유튜브 AI 팁 보고서 — 2026-08-24 — 프롬프트

오늘의 영상 4편 · 누적: 팁 279개 / 다룬 영상 63편(후보 등재 246편)

창간호(8/12) 이후 열이틀 만에 프롬프트로 돌아왔다. 그 사이 이 주제의 무게중심이 옮겨간 것이 오늘 수확에서 그대로 드러난다 — 문장을 어떻게 쓰느냐(요령)에서, 답을 어떻게 검증하고 어디까지 맡기느냐(절차)로 넘어갔다. 오늘 최고 밀도의 두 편이 각각 그 두 축이었다.

한눈에 (TL;DR)

• 아부를 막는 건 "솔직하게 말해줘"가 아니라 루브릭이다. 참/거짓으로 갈리는 채점 항목과 배점을 먼저 주고, 항목별 채점 → 마지막에 합산 순서를 강제한다. 같은 소설이 모호한 기준에선 100점, 객관 루브릭에선 75점을 받았다.
• 질문에 답을 심으면 그 답이 돌아온다. "재택이 낫지 않아?"를 "재택과 사무실의 생산성은 어떻게 비교되는가"로 바꾸는 것이 프롬프트 기술의 절반이다.
• 완성본을 받지 말고 개요에서 왕복하라. 완성글의 단어를 고치면 그 단어만 바뀌지만, 개요의 몇 단어를 고치면 절 전체가 바뀐다 — 리뷰 레버리지가 다르다.
• 자율 실행은 켜기 전에 경계부터. 승인 정책·샌드박스 범위·되돌릴 커밋 지점을 먼저 만들고 나서 풀어놓는다.

오늘의 팁

1. 질문에 답을 심지 마라 — 편향된 프레이밍이 편향된 답을 만든다

• 방법: "재택근무가 사무실보다 낫지 않아?"처럼 원하는 답이 비치는 순간 모델은 그쪽으로 기운다. 두 선택지를 나란히 놓고 어느 쪽도 편들지 않는 형태로 바꾼다.
• "탄소세가 소상공인에게 해롭지 않나?" → "탄소세가 소상공인에게 영향을 준다면 어느 정도인가"
• "AI가 일자리를 늘린다는 데 동의해?" → "AI의 고용 효과에 대해 현재 연구는 무엇을 말하는가"
• "내 사업 아이디어 좋지? 비평해줘" → "다음 사업 아이디어를 객관적으로 분석하라" (+ 평가 기준을 함께)
• 출처: Full AI Prompting Course with Andrew Ng — DeepLearningAI
• 보정: 강연이 인용한 워싱턴포스트 분석에 따르면 모델은 "맞습니다·좋은 지적입니다"류를 반대 표현보다 약 10배 자주 썼다. 인용 수치이지 이 보고서의 실측은 아니다.

2. 아부를 막는 진짜 장치는 루브릭이다 — 항목별로 채점한 뒤 마지막에 합산시켜라

• 방법: "100점 만점에 몇 점?"을 먼저 물으면 모델이 점수부터 정하고 사후 정당화한다. 순서를 뒤집는다.
• 1. 참/거짓으로 갈리게 정의된 항목과 배점을 먼저 준다. 예: "이름 있는 등장인물 모두에게 목표가 있는가 — 10점", "두 인물의 목표가 충돌하는가 — 10점". 모호하면("인물이 매력적인가") 장치가 작동하지 않는다.
• 2. "항목별로 점수를 매기고, 그다음 마지막에 합산하라"고 순서를 명시한다.
• 3. 이어서 "이 루브릭에서 점수를 올리려면 무엇을 고쳐야 하는가"를 물으면 개선 제안이 그 축으로 좁혀진다.
• 루브릭이 안 떠오르면 루브릭 자체를 먼저 브레인스토밍시킨다 — 모델이 이 일은 꽤 잘한다.
• 출처: 같은 강의
• 보정: 강의 실측은 소설 한 편에 대한 시연 한 번이다(모호 루브릭 100점 vs 객관 루브릭 75점). 표본 하나이지만 방향은 재현하기 쉬운 종류다.

