AI 답변을 발전시키는 후속 질문법｜첫 답변을 실무 결과물로 바꾸는 방법

AI를 사용하면 무엇을 물어도 빠르게 답을 받을 수 있습니다.

질문을 입력한 뒤 몇 초만 기다리면 상당히 긴 설명과 잘 정리된 문서가 화면에 나타납니다. 문장도 자연스럽고, 목차와 결론도 그럴듯합니다.

그래서 AI를 처음 사용하는 사람은 첫 번째 답변을 완성된 결과물로 받아들이기 쉽습니다.

그러나 실제 업무에서 활용해 보면 첫 답변만으로는 부족한 경우가 많습니다.

내용이 너무 일반적이거나, 사용자의 현실과 맞지 않을 수 있습니다. 중요한 조건이 빠져 있거나, 확인되지 않은 추정이 사실처럼 포함되기도 합니다. 질문에 담긴 사용자의 기대에 맞춰 지나치게 긍정적인 결론을 내리는 경우도 있습니다.

이때 많은 사람이 같은 내용을 다시 질문합니다.

더 자세히 설명해 줘.

조금 더 전문적으로 작성해 줘.

현실적으로 다시 써 줘.

내용을 보완해 줘.

물론 이런 요청만으로도 답변은 길어질 수 있습니다.

그러나 문장이 늘어나고 표현이 어려워졌다고 해서 답변의 품질이 높아진 것은 아닙니다. 처음 답변의 잘못된 전제와 빠진 정보가 그대로 유지된 채 내용만 길어질 수도 있습니다.

AI 답변을 실제 업무에 활용할 수 있는 수준으로 발전시키려면 무엇이 부족한지 구체적으로 지적하고, 어떤 방향으로 수정할지를 알려주는 후속 질문이 필요합니다.

AI 활용에서 첫 질문만큼 중요한 것이 바로 후속 질문입니다.

AI의 첫 답변은 완성본이 아니라 초안이다

AI에게 질문하면 한 번에 완성된 답변이 나오는 것처럼 보입니다.

하지만 실제로는 사용자가 제공한 정보와 질문의 방향을 바탕으로 만든 첫 번째 초안에 가깝습니다.

예를 들어 다음과 같이 질문했다고 가정해 보겠습니다.

중국에서 글라스 전기포트를 수입해 국내에서 판매하고자 한다. 시장성을 분석해 줘.

AI는 다음과 같은 내용을 제시할 수 있습니다.

• 디자인을 중시하는 소비자가 늘고 있다.
• 내부를 볼 수 있어 위생적인 느낌을 준다.
• 일반 전기포트와 차별화할 수 있다.
• 온라인 중심으로 판매하면 시장진입이 가능하다.
• 합리적인 가격과 마케팅을 병행하면 성공 가능성이 있다.

겉으로 보면 틀린 말이 아닌 것처럼 보입니다.

하지만 사업 여부를 결정하기에는 부족합니다.

국내에서 실제로 얼마나 많은 제품이 판매되고 있는지, 주요 가격대가 얼마인지, 강화유리의 파손 위험은 어느 정도인지, 국내 인증비용과 최소주문수량이 얼마인지 알 수 없습니다.

상품의 무게에 따른 배송비, 초기 불량, 반품률, 소비자가 기존 브랜드 대신 새로운 브랜드를 선택할 이유도 확인되지 않았습니다.

이 상태에서 다음과 같이 요청하면 어떻게 될까요?

내용을 더 자세히 작성해 줘.

AI는 앞서 제시한 내용을 더 길게 설명할 가능성이 큽니다.

디자인의 장점, 소비자의 위생 관심, 온라인시장 성장과 마케팅 방법을 더 풍부하게 서술할 수는 있습니다.

그러나 사용자가 정말 필요한 것은 긴 설명이 아니라 빠진 정보와 잘못된 가정을 바로잡는 일입니다.

첫 답변은 정답이 아닙니다.

사용자가 검토하고 수정하면서 발전시켜야 하는 출발점입니다.

나도 첫 답변을 그대로 믿기보다 반문하면서 결과를 발전시켰다

나 역시 처음 AI를 사용할 때는 첫 답변의 형식과 속도에 놀랐습니다.

시장조사부터 제조방안, 판매계획과 수익성 분석까지 한꺼번에 요청하면 AI는 짧은 시간에 종합사업계획서를 만들어 줬습니다.

처음에는 이렇게 빠르게 작성된 자료를 바로 활용할 수 있을 것으로 생각했습니다.

