기사 상세
[기획 연재] 언론인 스킬업: AI 활용 ➋프롬프트 잘 쓰는 법
AI를 활용해 기사 작성에 도움을 받으려 해보지만, 원하는 결과가 나오지 않는 경우가 많다. 이때 개발자가 코드를 다루는 방식에서 힌트를 얻으면 기자의 AI 활용법도 달라질 수 있다. 개발자이자 기자인 필자가 제시하는 AI 프롬프트 작성법을 소개한다. 편집자 주
지난 10년 가까이 개발자 반, 기자 반으로 살아왔다. 코드도 짜고 기사도 썼다. 좋게 말하면 경계인, 나쁘게 말하면 이도 저도 아니었다. 두 일은 참 달랐다. 개발자 일은 선명한 규칙이 있고 딱 떨어졌다. 기자 일은 미로에서 길 찾기에 가까웠다. AI가 들어오자 그 차이는 더 벌어졌다. 개발자 업무를 할 때는 전기자전거를 탄 기분이었다. 살짝만 밟아도 쭉쭉 앞으로 나갔다. 하지만 기자 일은 여전히 그냥 자전거 타기였다. 취재기자를 대상으로 한 AI 강의 요청이 오면 난감했다. “개발자 중에선 안 쓰는 사람이 없는데… 기자가 쓰려면 아직 좀 기다려야 할 것 같아요.”
기자도 전기자전거를 탈 수 있을까
상황이 바뀐 건 올해 들어서부터다. 사용자 컴퓨터를 직접 제어하는 ‘클로드 코워크(Claude Cowork)’와 ‘GPT 코덱스(Codex)’가 나오고 모델 성능이 향상되면서 복잡한 일 처리가 가능해졌다. 대량의 문서 더미에서 까다로운 조건으로 검색을 시도해도 꽤 잘 해낸다. 오랫동안 약점이었던 웹 검색 능력까지 개선됐다.
기자 일에 AI를 쓰기 시작하며 느낀 게 있다. 개발자로서 일하던 방식이 AI 활용에 도움이 된다는 점이다. 개발자는 일을 ‘모듈화’한다. 컴퓨터가 잘 이해하고 처리할 수 있을 만한 작은 조각으로 일을 나눈다는 말이다. 기자 일로 생각하면 이렇다. 특정 기관에서 주기적으로 공개하는 자료가 있다고 하자. AI에게 그 자료를 주면서 “기획안 짜봐”라고 무작정 시킬 수도 있다. 그러면 아마 높은 확률로 마음에 안 드는 결과물을 내놓을 것이다. 프롬프트를 잘 써도 한계가 있다.
그럴 때 일을 두 단계로 나누면 AI 성능이 비약적으로 높아진다. 1단계로 기사의 ‘레시피북’을 먼저 만드는 것이다. 해당 기관의 과거 자료와, 그 자료를 바탕으로 쓴 기사를 AI에게 입력하고 ‘레시피북’을 만들어달라고 한다. 원자료를 어떻게 가공하고, 무슨 관점으로 분석했는지, 어떤 추가 취재를 통해 기사로 발전시켰는지 등 기사를 만드는 패턴을 뽑아내는 것이다. 좋은 원자료-기사 쌍을 많이 줄수록, 내가 원하는 레시피북에 가까워진다. 2단계로 레시피북과 새로 나온 자료를 함께 주면서 기획안을 여러 개 만들어달라고 하면 된다. 각 단계 프롬프트 예시는 별도로 첨부했다.
실제 활용 사례를 자세히 밝히긴 부담이라, 요즘 뜨거운 ‘부동산 시장’을 소재로 예를 들어보겠다. 한국부동산원은 매주 ‘주간아파트가격동향’ 자료를 발표한다. 자료에서 뽑아낼 수 있는 주제는 다양하다. 서울에서 82주 연속으로 상승세가 이어졌다는 점을 강조하거나, 매매와 전월세 가격이 동반 상승한다는 점을 앞세울 수 있다. 중소형 아파트의 상승세가 특히 높다거나 대구가 상승 전환했다는 점을 짚어도 된다.
