AI 보고서가 엉망인 이유? 도구보다 '질문력'이 문제다

생성형 AI가 잘못된 게 아니다. 대부분은 질문이 모호하거나 틀렸다.

 

---

🧠 서론 – 아무리 AI를 써도 보고서가 만족스럽지 않다면

요즘 많은 직장인들이 ChatGPT, Claude, Perplexity 등 다양한 AI 도구를 활용해 보고서를 작성한다.
하지만 이런 도구를 써봤던 사람이라면 공통된 경험이 있다.
"답변이 뭔가 어설프고, 결국 다시 손을 봐야 한다."
문제는 대부분 도구 자체가 아니라, 입력한 ‘질문’의 품질에 있다.

---

🔍 본문 – AI 보고서를 망치는 흔한 질문의 특징

1. 목적 없는 요청

예: "퇴사자 설문 요약해줘"
→ 어떤 관점으로? 누구에게 보고할 건데? 무엇을 강조해야 하지?

2. 정보 부족

예: "데이터 정리해서 보고서 써줘"
→ 데이터 형식, 분석 대상, 시각화 필요 여부 등 맥락이 빠짐

3. 틀린 전제 포함

예: "성과가 낮은 팀을 해고해야 할 이유를 써줘"
→ 데이터에 그런 판단 기준이 없음에도 이미 결론부터 유도함

---

🛠 실전 – 질문을 바꾸면 결과가 달라진다

좋은 보고서를 얻기 위한 AI 프롬프트는 하나의 미니 전략서와 같다.
다음과 같은 틀로 구성하면 실패 확률을 크게 줄일 수 있다.

[역할 지정] + [구체 작업] + [대상·형식] + [목적]

예시:

“너는 HR 전략 담당자야. 퇴사자 인터뷰 데이터를 분석해줘. 대상은 1년 이내 퇴사자, CEO 보고용 요약문으로 정리해줘. 핵심 불만 요인과 추천 조치안을 포함해.”

---

⚙️ 도구를 ‘잘’ 쓰는 사람들의 방식

마스카라(Mascara) – 고급 프롬프트 설계 도우미

단계별 문항과 맥락 질문을 통해 AI가 이해할 수 있는 수준까지 질문을 다듬는 도구

퍼플렉시티(Perplexity) – 프롬프트 기반 리서치 요약

구체화된 프롬프트가 입력되면, 관련 논문·문서 요약 → 보고서 형태 출력까지 가능

→ 핵심은 도구가 아니라, 도구가 먹을 ‘질 좋은 질문’을 만드는 능력이다.

---

✅ 결론 – AI 보고서, 품질의 시작은 결국 사람이다

AI는 탁월한 도구지만, 제대로 질문하지 않으면 무의미한 결과물을 낸다.
그렇기에 보고서의 품질은 알고리즘보다 질문을 설계한 사람의 사고력에서 결정된다.

애매한 질문은 애매한 결과를 만든다.
좋은 보고서는 잘 만든 질문에서 시작된다.
그리고 그 질문을 만들어내는 능력이 지금, 가장 중요한 실무 역량이 되고 있다.