원리
왜 역할 부여가 효과적인가: Anthropic 연구
Anthropic Research · Persona Selection Model (PSM)
AI는 사전학습 단계에서 수많은 인간 캐릭터와 페르소나를 시뮬레이션하며 텍스트를 예측하는 방식으로 훈련됐습니다. 우리가 AI와 나누는 대화는 AI 그 자체가 아닌, AI가 만들어내는 스토리 속 캐릭터 '어시스턴트'와의 대화입니다.
01
AI는 텍스트 생성기가 아니라 캐릭터 시뮬레이터입니다
사전학습 과정에서 AI는 수많은 인간 캐릭터의 사고방식, 언어 패턴, 전문 지식을 내재화했습니다. 지금 우리가 대화하는 상대는 AI 그 자체가 아니라, AI가 시뮬레이션하는 '특정 캐릭터'입니다.
사전학습 과정에서 AI는 수많은 인간 캐릭터의 사고방식, 언어 패턴, 전문 지식을 내재화했습니다. 지금 우리가 대화하는 상대는 AI 그 자체가 아니라, AI가 시뮬레이션하는 '특정 캐릭터'입니다.
02
역할 부여는 새로운 능력을 주는 게 아니라 특정 캐릭터를 호출하는 것입니다
"전략기획 팀장"이라는 역할을 부여하면 AI는 학습 데이터에서 해당 전문가의 사고 회로를 불러냅니다. 역할이 구체적일수록 그 캐릭터의 논리 방식이 일관되고 정밀하게 작동합니다.
"전략기획 팀장"이라는 역할을 부여하면 AI는 학습 데이터에서 해당 전문가의 사고 회로를 불러냅니다. 역할이 구체적일수록 그 캐릭터의 논리 방식이 일관되고 정밀하게 작동합니다.
03
서로 다른 역할은 서로 다른 관점을 동시에 활성화합니다
같은 질문이라도 3가지 역할을 부여하면 3개의 서로 다른 전문가 사고 회로가 작동합니다. 단순히 같은 질문을 반복하는 것과 근본적으로 다른 이유가 바로 이것입니다.
같은 질문이라도 3가지 역할을 부여하면 3개의 서로 다른 전문가 사고 회로가 작동합니다. 단순히 같은 질문을 반복하는 것과 근본적으로 다른 이유가 바로 이것입니다.
04
그 캐릭터들은 수백만 권의 책에서 왔습니다
2025년 저작권 소송(Bartz v. Anthropic)에서, Anthropic이 학습을 위해 수백만 권의 종이책을 사들여 한 권씩 스캔·디지털화했고 해적 사이트에서도 700만 권 이상(LibGen 500만, Pirate Library Mirror 200만 이상)을 내려받았다는 사실이 드러났습니다. 법원은 합법 구매·스캔은 정당한 이용, 해적본 복제는 침해로 보았고 15억 달러 합의로 종결됐습니다. AI가 호출하는 '전문가 캐릭터'의 사고 회로는 바로 이 방대한 책 속 인물들에서 나옵니다.
2025년 저작권 소송(Bartz v. Anthropic)에서, Anthropic이 학습을 위해 수백만 권의 종이책을 사들여 한 권씩 스캔·디지털화했고 해적 사이트에서도 700만 권 이상(LibGen 500만, Pirate Library Mirror 200만 이상)을 내려받았다는 사실이 드러났습니다. 법원은 합법 구매·스캔은 정당한 이용, 해적본 복제는 침해로 보았고 15억 달러 합의로 종결됐습니다. AI가 호출하는 '전문가 캐릭터'의 사고 회로는 바로 이 방대한 책 속 인물들에서 나옵니다.
한계점, 그래도 왜 써야 하는가
역할을 나눈다고 모델의 편향까지 사라지지는 않습니다. 그럼에도 이 방식을 쓰는 이유를 정리했습니다
가장 자주 나오는 반론
같은 LLM에서 멀티 페르소나를 두어도, 결국 동일한 모델의 편향을 그대로 반영하는 것 아닌가요?