AI에게 과거 자료와 내가 썼던 기사를 함께 보여주면, AI는 통계표에서 뭘 분석해야 하는지 스스로 파악한다. 예를 들어 장기 추세 변화, 매매와 전월세 흐름의 차이, 평형대별/지역별 특징 등을 분석하는 코드를 만들어 내 컴퓨터에 저장한다. 사용자가 이해할 수 있게 표와 글로 정리한 문서도 제공해 준다. 그리고 새로운 자료가 왔을 때 유사한 패턴을 빠르게 잡아낸다.
기자가 배울만한 개발자의 습관
개발자의 습관으로 돌아가 보자. 개발자는 일에서 ‘반복’을 예민하게 찾아낸다. 반복되는 부분은 AI에게 맡기기 가장 좋은 지점이다. 기자마다 다르겠지만 늘 되풀이되는 일이 있다. 특정 이슈를 검색하거나 유명인의 SNS를 살펴보기, 타사 보도 모니터링, 보도자료 요약·발제, 각종 통계와 보고서 살펴보기, 사내 규칙에 맞게 편집·교열·교정하기 등이다. 올해 상반기 ‘농지 투기’ 연속 보도를 할 때 제미나이의 도움을 받았다. 매주 목요일 아침 9시마다 ‘농지 전수조사’ 관련 일주일 치 뉴스를 요약해달라고 요청했더니, 정해진 시각에 꼬박꼬박 리포트를 만들어 보내줬다. 주요 뉴스의 링크까지 달아서. 모바일로 알람이 오니 까먹지 않고 이슈의 흐름을 파악할 수 있었다.
개발자는 도구를 이해하는 데 공을 들인다. 도구마다 쓰임새가 다르고 일의 성과에 큰 차이를 가져오기 때문이다. AI를 써본 기자는 많지만, AI 사이의 차이를 이해하는 기자는 생각보다 많지 않다. 동일한 클로드 모델이라도 등급(Opus, Sonnet, Haiku 등)에 따라 상당한 차이가 난다. 체감상 클로드 최고 등급과 챗GPT 최고 등급 사이의 차이보다, 클로드 최고 등급과 중간 등급 사이의 차이가 더 크다. 성능, 속도, 가격이 모두 다르다. 꼭 높은 등급이라고 좋은 건 아니다. 중요한 건 일의 특성에 따라 적절한 모델에게 배분하는 것이다. 반복되는 뉴스 모니터링은 낮은 등급, 기사 레시피북을 만들 때는 높은 등급을 쓰는 식으로 말이다.
개발자는 시행착오를 당연하게 받아들인다. 처음부터 AI가 뭐든 잘할 수 있을 거라고 기대하지 않는다. 단계적으로 시도한다. 작은 조각의 일을 시켜보고, 성공하면 조금 더 큰 조각의 일을 시켜본다. 프롬프트를 쓰는 것도 마찬가지다. 왕도는 없다. AI에게 해야 할 일, 하지 말아야 할 일을 알려주며 결과물을 약간씩 개선하는 과정을 순환하는 수밖에 없다.
1단계. 기사 레시피북 생성 프롬프트
나는 부동산 분야의 심층 기획 기사를 쓰는 기자다. 첨부한 과거 기사와 그 기사에 쓰인 한국부동산원 주간아파트가격동향 원자료를 보고, 새 자료가 들어올 때마다 반복해서 쓸 수 있는 ‘기사 분석 레시피’를 뽑아 줘. 기사를 요약하는 게 아니라, 재사용 가능한 분석 방법을 찾는 것이다.
기본 원칙
· 원자료 수치와 기사 수치가 다르면 차이를 표시하고 어느 쪽을 썼는지 밝힌다.
· 기사에 썼지만, 원자료 폴더에 없는 자료는 ‘교차자료’로 표시한다.
· 확인되지 않은 인과관계는 ‘기자의 해석’ 또는 ‘검증이 필요한 가설’로 구분해 쓴다.
· 원자료로 확인할 수 없는 내용은 추정하지 않는다.
레시피 단위
· 한 행은 기사 한 편이 아니라, 재사용 가능한 분석 조합 하나다.
· 한 기사에서 서로 다른 조합이 여러 개 나오면 여러 레시피로 나눈다.
· 보도자료 수치를 그대로 전달한 스트레이트 기사는 제외한다.
