AI를 사용할 때 “전문가처럼 답해”를 붙이면 모델이 더 똑똑해질까?

최근에 등록된 논문이 하나 있음. https://arxiv.org/pdf/2603.18507

한줄 요약 해보면

전문가 페르소나를 붙이면 말은 더 그럴듯해질 수 있지만, 정확도는 오히려 떨어질 수 있으니 골라서 써야 한다

는 내용임. (그래서 PRISM 이라는, 런타임에 페르소나를 조건부로 활성화 하는~~~ 모델 학습 파이프라인을 만들었다 어쩌구 저쩌구..)

실험 모델 규모가 7B~8B 라서 작은 모델로 테스트한거지만 페르소나를 구분해서 쓰라는건 의미가 있음.

예를들어

• 당신은 IT 전문가입니다.

• 당신은 시니어 개발자입니다.

• 당신은 보안 전문가입니다.

보통 이런 걸 붙이면 모델이 똑똑해 지길 기대하는데, 이런 문장은 모델의 실력을 직접 올려주는 기능은 아님.

답변의 방향, 태도, 말투, 형식을 조정하는 지시에 더 가까움.

“더 똑똑해져라”가 아니라 “이런 식으로 행동해라” 라는 말임.

예를들어 이런 요청들

• “친절한 상담사처럼 답해줘”

• “보안 담당자처럼 위험한 요청은 단호하게 거절해줘”

• “전문 기술 문서처럼 구조적으로 정리해줘”

• “디씨 말투로 얘기해줘”

이런 건 말투, 형식, 배려, 문서 구조처럼 어떻게 답하느냐가 핵심이라서 페르소나가 잘 동작함.

그래서

• “친절한 상담사처럼 답해줘”

• “보안 담당자처럼 위험한 요청은 단호하게 거절해줘”

이런 안정적인 톤, 읽기 쉬운 구조, 일관된 대응이 필요하니 “당신은 숙련된 기술 커뮤니케이터입니다” 같은 페르소나가 어느 정도 도움될 수 있음.

근데

• “이 SQL 쿼리의 join 버그만 정확히 수정해줘”

• “버그를 고치되 동작은 절대 바꾸지 마”

답변 스타일보다 정확도가 중요한 작업에서는 페르소나를 추가하면 모델이 정답을 찾는거보다 “전문가처럼 보이게 말하는”쪽으로 기울 수 있음.

LLM을 많이 쓰다보면 설명과 말투는 그럴 듯 한데, 정답이 틀리거나 코드 수정이 과해지는 경우가 발생함. 당연히 모델 자체에서 발생하는 할루시네이션의 영향도 있지만 발생 확률을 더 높일 수 있다는 의미임.

결론은 페르소나를 잘 쓰는 방법은 정답이 중요한 단계 / 표현이 중요한 단계를 분리해서 이렇게 쓰면 좋다는 건데,

정답 초안 만듦 → 표현만 바꿈

AI 두번 써라..?

전 돈이 없는데요..?

사실 대부분 SOTA 모델들 쓰고 있고 AGENTS.md, CLAUDE.md 이렇게 쓰세요~ 가이드가 다 잘 돼있어서 몰라도 되는 내용임.