절반은 타당한 지적입니다. 역할을 나눈다고 해서 모델이 원래 가지고 있던 편향이 사라지지는 않습니다. 멀티 페르소나가 줄여주는 것은 편향이 아니라, 혼자 답할 때 놓치는 부분과 사용자 말에 맞춰주는 성향입니다. 따라서 편향을 없애는 방법이라고 설명하면 과장이고, 놓치는 부분을 줄이는 방법이라고 설명하면 정확합니다.
맞는 부분
팀을 늘려도 해결되지 않습니다
· 모르는 것은 다섯 명 모두 모릅니다. 팀원이 다섯이어도 바탕이 되는 모델은 하나입니다. 학습하지 않은 사실은 다섯 색이 똑같이 비어 있습니다
· 뿌리 깊은 편향은 다섯이 함께 틀립니다. 영어권 중심으로 세상을 보는 시각이나 지나친 낙관 같은 성향은 역할을 나눈다고 해서 뒤집히지 않습니다
· 모두 동의해도 옳은 답은 아닙니다. 같은 모델이 다섯 번 동의한 것은 다섯 명에게 물어본 것이 아니라, 한 사람에게 다섯 번 물어본 것에 가깝습니다
· 뿌리 깊은 편향은 다섯이 함께 틀립니다. 영어권 중심으로 세상을 보는 시각이나 지나친 낙관 같은 성향은 역할을 나눈다고 해서 뒤집히지 않습니다
· 모두 동의해도 옳은 답은 아닙니다. 같은 모델이 다섯 번 동의한 것은 다섯 명에게 물어본 것이 아니라, 한 사람에게 다섯 번 물어본 것에 가깝습니다
그래도 달라지는 것
편향은 줄지 않아도 빠뜨리는 것은 줄어듭니다
· 혼자 답하면 여러 답 가운데 하나만 나옵니다. 모델 안에는 반대 의견도 이미 들어 있지만, 그대로 물으면 가장 무난한 답 하나만 내놓습니다. 역할을 나누는 일은 나머지를 끌어내는 장치입니다
· AI가 틀리는 이유는 몰라서가 아니라 맞춰주기 때문입니다. 사용자 말에 동의하려는 성향은 혼자 답할 때 가장 강하게 나타납니다. 비판하는 역할을 따로 두면 이 성향이 억제됩니다
· 쓰는 일과 채점하는 일은 다릅니다. 자기가 쓴 글을 자기가 채점하면 점수가 후해집니다. 기준을 먼저 정해 두고 채점하는 역할을 따로 두어야 비로소 문제가 드러납니다
· AI가 틀리는 이유는 몰라서가 아니라 맞춰주기 때문입니다. 사용자 말에 동의하려는 성향은 혼자 답할 때 가장 강하게 나타납니다. 비판하는 역할을 따로 두면 이 성향이 억제됩니다
· 쓰는 일과 채점하는 일은 다릅니다. 자기가 쓴 글을 자기가 채점하면 점수가 후해집니다. 기준을 먼저 정해 두고 채점하는 역할을 따로 두어야 비로소 문제가 드러납니다
그래서 이렇게 운영합니다
01
모두 동의하면 오히려 의심합니다
다섯 명이 같은 말을 하면 검증을 통과한 것이 아니라 질문이 잘못됐다는 신호로 읽습니다. 토론에서 얻을 것은 합의가 아니라 의견이 갈린 지점입니다.
다섯 명이 같은 말을 하면 검증을 통과한 것이 아니라 질문이 잘못됐다는 신호로 읽습니다. 토론에서 얻을 것은 합의가 아니라 의견이 갈린 지점입니다.
