챗지피티에게 지시를 잘 전달해야:

1. 왜 ‘전달 방식’이 중요한가

처음 ChatGPT를 사용할 때는, 단순히 일을 ‘지시’하면 알아서 처리해줄 거라 기대했다.
예컨대 문장을 교정하거나, 번역을 하거나, 데이터를 분석하라고 지시하면 곧바로 결과물이 나올 줄 알았다. 아마 많은 사용자들이 비슷한 기대를 가졌을 것이다.

하지만 실제로는 그렇지 않다.
결과물이 마음에 들지 않아 내가 다시 고치고, 다시 지피티에게 넘기고, 또 수정을 요구하는 일이 반복된다. 어떤 작업은 한두 번이 아니라 서너 차례 이상 되풀이해야 비로소 만족스러운 결과가 나온다.

이처럼 ‘단순 지시’로는 원하는 품질에 도달하기 어렵다는 것이 필자의 경험이다.
지피티가 일을 못해서가 아니라, 내가 원하는 바를 충분히 명확하게, 이해하기 쉬운 방식으로 전달하지 못했기 때문이었다.

---

핵심은 ‘무엇을’ 지시하느냐가 아니라 ‘어떻게’ 전달하느냐다

지피티는 대화창 기반 도구이기 때문에, 겉으로 보기에는 사람이랑 대화하듯 사용하면 될 것 같다. 하지만 알고 보면 대화 인터페이스 안에 정형화된 규칙과 처리 방식이 존재한다. 그래서 표면상 대화처럼 보여도, 실제로는 구조화된 정보 전달이 훨씬 효율적이다.

• 한 문장을 수정하라고 지시할 때보다, 원문과 요구사항을 파일로 정리해서 주는 방식이 더 정확하다.
• 화면 복사보다는 문서 첨부, 자연어 설명보다는 표나 코드 형태의 정리, 반복 작업은 단계 구분이 필요하다.

이런 차이는 사소해 보이지만, 실제로 작업을 해 보면 결과물의 품질과 반복 횟수에 큰 차이를 만든다.
지시 자체보다 **‘전달 방식’**이 성패를 가르는 것이ek.

2. 마크다운이 왜 좋은가

ChatGPT를 쓸 때 많은 사람들이 대화창에 바로 복사해서 붙여넣는다.
간단한 작업이라면 그것만으로도 충분하지만, 조금 길거나 반복적인 작업을 할 때는 금방 한계를 느끼게 된다. 특히 문서 작업에서는 서식이 깨지거나, 글의 구조가 GPT에게 제대로 전달되지 않는 경우가 많다.

이럴 때 가장 효과적인 방법이 바로 마크다운(Markdown) 문서 사용이다.

---

마크다운이 좋은 이유 ① — 서식이 GPT에게 그대로 읽힌다

GPT는 내부적으로 마크다운 형식을 기본으로 이해하고 출력한다.
예를 들어, 굵은 글씨는 **강조**, 목록은 - 항목 형태로 처리한다.
우리가 화면에서 보는 GPT의 출력이 양식이 잘 갖춰진 이유도 바로 마크다운으로 자동 포맷되기 때문이다.

문제는 이 마크다운 형식을 복사해서 한글이나 워드에 붙여넣으면 서식이 깨진다는 점이다.
굵은 글씨는 **로만 남고, 문단도 이상하게 붙어버린다.
하지만 Typora 같은 마크다운 편집기를 사용하면 GPT가 만든 포맷을 그대로 유지하면서 보기 좋게 출력할 수 있다.

---

마크다운이 좋은 이유 ② — GPT가 더 안정적으로 읽는다

파일로 GPT에게 문서를 줄 경우, PDF나 워드보다 마크다운 인식률이 높다.
PDF는 구조 해석이 어렵고, 워드는 언어 호환성 문제가 발생할 수 있다.
반면 마크다운은 텍스트 기반이면서도 구조 정보가 명확히 담긴 형식이라 GPT가 읽고 처리하기에 매우 효율적이다.

• 긴 글을 파일로 주고 싶다면 PDF보다 마크다운이 더 낫다.
• 반복 지시가 필요하다면 대화창보다는 마크다운 문서가 효율적이다.

---

마크다운 사용 팁

• 편집기 추천: Typora (시각적 프리뷰 + 내보내기 가능), Notepad++ (텍스트 기반 편집)
• 출력 팁: 마크다운으로 만든 문서를 Typora에서 PDF나 Word로 내보내면 서식이 깔끔하게 유지된다.
• 협업 팁: 지시사항을 목록화하고, 각 단계마다 코드 블록(```)을 활용하면 지피티가 더 정확하게 이해한다.

