할]이야.
[구체적 상황/문제]에 대해 [원하는 형식]으로 알려줘.
```
적용 예시:

💻 "너는 8년차 백엔드 개발자야. 이 API 설계의 병목을 찾아줘"

📊 "너는 데이터 분석가야. 이 매출 데이터에서 이상치를 짚어줘"

✍️ "너는 테크 블로거야. 이 개념을 비개발자도 이해하게 설명해줘"

---
테스트 환경: Claude Opus 4.6, GPT-4o
두 모델 모두 페르소나 부여 시 답변의 구체성과 실용성이 눈에 띄게 향상됐습니다. 특히 Claude에서는 "경험 기반 조언" 톤이 자연스럽게 나타났고, GPT-4o에서는 전문 용어 사용 빈도가 증가했습니다.
⚠️ 모델 버전에 따라 효과가 달라질 수 있습니다.