Blog

이제는 '프롬프트'를 넘어서 '컨텍스트 엔지니어링(Context Engineering)'이라는 개념이 AI 시대의 핵심 역량으로 떠오르고 있습니다. 단순히 잘 짜인 질문을 던지는 것을 넘어, LLM이 과제를 제대로 수행할 수 있도록 필요한 정보, 도구, 그리고 형식을 '체계적으로' 설계하는 기술입니다. 컨텍스트 엔지니어링은 단순한 설정이 아닌, 시스템 전체의 설계 작업입니다. 사용자의 입력, 이전 대화 기록, 외부 도구, API 응답 등 다양한 출처에서 정보를 가져와 조합하고, 적절한 형식으로 LLM에 전달해야 합니다. 중요한 점은 이 모든 요소가 ‘동적(dynamic)’이라는 것. 즉, 상황에 따라 다르게 조합되고, 실시간으로 반영되어야 합니다. 이 개념이 중요한 이유는 명확합니다. 요즘의 LLM은 충분히 강력하지만, 제대로 된 정보를 받지 못하면 인간처럼 오해하거나 엉뚱한 답을 내놓습니다. 많은 실패 사례는 모델의 한계가 아니라 컨텍스트가 부실하게 전달된 탓입니다. 'Garbage in, garbage out'이라는 말이 딱 들어맞습니다. 또한 도구 사용도 중요합니다. 정보가 부족할 땐 검색 도구, 계산 도구 등 외부 액세스를 통해 보완해야 하고, 그 도구가 어떤 형식으로 작동하는지도 명확히 설명해줘야 합니다. 인간에게 매뉴얼이 필요한 것처럼, LLM에도 ‘도구 사용법’을 잘 알려줘야 합니다. ‘프롬프트 엔지니어링’과의 차이는 무엇일까요? 프롬프트는 컨텍스트 엔지니어링의 일부입니다. 한 문장 잘 쓰는 걸 넘어서, 다양한 데이터를 조합해 상황에 맞게 구조화하는 것이 관건입니다. 요약하자면, 컨텍스트 엔지니어링은 “LLM이 과제를 잘 수행할 수 있도록 하는 모든 준비 작업”입니다. 지금은 이 능력이 AI 엔지니어에게 가장 필요한 역량 중 하나로 자리 잡고 있습니다. 앞으로는 ‘질문을 잘하는 사람’이 아니라, ‘맥락을 잘 설계하는 사람’이 중요한 시대가 될지도 모릅니다.

01-1 왜 AI가 이렇게 무서워 보일까요? 요즘 AI 이야기만 나오면 "일자리를 빼앗길까?", "학생들이 공부를 안 할까?" 같은 걱정이 먼저 떠오르시죠. 그런데 이런 반응, 사실 처음이 아닙니다. 1993년 물리학자 프리먼 다이슨이 한 말이 있어요. "과학 혁명은 새로운 개념보다는 새로운 도구에 의해 더 자주 일어난다." 바로 지금 AI가 그런 도구입니다. 새로운 도구가 나타날 때마다 반복되는 일 역사를 돌이켜보면 혁신적인 도구가 등장할 때마다 똑같은 패턴이 반복됐어요. 두려움, 회의, 심지어 거부까지. 그런데 시간이 지나고 보면 그 도구들은 우리 삶을 더 편리하고 풍요롭게 만들어줬죠. AI도 마찬가지입니다. 지금 느끼는 불안감은 새로운 도구에 대한 자연스러운 반응일 뿐이에요. 02-1 선생님들이 타자기를 반대했던 이유 1980년대 초, 대학생들 사이에서 타자기가 필수품이 되어가던 시절이 있었습니다. 졸업 선물로 타자기를 받는 학생들이 많았죠. 과제는 반드시 타자로 작성해서 제출해야 했고요. 그런데 당시 교수들은 걱정이 많았습니다. "학생들이 손으로 글을 쓰는 법을 잊어버리면 어떻게 하지?" 이런 우려 때문에 많은 선생님들이 타자기 사용을 달가워하지 않았어요. 실제로 일어난 일 선생님들의 걱정은 어느 정도 맞았습니다. 타자기에 익숙해진 학생들은 정말로 손글씨가 서툴러졌거든요. 저자도 대학에 가서는 거의 필기체를 쓸 수 없을 정도였다고 합니다. 하지만 결과적으로는 어떻게 됐을까요? 타자로 작성한 과제는 읽기가 쉬웠고, 교수들이 채점하기도 편했어요. 학생들은 더 빠르게 과제를 완성할 수 있었고요. 02-2 계산기 때문에 수학을 못 할까 봐 걱정했던 시절 계산기가 처음 나왔을 때도 마찬가지였습니다. 선생님들은 "학생들이 계산기에 의존하면 기본적인 덧셈도 못 하게 될 것"이라고 우려했어요. 이런 걱정, 어디서 많이 들어본 것 같지 않나요? 지금 AI에 대해 하는 말들과 거의 똑같습니다. 그래서 어떻게 됐을까요? 엔지니어들은 더 이상 계산자를 사용하지 않게 됐습니다. 대신 훨씬 복잡하고 정교한 계산을 할 수 있게 됐죠. 기본적인 계산 능력을 '잃은' 대신, 훨씬 고차원적인 문제 해결 능력을 '얻은' 것입니다.