---

⮕ 마크다운은 GPT에게 정보를 전달하는 ‘공식 문서 언어’에 가까운 도구다.
이제 다음 항목인 3. 표는 CSV로, 메타 정보는 따로로 넘어가겠습니다.

나의 말:

 

 

3. 표는 CSV로, 메타 정보는 따로

표 데이터를 지피티에게 전달할 때, 많은 사람들이 엑셀 파일이나 복사한 표를 직접 붙여넣는다.
하지만 이런 방식은 종종 셀이 어긋나거나, 행과 열이 잘못 인식되는 문제를 발생시킨다.
특히 교차표나 요약표처럼 구조가 복잡한 경우에는 GPT가 내용을 제대로 해석하지 못한다.

이런 오류는 GPT의 문제가 아니라, 엑셀 파일 자체가 구조 정보를 불완전하게 전달하기 때문이다.
따라서 표를 줄 때는 CSV(Comma-Separated Values) 형식으로 바꾸어 전달하는 것이 가장 안전하다.

---

CSV는 GPT에게 가장 잘 읽히는 표 형식이다

CSV는 본질적으로 텍스트 파일이기 때문에, GPT가 토큰 단위로 정확하게 읽어낼 수 있다.
열과 행이 명확히 구분되며, 셀 내용이 엉키는 경우도 적다.
특히 다음과 같은 상황에서 CSV가 매우 유용하다:

• 큰 표 데이터를 분석할 때
• 반복적으로 여러 개의 표를 비교할 때
• 표를 기준으로 요약, 시각화, 모델링을 요청할 때

---

그러나 CSV는 메타 정보를 잃는다

문제는 CSV 파일이 단순 숫자와 텍스트만 남기 때문에,
SPSS나 Stata 같은 프로그램에서 제공하던 '값 라벨', '결측값 코드', '측정 수준' 같은 정보가 사라진다.
이는 GPT에게 표를 해석할 수 있는 단서를 제공하지 못하는 상태를 만든다.

따라서 CSV로 데이터를 제공할 경우, 반드시 별도의 메타 정보 파일을 함께 제공하는 것이 좋다.

---

메타 정보 전달 방식 예시

별도 텍스트 파일 또는 문서 내 서두에 다음과 같은 형식으로 기술할 수 있다:

 

# 메타 정보 열 라벨: - edu: 교육 수준 (1=중졸, 2=고졸, 3=대졸) - inc: 소득 수준 (1=저소득, 2=중간, 3=고소득) 결측값: - -9: 무응답 - -8: 질문 생략 해석 기준: - 모든 셀 값은 열 기준 백분율 (%)

GPT는 이런 반구조화된 정보도 충분히 읽고 활용할 수 있다.
꼭 JSON이나 YAML 형식이 아니더라도, 규칙적으로 서술하면 큰 도움이 된다.

---

⮕ 요약하자면, 표는 CSV로, 설명은 따로.
데이터를 잘 전달하는 것이 결과물의 해석력을 결정한다.

 

4. 도식화는 Mermaid로

ChatGPT와 협업하면서 가장 어렵게 느껴지는 작업 중 하나가 바로 도표(다이어그램) 그리기다.
많은 사용자들이 파워포인트나 손그림으로 그리던 작업을 GPT에게 맡기려 하지만, 막상 시도해보면 결과가 만족스럽지 않다.

GPT는 벡터 그래픽을 직접 그리는 데는 한계가 있지만, 텍스트 기반 도식 언어인 Mermaid는 꽤 잘 다룬다.
Mermaid는 마크다운 문서 내에서 순서도, 트리 구조, 간단한 프로세스를 표현할 수 있게 해주는 간결한 도식 언어다.

---

Mermaid의 장점

• GPT가 직접 생성할 수 있다.
  “다음 흐름도를 Mermaid 코드로 그려줘”라고 요청하면 즉시 만들어 준다.
• 수정이 쉽다.
  코드를 기반으로 하기 때문에, 사용자가 직접 구조를 바꾸거나 노드를 추가하기 용이하다.
• 프리뷰가 가능한 도구가 많다.
  Typora, VS Code, StackEdit, Obsidian 등 마크다운 편집기에서 Mermaid를 바로 시각화할 수 있다.

---

예시: 간단한 업무 프로세스 도식

 

graph TD A[지시 입력] --> B[GPT 응답] B --> C{결과 검토} C -- 만족 --> D[작업 완료] C -- 불만족 --> A

이 코드는 "지시 → 응답 → 검토 → 반복 또는 완료"라는 기본 피드백 구조를 시각화한 예다.

---

활용 팁

• 복잡한 구조보다는 3~7 노드 정도의 단순 흐름도에 효과적이다.
• GPT에게 구조를 설명할 때, 자연어보다 Mermaid 코드로 요청하는 편이 오류가 적다.
• GPT가 만든 코드를 직접 수정하는 것도 큰 어려움 없이 가능하다.

