AI 긴 글 요약이 자꾸 핵심을 빼먹으면 문제는 모델이 이해하지 못해서가 아니라 묻는 방식이 막연한 개요만 끌어낼 수 있기 때문인 경우가 많다. 구조를 먼저 나눈 뒤 질문하면 빠진 핵심을 대부분 되찾을 수 있다.
첫 단계: 요약을 달라고 하지 말고 구조부터 묻는다
그냥 이 글을 요약해 달라고 하면 모델은 감으로 핵심을 고를 수밖에 없다. 대신 먼저 글의 구조를 나열하게 한다. 몇 부분으로 나뉘는지, 각 부분의 핵심 주장은 무엇인지, 저자의 결론과 근거는 어디에 있는지이다. 구조가 보이면 어느 부분이 건너뛰어졌는지 바로 알 수 있다.
두 번째 단계: 부분별로 하나씩 캐묻는다
구조 속 중요한 부분에 대해 하나씩 질문한다. 예를 들어 2부에서 언급된 세 가지 위험은 무엇인지, 저자는 이 결론을 어떤 데이터로 뒷받침하는지 등이다. 부분별 추궁은 전체를 한 번에 묻는 것보다 세부 사항을 훨씬 잘 끌어내며, 모델이 모호하게 넘어가는 부분에서는 원문에서는 어떻게 표현했는지 직접 물어 원문에서 근거를 찾게 한다.
세 번째 단계: 목록으로 거꾸로 확인한다
요약이 끝나면 체크리스트로 거꾸로 확인한다. 결론이 있는지, 핵심 수치가 있는지, 예외와 반대 의견이 있는지, 저자가 명시하지 않았지만 전제로 깔고 있는 내용이 있는지이다. 빠진 항목이 있으면 그 항목에 대해 다시 묻는다. 긴 글이 모델이 한 번에 처리하기 편안한 범위를 넘으면 먼저 구간별로 요약한 뒤 합치고, 각 구간 요약은 다시 말할 수 있는 범위 안에 두고, 마지막으로 각 구간 결론을 모아 전체 개요로 만들게 한다. 전체를 한 번에 주는 것보다 안정적이다.
구간별 요약의 작업 순서
작업 순서는 다음과 같다. 먼저 긴 글을 기존 장에 따라 세 구간에서 다섯 구간으로 나누고, 각 구간별로 핵심 요약을 따로 요청한 뒤, 각 구간의 요점을 모아 전체 개요를 만들고, 마지막으로 목록으로 개요를 대조해 어느 구간의 결론이 빠졌는지 확인한다. 구간끼리는 제목으로 구분하고 전체를 한 번에 붙여 넣지 않는다. 나누면 모델은 구간마다 명확한 과제를 갖게 되어 핵심을 빼먹을 확률이 크게 줄어든다.
