Week 4: Google AI Studio 응용 - 두 페르소나 시뮬레이션
1) 학습목표 (행동동사)
- 핵심 개념을 자신의 언어로 설명할 수 있다.
- 실습을 통해 최소 1개 결과를 15분 내 재현할 수 있다.
- 실패 신호를 식별하고 복구 절차를 적용할 수 있다.
- 산출물을 다음 주 실습 입력으로 재사용할 수 있다.
2) 사전지식 체크 (Yes/No)
- 사용하는 도구에 로그인할 수 있다.
- 입력 데이터와 민감정보를 구분할 수 있다.
- 출력 형식(표/JSON/체크리스트)을 지정해본 적이 있다.
- 결과 검증(출처/반례/재현성)을 알고 있다.
- 이전 주차 산출물을 준비했다.
3) 배경지식 강의 (25분)
주차 앵커
- System Instruction, JSON 출력 안정화
핵심 설명
- System Instruction은 모델의 행동 규칙을 고정한다.
- 구조화 출력(JSON)은 후속 자동화 성공률을 높인다.
- 파라미터 튜닝은 목표 지표와 함께 수행해야 한다.
- AI Studio에서도 데이터 재사용 동의 거부를 재확인한다.
오해/반례
- 오해: “한 번 잘 나오면 계속 잘 나온다.”
- 반례: 입력 맥락이 바뀌면 품질이 급락할 수 있다.
- 대응: 목표/형식/제약/검증 항목을 함께 명시한다.
4) 강사 데모 (15분)
- 데모 주제: 클릭 1회=1턴(JSON) 시뮬레이션 데모
- 데모 입력: 실제 업무/생활형 샘플 데이터
- 데모 출력: 실행 가능한 결과물 1개
- 데모 중 체크: 결과의 사실성/형식 준수/설명 가능성
5) 핸즈온 (50분)
실습 과제
- 주제 2개 x 10턴 로그 생성 + JSON 성공률 측정
성공 기준
- 15분 내 동작 결과 1개 생성
- 출력 형식 준수
- 검증 로그 1건 이상 작성
실패 신호
- 결과가 모호하고 실행 항목이 없음
- 형식이 깨짐(표/JSON 누락)
- 사실성 의심인데 검증 근거 없음
복구 절차
- 목표를 한 문장으로 재정의
- 출력 형식과 필수 필드 명시
- 제약 조건 추가(길이/톤/금지)
- 반례 질문 실행
- 개선판(v1/v2) 재실행
6) 워크북 확장 (30분)
- 기본: 수업 실습 1회 재현
- 표준: 입력을 바꿔 2회 확장
- 도전: 제약 조건 추가해 품질 개선
- 주차 과제: 팀 Best Prompt 선정 + Week5 적용 정책 확정
7) 제출물/평가 루브릭
제출물
- 실습 로그(입력/출력/문제/개선)
- 검증 로그(출처/반례/재현성)
- 주차 워크시트
평가 기준 (100)
| 항목 | 배점 |
|---|---|
| 문제정의 | 20 |
| 출력 품질 | 25 |
| 검증 수행 | 25 |
| 실패 대응 | 20 |
| 전달력 | 10 |
8) 다음 주 연결
- Week5에서 워크플로우 MVP로 전환
Week4 추가 필수: AI Studio 데이터 설정 재확인
실습 시작 전 데이터 재사용 동의 항목을 다시 점검하고, 거부 상태를 캡처해 팀 로그에 남긴다.