프롬프트 3요소에서 Context Engineering으로 — AI Agent 시대, HRD는 무엇을 준비해야 하는가

"데이터 리터러시 교육으로 실무자가 데이터를 읽는 눈을 가져야 한다는 건 알겠는데, 그 다음은 또 뭘 준비해야 하죠?"

데이터 리터러시 교육을 설계하고 나면 자연스럽게 이 질문이 찾아옵니다. 실무자가 데이터를 읽는 눈을 갖추기 시작했다면, 이제 그 데이터를 AI가 실제로 활용하는 단계로 넘어가야 합니다. 그것이 AX 4단계, Context Engineering입니다. (AX 단계 프레임워크가 낯설다면 이 글을 먼저 읽어보시길 추천드립니다.)

그런데 Context Engineering이라는 단어를 처음 접하는 HRD 담당자라면 낯설게 느껴질 수 있습니다. 사실 이 개념의 출발점은 이미 기초 프롬프트 교육에서 가르쳐온 것과 맞닿아 있습니다. 포텐스닷이 기초 교육에서 강조해온 프롬프트 작성의 3요소 — 데이터 및 맥락, 요청사항, 결과물의 형식 — 중 "데이터 및 맥락"이 바로 Context Engineering의 씨앗입니다. (Context Engineering이 처음이라면 이 글을 참고하세요.)

문제는 기초 교육에서 가르쳐온 "맥락"과 Context Engineering의 "맥락"은 범위와 깊이가 다르다는 점입니다. AI Agent 시대에는 사람이 매번 직접 맥락을 입력하는 것만으로는 충분하지 않습니다. 그 맥락이 어떻게 확장되어야 하는지, 그리고 HRD는 무엇을 준비해야 하는지 살펴보겠습니다.

기초 교육에서 이미 가르쳐온 것 — 프롬프트 작성의 3요소

생성형 AI 교육을 처음 설계할 때, 많은 HRD 담당자가 같은 벽에 부딪힙니다. "프롬프트를 잘 써야 한다는 건 알겠는데, '잘 쓴다'가 구체적으로 무엇인지 모르겠다"는 임직원들의 반응입니다. 개념은 알지만 실제로 어떻게 작성해야 하는지 기준이 없는 상태입니다.

포텐스닷은 이 문제를 프롬프트 작성의 3요소로 풀었습니다. 생성형 AI에게 무언가를 요청할 때 반드시 고민해야 할 세 가지입니다.

데이터 및 맥락 — AI가 이 요청을 이해하기 위해 알아야 할 배경 정보는 무엇인
요청사항 — AI에게 구체적으로 무엇을 해달라고 하는가
결과물의 형식 — AI의 답변이 어떤 형태로 나와야 하는가

이 세 가지를 명확히 정의하고 프롬프트를 작성하면, "AI가 내 의도를 못 알아듣는다"는 불만이 눈에 띄게 줄어듭니다. 임직원들에게 "잘 쓴다"의 기준을 처음으로 손에 쥐여주는 교육이었습니다.

이 중에서 결과물의 질을 가장 크게 좌우하는 요소는 첫 번째, 데이터 및 맥락입니다. 요청사항이 명확하고 형식이 잘 정의되어 있어도, AI가 참조할 맥락이 빈약하면 결과물은 언제나 표면적인 수준에 머뭅니다. 반대로 맥락이 풍부하게 제공될수록 AI의 답변은 실무에 가까워집니다.

바로 이 "데이터 및 맥락"이 Context Engineering의 출발점입니다. 기초 교육에서 임직원들에게 "AI에게 맥락을 충분히 제공하라"고 가르쳐온 것, 그것이 사실 Context Engineering의 씨앗이었습니다. 다만 기초 교육의 맥락과 Context Engineering의 맥락 사이에는 중요한 차이가 있습니다. 그 차이가 AI Agent 시대에 결정적인 의미를 갖습니다.

기초 교육의 맥락이 AI Agent 시대에는 왜 부족한가

기초 교육에서 가르쳐온 맥락 제공 방식을 다시 떠올려보겠습니다. 임직원이 생성형 AI에게 업무 보고서 초안을 요청할 때, 담당자의 머릿속에서 꺼낸 배경 정보를 직접 입력합니다. "이번 분기 매출이 전분기 대비 15% 하락했고, 주요 원인은 신규 경쟁사 진입으로 추정된다"는 식으로요. 사람이 판단해서 필요한 맥락을 골라 직접 넣어주는 방식입니다.