하지만 내용을 읽어보면 현실과 다른 부분이 많았습니다.

AI가 제시한 예상판매량에 근거가 없거나, 국내 인증비용과 판매수수료가 빠져 있기도 했습니다. 중국 공장의 최소주문수량과 제품 불량, 반품, 애프터서비스 문제도 충분히 반영되지 않았습니다.

무엇보다 내가 제품도입을 검토하고 있다는 사실을 AI가 제품도입을 강하게 원하고 있는 것으로 받아들이는 듯했습니다.

AI는 도입하지 말아야 할 이유보다 도입할 수 있는 이유를 더 적극적으로 찾아냈습니다. 위험요소를 지적하면서도 최종적으로는 마케팅과 차별화를 잘하면 성공할 수 있다는 방향으로 결론을 내리는 경우가 많았습니다.

그때부터 첫 답변을 그대로 받아들이지 않고 계속 반문하기 시작했습니다.

이 판매량을 제시한 근거가 무엇인가?

실제 국내 판매자료를 확인한 것인가?

확인할 수 없는 판매량이라면 추정이라고 표시해 달라.

제품도입에 반대하는 입장에서 다시 검토해 달라.

최소주문수량이 3,000개라는 조건을 반영해 재고위험을 분석해 달라.

광고비와 반품비용을 포함해 수익성을 다시 계산해 달라.

내가 제품도입을 원한다는 전제를 버리고 객관적으로 판단해 달라.

내가 알고 있는 현실정보도 하나씩 추가했습니다.

제품의 실제 원가, 중국 공장이 요구하는 주문수량, 인증에 필요한 자료, 예상 배송비, 판매수수료, 광고비와 애프터서비스 비용을 알려줬습니다.

AI가 현실과 다른 답을 제시하면 그 이유도 설명했습니다.

처음에는 이 과정이 번거롭게 느껴졌습니다.

하지만 질문과 반론을 반복할수록 결과물은 달라졌습니다.

확인되지 않은 판매량이 빠졌고, 사실과 추정이 구분되기 시작했습니다. 제품의 장점뿐 아니라 실패 가능성과 철수조건도 함께 검토할 수 있었습니다.

처음에 만들어진 낙관적인 사업계획서는 여러 차례의 후속 질문을 거치면서 현실적인 사업성 검토보고서로 바뀌었습니다.

이 경험을 통해 AI의 능력은 첫 답변에서 결정되는 것이 아니라는 사실을 알게 되었습니다.

사용자가 어떤 후속 질문을 하느냐에 따라 같은 첫 답변도 전혀 다른 결과물로 발전할 수 있습니다.

좋은 후속 질문은 무엇이 다른가

좋은 후속 질문에는 대체로 세 가지 요소가 들어갑니다.

첫째, 현재 답변의 어떤 부분이 문제인지 알려줍니다.

둘째, 어떤 정보나 관점을 추가해야 하는지 설명합니다.

셋째, 수정된 결과물을 어떤 형태로 받고 싶은지 지정합니다.

예를 들어 다음 요청은 방향이 모호합니다.

좀 더 현실적으로 작성해 줘.

무엇이 현실과 다른지 AI는 알기 어렵습니다.

다음과 같이 질문하면 훨씬 명확해집니다.

현재 분석에는 국내 인증비용, 온라인 판매수수료, 광고비, 반품비용과 최소주문수량이 빠져 있다. 이 항목을 반영해 수익성을 다시 계산하고, 확인되지 않은 판매량은 사용하지 말아 줘.

또 다른 예를 보겠습니다.

더 전문적인 보고서로 만들어 줘.

이 요청은 문장을 어렵게 만들거나 보고서 형식을 복잡하게 만들 수 있습니다.

다음과 같이 질문하는 것이 좋습니다.

대표이사가 제품도입 여부를 판단하기 위한 보고서다. 서론은 줄이고 예상원가, 손익분기점, 주요 위험, 출시조건과 중단조건을 앞부분에 배치해 줘.

좋은 후속 질문은 단순히 답변을 길게 만드는 것이 아닙니다.

답변의 방향과 판단기준을 바꾸고, 실제 사용목적에 맞게 내용을 조정하는 질문입니다.

후속 질문법 1｜빠진 내용을 찾아 달라고 하라

AI의 첫 답변에서 무엇이 빠졌는지 사용자가 바로 알기 어려울 수 있습니다.

이때는 AI에게 스스로 누락된 내용을 검토하게 할 수 있습니다.

