같은 요청인데 왜 결과가 다를까
AI는 계산기가 아닙니다. 확률로 답합니다. 그래서 같은 문장에 다른 결과가 나오고, 그건 고장이 아닙니다. 대처법은 정해져 있습니다.
어제는 잘 됐는데 오늘은 다른 게 나옵니다. 옆 사람과 똑같은 문장을 넣었는데 화면이 다릅니다. 처음 겪으면 "내가 뭘 잘못했나" 싶습니다. 잘못한 게 없습니다.
AI는 확률로 답합니다
AI는 정답을 계산하는 기계가 아니라, 가장 그럴듯한 다음 말을 고르는 기계입니다. 같은 질문에도 "가능한 여러 답 중 하나"를 고릅니다. 그래서 두 번 물으면 두 답이 나옵니다. 챗GPT에서 새 창 두 개를 열고 똑같은 질문을 던져 보면 바로 보입니다.
여기에 맥락이 더해집니다. 같은 문장이라도 앞선 대화, 열어 둔 폴더의 파일, 설치된 도구가 다르면 AI가 보는 상황이 다릅니다. 모델이 업데이트되면 또 달라집니다. 옆 사람과 결과가 다른 건 당연합니다.
그래서 두 가지가 따라옵니다
첫째, 확인이 필요합니다. 모르는 것도 아는 것처럼 답할 수 있으니, 숫자·날짜·이름은 원문과 대조하고 중요한 답은 출처를 요구합니다.
둘째, 다시 시키는 건 실패가 아닙니다. 이상한 답이 나오는 것은 정상이고, 짚어서 다시 시키면 됩니다. 완벽을 기다리면 아무것도 못 만듭니다. 그래서 선택은 둘 중 하나입니다. 품질에 적당히 타협하거나, 다시 시키는 시간을 조금 더 쓰거나.
결과가 흔들리지 않게 하는 법
결과를 똑같이 만들 수는 없습니다. 대신 흔들려도 괜찮은 구조를 만듭니다.
- 완성 기준을 먼저 정합니다. 코드가 어떻게 생겼는지가 아니라 "1만 원 × 100개, 할인 10%면 99만 원이 나온다"처럼 결과로. 기준이 있으면 어떤 답이 와도 판정할 수 있습니다
- 구체적으로 시킵니다. "계산기 만들어 줘"보다 "입력 4칸, 부가세 포함 금액, 폰에서 한 손으로". 정보가 많을수록 답의 폭이 좁아집니다
- 작게 나눕니다. 큰 요청을 한 문장에 몰면 흔들릴 곳이 많아집니다. 기능 하나 → 확인 → 다음
- 다시 만들기 전에 비교합니다. 지금 결과에서 맞는 것과 고칠 것을 먼저 적고, 고칠 것만 짚어서 시킵니다. "전부 다시"는 다른 문제를 새로 만듭니다
- 규칙은 파일에 둡니다. 매번 말하던 규칙을 프로젝트 지침이나 CLAUDE.md에 적어 두면 대화가 바뀌어도 그 부분은 흔들리지 않습니다
옆 사람과 다를 때
수업에서 자주 있는 장면입니다. 같은 요청문을 넣었는데 화면이 다릅니다. 이때 "누가 맞나"를 따지지 않습니다. 둘 다 완성 기준에 맞는지 봅니다. 맞으면 둘 다 정답이고, 하나만 맞으면 그쪽을 참고해 다른 쪽을 고칩니다.
정리
다른 결과 자체는 문제가 아닙니다. 문제는 기준 없이 결과만 보는 것입니다. 목표 정하기 → 완성 기준 적기 → 작게 시키기 → 확인하기. 이 순서가 있으면 AI가 어떤 답을 내놓아도 흔들리지 않습니다.
같이 읽기
- 바이브코딩이란 — 비개발자가 이해하는 한 줄 정의코드를 쓰는 대신 말로 시키고, 결과를 보고, 다시 말로 고치는 방식. 개발자의 코딩과 무엇이 같고 무엇이 다른지 정리합니다.기초
- 코딩 경험 없이 바이브코딩이 되나요 — 정직한 답됩니다. 다만 "코딩이 필요 없다"는 말은 반만 맞습니다. 되는 것과 안 되는 것, 그리고 막히는 지점을 있는 그대로 적었습니다.기초 · 수업
- 챗GPT와 클로드 — 뭐가 다르고 언제 뭘 쓰나우열이 아니라 역할입니다. 일상 질문은 쓰던 도구로, 일을 맡기고 만드는 건 Claude로. 그리고 중요한 답은 둘 다에게 물어봅니다.기초