이 방식은 단일 대화창 안에서 한 번의 질의응답을 할 때는 충분히 작동합니다. 그런데 AI Agent 시대에는 이 방식이 근본적인 한계에 부딪힙니다.

AI Agent는 사람이 매번 개입하지 않아도 스스로 판단하고 여러 단계의 업무를 자동으로 처리하는 시스템입니다. 예를 들어 "매주 월요일마다 지난주 실적 데이터를 분석하고 이상 징후를 감지해서 담당자에게 요약 보고를 전송해줘"와 같은 복합적인 업무 흐름을 자율적으로 수행합니다. 이 과정에서 사람이 매번 맥락을 직접 입력해줄 수 없습니다. Agent가 스스로 필요한 맥락을 참조하면서 판단해야 합니다.

여기서 프롬프트 엔지니어링과 Context Engineering의 차이가 선명하게 드러납니다. 프롬프트 엔지니어링이 요리사에게 레시피를 건네주는 일이라면, Context Engineering은 그 요리사가 최고의 요리를 할 수 있도록 조리장을 세팅하고, 필요한 재료를 준비하고, 도구를 갖춰두는 일입니다. 레시피가 아무리 훌륭해도, 조리장이 갖춰져 있지 않으면 요리는 완성되지 않습니다.

중요한 점은 이것이 단순한 일회성 준비가 아니라는 것입니다. Context Engineering은 Agent가 각 단계마다 필요한 맥락을 꺼내오고, 불필요한 맥락을 걷어내고, 새로운 맥락을 저장하는 과정을 설계하는 일입니다. 요리사가 요리하는 내내 필요한 재료를 꺼내고, 다 쓴 도구를 치우고, 새로운 재료를 보충하는 것처럼요.

조리장을 세팅한다는 것은 구체적으로 무엇을 의미할까요? AI Agent가 스스로 참조할 수 있도록 네 가지를 준비하는 것입니다. 첫째, AI가 읽을 수 있는 형태로 정리된 업무 데이터(재료). 둘째, 조직의 판단 기준과 프로세스를 문서화한 업무 규칙(조리 순서). 셋째, Agent가 연결해서 사용할 수 있는 사내 시스템과 도구 목록(요리 도구). 넷째, 이전에 수행한 작업의 맥락과 결과가 축적된 대화 이력(이전 요리 기록). 이 네 가지가 동적으로 관리되는 환경에서 Agent는 비로소 사람의 개입 없이 스스로 판단하고 움직일 수 있습니다.

결국 기초 교육의 맥락과 Context Engineering의 맥락은 이렇게 다릅니다.

기초 교육의 맥락 — 요리사에게 레시피를 건네는 것. 사람이 매번 머릿속에서 꺼내 직접 입력하는 맥락

Context Engineering의 맥락 — 조리장 전체를 세팅하는 것. AI Agent가 각 단계마다 스스로 참조하고 관리할 수 있도록 데이터, 업무 규칙, 도구, 대화 이력 등 전체 정보 환경을 동적으로 설계하는 것

사람의 머릿속에 있던 맥락이 조직의 시스템 안으로 나와야 하고, 그것이 AI Agent가 일할 수 있는 환경이 됩니다. 기초 교육에서 "맥락을 잘 넣어라"고 가르쳐온 방향은 맞았습니다. 이제 그 맥락을 사람 대신 시스템이 동적으로 준비하고 관리할 수 있도록 설계하는 단계로 나아가야 합니다.

HRD 담당자가 지금 설계해야 할 것

Context Engineering이 "조리장을 동적으로 관리하는 것"이라면, HRD 담당자의 역할은 임직원이 그 조리장을 설계할 수 있는 역량을 키워주는 것입니다. 그런데 여기서 한 가지 중요한 질문이 생깁니다. Context Engineering은 너무 기술적인 영역 아닌가요?

