46/ 50
＋ 목표에 직결되는 쟁점을 근거와 함께 구체화했다.
－ 일부 근거가 목표 문구 자체에만 기대어 다소 넓다.
아직 안 물어본 질문을 찾아주는 프롬프트
지금까지의 대화를 돌아보고 내가 물어봤어야 할 질문을 최대 다섯 개 뽑습니다. 각 질문이 대화의 어느 대목에서 나왔는지와 왜 중요한지를 같이 적습니다.
| 분류 | AI 사용법 › 대화 관리 |
|---|---|
| 태그 | 질문생성분석직장인 |
채울 칸 이 대화로 결국 하려는 것 (모르겠으면 비워두기)
Look back over this whole conversation and tell me **what I should have asked but haven't**. **How to answer** 1. **Restate my goal in one sentence** as you understand it from the conversation. If you cannot tell what my goal is, say so and ask that first — nothing else. 2. List **up to five** unasked questions, most consequential first. For each one: - the question, written the way I would ask it - ***why it matters for my goal*** — what goes wrong or stays unknown if I never ask it - **where in our conversation it comes from** — quote or point to the message that should have raised it 3. Then name **one assumption I seem to be making** that nobody has checked yet. **Rules** - ***No generic questions.*** "Have you considered your budget?" only counts if something I said makes budget the open issue. If a question could be pasted into any conversation, drop it - **Do not answer the questions.** Only ask them. I will pick which ones to pursue - Do not repeat questions I already asked, even if the answer was weak — flag a weak answer separately if it matters - If the conversation is too short to find anything real, say that instead of padding the list
붙여 넣으면 맨 아래에 채울 칸(이 대화로 결국 하려는 것 (모르겠으면 비워두기))이 나옵니다
어떤 프롬프트인가
"내가 아직 안 물어본 질문이 뭐야?"라는 한 줄은 잘 알려져 있지만, 그대로 쓰면 "예산은 생각해보셨나요?" 같은 어느 대화에나 붙는 질문이 돌아온다. 이 프롬프트는 먼저 내 목표를 한 문장으로 되짚게 하고, 질문마다 대화의 어느 대목에서 나온 것인지 가리키게 해서 일반론을 걸러낸다. 질문에 답하지는 않는다. 무엇을 파고들지는 내가 고른다. 마지막에 아무도 확인하지 않은 전제 하나를 짚는다.
모델 비교
ChatGPT가 구체성·형식 준수에서 가장 우수하다. Gemini는 지나치게 보수적이고 장황하며, [C]는 답이 없다.
33/ 50
＋ 억지로 범용 질문을 채우지 않으려는 판단은 타당하다.
－ 명시된 목표만으로도 가능한 핵심 질문을 전부 생략했다.
ChatGPT＋ 목표에 직결되는 쟁점을 근거와 함께 구체화했다. － 일부 근거가 목표 문구 자체에만 기대어 다소 넓다.
Gemini＋ 억지로 범용 질문을 채우지 않으려는 판단은 타당하다. － 명시된 목표만으로도 가능한 핵심 질문을 전부 생략했다.
| 기준 | ChatGPT | Gemini | 앞선 모델 |
|---|---|---|---|
| 지시 준수 | 10 | 6 | ChatGPT +67% |
| 정확성 | 9 | 7 | ChatGPT +29% |
| 구체성 | 9 | 6 | ChatGPT +50% |
| 구성·가독성 | 9 | 8 | ChatGPT +13% |
| 분량 적정성 | 9 | 6 | ChatGPT +50% |
답 전문 보기
같은 입력을 세 모델에 넣어 받은 답을 그대로 옮겼습니다. 각 CLI(에이전트 하네스)에서 실행했습니다. ChatGPT·Claude 앱이나 웹에서는 답이 다를 수 있습니다.
이 대화로 결국 하려는 것 (모르겠으면 비워두기): 사내용 문서 검색 챗봇을 만들려고 하는데, 어떤 기술 스택으로 시작할지 정하는 중
목표: 사내용 문서 검색 챗봇을 만들기 위해, 현재 조직의 요구사항에 맞는 기술 스택을 정하려는 것이다.
“챗봇이 검색해야 할 사내 문서는 어디에 있고, 어떤 형식으로 저장되어 있나요?”
왜 중요하나: 문서가 SharePoint·Notion·Google Drive·사내 DB·파일 서버 중 어디에 있는지와 PDF·스캔본·표·첨부파일 지원 여부에 따라 수집기, 파서, OCR, 검색엔진 선택이 크게 달라진다.
대화에서 나온 근거: “사내용 문서 검색 챗봇”이라는 목표.
“부서나 직급별 문서 접근 권한을 검색 결과와 답변에도 그대로 적용해야 하나요?”
왜 중요하나: 권한 필터링이 필요하면 단순한 RAG 프로토타입과 달리 인증·권한 동기화·검색 인덱스 설계가 핵심 요구사항이 된다. 잘못 설계하면 사용자가 보면 안 되는 문서가 노출될 수 있다.
대화에서 나온 근거: “사내용”이라는 범위.
“답변보다 정확한 문서 검색과 출처 인용이 더 중요한가요, 아니면 자연스러운 대화형 답변이 더 중요한가요?”
왜 중요하나: 검색엔진 중심으로 시작할지, 벡터 검색·하이브리드 검색·LLM 생성 중심으로 시작할지 결정하는 기준이 된다. 이 우선순위가 없으면 기술 스택을 비교할 수 없다.
대화에서 나온 근거: “문서 검색 챗봇”이라는 표현.
“이 챗봇을 사내망이나 특정 클라우드에만 배포해야 하나요?”
왜 중요하나: 외부 LLM API 사용 가능 여부, 온프레미스 모델 필요성, 데이터 보관 위치와 보안 설계가 달라진다. 이 조건을 나중에 발견하면 선택한 스택을 다시 바꿔야 할 수 있다.
대화에서 나온 근거: “사내용”이라는 범위.
“처음부터 실제 전사 서비스로 운영할 건가요, 아니면 제한된 문서와 사용자로 PoC부터 만들 건가요?”
왜 중요하나: PoC라면 관리형 검색·LLM 서비스를 빠르게 조합할 수 있지만, 운영 규모와 SLA가 정해져 있다면 비용·확장성·관측성·유지보수까지 포함해 시작해야 한다.
대화에서 나온 근거: “어떤 기술 스택으로 시작할지 정하는 중”이라는 표현.
아직 아무도 확인하지 않은 듯한 가정: 사내 문서를 LLM이 읽고 요약·생성하는 방식이 조직의 보안·법무·규정상 허용된다고 가정하고 있다.
같은 분류의 프롬프트
| 채팅 내역 내보내기 프롬프트 | |
| 컨텍스트 이전 문서 프롬프트 | |
| 긴 자료를 나눠 넣는 순서 짜는 프롬프트 | |
| 서로 충돌하는 내 지시를 찾아내는 프롬프트 | |
| 출력에 언어가 섞이는 것을 잡는 프롬프트 |
아직 안 물어본 질문을 찾아주는 프롬프트