· 먼저 후보 레시피를 모두 뽑은 뒤, 비교 구조가 같은 것끼리는 통합한다.
각 레시피에 담을 내용
1) 레시피명 - 무엇을 무엇과 비교하는지 알 수 있게 짧게 (예: “지역 간 상승률 격차 분해”)
2) 호출 조건 - 새 자료에서 어떤 패턴이 보이면 이 레시피를 쓰는지, 되도록 구체적인 조건으로
3) 필요한 데이터 - 지표·지역·기간, 그리고 원자료를 어디서 찾는지 (지역명·날짜로 찾도록 적고, 고정된 셀 위치로는 적지 않는다. 파일이 매주 바뀌기 때문이다.)
4) 계산 방법 - 전주 대비·누적률처럼 어떻게 비교하는지, 분모와 기간을 꼭 밝힌다.
5) 데이터가 말하는 의미 - 사실·기자의 해석·검증이 필요한 가설을 구분해서 쓴다.
6) 기사 주제·핵심 질문 - 이 데이터로 던질 수 있는 질문을 한 문장으로
7) 추가로 필요한 자료·취재 대상 - 실거래, 매물, 전세, 입주량, 전문가 등
8) 반증 가능성·주의 사항 - 이 레시피가 안 통하는 경우
9) 참고기사 - 제목과 링크
출력
엑셀 한 시트(“레시피북”)에 위 9개 항목을 열로 정리한다.
품질 기준
· ‘가격이 올랐다’ 식의 일반론은 뺀다.
· 숫자만 나열하지 말고, 비교 구조와 기사적 의미를 함께 쓴다.
· 원자료로 재현이 안 되는 계산은 ‘기사 자체 분석’으로 표시한다.
· 내용이 겹치는 레시피는 통합한다.
2단계. 레시피북 적용 기획안 도출 프롬프트
첨부한 최신 한국부동산원 주간아파트가격동향 원자료와 기사 레시피북을 보고, 부동산 심층 기획 기사 아이템을 제안해 줘.
기본 원칙
· 원자료에 없는 사실은 보충하지 말고, ‘추가 확인 필요’라고 쓴다.
· 정책 효과나 수요 이동을 단정하지 말고, 사실·해석·가설을 구분한다.
작업 순서
1) 최신 원자료의 기준일과 공표일을 확인한다.
2) 레시피북의 호출 조건을 하나씩 최신 자료와 대조해, 실제 수치로 조건이 맞는지 확인한다.
3) 조건이 맞는 레시피의 계산 방법대로 최신 자료에서 수치를 직접 계산한다.
4) 단순 보도자료 형 아이템은 뺀다.
5) 레시피북에 없는 새로운 패턴이 보이면 ‘신규 후보’로 따로 표시한다.
6) 기사성이 가장 높은 아이템 3~5개를 우선순위로 제시한다.
- 근거의 확실성, 반증 가능성이 낮은 정도, 자료 확보 가능성, 파급력을 기준으로 판단한다.
각 아이템에 담을 내용
1) 임시 제목
2) 한 줄 주제
3) 핵심 근거 수치
4) 계산·비교 방법 - 분모와 기간을 명시한다.
5) 이 데이터가 중요한 이유 - 사실·해석·가설을 구분해 쓴다.
6) 기존 기사와 다른 점
7) 추가로 확인할 자료·취재 대상
8) 반증 가능성 또는 보류 조건
9) 근거 - 적용한 레시피명과 원자료 어디서 가져온 수치인지
정리
같은 조합에서 나온 아이템이 여러 개면 통합하거나 차이를 밝힌다.
사람만 할 수 있는 일을 지키려고 AI에게 일을 맡긴다
인간 기자만이 할 수 있는 일이 있다. 사람을 만나 신뢰를 쌓고 이야기 나누는 일, 공개되지 않은정보를 캐내는 일, 기사의 방향을 정하고 팩트체크하며 책임지는 일 등이다. AI는 주간아파트가격동향을 분석해 기사 기획안 20~30개를 만들어줄 수 있다. 하지만 거기까지다. 기획안에서 아이디어를 얻고 발전시키는 건 사람의 몫이다. 지금껏 한 번도 나온 적 없는 기사를 쓰는 건 기자만이 할 수 있다. 인간의 영역에 집중하려고 AI에게 맡길 일을 골라내는 것이다. 이제 기자도 전기자전거를 탈 때가 왔다.
