비판적 분석을 위한 프롬프트 작성법

AI 도구가 논증의 논리를 비판하도록 지시하려면, 회의론자(skeptic) 역할을 명시적으로 부여하고 텍스트 요약이나 문장 다듬기를 금지해야 한다. 이를 위해 모델이 반대 입장을 취하도록 강제하는 프롬프트 구조를 사용하여, 단순한 문장 개선이 아닌 특정 논리적 오류와 근거 없는 가정을 분리해 내도록 유도한다.

기본 응답이 실패하는 이유

기본 AI 응답은 underlying 모델이 친근하고 대화적으로 훈련되어 있기 때문에 동의하거나 요약하는 경향이 있다. 구체적인 지시 없이 채팅 창에 논증을 붙여넣으면 도구는 협력적 모드로 작동한다. 주요 요점을 파악하고 명확성을 위해 재구성하며, 사소한 스타일 개선 사항을 제안할 뿐이다. 이러한 행동은 편집에는 유용하지만 논리에는 무용지물이다. 모델은 사용자가 추론의 결함을 찾기를 원한다는 사실을 알지 못하며, 대신 검증이나 세련된 표현을 원한다고 가정한다. 그 결과 출력물은 사용자의 편향을 반영하여 논증을 시험하기보다 강화하는 경우가 많다. 비판적 분석을 얻으려면 이러한 기본 협력적 태도를 명시적인 대립적 지시로 덮어써야 한다.

회의적 태도를 위한 프롬프트 구조

회의적 태도를 강제하려면 구체적이고 반대되는 역할을 정의하는 프롬프트 구조를 사용한다. "이 논증이 좋은가?"라고 묻는 대신, 도구가 특정 유형의 비평가 역할을 수행하도록 지시한다. 예를 들어, 모델이 논리적 오류와 논증 내의 논리적 공백을 식별하는 것만을 유일한 과제로 삼는 형식 논리학자(formal logician) 역할을 수행하도록 지시할 수 있다. 이러한 프레이밍은 일반적으로 예의 바르거나 유용해야 한다는 압박감을 제거한다. 또한 엄격한 기준으로 알려진 동료 심사자나 인식론 전문가와 같은 특정 상대의 관점을 AI에 부여하는 역할극(role-play) 프롬프트를 사용할 수도 있다.

또 다른 효과적인 구조는 '최선의 반론 제시 후 비판' 방식이다. 먼저 도구에 자신의 논증에 대한 가장 강력한 버전을 명확히 하도록 요청한 다음, 그 가장 강력한 버전을 해체하도록 하라. 이는 AI가 약한 허수아비 논증을 공격하는 것을 방지한다. 모델이 텍스트를 요약하지 않도록 명시적으로 금지해야 한다. 프롬프트에 "논증을 요약하지 마라. 텍스트를 다시 쓰지 마라. 논리적 약점만 식별하라."와 같은 부정적 제약을 포함하라. 이는 출력이 내용이나 스타일이 아닌 구조와 타당성에 집중하도록 강제한다.

오류와 가정 분리하기

논리적 오류와 근거 없는 가정을 분리하는 기술은 논증을 구성 요소로 세분화하는 것을 필요로 한다. 긴 에세이를 붙여넣고 전체에 대한 비판을 요청하지 마라. 대신 핵심 논리적 구조를 분리하라. QuillBot을 사용하여 수사적 장식을 제거하고 논증을 최소한의 논리적 골격으로 패러프레이징하거나 요약할 수 있다. 이렇게 간결해진 버전을 확보한 후, 모든 전제와 결론을 식별하도록 지시하여 AI에 입력하라. 각 전제를 나열하고, 이것이 증거에 의해 뒷받침되는지 아니면 단순히 주장되는지 판단하도록 도구에 요청하라.

오류를 식별하기 위해 AI에게 후건 긍정, 순환 논증, 비sequitur와 같은 특정 일반적인 오류를 확인하도록 요청하라. 또한 명시되지 않은 가정을 식별하도록 요청할 수도 있다. 도출한 모든 결론에 대해 도구에 "이 결론이 이러한 전제들로부터 도출되려면 무엇이 참이어야 하는가?"라고 물어보라. 이는 간과했을 수 있는 숨겨진 가정을 부각시킨다. 복잡하고 다층적인 논증을 다루고 있다면, Claude의 확장된 사고 기능을 활용하여 여러 단락에 걸친 구조적 약점과 명시되지 않은 가정을 심층적으로 분석할 수 있다. 이를 통해 모델은 단순한 선형 스캔으로는 놓칠 수 있는 논증의 먼 부분들 간의 의존성을 추적할 수 있다.

비판 반복 개선하기

논증의 견고성을 다듬으려면 비평을 반복해야 합니다. 첫 번째 비평을 최종본으로 취급하지 마십시오. AI가 식별한 약점을 바탕으로 논증을 수정하여 이를 보완하십시오. 그런 다음 동일한 회의적 프롬프트로 수정된 논증을 도구에 다시 입력하십시오. AI에게 새 버전을 비평하도록 요청하십시오. AI가 더 이상 중요한 논리적 공백을 식별하지 못할 때까지 이 주기를 반복하십시오. 이러한 반복적 과정은 지속적인 압박 하에서 논증의 내구성를 검증합니다.

이 반복 과정에서 단계별로 다른 도구를 사용할 수 있습니다. 논증이 사실적 전제에 의존한다면, Perplexity를 통해 인용된 출처와 대조하여 해당 전제의 논리적 일관성을 검증하고 사실적 주장이 근거를 갖도록 할 수 있습니다. 논증이 더 큰 문서나 발표 자료에 포함되어 있다면, Microsoft Copilot을 통해 워크플로우 내에서 직접 논리를 비평하여 맥락 속에서 논증이 어떻게 기능하는지 확인할 수 있습니다. 논증에 차트나 다이어그램 같은 멀티모달 요소가 포함된 경우, Gemini를 통해 텍스트, 이미지, 비디오 형식으로 동시에 제시된 논증을 비평할 수 있습니다. 메모가 데이터베이스에 저장되어 있다면, Notion AI를 통해 저장된 논증의 내부 불일치를 분석할 수 있습니다. Grammarly를 통해 논증의 정밀도를 약화시키는 구조적 모호성을 식별하여, 논리적 주장이 불명확한 구문으로 인해 흐려지지 않도록 할 수 있습니다.

이러한 도구들의 출력을 판단할 때는 구체성을 찾으십시오. 좋은 비평은 실패하는 정확한 전제를 명시하고 그것이 결론을 지지하지 못하는 이유를 설명합니다. 나쁜 비평은 "이 섹션은 약하다" 또는 "더 많은 증거가 필요하다"와 같은 모호한 일반론을 제시합니다. 모호하거나 자신의 논증을 다른 단어로 단순히 반복하기만 하는 출력물은 버리십시오. 비평은 논증을 포기하기 위해 사용하지 말고 강화하기 위해 사용하십시오. 목표는 엄격한 심사를 견디는 논증을 만드는 것입니다.