채용 · July 21, 2026 · 9분 읽기

직무별 프롬프트 엔지니어링: 각 직군에서 '잘한다'는 것은 어떤 모습인가

프롬프트 엔지니어링은 이제 거의 모든 직무의 핵심 역량입니다. 하지만 엔지니어, 분석가, 고객 지원 담당자, SDR에게 '잘한다'는 것은 완전히 다른 모습입니다. 실제 사용 사례를 담은 직군별 실전 가이드입니다.

← The five pillars of a hire: what great assessments actually measure의 일부

1년 전만 해도 '프롬프트 엔지니어링'은 틈새 전문 분야처럼 들렸습니다. 이제는 키보드를 다루는 거의 모든 직무의 기본 역량이 되었고, AI Sandbox가 가장 명확하게 드러내 주는 요소 중 하나입니다. 하지만 대부분의 채용팀이 놓치는 지점이 있습니다. 좋은 프롬프팅은 직무마다 같은 모습이 아니라는 것입니다. 뛰어난 엔지니어를 구분 짓는 요소와 뛰어난 고객 지원 담당자를 구분 짓는 요소는 다릅니다. 이 글은 '잘한다'는 것이 실제로 어떤 모습인지 직군별로 살펴보는 실전 가이드입니다.

프롬프트 엔지니어링은 하나의 역량이 아니라 직무에 따라 형태가 달라진다

바탕이 되는 역량은 보편적입니다. 도구에 명확한 맥락과 제약 조건을 주고, 되돌아온 결과를 검증하고 수정하는 것입니다. 이는 AI fluency의 일부이며, 가장 강력한 신호는 언제나 동일합니다. AI가 자신 있게 틀렸을 때 이를 잡아내는 것입니다. 하지만 과제와 실패 양상은 직무마다 다릅니다. 그래서 표현 요령은 많은 것을 예측하지 못하고, 현실적이고 직무 관련성이 높은 과제가 그 역할을 합니다. 우리가 평가하는 직군별로 이것이 어떻게 나타나는지 살펴보겠습니다.

소프트웨어 엔지니어

어시스턴트에게 재시도 로직이 포함된 비동기 API 클라이언트를 작성하도록 요청해 보세요. 뛰어난 후보자는 제약 조건을 먼저 명시하고(최신 비동기 패턴, 적절한 예외에 대한 명시적 오류 처리), 생성된 코드를 읽고, 미묘한 문제를 잡아냅니다. 사용 중단된 호출, 엉뚱한 오류를 삼켜 버리는 재시도, 놓친 엣지 케이스 등을 발견해 수정하고 테스트합니다. 여기서 좋은 프롬프팅은 코드 리뷰와 떼려야 뗄 수 없습니다. 엔지니어링 평가에서 그 밖에 무엇을 테스트해야 하는지 확인해 보세요.

• 잘함: 요청에 제약을 걸고, 결과물을 읽고, 사용 중단되거나 안전하지 않은 코드를 잡아내며, 빠른 테스트로 검증한다.
• 부족함: 생성된 함수를 그대로 붙여 넣고, 처리되지 않은 엣지 케이스까지 그대로 출시한다.

데이터 분석가

SQL 쿼리를 요청해 보세요. 예를 들어 내부 테스트 계정을 제외한 월별 순매출을 뽑거나, 어떤 결과에 대한 해석을 요청하는 식입니다. 뛰어난 후보자는 프롬프트에서 지표와 제외 조건을 정의한 뒤, 자신이 아는 바에 비추어 숫자를 검산하고, 그럴듯하지만 오해를 부르는 집계값을 보고서에 그대로 붙여 넣기보다는 의심합니다. 프롬프팅 역량과 분석적 판단력은 같은 근육입니다. 데이터 분석가 평가에 대해 더 알아보세요.

• 잘함: 지표와 제외 조건을 명시하고, 결과물을 검산하며, 데이터가 뒷받침하지 않는 숫자를 신뢰하지 않는다.
• 부족함: 그럴듯한 쿼리를 받아들이고, 조용히 앞뒤가 맞지 않는 수치를 보고한다.