지난 10년 가까이 개발자 반, 기자 반으로 살아왔다. 코드도 짜고 기사도 썼다. 좋게 말하면 경계인, 나쁘게 말하면 이도 저도 아니었다. 두 일은 참 달랐다. 개발자 일은 선명한 규칙이 있고 딱 떨어졌다. 기자 일은 미로에서 길 찾기에 가까웠다. AI가 들어오자 그 차이는 더 벌어졌다. 개발자 업무를 할 때는 전기자전거를 탄 기분이었다. 살짝만 밟아도 쭉쭉 앞으로 나갔다. 하지만 기자 일은 여전히 그냥 자전거 타기였다. 취재기자를 대상으로 한 AI 강의 요청이 오면 난감했다. “개발자 중에선 안 쓰는 사람이 없는데… 기자가 쓰려면 아직 좀 기다려야 할 것 같아요.”
기자도 전기자전거를 탈 수 있을까
상황이 바뀐 건 올해 들어서부터다. 사용자 컴퓨터를 직접 제어하는 ‘클로드 코워크(Claude Cowork)’와 ‘GPT 코덱스(Codex)’가 나오고 모델 성능이 향상되면서 복잡한 일 처리가 가능해졌다. 대량의 문서 더미에서 까다로운 조건으로 검색을 시도해도 꽤 잘 해낸다. 오랫동안 약점이었던 웹 검색 능력까지 개선됐다.
기자 일에 AI를 쓰기 시작하며 느낀 게 있다. 개발자로서 일하던 방식이 AI 활용에 도움이 된다는 점이다. 개발자는 일을 ‘모듈화’한다. 컴퓨터가 잘 이해하고 처리할 수 있을 만한 작은 조각으로 일을 나눈다는 말이다. 기자 일로 생각하면 이렇다. 특정 기관에서 주기적으로 공개하는 자료가 있다고 하자. AI에게 그 자료를 주면서 “기획안 짜봐”라고 무작정 시킬 수도 있다. 그러면 아마 높은 확률로 마음에 안 드는 결과물을 내놓을 것이다. 프롬프트를 잘 써도 한계가 있다.
그럴 때 일을 두 단계로 나누면 AI 성능이 비약적으로 높아진다. 1단계로 기사의 ‘레시피북’을 먼저 만드는 것이다. 해당 기관의 과거 자료와, 그 자료를 바탕으로 쓴 기사를 AI에게 입력하고 ‘레시피북’을 만들어달라고 한다. 원자료를 어떻게 가공하고, 무슨 관점으로 분석했는지, 어떤 추가 취재를 통해 기사로 발전시켰는지 등 기사를 만드는 패턴을 뽑아내는 것이다. 좋은 원자료-기사 쌍을 많이 줄수록, 내가 원하는 레시피북에 가까워진다. 2단계로 레시피북과 새로 나온 자료를 함께 주면서 기획안을 여러 개 만들어달라고 하면 된다. 각 단계 프롬프트 예시는 별도로 첨부했다.
실제 활용 사례를 자세히 밝히긴 부담이라, 요즘 뜨거운 ‘부동산 시장’을 소재로 예를 들어보겠다. 한국부동산원은 매주 ‘주간아파트가격동향’ 자료를 발표한다. 자료에서 뽑아낼 수 있는 주제는 다양하다. 서울에서 82주 연속으로 상승세가 이어졌다는 점을 강조하거나, 매매와 전월세 가격이 동반 상승한다는 점을 앞세울 수 있다. 중소형 아파트의 상승세가 특히 높다거나 대구가 상승 전환했다는 점을 짚어도 된다.
AI에게 과거 자료와 내가 썼던 기사를 함께 보여주면, AI는 통계표에서 뭘 분석해야 하는지 스스로 파악한다. 예를 들어 장기 추세 변화, 매매와 전월세 흐름의 차이, 평형대별/지역별 특징 등을 분석하는 코드를 만들어 내 컴퓨터에 저장한다. 사용자가 이해할 수 있게 표와 글로 정리한 문서도 제공해 준다. 그리고 새로운 자료가 왔을 때 유사한 패턴을 빠르게 잡아낸다.