현재 답변에서 중요한데 빠진 항목을 찾아 줘.

이 분석만으로 제품도입을 결정하기 어려운 이유를 정리해 줘.

추가로 확인해야 할 내부자료와 외부자료를 구분해 줘.

이 보고서를 검토하는 대표이사가 추가로 질문할 내용을 예상해 줘.

소비자, 제조공장, 판매채널과 인증기관의 관점에서 빠진 내용을 찾아 줘.

예를 들어 AI가 신제품의 시장성을 긍정적으로 분석했다면 다음 질문을 할 수 있습니다.

이 분석에서 재고, 반품, 불량, 인증, 배송비와 애프터서비스에 관해 빠진 항목을 찾아 줘.

이렇게 질문하면 AI는 처음 답변에서 다루지 않았던 위험요소를 추가할 수 있습니다.

다만 AI가 빠진 내용을 모두 찾아준다고 믿어서는 안 됩니다.

사용자도 자신의 경험과 실제 자료를 바탕으로 누락된 조건을 계속 추가해야 합니다.

후속 질문법 2｜근거를 물어보라

AI의 답변에는 근거가 분명하지 않은 숫자와 판단이 포함될 수 있습니다.

특히 시장규모, 예상판매량, 성장률, 점유율과 소비자 선호에 관한 내용은 주의해야 합니다.

다음과 같은 문장이 있다고 가정해 보겠습니다.

국내 글라스 전기포트 시장은 앞으로 지속적으로 성장할 것으로 예상된다.

이 문장을 그대로 사용하지 말고 다음과 같이 물어봐야 합니다.

시장이 성장한다고 판단한 근거가 무엇인가?

확인 가능한 통계나 조사자료가 있는가?

국내시장에 관한 자료인지 해외시장에 관한 자료인지 구분해 줘.

공식적으로 확인할 수 없는 내용은 추정이라고 표시해 줘.

자료의 조사시점과 출처를 함께 표시해 줘.

숫자가 포함된 경우에는 더욱 구체적으로 확인해야 합니다.

예상판매량을 월 1,000개로 계산한 근거를 설명해 줘.

판매량을 확인할 수 없다면 임의의 숫자를 사용하지 말고, 손익분기점 기준으로 다시 계산해 줘.

이 수치는 확인된 사실인지, 가정인지, AI가 추정한 것인지 구분해 줘.

AI에게 근거를 물어보면 처음 답변의 약점을 발견할 수 있습니다.

AI가 출처를 제시하더라도 실제 자료의 존재 여부와 내용은 다시 확인해야 합니다.

후속 질문법 3｜사실과 추정을 구분하게 하라

AI 답변에서 가장 위험한 부분 중 하나는 사실과 추정이 자연스럽게 섞여 있다는 점입니다.

다음 두 문장을 보겠습니다.

국내 소비자들은 위생적인 제품을 선호한다.

투명한 유리 소재는 소비자의 신뢰를 높여 판매에 도움이 될 수 있다.

첫 번째 문장은 조사자료가 있어야 확인할 수 있는 내용입니다.

두 번째 문장은 가능성을 설명한 의견에 가깝습니다.

그러나 AI의 답변에서는 이런 내용이 모두 사실처럼 이어질 수 있습니다.

다음과 같은 후속 질문을 활용할 수 있습니다.

현재 답변을 확인된 사실, 사용자가 제공한 정보, AI의 추정과 일반적인 의견으로 구분해 줘.

근거가 없는 문장은 삭제하거나 가능성 표현으로 바꿔 줘.

확인되지 않은 내용에는 ‘추가 확인 필요’라고 표시해 줘.

시장자료와 제품에 대한 의견을 별도의 항목으로 나눠 줘.

숫자, 날짜와 고유명사 가운데 검증이 필요한 내용을 표로 정리해 줘.

이 질문은 시장조사뿐 아니라 법률, 세무, 인증과 제품성능을 검토할 때도 중요합니다.

AI가 자신 있게 설명한다고 해서 모두 확인된 사실은 아닙니다.

후속 질문법 4｜현실조건을 추가하라

AI가 일반적인 답변을 하는 가장 큰 이유는 사용자의 구체적인 상황을 모르기 때문입니다.

첫 답변을 받은 뒤에는 실제 조건을 추가해야 합니다.

예를 들어 AI가 다음과 같이 답했다고 가정해 보겠습니다.

초기에는 소량으로 시장반응을 확인한 뒤 주문량을 확대하는 것이 좋습니다.