고객 지원

AI에게 불만이 있는 고객에게 보낼 답변 초안을 작성하도록 요청해 보세요. 뛰어난 후보자는 관련 정책과 원하는 어조를 AI에 알려 준 뒤, 초안의 정확성을 확인하고, 기계적이거나 무성의하게 읽히는 부분을 부드럽게 다듬으며, 모델이 슬쩍 끼워 넣은 과도한 약속을 제거합니다. 고객 지원에서 프롬프트는 절반의 일에 불과합니다. 판단력이 드러나는 곳은 바로 편집입니다. 고객 지원 평가를 확인해 보세요.

• 잘함: 정책과 어조를 제공하고, 정확성을 검증하며, 진정한 공감으로 다듬고, 과도한 약속을 잘라낸다.
• 부족함: 정책상 틀렸거나 어조가 어긋난 일반적인 AI 답변을 그대로 보낸다.

영업 개발

특정 페르소나를 대상으로 한 콜드 이메일을 요청해 보세요. 뛰어난 후보자는 도구에 실제 맥락(구매자가 누구인지, 가치 제안, 하나의 명확한 요청)을 제공하고, 결과물을 개인화하며, 바쁜 VP가 실제로 읽을 만한 분량으로 다듬고, 잠재 고객에 대해 지어낸 '사실'이 나가기 전에 잡아냅니다. 프롬프트가 판을 깔고, 판단력이 신뢰성을 지킵니다. 영업 개발 평가에서 더 알아보세요.

• 잘함: 맥락을 제공하고, 개인화하며, 명확한 요청으로 다듬고, 지어낸 세부 사항을 잡아낸다.
• 부족함: 일반적인 템플릿 메일을 뿌린다 — 때로는 지어낸 사실까지 담긴 채로.

프로덕트 매니저

스펙 초안이나 우선순위 정리를 요청해 보세요. 뛰어난 PM은 문제와 제약 조건을 명확히 규정하고, AI를 활용해 빠른 출발점을 확보한 뒤, 진짜 프로덕트 판단력을 적용합니다. 잘못된 가정을 잡아내고, 모델이 과하게 붙인 범위를 잘라내며, 초안을 그대로 내보내는 대신 사용자와 지표에 근거를 둡니다. 프로덕트 매니저 평가를 확인해 보세요.

• 잘함: 문제를 규정하고, AI로 초안을 만든 뒤 판단력을 적용한다 — 잘못된 가정을 잡아내고, 실제 목표와 연결한다.
• 부족함: 프로덕트적 사고를 전혀 얹지 않은 채 AI가 생성한 스펙을 그대로 내보낸다.

더 깊이 알아보기: 직무별 완전 가이드

각 직무마다 전용 심층 가이드가 있습니다 — 모범 사례, 실제 프롬프트 예시, 강함과 약함을 가르는 신호, 그리고 우리가 어떻게 평가하는지:

• 소프트웨어 엔지니어를 위한 프롬프트 엔지니어링: 거꾸로 하는 코드 리뷰로서의 프롬프팅
• 데이터 분석가를 위한 프롬프트 엔지니어링: 정밀한 정의를 내린 뒤, 숫자를 의심하라
• 고객 지원을 위한 프롬프트 엔지니어링: 초안은 쉽고, 진짜 일은 편집이다
• 영업 개발을 위한 프롬프트 엔지니어링: 맥락을 넣고, 신뢰를 얻어라
• 제품 관리자를 위한 프롬프트 엔지니어링: AI가 초안을 쓰고, 판단이 결정한다

어떻게 평가할 것인가

프롬프트에 관한 퀴즈로는 이 중 어느 것도 측정할 수 없으며, AI를 금지해서 측정하는 것은 더더욱 불가능합니다. 측정하는 방법은 후보자를 AI 도구가 주어진 현실적이고 직무 관련성이 높은 과제에 배치하고 어떻게 일하는지 지켜보는 것입니다. 이것이 바로 AI Sandbox 평가가 하는 일이며, AI fluency가 하나의 축으로 채점되는 방식입니다. 이는 실제로 수행되는 그대로의 직무를 정직하게 테스트하는 방법으로, AI-native 채용의 핵심 아이디어입니다. 직무에 맞춰진 평가가 구성되는 과정을 살펴보며 프롬프팅이 직군별로 어디에 자리하는지 확인할 수 있습니다.

프롬프트 엔지니어링은 채용을 위해 갖추는 표현 요령이 아닙니다. AI의 자신만만한 오류 앞에서 발휘되는 판단력이며, 테이블에 앉은 모든 자리에서 그 모습이 다릅니다.