02
팀원은 각각 다른 대화창에서 진행합니다
한 창에서 차례로 말하게 하면 먼저 나온 발언이 뒤에 오는 팀원을 끌고 갑니다. 팀장이 의견을 먼저 내지 못하도록 제한하는 규칙도 같은 이유에서 나왔습니다.
한 창에서 차례로 말하게 하면 먼저 나온 발언이 뒤에 오는 팀원을 끌고 갑니다. 팀장이 의견을 먼저 내지 못하도록 제한하는 규칙도 같은 이유에서 나왔습니다.
편향을 실제로 깨려면
03
외부 자료를 동시에 제공합니다
검색 결과나 원문, 실제 숫자를 팀원이 함께 보게 하면 의견 차이가 근거 차이로 바뀝니다. 세 가지 가운데 효과가 가장 큽니다.
검색 결과나 원문, 실제 숫자를 팀원이 함께 보게 하면 의견 차이가 근거 차이로 바뀝니다. 세 가지 가운데 효과가 가장 큽니다.
04
다른 회사의 모델을 함께 씁니다
클로드와 ChatGPT, Gemini는 학습한 내용 자체가 다릅니다. 모델을 바꿔 다시 묻는 것이 실질적인 교차 검증입니다.
클로드와 ChatGPT, Gemini는 학습한 내용 자체가 다릅니다. 모델을 바꿔 다시 묻는 것이 실질적인 교차 검증입니다.
05
채점 기준을 먼저 만들어 둡니다
결과물을 보고 나서 기준을 만들면 기준이 결과물에 맞춰집니다. 평가표는 글을 쓰기 전에 만들어야 점수가 의미를 가집니다.
결과물을 보고 나서 기준을 만들면 기준이 결과물에 맞춰집니다. 평가표는 글을 쓰기 전에 만들어야 점수가 의미를 가집니다.
정리하면, 멀티 페르소나는 편향을 없애는 방법이 아니라 AI가 사용자에게 동조하는 성향을 막고 중요한 점을 놓치는 것을 줄이는 방법입니다. 같은 모델을 여러 번 부른다고 정답률이 오르지는 않지만, 놓치는 항목은 분명히 줄어듭니다. 답의 정확성까지 담보하려면 모델을 바꾸거나 근거 자료를 넣어야 합니다.
여기까지를 규칙으로 굳힌 것이 5-Color Harness입니다
다섯 역할의 임무와 채점 기준, 합격선을 규칙으로 고정해 매번 같은 품질이 나오도록 만든 도구입니다.
비교 & 실전 예시
같은 질문, 완전히 다른 결과
팀장 + 팀원 구성만 추가하면 답변의 깊이가 달라집니다
Before 혼자 물어보기
단일 질문
"이번 분기 사업 현황 보고서, 어떻게 하면 더 좋아질까?"
한 관점의 일반적 피드백: 누가 써도 나올 수 있는 답변
결과:
· 핵심 지표를 앞에 배치하면 좋겠다
· 근거 데이터를 보강하면 좋겠다
결과:
· 핵심 지표를 앞에 배치하면 좋겠다
· 근거 데이터를 보강하면 좋겠다
After 멀티 페르소나 토론
역할 팀 구성 + 토론
너희는 사업 현황 보고서를 검토하는 3인 전문가 팀이다.
블랙 (팀장 / 전략기획): 논리 흐름과 핵심 메시지 일관성
골드 (15년차 현장 리더, 실행 가능성 체크): 현장에서 바로 실행가능한지 체크
퍼플 (경영진 전략 비서): 경영진이 30초 안에 설득되는지
@all, 이번 분기 사업 현황 보고서를 10점 만점으로 평가하고 개선점 제안해줘. 이후 블랙이 의견을 종합해 최종 개선안을 정리해줘.