사실 그렇지 않습니다. 생성형 AI의 도움을 받으면, 코딩 경험이 없는 실무자도 데이터를 구조화하고 Agent 워크플로우를 설계하는 것이 점점 가능해지고 있습니다. 시리즈 3·4편에서 살펴봤던 것처럼, "이건 개발자만 할 수 있다"는 경계가 AI 시대에는 빠르게 허물어지고 있습니다. 기술적 장벽이 낮아지고 있는 지금, HRD 담당자가 집중해야 할 것은 오히려 그 조리장에 무엇을 채워야 하는지를 정의하는 역량입니다.

"우리 팀의 업무 규칙 중 AI가 판단 근거로 삼아야 할 것은 무엇인가", "Agent가 참조해야 할 데이터는 어떤 형태로 정리되어 있어야 하는가", "이전 작업의 어떤 이력을 남겨야 Agent가 더 나은 판단을 할 수 있는가" — 이 질문들에 답할 수 있는 사람은 현장에서 실제로 일하는 실무자와 리더입니다. 아무리 기술이 발전해도, 조직의 업무 맥락을 가장 잘 아는 것은 그 업무를 직접 수행하는 사람이기 때문입니다.

그리고 이 질문들에 답하려면 두 가지 역량이 필요합니다.

첫째, 자신의 업무 흐름을 AI의 언어로 번역하는 역량입니다.

실무자가 "나는 이런 순서로 일한다"는 것을 아는 것과, "AI Agent가 이 업무를 수행하려면 어떤 맥락이 필요한가"를 정의하는 것은 다른 일입니다. 전자는 경험으로 알 수 있지만, 후자는 의도적인 훈련이 필요합니다. 자신의 업무를 데이터, 규칙, 도구, 이력의 네 가지 관점에서 구조화해서 바라보는 연습이 필요합니다.

둘째, 맥락의 품질을 판단하는 역량입니다.

Agent가 엉뚱한 결과를 낼 때, 그것이 모델의 문제인지 맥락 설계의 문제인지를 구분할 수 있어야 합니다. 업무 규칙이 불명확하게 정의되어 있는지, 참조 데이터가 AI가 읽기 어려운 형태로 존재하는지, 도구 목록이 잘못 연결되어 있는지를 진단하고 개선할 수 있는 눈이 필요합니다.

HRD 담당자가 설계해야 할 교육은 바로 이 두 가지 역량을 키우는 과정입니다. 도구 사용법을 가르치는 것이 아니라, 실무자가 자신의 업무를 AI가 일할 수 있는 환경으로 설계하는 사고방식을 훈련하는 것입니다. 프롬프트를 잘 쓰는 사람이 아니라, 조리장을 잘 설계하는 사람을 키우는 것. 그것이 AX 4단계에서 HRD 담당자가 해야 할 역할입니다.

마치며

프롬프트 작성의 3요소를 가르쳐온 것, 그 방향은 맞았습니다. "데이터 및 맥락을 충분히 제공하라"는 기초 교육의 메시지는 Context Engineering의 출발점과 정확히 맞닿아 있습니다. 이제 그 개념이 AI Agent 시대에 어디까지 확장되어야 하는지가 보이기 시작했습니다.

레시피를 건네는 것에서 조리장을 설계하는 것으로. 사람이 매번 맥락을 직접 입력하는 것에서 Agent가 스스로 참조하고 관리할 수 있는 환경을 설계하는 것으로. 이 전환이 AX 4단계의 핵심입니다.

HRD 담당자가 지금 해야 할 일은 이 전환을 교육으로 설계하는 것입니다. 생성형 AI의 도움으로 기술적 장벽이 낮아지고 있는 지금, 실무자에게 더 중요해지는 역량은 "어떤 맥락을 채울 것인가"를 스스로 정의하는 힘입니다. 자신의 업무 흐름을 AI의 언어로 번역하고, 그 맥락의 품질을 스스로 판단할 수 있는 사람. 그런 실무자가 조직 안에 늘어날 때, AI Agent는 비로소 조직의 언어로 일하기 시작합니다.

프롬프트를 잘 쓰는 사람을 키우는 것에서 출발했다면, 이제는 조리장을 잘 설계하는 사람을 키우는 것으로 나아갈 때입니다. 그 다음 단계는 이미 여러분의 기초 교육 안에 씨앗으로 심어져 있었습니다.

포텐스닷은 조직이 AX 각 단계를 성공적으로 넘어설 수 있도록 프롬프트 교육부터 Context Engineering 역량 내재화까지, 조직 맞춤형 교육을 함께 설계합니다.