소개
PARTS 기법으로 설계한 프롬프트를 사용해 간호 와 AI 융합 분야 리서치를 수행했습니다.
모든 AI 모델이 우수한 답변을 보였지만, 특히 Gemini가 딥리서치 능력에서 뛰어났습니다.
프롬프트 설계의 중요성과 AI 모델별 특성 차이를 중심으로 분석했습니다.
진행 방법
1) 간호학 분야는 빠르게 변화하고 있으며, 인공지능(AI) 기술과의 융합이 필수적이 되었습니다. 🏥✨ 특히, 효율적인 환자 관리, 질병 예측, 환자 안전성 강화 측면에서 AI의 역할이 주목받고 있습니다.
이를 위해, 간호-AI 융합 연구의 방향을 잡기 위한 논문을 준비하면서, 최신 AI 언어모델들의 리서치 성능을 비교하게 되었습니다.
프롬프트 설계에는 PARTS 기법을 적용하여 질문을 체계화했습니다.
먼저 제미나이에서 발표한 PARTS 프롬프트로 저의 허접한 프롬프트를 좀더 구조화해서 gemini, claude, chatgpt에게 공통으로 넣어봤습니다.
PARTS 프롬프트
Persona (페르소나): 숙련된 연구자로서 간호 분야와 인공지능 기술의 융합에 대한 깊이 있는 지식을 가지고 있으며, 학술적인 관점에서 명확하고 체계적인 답변을 제공해야 합니다. (예: "간호학 박사 과정을 수료하고 AI 융합 연구를 5년 이상 진행한 연구자로서...")
Aim (목표): 간호 분야와 인공지능 기술의 융합과 관련된 최신 연구 동향을 종합적으로 분석하고, 주요 연구 결과를 요약하며, 향후 연구 방향을 제시하는 보고서를 작성하고자 합니다. (예: "간호와 AI 융합 분야의 최신 연구 동향 분석, 주요 논문 요약 및 향후 연구 방향 제시")
Recipients (수신자): 이 보고서는 간호학 연구자, AI 개발자, 의료 분야 전문가, 정책 결정자 등 간호 와 AI 융합 분야에 관심을 가진 다양한 독자를 대상으로 합니다. (예: "간호학 연구자, AI 개발자, 의료 전문가")
Theme (주제): 간호 업무 효율성 증대, 환자 안전 및 경험 향상, 질병 예측 및 진단 정확도 향상 등 간호 분야에 인공지능 기술을 적용한 다양한 사례와 연구 결과를 포괄적으로 다루고, 윤리적 고려 사항 및 기술적 과제를 포함합니다. (예: "간호 업무 효율성, 환자 안전, 질병 예측, AI 윤리")
Structure (구조): 서론 (연구 배경 및 필요성), 본론 (최신 연구 동향 분석, 주요 논문 요약 - 주제별 분류), 결론 (향후 연구 방향 제시), 참고 문헌 순으로 구성된 체계적인 보고서 형태로 작성해 주세요. (예: "서론, 최신 연구 동향 분석 (업무 효율성, 환자 안전, 질병 예측 등), 주요 논문 요약 (각 동향별 3편 이상), 향후 연구 방향 제시, 참고 문헌")
2) 그 다음 이 세가지 결과를 모두 구글문서에 넣은 다음, 노트북LM에 넣고 비교분석을 진행했습니다. 다음은 노트북LM이 비교해준 내용입니다;
결론적으로, 사용자님께서 동일한 프롬프트를 사용하여 얻으신 세 가지 AI 보고서 초안은 간호-AI 융합이라는 핵심 주제와 주요 적용 영역에 대한 논의에서 일관성을 보입니다. 하지만 다음과 같은 차이점이 있습니다.
Source3 (제미나이): 간호 분야의 현실적 문제 분석 및 AI 도입 필요성 논의가 가장 상세하고, 간호 교육 및 훈련을 독립적인 주요 영역으로 다루며, 윤리적/기술적 과제 및 데이터 거버넌스, 규제 환경에 대한 논의가 가장 깊고 구조적입니다. 포괄적이고 다양한 참고문헌을 바탕으로 내용을 구성했 습니다.
Source1 (CLAUDE): 각 적용 영역별로 특정 연구 논문 세 편을 선정하여 정량적인 연구 결과 수치와 함께 명확히 요약 제시하는 구조를 통해 구체적인 연구 사례 파악에 강점을 보입니다.
Source2 (chatgpt): 세 보고서 중 가장 간결한 편이며, 연구 사례를 언급하고 관련 정보를 외부 링크로 연결하는 방식을 주로 사용합니다. 전반적인 동향을 빠르게 파악하기에 용이합니다.
세 보고서 모두 간호 분야 AI 융합의 중요성을 잘 보여주고 있지만, 각각 다른 강점과 구성 방식을 가지고 있으므로, 사용자님의 특정 목적(예: 개별 연구 결과 상세 확인, 간호 분야 현황 및 제도적 과제 심층 이해, 전반적인 트렌드 파악 등)에 따라 유용성이 다를 수 있습니다. 세 가지 초안을 비교 검토함으로써 AI 모델들이 동일 프롬프트에 대해 어떻게 다른 관점과 상세 수준으로 응답을 생성하는지 파악하는 데 도움이 되셨기를 바랍니다.
결과와 배운 점
PARTS 기법을 사용하면,
질문이 명확해지고,
모델의 답변 정확도가 올라가며,
리서치 결과물의 품질이 확연히 개선된다는 점을 체감했습니다.
특히, Gemini는 PARTS 기반 프롬프트에 대해 정확한 맥락 이해와, 논문 스타일의 논리적 전개를 보여주었습니다. 🧠✨
이번 비교를 통해,
프롬프트 설계(특히 PARTS 기법)의 중요성을 다시 확인할 수 있었습니다.
리서치 깊이를 요구하는 간호-AI 융합 연구에는 Gemini를 적극 추천할 수 있습니다.