3. 완성본을 받지 말고 개요→불릿→본문으로 왕복하라 — 리뷰 레버리지가 다르다

• 방법: ①근거 자료를 붙이고 개요 3안을 받는다("반론 절을 포함시켜라"를 함께) ②어느 안의 무엇이 좋고 무엇을 옮기고 싶은지 피드백해 개요를 확정 ③각 항목을 불릿까지만 확장 ④불릿에 다시 피드백 ⑤그제야 본문.
• 왜: 완성된 글에서 단어를 고치면 그 단어만 바뀐다. 개요의 몇 단어를 고치면 문단 하나·절 하나가 통째로 다시 쓰인다. 같은 편집 노동으로 훨씬 큰 덩어리를 움직이는 것이 이 순서의 전부다.
• 출처: 같은 강의
• 보정: 8/16 글쓰기호의 "구조를 받기 전에 앵글부터 왕복하라"와 인접하다(이미 수집 2026-08-16). 새로운 것은 처방이 아니라 왜 개요 단계가 싼가에 대한 설명이다.

4. 무슨 맥락을 줘야 할지 모를 때는 옵션 3~5개를 받아 거기에 피드백하라

• 방법: 정답 하나를 요구하지 말고 "3~5개 안을 달라"고 한 뒤, 각 안의 어디가 마음에 들고 어디가 아닌지 말한다. 그 피드백이 곧 모델에게 필요했던 맥락이다. 옵션→피드백→옵션을 몇 바퀴 돌린 뒤 마음에 드는 하나를 상세화시킨다.
• 왜: 좋은 답을 받으려면 맥락을 줘야 하는데, 무엇이 관련 맥락인지는 대개 옵션을 보기 전엔 모른다. 옵션이 그 목록을 대신 만들어 준다.
• 출처: 같은 강의

5. "단계별로 생각해"는 은퇴했다 — 지금은 "깊이 생각해"

• 방법: think step by step 은 2023년경의 조언이고 추론 모델에는 낡았다. 지금은 사고 모드를 켜거나 프롬프트에 "전부 읽고 깊이 생각한 다음 답하라(think hard / ultrathink)"를 쓴다. 자료를 여러 개 올린 뒤 이 한 줄을 붙이는 것이 표준형이고, 모델이 수십 초에서 수 분을 쓴다. 강연자는 "어려운 과제를 일부러 줘 보라 — 사소한 과제만 주면 무엇이 가능한지 감을 못 잡는다"를 함께 권한다.
• 출처: 같은 강의
• 보정: "단계별로"가 해롭다는 실측이 제시된 것은 아니다. 이제 불필요하다는 강연자의 판단이다.

6. 웹검색이냐 딥리서치냐는 "내가 직접 하면 몇 초냐 몇 시간이냐"로 가른다

• 방법: 질문 하나에 출처 몇 개면 끝나고 내가 해도 몇 초 걸릴 일 = 웹검색(자동으로도 걸린다). 여러 갈래 질문에 답해야 결론이 나오고 내가 하면 수십 분~수 시간 걸릴 종합 = 딥리서치(사용자가 명시적으로 켜야 한다). 딥리서치는 검색을 병렬로 던지고 출처 적합성을 평가해 재검색하는 루프를 돈다.
• 출처: 같은 강의

7. 편집은 통째로 시키지 말고 문장·문단 하나씩 확정하며 내려가라

• 방법: 글 전체를 한 번에 고치게 하면 무엇이 바뀌었는지 읽어내는 데 시간이 다 든다. 한 문장을 놓고 "펀치 있게 / 비전 있게 / 대화체로" 여러 표현을 받아 하나를 확정하고, 그다음 문장으로 넘어간다.
• 출처: 같은 강의 (인용된 OpenAI 데이터: 글쓰기가 전체 요청의 24%로 최대 범주이고, 글쓰기 요청의 약 2/3이 백지가 아니라 이미 있는 글을 고치는 일이다)

8. 이미지는 굵은 것만 본다 — 비슷하게 생긴 것의 식별을 맡기지 마라

• 방법: 모델은 이미지를 거칠게 본다. 헬스장 기구처럼 서로 닮은 물체는 자신 있게 틀린 이름을 댄다(강연 실측). 반대로 시각적으로 뚜렷한 물체, 화이트보드 판서, 손글씨, 영수증은 잘 읽는다. 브레인스토밍 사진과 포스트잇 여러 장을 한꺼번에 올려 요약시키는 쪽이 안전한 용도다.
• 출처: 같은 강의
• 보정: 강연자 본인이 "고위험 용도에는 신뢰하지 말고 몇 초 들여 대조하라"고 못 박는다.