일반적으로는 타당한 조언입니다.

하지만 중국 공장의 최소주문수량이 3,000개라면 현실적으로 실행하기 어렵습니다.

이때 다음과 같이 후속 질문을 해야 합니다.

제조공장의 최소주문수량은 3,000개이며 예상 도착원가는 개당 4만8천 원이다. 초도물량을 줄이기 어렵다는 조건을 반영해 재고위험과 필요자금을 다시 분석해 줘.

추가할 수 있는 현실조건은 다양합니다.

• 실제 수입원가
• 최소주문수량
• 판매가격
• 판매채널 수수료
• 광고예산
• 배송비
• 반품률
• 불량률
• 인증비용
• 애프터서비스 비용
• 보관비용
• 회사의 인력과 자금
• 목표 판매기간
• 거래처와의 협상력
• 경쟁제품의 실제 가격

AI는 사용자의 현실을 자동으로 알 수 없습니다.

답변이 현실과 맞지 않는다면 AI를 탓하기 전에 어떤 조건을 알려주지 않았는지 확인해야 합니다.

후속 질문법 5｜반대 입장에서 검토하게 하라

AI는 사용자의 질문방향을 따라가는 경향이 있습니다.

사용자가 어떤 사업을 하고 싶다는 기대를 강하게 표현하면 AI는 그 사업의 가능성을 뒷받침하는 답을 만들 수 있습니다.

이런 편향을 줄이려면 의도적으로 반대 관점을 요청해야 합니다.

이 제품의 도입에 반대하는 입장에서 검토해 줘.

이 사업이 실패할 가능성을 먼저 분석해 줘.

투자하지 말아야 할 이유를 중요도 순서로 정리해 줘.

경쟁업체의 입장에서 우리 제품의 약점을 찾아 줘.

소비자가 이 제품을 사지 않을 이유를 찾아 줘.

유통업체가 입점을 거부할 이유를 검토해 줘.

기존 결론을 반박할 수 있는 자료와 논리를 제시해 줘.

반대 검토는 사업계획뿐 아니라 계약서와 업무 메시지에도 활용할 수 있습니다.

계약서를 작성했다면 다음과 같이 질문할 수 있습니다.

상대방이 이 조항을 받아들이지 않을 이유를 찾아 줘.

상대방 변호사의 입장에서 우리 계약서의 약점을 검토해 줘.

항의문을 작성했다면 다음과 같이 물을 수 있습니다.

상대방이 책임을 부인하기 위해 제기할 수 있는 반론을 예상해 줘.

우리 주장에서 증거가 부족한 부분을 찾아 줘.

반대 의견을 요청하는 것은 AI의 답을 부정하기 위한 것이 아닙니다.

첫 답변에서 보지 못한 위험과 약점을 발견하기 위한 과정입니다.

후속 질문법 6｜판단기준을 바꿔 보라

같은 자료도 어떤 기준으로 보느냐에 따라 결론이 달라질 수 있습니다.

AI가 시장규모와 성장 가능성만으로 사업을 긍정적으로 평가했다면, 자금과 재고위험을 기준으로 다시 검토할 수 있습니다.

시장성보다 재고위험과 현금흐름을 중심으로 다시 평가해 줘.

매출액이 아니라 실제 영업이익을 기준으로 사업성을 판단해 줘.

낙관적인 판매량을 제외하고 보수적인 기준으로 다시 계산해 줘.

6개월 안에 초도물량을 판매하지 못하는 경우를 기준으로 검토해 줘.

브랜드 인지도가 전혀 없는 신규업체의 입장에서 분석해 줘.

광고비가 판매가의 15% 이상 발생한다는 조건으로 수익성을 다시 계산해 줘.

회사가 추가 인력을 채용할 수 없다는 조건을 반영해 줘.

판단기준을 바꾸면 처음 답변과 다른 결론이 나올 수 있습니다.

사업은 단순히 시장이 크다는 이유만으로 성공하지 않습니다.

자금, 인력, 공급망, 인증, 판매채널과 재고회전 등 여러 기준을 함께 살펴야 합니다.

후속 질문법 7｜범위를 좁혀 다시 물어보라

첫 답변이 너무 넓고 일반적이라면 범위를 좁혀야 합니다.

예를 들어 다음 질문은 범위가 매우 넓습니다.

AI를 회사 업무에 어떻게 활용할 수 있는가?

AI는 이메일, 회의록, 보고서, 시장조사, 고객응대와 데이터 분석 등 여러 내용을 나열할 것입니다.