현재 소프트웨어 업계에서 조용하지만 결정적인 변화가 진행되고 있습니다. 바로 AI와의 협업 가능성이 제품의 생존을 좌우하는 핵심 지표로 부상하고 있다는 점입니다. 텍스트 기반 조작성이 새로운 경쟁력 지표로 부상 Large Language Model의 본질적 특성을 고려할 때, AI는 텍스트 기반 인터페이스와의 상호작용에서 최적의 성능을 발휘합니다. 이러한 특성으로 인해 소프트웨어의 AI 협업 가능성은 해당 도구가 얼마나 텍스트 기반으로 조작 가능한지에 직결되고 있습니다. 현재 시장의 소프트웨어들을 AI 협업 위험도 관점에서 분석해보면 명확한 패턴이 드러납니다. 고위험군에는 Adobe Creative Suite, Digital Audio Workstation, CAD/3D 소프트웨어들이 위치합니다. 이들의 공통점은 풍부한 UI 컴포넌트와 강력한 기능을 제공하지만, 핵심 데이터가 불투명한 바이너리 포맷으로 저장되며 스크립팅 지원이 제한적이라는 것입니다. 반면 저위험군에는 VS Code, Figma, Jupyter 같은 도구들이 있습니다. 이들은 이미 텍스트 기반 설정 파일, 강력한 API, 확장 가능한 플러그인 생태계를 갖추고 있어 AI와의 자연스러운 통합이 가능한 상태입니다. 중간 영역 소프트웨어들의 전략적 대응 특히 주목할 만한 것은 Blender와 Unity 같은 중간 위험군의 대응 전략입니다. Blender는 Python 스크립팅을 통해 거의 모든 기능에 프로그래밍 방식으로 접근할 수 있게 해놓았고, Unity 역시 C# 스크립팅과 Package Manager를 통해 AI 도구들과의 통합 가능성을 열어두었습니다. 이들은 이미 AI 협업의 교두보를 마련해둔 셈입니다. Microsoft Excel의 사례도 흥미롭습니다. Office Scripts, Power Query, VBA 등 다양한 자동화 레이어를 통해 점진적으로 AI 친화적 환경으로 진화하고 있습니다. 특히 최근 Copilot 통합을 통해 자연어로 복잡한 데이터 분석 작업을 수행할 수 있게 된 것은 이러한 기반 작업의 결과라고 볼 수 있습니다.

01 새로운 차원의 AI 이미지 생성 요즘 AI로 만든 영상들을 보면서 "나도 한번 영화 주인공처럼 멋있게 나오는 영상을 만들어보고 싶다"고 생각해보신 적 있으시죠? 사실 Midjourney의 새로운 Omnireference 기능을 사용하면 정말로 여러분이 영화 속 주인공이 될 수 있습니다. 시간을 넘나들며 다양한 장르의 영화 속으로 들어가서 주인공 역할을 맡는 거죠. 처음 들으면 복잡해 보이지만, 단계별로 따라하면 생각보다 어렵지 않아요. Omnireference 기능의 핵심 이해 이 기능이 혁신적인 이유는 단순히 얼굴만 바꾸는 게 아니라, 영화의 분위기와 조명, 심지어 표정까지 그 상황에 맞게 자연스럽게 조정해준다는 점입니다. 예를 들어 여러분이 '레버넌트'의 한 장면에 들어간다면, 단순히 얼굴만 바뀌는 게 아니라 혹독한 추위 속에서 생존을 위해 고군분투하는 표정과 자세, 그리고 그 상황에 어울리는 의상까지 모두 반영되어 나타납니다. 02 Omnireference 기본 설정 1단계: 기본 설정하기 본인의 얼굴이 잘 보이는 사진을 준비하세요. ① 정면을 바라보고 표정이 자연스러운 사진이 가장 좋습니다 Midjourney 프롬프트 바의 Omni ref 박스에 ② 준비한 사진을 드래그해서 넣습니다 슬라이더를 클릭해서 ③ Omni-reference 가중치를 높게 설정하세요 (800 정도 추천) 2단계: 프롬프트 작성하기 기본 프롬프트 구조는 이렇습니다: 프롬프트 구성 요소 이해하기: A 50mm cinematic medium shot: 영화적인 중간 거리 샷 of a handsome man in his 30s: 인물 기본 설정 (나이와 성별은 본인에 맞게 조정) He's wearing... He trudges...: 구체적인 상황과 행동 묘사 In the background...: 배경 설정 reminiscent of... from The Revenant: 참조할 영화 명시