9. 자율 실행을 켜기 전에 경계부터 세워라 — 승인 정책·샌드박스·체크포인트

• 방법:
• 1. 긴 작업을 시작하기 전에 별도 브랜치를 만들고 "지금 동작하는 버전"을 커밋시킨다. 브랜치가 모델의 손을 묶지는 못하지만 되돌릴 지점이 생긴다.
• 2. 설정에서 승인 정책 = never(사람 대기 없이 진행), 샌드박스 = workspace write(프로젝트 폴더 밖은 손대지 못함). full access 는 고르지 않는다.
• 왜: 영상 실측 — 모델이 앞을 막는 파일과 실행 중 프로세스를 묻지 않고 지우고 작업을 계속했다. 제작진은 남의 맥에서 파일이 거의 전부 지워진 사례도 전한다(전언).
• 출처: 7 Rules To Use GPT 5.6 Sol Better Than 90% Of People — AI LABS
• 보정: [홍보성] 이 영상에는 GPU 클라우드 스폰서 광고 구간과 자사 유료 커뮤니티 유도가 있다. 또 자동자막이 모델명(Sol)을 Soul·Salad(스폰서 이름)로 뭉개서 광고 문장과 본문이 섞인 대목이 있다 — 위 팁은 그 오염 구간을 걷어내고 읽은 것이다. 4일 사용기이므로 장기 관찰은 아니다.

10. 판단은 한 모델, 완주는 다른 모델 — 모델을 성격으로 나눠 써라

• 방법: "무엇을 어떻게 만들지"가 아직 안 정해진 어려운 문제는 판단이 좋은 모델에게 상의하고, 결정이 끝난 뒤의 "끝까지 밀고 가는 일"(기능 하나 완성 · 앱 전면 리뷰 · 여러 파트를 건드리는 작업)은 완주형 모델에게 통째로 넘긴다.
• 왜: 제작진 요약은 "더 똑똑한 모델이 있는 게 아니라, 멈추는 지점이 다른 모델이 있다"에 가깝다. 여러 대화로 쪼개던 작업이 완주형에서는 한 번에 끝났고, 반대로 정답이 안 보이는 문제에서는 판단형이 더 나은 답을 냈다.
• 출처: 같은 영상
• 보정: 특정 두 모델의 4일 비교이므로 모델 이름을 외우기보다 "판단/완주"라는 축만 가져오는 것이 수명이 길다. 다음 세대에서 성격은 바뀐다.

11. 프롬프트 다이어트 테스트 — 한 줄 빼고 같은 작업을 다시 돌려보라

• 방법: 짧게 만드는 게 목표가 아니다. 결과를 바꾸지 않는 줄을 찾아 빼는 것이다.
• 1. 지시 한 줄을 지운다 → 같은 종류의 작업을 다시 실행한다 → 결과가 달라지는지 본다.
• 2. 안 달라지면 그 줄은 모델이 이미 알아서 하던 것이다. (제작진 사례: "완성 파일은 output 폴더에 저장하라"를 지웠는데 그대로 저장했다.)
• 3. 남길 것: 결과물(outcome), 중요한 제약, 완료 조건. 그리고 복사할 수 있는 실제 코드 패턴·정확한 색상값처럼 해석의 여지를 없애는 값.
• 4. 뺄 것: 이름만 봐도 아는 폴더 구조 설명, 같은 규칙의 세 곳 반복, 도달 경로의 단계별 서술.
• 출처: 같은 영상 (제작진이 인용한 제조사 자체 수치: 이런 정리로 결과 10~15% 향상, 토큰 41~66% 감소)
• 보정: 그 수치는 모델 제조사가 자기 가이드에서 밝힌 값이고 영상 제작진의 실측이 아니다. 다만 "한 줄 빼고 재실행"이라는 테스트 절차 자체는 누구나 자기 프롬프트로 즉시 재현할 수 있다 — 수치를 믿을 필요 없이 절차만 가져오면 된다.