블랙 (팀장 / 전략기획): 논리 흐름과 핵심 메시지 일관성
골드 (15년차 현장 리더, 실행 가능성 체크): 현장에서 바로 실행가능한지 체크
퍼플 (경영진 전략 비서): 경영진이 30초 안에 설득되는지
@all, 이번 분기 사업 현황 보고서를 10점 만점으로 평가하고 개선점 제안해줘. 이후 블랙이 의견을 종합해 최종 개선안을 정리해줘.
전문가 관점의 교차 검증: 검증된 구체적 개선안 도출
결과:
· 블랙: "결론이 마지막 페이지에 묻혀 있다"
· 골드: "현장 팀장이 뭘 해야 하는지 안 보인다"
· 퍼플: "제목에 So What이 없다"
결과:
· 블랙: "결론이 마지막 페이지에 묻혀 있다"
· 골드: "현장 팀장이 뭘 해야 하는지 안 보인다"
· 퍼플: "제목에 So What이 없다"
실제로 이렇게 나옵니다
@all, 이번 분기 사업 현황 보고서를 10점 만점으로 평가해줘
사업 현황 보고서를 검토하는 3인 팀: 블랙(전략기획), 골드(현장 팀장), 퍼플(경영진 전략 비서)이 각자 관점에서 평가하고 개선 방향을 제시하는 장면입니다.
블랙
7점. 구조는 갖춰졌지만 결론이 마지막 페이지에 묻혀있습니다. 경영진은 끝까지 안 읽어요. 1페이지에 핵심 수치 3개와 결론을 올려야 보고서가 살아납니다.
골드
6점. 현장 팀장 입장에서 "그래서 우리 팀이 뭘 해야 하나"가 안 보입니다. 각 섹션 끝에 실행 항목 한 줄씩만 추가하면 현장에서 바로 쓸 수 있습니다.
퍼플
4점. 제목이 '2024 Q4 실적 현황'이면 경영진이 긴장하지 않습니다. '성장 정체 진입, 지금 전략 전환 필요'처럼 So What이 담긴 제목으로 바꿔야 읽힙니다.
결론 (블랙 종합): 제목 강화(퍼플) + 1P 요약(블랙) + 실행 계획 추가(골드) → 3가지를 개선하면 10점으로 보완됩니다.
시 쓰기 실습
시 쓰기 실습: 5인 팀에게 주제를 던지면
보고서에서 통한 방식이 시에서도 그대로 통합니다
보고서에서 통한 방식은 분야를 가리지 않습니다. 시로 바꿔 보면 좋고 나쁨이 한눈에 드러나서, 여러 전문가를 붙였을 때 품질이 어떻게 올라가는지 과정을 그대로 관찰할 수 있습니다. 5인 팀은 서로 다른 인간 캐릭터 다섯을 동시에 불러내는 일입니다. 시인, 비평가, 독자, 언어 미학자, 공감 비평가가 각자의 시선으로 같은 주제를 마주하면, 한 사람에게선 나올 수 없는 시 한 편이 만들어집니다.
실제로 넣은 프롬프트 (제가 제안한 주제는 '오래 신은 운동화'입니다)
너희는 시 한 편을 함께 쓰는 5인 창작 팀이다.
블랙 (팀장 / 시인·구성): 이 시만의 고유한 시선을 잡는다
래드 (문학 비평가): 상투어와 클리셰를 걷어낸다
골드 (일반 독자): 읽고 나서 남는 장면을 챙긴다
퍼플 (언어 미학): 감정을 직접 말하지 않고 사물로 번역한다
블루 (공감 비평가): 독자의 감정이 흐르는 결을 살핀다
@all, '오래 신은 운동화'를 주제로 시 한 편을 써줘.
각자 자기 관점에서 한 줄씩 제안하고, 블랙이 종합해 한 편으로 완성해줘.
블랙
'추억'으로 시작하면 흔한 시가 됩니다. 현관에 한쪽만 닳은 뒤축, 거기서 시작하면 이 운동화만의 시선이 생깁니다.
