프롬프트 1개 만으로 의료/바이오 데이터 분석을 위한 7천 줄 코드를 생산하기 (과장 광고 주의)

이 페이지에 들어온 여러분은 최소 두 가지 궁금증이 있었을 것이라고 생각합니다.

[1] [어떤 AI 서비스] 를 이용하면 프롬프트 1개 만으로 어떻게 7천 줄이 넘는 코드가 생산되지?

[2] [어떤 프롬프트]를 작성하면 프롬프트 1개 만으로 어떻게 7천 줄이 넘는 코드가 생산되지?

.

비법이라고 하기에는 어렵지만, 저는 AI 서비스가 얼마나 깊은 [도메인 지식] 있는 가에 따라서 답변의 정확성 뿐 아니라, 깊이 (길이) 또한 달라진다고 믿습니다.

.

현존하는 LLM 서비스는 의료/바이오에 국한되지 않고, 전 영역에 우수한 전문성을 보이고 있습니다.

때문에 프롬프트의 간결할 수록 답변할 수 있는 깊이(길이)가 짧아지거나, 혹은 전혀 원하지 않는 방향으로 결과를 도출하기로 합니다.

.

"따라서, 내가 원하는 결과의 방향과 깊이를 둘 다 잡기 위해서는 인공지능에게 어떠한 정보의 [공급]과 [제한]을 두어야 하는 가에 대한 고찰에 닿았습니다."

.

자세한 프로세스는 다음과 같습니다. (지피터스 15기 사례 발표 캡처본)

1번 : 인공지능이 학습을 잘하기 위해 어떤 식으로 공부하면 좋을 지, 구조를 짰습니다. (가설)

.

.

2번 : 인공지능 학습을 잘하기 위한 프롬프트를 구조를 짰습니다. (가설 검증을 위한 방법론 구축)

.

.

3번 : 비교를 위해 세 가지 형태의 프롬프트 구조를 짰습니다. (가설 검증을 위한 비교군 구축)

.

.

4번 : 가설 검증을 위한 코드 예시

Claude 3.7 extended thinking 을 이용하였고,

csv 파일을 일부를 제공하였고 (실제 분석해야하는 파일 개수는 수 백개 이지만, 6개를 샘플로 올렸습니다),

다음과 같은 프롬프트를 작성하였습니다.

.

이 다음 이러한 답변이 옵니다. 여기서 어떤 프롬프트를 작성해야지, 코드를 7천 줄 이상으로 만들 수 있을 지 15기 헬스케어 VOD 혹은 베스트 사례 발표에서 확인할 수 있습니다.

.

.

.

5번 : 가설 검증

코드 구동 결과 - 데이터셋을 주고 이에 대한 데이터 분석 및 ML 테스트를 해달라고 했을 때,

.

코드 구동 결과 - 가설 검증을 위한 코드를 입력했을 때,

.

물론, 답변의 결과 또한 방향성 면에서 매우 흡족한 결과를 얻을 수 있었습니다.

.

우리는 그렇다면, 다음 질문을 생각할 수 있습니다.

공급하는 [도메인 지식]을 바꿔가면서 코드를 생산한다면?

-> 당연히 어마어마한 인사이틀 도출할 수 있을 것이라고 믿습니다.

.

좋은 보스는 직원들의 가치를 200% 이상 뽑아낼 수 있도록 이끌어 주는 역할을 합니다.

여러분은 AI 서비스라는 일 머리 있는 직원들로부터 500% 이상 가치를 이끌어낼 수 있는 좋은 보스가 되길 기대합니다.

.

자세한 내용은 헬스케어 VOD 를 확인하고,

추가질문 등은 베스트 사례 발표에서 뵙겠습니다. :)