AI-POT 시험 빈출 문제 유형 모음: 합격을 결정짓는 핵심 프롬프트 노하우
1. 프롬프트 엔지니어링 핵심 기법 빈출 문제
AI-POT 시험에서 가장 높은 비중을 차지하는 영역은 효율적인 프롬프트 작성 기법입니다. 기법의 명칭과 적용 사례를 올바르게 짝지어 파악하는 것이 핵심입니다.
| 프롬프트 기법 | 주요 개념 및 문제 출제 포인트 | 실전 시험 예시 질문 패턴 |
|---|---|---|
| Zero-Shot / Few-Shot | 예시(Example)를 주지 않고 지시하는 Zero-Shot과, 1개 이상의 입출력 예시를 제공하여 정확도를 높이는 Few-Shot 기법을 구분하는 문제 | "다음 중 모델에게 원하는 답변 형식을 학습시키기 위해 입력 예시를 함께 제공하는 프롬프트 방식은?" |
| CoT (Chain of Thought) | "단계별로 생각해보자(Let's think step by step)" 문구를 추가하여 복잡한 논리/수학적 추론 성능을 향상시키는 기법 분석 문제 | "복잡한 수리적 문제나 논리적 추론을 수행할 때 AI의 할루시네이션을 줄이는 가장 적절한 안내 문구는?" |
| 역할 부여 (Role-Prompting) | AI에게 페르소나(Persona)를 지정하여 맞춤형 어조와 전문성을 끌어내는 구성 요소 평가 | "당신은 20년 차 전문 카피라이터입니다"와 같이 페르소나를 설정할 때 얻을 수 있는 주요 이점은? |
| 제약 조건 지정 (Constraint) | 출력 형식(JSON, Markdown, HTML, 글자 수 제한 등)과 제외해야 할 단어를 지정하는 문제 | "결과물을 표(Table) 형태로 출력하고 500자 이내로 제한하기 위한 최적의 프롬프트 구성 요소는?" |
2. 생성형 AI 파라미터(Parameter) 및 환경 설정 빈출 문제
AI 모델의 응답 다양성과 정확도를 조절하는 핵심 파라미터 값의 역할을 정확히 이해하고 있는지 묻는 문제가 매회 빠짐없이 출제됩니다.
가. Temperature (온도) 세팅 값의 이해
Temperature(온도)는 생성 결과의 '창의성'과 '일관성'을 조절하는 수치입니다. 값이 0에 가까울수록 가장 확률이 높은 단어만 선택하여 일관되고 정형화된 답변을 내놓으며, 1에 가까울수록 다양하고 창의적인 단어를 선택합니다.
- 자주 나오는 문제 유형: "보고서 작성이나 코드 생성처럼 정확성과 일관성이 중요한 작업에 적합한 Temperature 설정값 범위는?" ➔ 답: 0.0 ~ 0.2의 낮은 값
- 창의적 소설/마케팅 문구 작성 시: ➔ 답: 0.7 ~ 1.0의 높은 값
나. Top-P (Nucleus Sampling) 및 System Message
Top-P는 누적 확률 값을 기준으로 고려할 단어 후보군 범위를 제한하는 파라미터입니다. 또한 **System Message(시스템 프롬프트)**는 AI 모델의 전체적인 동작 규칙과 페르소나를 최상위 레벨에서 정의하는 역할을 하므로 두 개념을 명확히 구분해야 합니다.
💡 실전 암기 포인트: 파라미터 핵심 정리
• Temperature ⬇ (낮음): 코딩, 법률 검토, 사실 기반 번역, 문서 요약 (정확도 우선)
• Temperature ⬆ (높음): 아이디어 발상, 광고 카피 기획, 웹소설 작성 (창의성 우선)
• System Prompt: AI의 대화 전반을 지배하는 규칙 및 톤앤매너 사전 지정
3. AI 윤리, 할루시네이션 및 저작권 관련 빈출 문제
최근 AI-POT 시험에서는 AI의 실무 적용 시 발생하는 위험 요소를 파악하고 이를 해결하는 능력을 묻는 문항의 비중이 크게 확대되고 있습니다.
- 할루시네이션(Hallucination, 환각 현상): AI가 사실이 아닌 거짓 정보를 마치 진실인 것처럼 그럴듯하게 생성하는 현상입니다. RAG(검색 증강 생성) 기법 적용, 출처 요구, CoT 프롬프트 등을 통해 이를 완화할 수 있는지 묻는 문제가 자주 나옵니다.
- 데이터 편향(Data Bias) 및 개인정보 보호: 학습 데이터 자체에 존재하는 편견이 결과물에 반영되는 문제점과, 기업의 기밀 데이터나 개인정보를 AI에 입력할 때 발생하는 보안 위험성 및 대책을 평가합니다.
- AI 생성물의 저작권 및 딥페이크: AI가 생성한 이미지, 텍스트의 저작권 귀속 문제와 상업적 이용 시 주의사항, 저작권침해 판단 기준에 대한 상식성 문항이 단골 출제됩니다.
4. 멀티모달(Multimodal) AI 및 실무 생성 디자인 활용 문제
텍스트 기반 AI뿐만 아니라 이미지, 영상, 음성을 통합 처리하는 **멀티모달 AI 프롬프트 작성 능력** 역시 빈출 영역입니다.
- 이미지 생성 프롬프트 구조: [주제(Subject) + 배경/상황 + 스타일/화풍 + 구도/렌즈 + 조명/컬러] 형태로 프롬프트를 정밀 구성하여 원하는 비주얼 컷을 얻어내는 문제 유형입니다.
- 부정 프롬프트 (Negative Prompt): 이미지 생성 시 특정 요소(예: 찌그러진 손가락, 글자, 어두운 조명 등)를 결과물에서 원천 제외하기 위해 설정하는 프롬프트의 역할과 활용법을 평가합니다.
5. AI-POT 시험 합격 총평 및 디자인 실무 연계
AI-POT 자격증 시험 합격의 핵심은 단순 기출 암기를 넘어 프롬프트의 4대 요소인 **'역할(Role), 맥락(Context), 지시(Instruction), 출력 형식(Output Format)'**을 체계적으로 조합하는 능력을 갖추는 것입니다. 정돈된 구조의 프롬프트 작성법을 익힌다면 시험 합격은 물론 실무 업무 생산성도 수직 상승하게 됩니다.
생성형 AI 활용 및 실무 디자인 브랜딩 솔루션이 필요하신가요?
AI를 활용한 이미지 제작부터 스토어 상세페이지, 브랜드 패키지·매뉴얼 디자인까지! 펀디자인만의 독창적인 맞춤 디자인 컨설팅을 경험해보세요.
펀디자인 맞춤 컨설팅 & 온라인 상담 신청