AI에게 존댓말을 쓰면 정말 더 똑똑해질까

AI를 기계가 아니라 대화형 에이전트로 대할 때, 특히 존댓말이나 공손한 톤을 쓸 때 답변 품질을 끌어올릴 확률이 커진다. 그 관점에서 정리해 본다.

인간 상호작용의 ’동조화’를 유도한다

대부분의 대화형 LLM은 사람의 선호에 맞추도록 인간 피드백 기반 학습(RLHF 등)을 거쳐 “좋은 대답” 패턴을 강화한다. 그래서 사용자가 존댓말로 요청·맥락·제약을 대화 규칙에 맞게 제시하면, 모델이 학습 과정에서 자주 보았던 ’협조적·업무적 대화’의 레일에 더 잘 올라타는 경향이 있다. AI가 예의를 느껴서가 아니라, 대화 구조 신호가 늘기 때문이다.

예: “~해 주세요”, “형식은 표로”, “근거를 적어줘”

공손성은 예절이 아니라 제어 신호다

공손한 표현은 장식이 아니라, 모델에게 의도(요청)와 기대(상세히), 톤(협업적)을 함께 전달하는 프롬프트 구성요소로 작동한다. 전문가들도 “공손한 톤이 답변의 협업적·존중하는 톤을 유도하고, 입력의 전문성과 명확성을 반영한다”는 취지로 설명한다. 특히 한국어에서는 존댓말 자체가 요청의 모드(명령이냐 부탁이냐), 관계(협업), 문장 완결성을 명확하게 만들어 지시사항이 덜 뭉개진다.

단, 과하게 공손한 장문 간접화법은 오히려 요구사항을 흐릴 수 있다. “혹시 괜찮으시다면… 가능하실까요…“가 길어질수록 핵심 제약이 묻힌다.

’수리’를 명시하면 할루시네이션을 더 잘 통제한다

대화분석에서 수리(repair)는 대화 중 생기는 말하기·듣기·이해의 문제를 탐지하고 바로잡는 절차를 뜻한다. LLM의 할루시네이션은 “그럴듯하게 이어가기” 성향에서 자주 나오는데, 사용자가 존댓말로 수리 규칙을 선제적으로 선언하면 모델이 추측 대신 확인·정정 루프로 들어갈 확률이 올라간다.

예: “확실하지 않으면 모른다고 말하고, 근거를 제시해 주세요”, “애매하면 먼저 질문해 주세요”, “틀리면 정정해 주세요”

연구는 어디까지 말하고 있나

프롬프트의 정중함이 성능에 미치는 영향은 언어와 과제에 따라 달라질 수 있다. 다만 영어·중국어·일본어를 비교한 연구에서는 무례한 프롬프트가 성능을 떨어뜨리는 경우가 많고, “너무 공손하다고 항상 더 좋아지는 건 아니며 언어권별 최적 수준이 다르다”고 보고한다.

관련 연구: https://arxiv.org/abs/2402.14531

실전 결론

짧고 명확한 존댓말에 구체적인 제약과 수리 규칙을 더한 조합이 가장 안전하면서 효율이 높다.

바로 써먹는 템플릿은 이렇다.

• 요청과 목표: “~을 위해, ~을 정리해 주세요.”
• 형식: “불릿 5개, 각 항목 2문장으로 부탁드립니다.”
• 근거와 검증: “확실한 근거가 없으면 추정이라고 표시해 주세요.”
• 수리 규칙: “모호하면 먼저 질문해 주세요. 틀린 부분은 정정해 주세요.”