---

⮕ 시각화 작업에서 “그림을 직접 그려줘”라고 하기보다는,
GPT에게 Mermaid 코드를 생성하게 하고, 사용자가 그 결과를 다듬는 방식이 훨씬 효율적이다.

 

5. 슬라이드는 Reveal.js가 적합하다

GPT와 협업하면서 가장 불편했던 작업 중 하나가 슬라이드 제작이다.
PowerPoint 슬라이드를 직접 만들어 달라고 요청해도,
GPT는 종종 텍스트만 나열하거나 형식이 맞지 않는 결과를 출력한다.
슬라이드는 시각적 구성과 단계적 흐름이 중요한데, 대화형 인터페이스에서는 그 특성을 반영하기 어렵기 때문이다.

이때 주목할 수 있는 도구가 바로 Reveal.js다.
Reveal.js는 마크다운 문서를 기반으로 HTML 슬라이드를 만드는 오픈소스 프레젠테이션 툴이다.

Reveal.js의 장점

• GPT가 작성할 수 있다.
  마크다운 기반 구조를 갖고 있기 때문에, GPT에게 슬라이드 형식으로 작성해 달라고 하면 어느 정도 구조화된 출력이 가능하다.
• 단순하지만 기능적이다.
  슬라이드를 만들기 위해 PPT 프로그램을 열 필요 없이, 텍스트 기반으로 구성하고 웹에서 바로 실행할 수 있다.
• Typora 등에서 미리보기 및 내보내기가 가능하다.
  마크다운 슬라이드를 PDF로 바로 출력하거나 HTML로 배포할 수 있다.

---

<!-- 슬라이드 1 -->
# 프로젝트 개요

- 목표: 고객 만족도 향상
- 기간: 2023년 9월 ~ 2024년 2월

<!-- 슬라이드 2 -->
# 주요 전략

1. 고객 피드백 수집
2. 문제 영역 분석
3. 개선안 도출 및 실행

 

슬라이드 작업 시 유의점

• 디자인은 심플하다.
  Reveal.js는 전문 프레젠테이션 소프트웨어만큼의 디자인 자유도는 없지만, 내용 전달에는 충분하다.
• 기존 PPT에 익숙한 사용자라면 불편할 수도 있다.
  하지만 복잡한 스타일 없이 핵심만 전달하고자 할 때는 오히려 효율적이다.
• GPT와의 작업 흐름이 잘 맞는다.
  GPT에게 슬라이드 개요를 짜고, 각 슬라이드를 마크다운으로 정리하게 한 후, 사용자가 마무리하는 구조가 이상적이다.

---

⮕ 요약하자면, 슬라이드 작업도 GPT에게 맡기려면 비주얼 툴이 아니라 텍스트 기반 툴로 접근해야 한다.
Reveal.js는 GPT와 협업이 가능한 몇 안 되는 프레젠테이션 도구다.

6. 정보를 코드처럼 정리하면 해석이 쉬워진다

단순한 문장보다, 정리된 표, 목록, 조건문 형태의 입력이 GPT에게 훨씬 잘 통한다.
예를 들어 변수 설명이나 분석 조건을 자연어로 길게 설명하기보다는
YAML이나 간단한 JSON 형식으로 정리해 주면 GPT가 오류 없이 이해할 가능성이 높아진다.

 

분석변수:
  edu:
    설명: 교육 수준
    값:
      1: 중졸 이하
      2: 고졸
      3: 대졸 이상
  inc:
    설명: 소득 수준
    값:
      1: 저소득
      2: 중간소득
      3: 고소득

 

왜 JSON과 YAML인가?

• GPT의 구조 이해를 돕는다
  예를 들어, 변수 설명, 조건 분기, 메타 정보 등을 자연어 대신 JSON으로 표현하면 GPT는 훨씬 정확히 읽어낸다.
• 오류 발생 가능성이 줄어든다
  표 형식보다 안정적이며, 긴 목록이나 조건식을 표현할 때 누락이 거의 없다.
• 사람도 비교적 읽기 쉬운 구조다
  특히 YAML은 JSON보다 가독성이 좋아, 메모처럼 작성할 수도 있다.

7. 마무리하며

GPT에게 일을 맡긴다는 것은 단순히 ‘무엇을 해줘’라고 말하는 것이 아니다.
 ‘지시’만으로는 부족하고, 전달하는 방식과 요청의 틀이 함께 따라야 한다.

필자는 이런 시행착오 끝에 GPT와의 협업 방식을 정리하게 되었고,
이 경험을 바탕으로 『ChatGPT로 데이터 분석하기』라는 책을 썼으며,
현재는 자료 찾기와 보고서 작성을 다룬 후속 작업도 준비 중이다.

 
"""