그러나 실제 실행방법은 부족할 수 있습니다.

다음과 같이 범위를 좁힐 수 있습니다.

직원 5명 이하의 수입유통회사에서 매일 반복되는 업무만 대상으로 다시 정리해 줘.

중국 제조공장과 주고받는 위챗 메시지 작성업무에 한정해 설명해 줘.

신제품 시장조사 과정에서 활용할 수 있는 방법만 단계별로 정리해 줘.

별도 유료프로그램 없이 사용할 수 있는 방법으로 제한해 줘.

대표이사가 직접 사용할 수 있는 업무만 선정해 줘.

범위를 좁히면 답변의 구체성과 활용도가 높아집니다.

넓은 질문으로 전체 지도를 확인한 뒤, 필요한 부분을 좁혀 들어가는 방식이 좋습니다.

후속 질문법 8｜구체적인 사례를 요구하라

AI의 설명이 추상적이면 실제 사례를 요청할 수 있습니다.

실제 중소기업의 상황을 가정해 사례를 만들어 줘.

중국에서 소형가전을 수입하는 회사를 예로 들어 설명해 줘.

잘못된 질문과 개선된 질문을 비교해서 보여 줘.

같은 내용으로 나쁜 답변과 좋은 답변의 차이를 보여 줘.

제품도입을 검토하는 대표이사와 AI의 대화형식으로 작성해 줘.

실제 숫자를 넣은 손익계산 사례를 보여 주되, 예시 수치라고 표시해 줘.

사례를 요청할 때는 실제 사실과 가상의 예시를 구분하도록 해야 합니다.

가상의 사례임을 분명히 표시하고, 실제 통계처럼 표현하지 말아 줘.

구체적인 사례는 복잡한 개념을 이해하는 데 도움이 됩니다.

그러나 사례 속 숫자를 실제 시장자료로 착각해서는 안 됩니다.

후속 질문법 9｜표현보다 구조를 먼저 수정하라

AI 답변이 마음에 들지 않을 때 문장부터 고치려는 경우가 많습니다.

더 자연스럽게 써 줘.

전문적인 문장으로 바꿔 줘.

설득력 있게 작성해 줘.

하지만 내용의 구조가 잘못되어 있다면 문장을 다듬어도 좋은 결과물이 되기 어렵습니다.

먼저 다음과 같이 구조를 검토해야 합니다.

이 보고서의 목차가 의사결정에 적합한지 검토해 줘.

중요도가 낮은 내용은 줄이고 핵심 위험을 앞부분으로 옮겨 줘.

시장현황, 경쟁분석, 손익, 위험요소와 결론의 순서가 적절한지 검토해 줘.

같은 내용이 반복되는 부분을 찾아 통합해 줘.

결론을 뒷받침하지 못하는 내용을 삭제해 줘.

대표이사가 5분 안에 읽을 수 있도록 구조를 다시 만들어 줘.

구조가 확정된 뒤 표현을 수정해야 합니다.

전문용어를 줄이고 일반적인 사업자가 이해할 수 있게 바꿔 줘.

문장을 짧게 나누고 결론부터 제시해 줘.

감정적인 표현을 줄이고 객관적인 업무문장으로 수정해 줘.

내용, 구조, 표현의 순서로 수정하는 것이 효율적입니다.

후속 질문법 10｜결과물의 독자를 지정하라

같은 내용도 누가 읽는지에 따라 작성방식이 달라져야 합니다.

대표이사에게 보고하는 문서와 실무담당자에게 전달하는 문서는 강조점이 다릅니다.

중국 제조공장에 보내는 메시지와 국내 소비자에게 안내하는 공지문도 다릅니다.

다음과 같이 독자를 구체적으로 지정할 수 있습니다.

중소기업 대표이사가 투자 여부를 판단할 수 있도록 작성해 줘.

중국 제조공장 담당자가 오해하지 않도록 짧고 분명하게 정리해 줘.

법률지식이 없는 일반사업자가 이해할 수 있도록 설명해 줘.

제품을 처음 사용하는 소비자를 위한 안내문으로 바꿔 줘.

회사 내부회의에서 발표할 수 있도록 핵심내용만 정리해 줘.

변호사에게 검토를 요청하기 전 사실관계 정리자료로 작성해 줘.

독자가 정해지면 문장의 난이도, 분량, 구조와 강조점이 달라집니다.

후속 질문법 11｜여러 대안을 비교하게 하라

AI에게 하나의 정답만 요구하면 선택지가 좁아질 수 있습니다.