12. 멀티에이전트 모드와 모델 다운그레이드는 기본값이 "끔"

• 방법: ①에이전트를 여러 개 띄우는 모드는 에이전트마다 토큰을 따로 써서 사용량이 급증하는데, 제작진 사용 소감·제조사 자체 수치 모두 품질 향상은 2~3점 수준이었다 ②구독제로 코딩 에이전트를 쓸 때 가벼운 작업만 소형 모델로 내리면, 결과를 고치는 시간이 아낀 사용량보다 컸다(반대로 API 종량 과금이면 소형 모델 분기가 유효하다).
• 출처: 같은 영상

13. 화면에서 확인해야 하는 기능은 빌드 후 "새 대화"에서 계정 유형별로 전 여정을 밟게 하라

• 방법: 만든 대화에서 이어 점검시키지 말고 새 대화를 연 뒤 ①계정 유형(관리자·일반·요금제별)과 각각이 무엇을 할 수 있어야 하는지 알려주고 ②각 유형으로 로그인→구매→확인까지 전 여정을 끝까지 밟게 하고 ③"재현되는 문제만 보고하라"고 못 박는다.
• 왜: 기능이 사람마다 다르게 동작하면 한 번 확인은 확인이 아니다. 컴퓨터 조작이 가능한 모델은 파일만 보는 게 아니라 실제 화면을 돌아본다.
• 출처: 같은 영상

14. 역할은 직업명이 아니라 "최종 산출물에 필요한 능력"까지 붙여 준다

• 방법: "너는 여행 컨설턴트야"에서 멈추지 말고 "제주도 여행을 주로 다루고, 색다른 여행지를 찾는 능력이 있어"처럼 이번 결과물에 필요한 능력을 이어 붙인다. 전문가 직함만 주기보다 "전문가이면서 설명도 잘한다"처럼 산출물의 성격을 역할 안에 심는다.
• 출처: 아직도 AI한테 OO해줘라고 질문하고 계신가요? 프롬프트 작성법 — AI가이드
• 보정: 이 영상의 5단 구조(역할·배경·목적·요청사항·하지 말아야 할 것) 자체는 이미 수집(2026-08-12 창간호 "초심자 4단 공식"). 위 능력 서술과 아래 15번만 델타다.

15. 산출물 형식을 나중에 요청하지 말고 처음 요청사항에 미리 박아라

• 방법: 결과를 받은 뒤 "PDF로 만들어 줘"라고 한 번 더 부르는 대신, 첫 요청사항에 "PDF 생성"까지 넣으면 한 번에 끝난다. 요청사항은 줄글 대신 번호·구분자를 쓴 개조식으로 명사 위주로 적는다.
• 예: 자연경관 선호 / 액티비티 X / 하루 과다 관광 비선호 / 커피숍 필수 / 3박4일 일정표 / PDF 생성
• 출처: 같은 영상

16. 회의록을 버리지 말고 다음 작업의 프롬프트로 재사용하라

• 방법: AI가 받아 적은 미팅 노트를 읽고 버리는 문서가 아니라 그대로 다음 작업의 입력으로 넣는다. 회의는 "무엇을 왜 지금 해야 하는가"를 정하는 자리이므로, 그 기록이 곧 맥락이 잘 잡힌 프롬프트다.
• 출처: 프롬프트 엔지니어링은 끝났습니다. 이제 AI는 "이렇게" 써야합니다. — 커리어해커 알렉스
• 보정: 제목은 새 방법론을 예고하지만 내용의 대부분은 마인드셋 에세이다("AI 네이티브란 도구를 잘 쓰는 게 아니라 AI가 다 할 수 있다고 믿고 실행하는 것"). §1-1 기준으로 실행 가능한 팁은 이 하나였다. 화자가 "정교한 프롬프트보다 그냥 말로 하는 게 낫다"고 말하는 대목은 오늘의 다른 팁들과 정면으로 어긋난다 — 다만 화자의 맥락은 "기록이 누적된 상태에서"이므로, 맥락 없이 짧게 말하라는 뜻으로 읽으면 안 된다.

시도 후보

• 11번 다이어트 테스트를 data/common_prompts/ 한 파일에. 절차가 한 줄 삭제 + 재실행이라 비용이 거의 없고, 우리에겐 같은 작업을 다시 돌릴 장치(해마 사례)가 이미 있다.
• 2번 루브릭 형식을 achievement_criteria 한 건에. 항목·배점·"합산은 마지막" 순서를 그대로 써 보는 것.