기자가 배울만한 개발자의 습관
개발자의 습관으로 돌아가 보자. 개발자는 일에서 ‘반복’을 예민하게 찾아낸다. 반복되는 부분은 AI에게 맡기기 가장 좋은 지점이다. 기자마다 다르겠지만 늘 되풀이되는 일이 있다. 특정 이슈를 검색하거나 유명인의 SNS를 살펴보기, 타사 보도 모니터링, 보도자료 요약·발제, 각종 통계와 보고서 살펴보기, 사내 규칙에 맞게 편집·교열·교정하기 등이다. 올해 상반기 ‘농지 투기’ 연속 보도를 할 때 제미나이의 도움을 받았다. 매주 목요일 아침 9시마다 ‘농지 전수조사’ 관련 일주일 치 뉴스를 요약해달라고 요청했더니, 정해진 시각에 꼬박꼬박 리포트를 만들어 보내줬다. 주요 뉴스의 링크까지 달아서. 모바일로 알람이 오니 까먹지 않고 이슈의 흐름을 파악할 수 있었다.
개발자는 도구를 이해하는 데 공을 들인다. 도구마다 쓰임새가 다르고 일의 성과에 큰 차이를 가져오기 때문이다. AI를 써본 기자는 많지만, AI 사이의 차이를 이해하는 기자는 생각보다 많지 않다. 동일한 클로드 모델이라도 등급(Opus, Sonnet, Haiku 등)에 따라 상당한 차이가 난다. 체감상 클로드 최고 등급과 챗GPT 최고 등급 사이의 차이보다, 클로드 최고 등급과 중간 등급 사이의 차이가 더 크다. 성능, 속도, 가격이 모두 다르다. 꼭 높은 등급이라고 좋은 건 아니다. 중요한 건 일의 특성에 따라 적절한 모델에게 배분하는 것이다. 반복되는 뉴스 모니터링은 낮은 등급, 기사 레시피북을 만들 때는 높은 등급을 쓰는 식으로 말이다.
개발자는 시행착오를 당연하게 받아들인다. 처음부터 AI가 뭐든 잘할 수 있을 거라고 기대하지 않는다. 단계적으로 시도한다. 작은 조각의 일을 시켜보고, 성공하면 조금 더 큰 조각의 일을 시켜본다. 프롬프트를 쓰는 것도 마찬가지다. 왕도는 없다. AI에게 해야 할 일, 하지 말아야 할 일을 알려주며 결과물을 약간씩 개선하는 과정을 순환하는 수밖에 없다.
1단계. 기사 레시피북 생성 프롬프트
나는 부동산 분야의 심층 기획 기사를 쓰는 기자다. 첨부한 과거 기사와 그 기사에 쓰인 한국부동산원 주간아파트가격동향 원자료를 보고, 새 자료가 들어올 때마다 반복해서 쓸 수 있는 ‘기사 분석 레시피’를 뽑아 줘. 기사를 요약하는 게 아니라, 재사용 가능한 분석 방법을 찾는 것이다.
기본 원칙
· 원자료 수치와 기사 수치가 다르면 차이를 표시하고 어느 쪽을 썼는지 밝힌다.
· 기사에 썼지만, 원자료 폴더에 없는 자료는 ‘교차자료’로 표시한다.
· 확인되지 않은 인과관계는 ‘기자의 해석’ 또는 ‘검증이 필요한 가설’로 구분해 쓴다.
· 원자료로 확인할 수 없는 내용은 추정하지 않는다.
레시피 단위
· 한 행은 기사 한 편이 아니라, 재사용 가능한 분석 조합 하나다.
· 한 기사에서 서로 다른 조합이 여러 개 나오면 여러 레시피로 나눈다.
· 보도자료 수치를 그대로 전달한 스트레이트 기사는 제외한다.
· 먼저 후보 레시피를 모두 뽑은 뒤, 비교 구조가 같은 것끼리는 통합한다.