여러 대안을 만들고 장단점을 비교하게 하는 것이 좋습니다.

이 문제를 해결할 수 있는 세 가지 방안을 제시해 줘.

소량수입, 독점판매와 공동브랜드 방식의 장단점을 비교해 줘.

가격을 낮추는 방안과 기능을 차별화하는 방안을 비교해 줘.

계약을 유지하는 경우, 조건을 변경하는 경우와 거래를 중단하는 경우를 비교해 줘.

가장 안전한 방안, 가장 수익성이 높은 방안과 가장 실행하기 쉬운 방안을 각각 제시해 줘.

각 방안의 비용, 기간, 위험과 필요인력을 표로 비교해 줘.

대안을 비교할 때는 평가기준도 함께 정해야 합니다.

초기투자, 수익성, 재고위험, 실행기간과 회사의 인력부담을 기준으로 비교해 줘.

이런 질문은 AI가 한 방향으로만 결론을 내리는 것을 줄여줍니다.

후속 질문법 12｜최악의 상황을 가정하라

사업과 계약에서는 좋은 결과만 예상해서는 안 됩니다.

AI의 첫 답변이 긍정적인 경우 다음과 같은 질문을 할 수 있습니다.

판매량이 예상의 절반에 그칠 경우 손익을 다시 계산해 줘.

초도물량의 30%가 1년 동안 재고로 남는 상황을 분석해 줘.

제품 불량률이 5%로 증가할 경우 추가비용을 계산해 줘.

중국 공장이 납기를 60일 지연하는 상황을 가정해 줘.

주요 판매채널에서 입점이 거절될 경우 대안을 제시해 줘.

인증이 지연되어 판매시기를 놓치는 상황을 검토해 줘.

경쟁업체가 판매가격을 20% 낮추는 경우를 분석해 줘.

최악의 상황을 검토한다고 해서 사업을 부정적으로만 보는 것은 아닙니다.

문제가 발생했을 때 감당할 수 있는지 미리 확인하는 과정입니다.

후속 질문법 13｜다음 행동을 정하게 하라

AI 답변이 설명으로 끝나면 실제 업무로 연결되지 않을 수 있습니다.

마지막에는 다음 행동을 구체적으로 정해야 합니다.

지금까지의 분석을 바탕으로 가장 먼저 해야 할 일을 순서대로 정리해 줘.

이번 주 안에 확인해야 할 항목만 체크리스트로 만들어 줘.

중국 공장에 문의할 질문을 우선순위에 따라 작성해 줘.

인증기관에 확인할 사항과 제조공장에 확인할 사항을 구분해 줘.

사업진행 여부를 결정하기 전에 반드시 확보해야 할 자료를 정리해 줘.

담당자, 기한과 결과물 형식이 포함된 실행계획으로 바꿔 줘.

좋은 AI 답변은 읽고 끝나는 자료가 아니라 다음 행동으로 이어지는 자료여야 합니다.

나쁜 후속 질문과 좋은 후속 질문의 차이

다음은 흔히 사용하는 모호한 후속 질문입니다.

나쁜 후속 질문

더 자세히 써 줘.

더 현실적으로 작성해 줘.

더 전문적으로 만들어 줘.

부족한 내용을 보완해 줘.

설득력을 높여 줘.

이런 질문은 AI가 무엇을 바꿔야 하는지 알기 어렵습니다.

다음과 같이 구체적으로 바꾸는 것이 좋습니다.

좋은 후속 질문

현재 답변에는 시장의 장점만 있고 경쟁제품의 가격, 소비자 불만과 반품위험이 빠져 있다. 이 세 가지를 추가해 다시 분석해 줘.

예상판매량의 근거가 없다. 확인할 수 없는 판매량은 삭제하고 월 고정비를 기준으로 손익분기 판매량을 계산해 줘.

결론이 지나치게 긍정적이다. 최소주문수량 3,000개와 6개월 재고보관비를 반영해 제품도입에 반대하는 입장에서 다시 검토해 줘.

보고서가 너무 길다. 대표이사가 투자 여부를 판단하는 데 필요한 결론, 예상손익, 주요 위험과 다음 조치만 1,500자 이내로 정리해 줘.

현재 계약문구는 우리 회사에만 유리해 상대방이 받아들이기 어렵다. 핵심 권리는 유지하되 실제 협상이 가능한 대안조항으로 수정해 줘.