오늘의 영상

• Full AI Prompting Course with Andrew Ng — DeepLearningAI · 조회 33.8만 · 2시간 29분 · 2026-05-18 — 오늘 최고 밀도. 앞 40분은 입문(사전학습·웹검색 설명)이라 건너뛸 만하고, 아부 방지·루브릭·개요 왕복이 있는 2모듈부터가 본편이다. 과장이 거의 없고 한계를 먼저 말하는 톤.
• 7 Rules To Use GPT 5.6 Sol Better Than 90% Of People — AI LABS · 조회 2.0만 · 12분 · 2026-07-12 — 4일 실사용기. 제목은 "90%보다 낫게"류 과장이지만 내용은 구체적이다. 스폰서 광고 구간 있음, 자동자막의 모델명 오인식 주의(위 9번 보정).
• 아직도 AI한테 OO해줘라고 질문하고 계신가요? — AI가이드 · 조회 39.2만 · 7분 · 2026-05-28 — 오늘 최다 조회. 구조 자체는 창간호와 겹치지만 화면 시연이 붙은 판이라 초보에게 권할 만하다.
• 프롬프트 엔지니어링은 끝났습니다 — 커리어해커 알렉스 · 조회 10.2만 · 9분 · 2026-03-18 — 팁 밀도 낮음(마인드셋 에세이). 제목-내용 간극이 오늘 후보 중 가장 컸다.

지켜볼 점 / 내일 주제 후보

• 내일 주제 후보 1 — 데이터분석. 8/23 호가 지목한 뒤 아직 열지 않은 축. 오늘 Ng 강의의 마지막 모듈(코드 실행 도구로 매출·건강 데이터 분석)이 그 입구를 보여줬고, 우리 [table:*]·[self:finance]·[self:health] 와 정면으로 닿는다.
• 내일 주제 후보 2 — 클로드 입문 종합. 오늘 조팀장의 AI 공략집 편(조회 47만, 4/28)이 신선도·조회수 모두 오늘 최고였는데 결이 달라 미뤘다. 8/22 실측("초보용이라고 건너뛰지 말 것 — 최고 밀도가 거기서 나왔다")에 비추어 재검토 1순위.
• 재검토 후보 — 오픈클로(OpenClaw). 8/21·8/22·8/23 이 연달아 미룬 항목. 오늘 알렉스 편에서도 "쉬지 않고 일하는 에이전트"의 예로 지나가듯 언급됐다.
• 오늘의 관찰 1 — 프롬프트 주제는 "영어 원천 → 한국어 중계"의 시차가 눈에 보인다. 오늘 한국어 검색 상위의 방법론(구조화 5단, 역할 부여)은 창간호에서 이미 다뤘고, 새 축(루브릭 채점·중립 프레이밍·다이어트 테스트)은 전부 영어권 영상에서만 나왔다. 3차 개정의 "원천으로 직접 가라"가 이 주제에서 특히 잘 맞는다.
• 오늘의 관찰 2 — "advanced prompting" 검색은 강좌 아카이브로 굳어 있다. 영어 검색 12건 중 5건이 1년 이상 된 장편 강좌(freeCodeCamp·Tech With Tim·Tina Huang)였고, 조회수 상위(21만·77만)가 전부 컷오프 밖이었다. 이 주제에서 신선한 것을 찾으려면 주제어가 아니라 모델 이름(GPT-5.6·Opus 5)으로 걸어야 한다 — 8/21 신도구호·8/23 앱빌더호가 각각 발견한 처방이 여기서 세 번째로 재확인됐다.
• 오늘의 관찰 3 — 신선도가 신호와 반비례하는 구간이 이 주제엔 없다. 8/22 생활호가 본 "신선도↔조회수 반비례"와 달리, 오늘은 신선한 영상(7/12·5/18)이 조회수도 충분했다. 대신 6개월 안쪽에 조회수 세 자리대 영상이 잔뜩 걸렸다(95·30·287·383). 프롬프트는 진입 장벽이 낮아 공급 과잉인 주제이고, 여기서는 신선도보다 신호 필터가 더 많이 걸러냈다 — 오늘 미선정 사유 중 6건이 low_signal 이었다.