각 레시피에 담을 내용
1) 레시피명 - 무엇을 무엇과 비교하는지 알 수 있게 짧게 (예: “지역 간 상승률 격차 분해”)
2) 호출 조건 - 새 자료에서 어떤 패턴이 보이면 이 레시피를 쓰는지, 되도록 구체적인 조건으로
3) 필요한 데이터 - 지표·지역·기간, 그리고 원자료를 어디서 찾는지 (지역명·날짜로 찾도록 적고, 고정된 셀 위치로는 적지 않는다. 파일이 매주 바뀌기 때문이다.)
4) 계산 방법 - 전주 대비·누적률처럼 어떻게 비교하는지, 분모와 기간을 꼭 밝힌다.
5) 데이터가 말하는 의미 - 사실·기자의 해석·검증이 필요한 가설을 구분해서 쓴다.
6) 기사 주제·핵심 질문 - 이 데이터로 던질 수 있는 질문을 한 문장으로
7) 추가로 필요한 자료·취재 대상 - 실거래, 매물, 전세, 입주량, 전문가 등
8) 반증 가능성·주의 사항 - 이 레시피가 안 통하는 경우
9) 참고기사 - 제목과 링크
출력
엑셀 한 시트(“레시피북”)에 위 9개 항목을 열로 정리한다.
품질 기준
· ‘가격이 올랐다’ 식의 일반론은 뺀다.
· 숫자만 나열하지 말고, 비교 구조와 기사적 의미를 함께 쓴다.
· 원자료로 재현이 안 되는 계산은 ‘기사 자체 분석’으로 표시한다.
· 내용이 겹치는 레시피는 통합한다.
2단계. 레시피북 적용 기획안 도출 프롬프트
첨부한 최신 한국부동산원 주간아파트가격동향 원자료와 기사 레시피북을 보고, 부동산 심층 기획 기사 아이템을 제안해 줘.
기본 원칙
· 원자료에 없는 사실은 보충하지 말고, ‘추가 확인 필요’라고 쓴다.
· 정책 효과나 수요 이동을 단정하지 말고, 사실·해석·가설을 구분한다.
작업 순서
1) 최신 원자료의 기준일과 공표일을 확인한다.
2) 레시피북의 호출 조건을 하나씩 최신 자료와 대조해, 실제 수치로 조건이 맞는지 확인한다.
3) 조건이 맞는 레시피의 계산 방법대로 최신 자료에서 수치를 직접 계산한다.
4) 단순 보도자료 형 아이템은 뺀다.
5) 레시피북에 없는 새로운 패턴이 보이면 ‘신규 후보’로 따로 표시한다.
6) 기사성이 가장 높은 아이템 3~5개를 우선순위로 제시한다.
- 근거의 확실성, 반증 가능성이 낮은 정도, 자료 확보 가능성, 파급력을 기준으로 판단한다.
각 아이템에 담을 내용
1) 임시 제목
2) 한 줄 주제
3) 핵심 근거 수치
4) 계산·비교 방법 - 분모와 기간을 명시한다.
5) 이 데이터가 중요한 이유 - 사실·해석·가설을 구분해 쓴다.
6) 기존 기사와 다른 점
7) 추가로 확인할 자료·취재 대상
8) 반증 가능성 또는 보류 조건
9) 근거 - 적용한 레시피명과 원자료 어디서 가져온 수치인지
정리
같은 조합에서 나온 아이템이 여러 개면 통합하거나 차이를 밝힌다.
사람만 할 수 있는 일을 지키려고 AI에게 일을 맡긴다
인간 기자만이 할 수 있는 일이 있다. 사람을 만나 신뢰를 쌓고 이야기 나누는 일, 공개되지 않은정보를 캐내는 일, 기사의 방향을 정하고 팩트체크하며 책임지는 일 등이다. AI는 주간아파트가격동향을 분석해 기사 기획안 20~30개를 만들어줄 수 있다. 하지만 거기까지다. 기획안에서 아이디어를 얻고 발전시키는 건 사람의 몫이다. 지금껏 한 번도 나온 적 없는 기사를 쓰는 건 기자만이 할 수 있다. 인간의 영역에 집중하려고 AI에게 맡길 일을 골라내는 것이다. 이제 기자도 전기자전거를 탈 때가 왔다.
저자의 다른 미디어