좋은 후속 질문은 답변의 문제, 추가조건과 원하는 결과를 함께 알려줍니다.

업무별로 활용할 수 있는 후속 질문 사례

시장조사

이 시장규모는 어떤 자료를 근거로 한 것인가?

국내자료와 해외자료를 구분해 줘.

확인되지 않은 판매량은 삭제해 줘.

경쟁제품 10개의 실제 판매가격을 기준으로 다시 비교해 줘.

소비자 후기에서 반복되는 불만을 찾아 줘.

시장성보다 신규업체의 진입장벽을 중심으로 다시 분석해 줘.

사업계획서

이 사업이 실패하는 가장 큰 원인 다섯 가지를 찾아 줘.

예상판매량을 절반으로 낮춰 손익을 다시 계산해 줘.

초기투자비와 운전자금이 빠져 있으므로 추가해 줘.

출시조건과 사업중단 조건을 구분해 줘.

낙관적·기준·보수적 시나리오로 나눠 줘.

계약서 검토

우리 회사에 가장 불리한 조항을 위험순서대로 정리해 줘.

계약서에 빠진 조항을 찾아 줘.

상대방이 이 수정안을 거부할 이유를 예상해 줘.

법률전문가에게 반드시 확인해야 할 부분을 구분해 줘.

기존 조항, 문제점과 수정안을 비교표로 만들어 줘.

이메일과 업무 메시지

감정적인 표현을 줄이고 사실과 요구사항을 분리해 줘.

상대방이 방어적으로 느낄 수 있는 문장을 찾아 수정해 줘.

회신기한과 요청사항이 분명하게 보이도록 바꿔 줘.

관계를 유지하되 책임소재는 분명하도록 작성해 줘.

상대방이 오해할 수 있는 표현을 찾아 줘.

보고서

결론을 앞부분으로 옮겨 줘.

반복되는 내용과 근거가 없는 내용을 삭제해 줘.

대표이사가 추가로 물어볼 질문을 예상해 줘.

숫자와 날짜 중 확인이 필요한 항목을 표시해 줘.

한 페이지 요약본과 상세본으로 나눠 줘.

후속 질문을 너무 많이 하면 생기는 문제

후속 질문은 중요하지만 무조건 많이 한다고 좋은 것은 아닙니다.

대화가 길어지면 처음의 목적과 조건이 흐려질 수 있습니다.

AI가 이전에 확정한 내용을 바꾸거나, 새로운 가정을 추가할 수도 있습니다. 서로 다른 주제가 한 대화에 섞이면 답변의 일관성이 떨어질 수 있습니다.

이를 방지하려면 중간에 현재까지 확정된 내용을 정리해야 합니다.

지금까지 확정된 사실, 가정, 미확인 사항과 최종목표를 구분해 요약해 줘.

또는 사용자가 직접 기준을 다시 제시할 수 있습니다.

현재까지 확정된 조건

• 목표시장: 국내 온라인시장
• 목표판매가격: 9만9천 원
• 예상 도착원가: 4만8천 원
• 최소주문수량: 3,000개
• 판매수수료: 11%
• 광고비: 매출의 12%
• 반품 및 불량충당금: 매출의 5%
• 목표 재고소진기간: 6개월
• 확인되지 않은 판매량은 사용하지 않음

위 조건을 변경하지 말고 보수적인 손익분석을 다시 작성해 줘.

이렇게 기준을 재확인하면 대화가 길어져도 방향을 유지할 수 있습니다.

업무의 성격이 크게 달라지면 새로운 대화를 시작하는 것도 좋습니다.

시장조사, 손익계산, 계약서 작성과 마케팅 문구는 별도의 대화로 나누되 앞 단계의 확정내용을 요약해 제공하면 됩니다.

후속 질문으로도 해결되지 않는 일이 있다

AI와 계속 대화한다고 모든 문제가 해결되는 것은 아닙니다.

다음과 같은 상황에서는 후속 질문보다 실제 자료확인이나 전문가 검토가 필요합니다.

• 최신 법률과 제도가 결론에 영향을 미칠 때
• 시장규모와 판매량의 신뢰할 만한 자료가 없을 때
• 인증 가능 여부가 제품출시를 좌우할 때
• 계약해석에 따라 큰 손실이 발생할 수 있을 때
• 제품성능을 실제 시험해야 할 때
• 의료, 세무, 투자와 안전 문제가 포함될 때
• 개인정보와 영업비밀을 다뤄야 할 때
• AI가 같은 질문에 계속 다른 답을 내놓을 때

이때는 AI에게 더 그럴듯한 답을 만들어 달라고 요청하기보다 공식자료와 실제 데이터를 확인해야 합니다.

