Role & Persona Prompting LLM을 ‘답변기’가 아닌 ‘사고 주체’로 만드는 설계 기술

Role & Persona Prompting

LLM을 ‘답변기’가 아닌 ‘사고 주체’로 만드는 설계 기술


대규모 언어 모델(LLM)이 보편화되면서,

프롬프트 엔지니어링의 초점은 단순히 *“무엇을 물을 것인가”*에서

*“어떤 관점과 태도로 사고하게 할 것인가”*로 이동하고 있습니다.


그 중심에 있는 개념이 바로 Role Prompting, Persona Prompting,

그리고 이를 확장한 Multi-Persona Prompting입니다.





1. Role Prompting: AI에게 ‘역할’을 부여한다는 것


🔹 Role Prompting이란?


Role Prompting은 AI에게 **명시적인 역할(Role)**을 부여해

해당 역할의 전문성과 책임 범위 안에서 사고하도록 유도하는 기법입니다.


예를 들어,

  • “너는 변호사다”

  • “너는 세무 전문가다”

  • “너는 정책 분석가다”


이러한 설정은 단순한 말투 변화가 아니라,

지식 선택·추론 방식·결론 도출 기준 자체를 바꿉니다.


👉 LLM은 역할이 주어질 때

관련 지식의 우선순위와 설명 깊이를 자동으로 재구성합니다.




2. 청자 중심 Prompting: 누구를 위해 말하는가


Role Prompting이 화자 중심이라면,

청자 중심 Prompting은 **수신자(Audience)**를 명확히 지정합니다.


🔹 예시

  • “10세 아이에게 설명하듯”

  • “대학교 교수에게 제출하는 보고서처럼”

  • “비전공자도 이해할 수 있게”


이는 단순한 난이도 조절이 아닙니다.


LLM은 청자가 바뀌면:

  • 용어 선택

  • 설명 구조

  • 비유 사용

  • 논증 방식


을 전면적으로 바꿉니다.


👉 같은 내용이라도 ‘누구에게 말하느냐’에 따라 전혀 다른 답변이 생성됩니다.



3. Persona Prompting: AI의 ‘성격’을 설계하다


Persona Prompting은

AI에게 지속적인 성향·태도·말투를 부여하는 방식입니다.


🔹 대표적 페르소나 요소

  • 진중한 / 과묵한

  • 활발한 / 친근한

  • 논리적인 / 비판적인

  • 정직한 / 신중한


Persona는 단발성 장식이 아니라

멀티턴 대화 전반에 영향을 미치는 일관성 요소입니다.


👉 교육, 상담, 코칭, 콘텐츠 제작에서

사용자 경험(UX)을 좌우하는 핵심 장치입니다.



4. Multi-Persona Prompting: LLM의 사고를 ‘분화’시키다


🔹 다중 페르소나 프롬프트란?


Multi-Persona Prompting은

LLM에게 하나의 역할이 아닌, 여러 관점·전문가·캐릭터

동시에 또는 순차적으로 부여하는 고급 프롬프트 기법입니다.


“한 명의 답변자가 아니라,
여러 전문가가 토론해 결론을 도출하도록 만드는 방식”



🔹 핵심 특징

  • 각 페르소나는 서로 다른 전문성·관점·책임을 가짐

  • 모델은 이들 사이에서:

    • 협의

    • 반론

    • 보완

    • 통합

      과정을 거쳐 최종 답을 생성


연구에 따르면, 이 방식은:

  • 단일 역할 프롬프트보다

  • 특히 추론 집약적(reasoning-intensive) 문제,

  • 복합 의사결정, 문제 해결(task-solving) 상황에서

    더 높은 품질의 결과를 보여줍니다.




5. 왜 Multi-Persona가 효과적인가?


그 이유는 LLM의 구조적 특성과 맞닿아 있습니다.

  • LLM은 본질적으로 확률적 텍스트 생성기

  • 하나의 관점만 주어지면 **국소 최적해(local optimum)**에 머무를 가능성 증가

  • 다중 페르소나는 사고 공간을 확장시킴


👉 이는 인간의 집단 토론, 전문가 패널, 리뷰 프로세스와 매우 유사합니다.




6. Turn Analysis 관점에서 본 Persona Prompting


Persona Prompting은

**Turn Analysis(대화 턴 분석)**와 결합될 때 진가를 발휘합니다.

  • 턴이 바뀔 때 페르소나를 유지할 것인가?

  • 턴마다 다른 페르소나를 활성화할 것인가?

  • 페르소나 간 충돌을 허용할 것인가?


이 설계 여부가:

  • 응답의 일관성

  • 추론의 깊이

  • 대화 안정성


을 결정합니다.




7. 결론


정리하면,

  • Role Prompting → 전문성 방향 제어

  • Audience Prompting → 설명 수준·표현 제어

  • Persona Prompting → 톤·태도·일관성 제어

  • Multi-Persona Prompting → 고급 추론·의사결정 품질 향상


이들은 모두

👉 LLM을 ‘답변 생성기’가 아니라

‘설계된 사고 시스템’으로 만드는 기술입니다.


좋은 프롬프트란
무엇을 묻느냐가 아니라
‘누가, 누구에게, 어떤 관점으로 생각하게 하느냐’를
정확히 설계한 것이다.


댓글 쓰기