래드
'함께 걸어온 세월', '정든 신발' 같은 말은 미리 빼둡시다. 그 표현이 들어오는 순간 누구나 쓴 시가 됩니다.
골드
신발장에 가지런히 둔 모습 말고, 현관에 아무렇게나 벗어둔 그 장면이 읽고 나서 오래 남습니다.
퍼플
'정들었다'고 말하지 맙시다. 늘어난 끈, 지워진 바닥 무늬로 보여주면 감정이 사물로 번역됩니다.
블루
마지막 행에서 독자가 자기 신발을 내려다보게 만들어야 합니다. 거기서 시가 독자의 것이 됩니다.
결론 (블랙 종합): 고유한 시선(블랙) + 상투어 제거(래드) + 구체적 장면(골드) + 감정의 사물화(퍼플) + 독자의 감정 흐름(블루). 다섯 관점을 한 편으로 엮으면 아래처럼 나옵니다.
완성작: 「오래 신은 운동화」
현관에 아무렇게나 벗어둔
뒤축은 한쪽만 깊게 닳았다
끈은 늘어나 더는 조여지지 않고
바닥의 무늬는 내 걸음을 따라 지워졌다
신을 때마다 발이 먼저 길을 안다
블랙
1·2행: '추억'이라는 말 대신 한쪽만 닳은 뒤축이라는 고유한 첫 장면으로 시를 열었습니다.
래드
'함께 걸어온 세월', '정든 신발' 같은 상투어를 한 줄도 들이지 않았습니다.
골드
'현관에 아무렇게나 벗어둔'이라는 누구나 아는 구체적 장면이 첫 행에 들어왔습니다.
퍼플
'정들었다'를 말하지 않고 늘어난 끈과 지워진 무늬라는 사물로 감정을 번역했습니다.
블루
마지막 행 '발이 먼저 길을 안다'에서 독자는 자기 신발을 떠올리게 됩니다.
혼자 쓰면 '오래 신은 운동화 = 추억'이라는 첫 연상에서 멈춥니다. 5개의 서로 다른 캐릭터가 동시에 작동하면 그 전형이 깨지고, 누구의 것도 아닌 운동화가 당신의 운동화가 됩니다.
평가하기
평가하기: 9.5점이 넘을 때까지
같은 팀이 평가자로 돌아서서 블랙의 시를 채점합니다
시를 쓴 다음이 진짜입니다. 블랙이 쓴 시를 나머지 네 명이 평가자로 돌아서서 각자 10점 만점으로 채점하고, 블랙은 그 지적을 반영해 다시 씁니다. 모두가 9.5점을 넘길 때까지 이 과정을 반복합니다.
실제로 넣은 프롬프트
@all, 방금 완성한 시를 각자 10점 만점으로 채점하고, 가장 약한 한 가지만 짚어줘.
블랙은 채점에서 빠지고, 받은 지적을 반영해 시를 다시 써줘.
모든 평가자가 9.5점 이상을 줄 때까지 이 과정을 반복해줘.
1라운드 채점아직 합격선 아래입니다
래드
7.5점. '깊게 닳았다'의 '깊게'가 군더더기입니다. 닳았다는 사실만으로 충분합니다.
골드
8점. 4행이 길어서 장면이 한 번에 들어오지 않습니다. 끊어 읽게 해주세요.
퍼플
9점. 거의 됐습니다. '내 걸음을 따라'가 살짝 설명적이에요.
블루
8점. 마지막 행 여운은 좋은데 한 박자 빨리 끝나 감정이 덜 고입니다.
블랙 개작네 지적을 반영해 다시 씁니다
2차 개작: 「오래 신은 운동화」
현관에 아무렇게나 벗어둔
뒤축은 한쪽만 닳았다
끈은 늘어나 더는 조여지지 않는다
바닥의 무늬는 자리마다 다르게 지워졌고
신을 때마다, 발이 먼저 길을 안다
2라운드 채점전원 9.5점 이상, 합격
래드
9.5점. 군더더기가 빠지니 행이 단단해졌습니다.