AI는 자료를 정리하고 검토할 수 있지만, 존재하지 않는 사실을 확인된 자료로 바꿀 수는 없습니다.

실무에서 바로 사용하는 후속 질문 기본양식

AI의 첫 답변을 받은 뒤 다음 순서로 질문하면 결과를 체계적으로 발전시킬 수 있습니다.

1단계｜누락 확인

현재 답변에서 중요한데 빠진 내용을 찾아 줘.

2단계｜근거 확인

숫자, 시장전망과 주요 판단의 근거를 설명해 줘.

3단계｜사실과 추정 구분

확인된 사실, 사용자 제공정보, AI의 추정과 추가 확인사항을 구분해 줘.

4단계｜현실조건 반영

다음은 실제 조건이다. 이 내용을 반영해 답변을 수정해 줘.

5단계｜반대 검토

현재 결론에 반대하는 입장에서 위험과 실패 가능성을 분석해 줘.

6단계｜대안 비교

가능한 대안 세 가지를 제시하고 비용, 기간, 위험과 실행 가능성을 비교해 줘.

7단계｜최악의 상황 검토

예상이 빗나갈 경우 발생할 수 있는 최악의 상황과 대응책을 정리해 줘.

8단계｜구조 수정

최종 독자가 판단하기 쉽도록 목차와 정보의 순서를 다시 구성해 줘.

9단계｜표현 수정

전문용어를 줄이고 짧고 명확한 업무문장으로 다듬어 줘.

10단계｜다음 행동 결정

지금까지의 결과를 바탕으로 다음에 해야 할 일을 우선순위와 기한에 따라 정리해 줘.

모든 질문을 매번 사용할 필요는 없습니다.

업무의 중요도와 첫 답변의 상태에 따라 필요한 질문을 선택하면 됩니다.

AI를 잘 쓰는 사람은 첫 답변에 만족하지 않는다

AI 활용능력은 멋진 첫 질문을 만드는 능력만으로 결정되지 않습니다.

첫 답변에서 문제를 발견하고, 필요한 정보를 추가하며, 반대 관점에서 검토하고, 결과물을 사용목적에 맞게 수정하는 능력이 더 중요합니다.

AI의 첫 답변은 빠르고 그럴듯합니다.

그러나 빠르게 만들어졌다는 이유로 정확한 것은 아니며, 길고 체계적이라는 이유로 현실적인 것도 아닙니다.

나 역시 처음에는 AI가 만들어 준 사업계획서를 보고 놀랐지만, 실제 경험과 비교하면서 많은 차이를 발견했습니다.

그 차이를 하나씩 지적하고, 현실조건을 알려주고, 반대의견을 요구하면서 결과물을 발전시켰습니다.

처음에는 시간이 많이 걸렸습니다.

하지만 같은 과정을 반복하면서 어떤 정보를 먼저 제공해야 하는지, 어떤 부분의 근거를 확인해야 하는지, 어느 시점에 반대검토를 요청해야 하는지 알게 되었습니다.

결과적으로 질문에 드는 시간은 줄었고, 산출물의 품질은 높아졌습니다.

좋은 후속 질문은 AI에게 정답을 다시 요구하는 것이 아닙니다.

현재 답변의 약점을 발견하고, 현실에 필요한 정보와 판단기준을 추가하며, 사용자가 원하는 결과물에 한 걸음씩 가까워지는 과정입니다.

AI가 내놓은 첫 답변을 그대로 사용하지 마십시오.

무엇이 빠졌는지, 어떤 근거가 있는지, 사실과 추정이 어떻게 섞여 있는지 확인해야 합니다. 현실조건을 추가하고 반대 입장에서 검토하며, 필요한 경우 판단기준과 문서구조도 바꿔야 합니다.

AI를 잘 활용하는 사람은 한 번에 완벽한 답을 받는 사람이 아닙니다.

첫 답변을 출발점으로 삼아 더 정확하고 현실적인 결과물로 발전시킬 줄 아는 사람입니다.

※ AI가 작성한 답변에는 확인되지 않은 정보, 잘못된 숫자, 오래된 자료와 과도한 추정이 포함될 수 있습니다. 법률, 세무, 인증, 의료, 투자, 제품안전과 중요한 계약에 관한 사항은 공식자료 및 해당 분야 전문가를 통해 별도로 확인해야 합니다.