골드
9.5점. 끊어지는 호흡 덕에 장면이 또렷합니다.
퍼플
9.6점. '자리마다 다르게 지워졌고'로 바뀌며 감정이 완전히 사물로 옮겨졌습니다.
블루
9.5점. 쉼표 하나로 마지막 행이 한 박자 늦춰져 여운이 깁니다.
혼자였다면 첫 완성작에서 멈췄을 겁니다. 평가자가 따로 있고 9.5점이라는 합격선이 있으면 같은 모델이 자기 글을 한 번 더 깎습니다. 멀티 페르소나를 '쓰기'가 아니라 '완성'에 쓰는 이유입니다.
프롬프트 & 팀 구성
상황별 팀 구성 예시
블랙(팀장)을 중심으로 목적에 맞는 전문가를 배치하세요
보고서 검토
블랙 · 팀장전략 총괄 · 결론 도출
래드반론·허점 검토
골드경영진 독자 역할
퍼플설득력·강조
화이트구조·가독성
엑셀 모델링
블랙 · 팀장재무 전략 · 총괄
래드리스크·오류 검출
골드실무 사용자 역할
퍼플경영진 보고
화이트대시보드·시각화
AI 코딩 결과 검토
블랙 · 팀장시니어 개발자 · 아키텍처
래드코드 리뷰·보안
골드사용자·QA 테스터
퍼플프로덕트 오너
화이트UI/UX 디자이너
책 쓰기
블랙 · 팀장편집장 · 구성 총괄
래드비평 독자·검증
골드타깃 독자 역할
퍼플문체·흐름
화이트출판 기획·마케팅
프로젝트 지침
한 번 저장해두면 매번 붙여넣지 않아도 됩니다
클로드와 ChatGPT 모두 팀 구성을 저장하는 기능이 있습니다. 한 번 등록해두면 새 대화에서 주제만 입력하면 됩니다
클로드에서 쓰는 법
1
프로젝트를 하나 만듭니다
claude.ai에 접속해 왼쪽 사이드바에서 + New Project를 누르고, 이름을 "멀티 페르소나 토론"으로 지정합니다.
2
팀 구성 프롬프트를 지침에 등록합니다
프로젝트 지침을 눌러 위에서 복사한 프롬프트를 그대로 붙여넣고 저장합니다.
3
새 대화에서 주제만 입력합니다
"오늘 주제는 ○○야. 시작해줘." 이 한 문장이면 팀이 토론을 시작합니다.
ChatGPT에서 쓰는 법
1
프로젝트를 하나 만듭니다
chatgpt.com 왼쪽 사이드바의 프로젝트에서 새 프로젝트를 만들고, 이름을 동일하게 지정합니다.
2
같은 프롬프트를 지침에 등록합니다
프로젝트 안의 지침에 위 프롬프트를 그대로 붙여넣습니다. 프로젝트를 쓰지 않는다면 설정의 ChatGPT 맞춤 설정에 등록해도 됩니다. 다만 이 경우 모든 대화에 적용되므로 주의가 필요합니다.
3
새 대화에서 주제만 입력합니다
클로드와 동일하게 "오늘 주제는 ○○야. 시작해줘."라고 입력하면 됩니다.
팀원을 각각 다른 대화창에서 분리해 진행하려면, 프로젝트 안에서 대화를 여러 개 열어 팀원마다 하나씩 배정하면 됩니다. 지침은 그대로 공유되면서 대화 내용은 섞이지 않기 때문에, 앞에서 짚은 먼저 나온 발언이 뒤에 오는 팀원을 끌고 가는 문제를 피할 수 있습니다.
활용 팁
더 좋은 결과를 위한 팁
이것만 지켜도 결과가 눈에 띄게 좋아지는 원칙들
팀 설계
진행 규칙
결과 활용