AI에게 묻기 전에, 어떤 렌즈로 볼지 먼저 선택하세요!
AI에게 “어떻게 생각해?”라고 묻는 대신, 관점을 먼저 제시하는 새로운 협업 방식 제안
Prothesis는 “질문 전의 질문”을 통해 Unknown Unknown을 Known Unknown으로 변환
병렬 분석을 통해 각 관점의 독립성을 보장하고, 견고한 결론 도출
Claude Code 플러그인을 활용하여 Prothesis 프레임워크 구현
기존 AI 협업 방식의 문제점
기존 AI 협업 방식은 AI가 답을 제시하면 인간이 수용하거나 거부하는 단방향적 구조를 가진다.
문제점: AI가 어떤 기준으로 답했는지 알 수 없어 검증이 어렵고, 후속 질문의 방향성을 잡기 힘듦
시니어 엔지니어의 핵심 역량인 모호한 문제 구체화 단계를 AI가 건너뜀
결과적으로 AI의 빠른 답변은 이해 부족으로 이어질 수 있으며, 이는 협업의 질을 저하시킨다.
따라서 AI의 답변을 맹목적으로 신뢰하기보다는, 판단 기준을 명확히 하고 검증 가능한 답을 얻는 것이 중요하다.
Prothesis: '질문 전의 질문' 프레임워크
Prothesis는 AI에게 질문하기 전에 다양한 관점을 먼저 제시하는 프레임워크이다.
핵심 원리: Unknown Unknown 상태를 Known Unknown 상태로 변환하여, 질문 자체를 가능하게 함
기존 AI 에이전트의 Socratic Mentor 페르소나와 달리, Prothesis는 '당신 안에 답이 있다'는 전제를 하지 않음
인지심리학의 인식 기억(Recognition)의 효율성을 활용하여, 선택의 과정을 용이하게 함
결과적으로 Prothesis는 AI 협업 시 사용자의 주도적인 참여를 유도하고, 보다 정확하고 신뢰성 있는 답변을 얻도록 돕는다.
병렬 분석의 중요성
Prothesis는 병렬 분석을 통해 각 관점의 독립성을 보장하고, 견고한 결론을 도출한다.
순차 분석의 문제점: 관점 A의 결론이 관점 B의 분석에 영향을 미치는 컨텍스트 오염 발생
병렬 분석의 장점: 각 관점이 독립적으로 판단하므로, 다양한 시각을 확보하고 편향을 방지
동일한 결론에 도달한 경우: 견고한 발견으로 간주, 추가 조사의 필요성 감소
관점 간 차이 발생 시: 추가 조사 방향 제시, 문제 해결의 실마리 제공
따라서 병렬 분석은 복잡한 문제 해결에 효과적이며, 다양한 관점을 고려하여 더 나은 결과를 얻도록 돕는다.
Claude Code 플러그인 구현
Prothesis는 Claude Code 플러그인을 통해 구현되며, AskUserQuestion과 Task(Subagent) 도구를 활용한다.
AskUserQuestion: 선택지를 구조화하여 제시하고, 사용자 응답을 기다림
Task (Subagent): 선택된 관점들로 병렬 분석을 수행
Syneidesis 프로토콜: 실행 단계를 위한 프로토콜
결과: “관점 제시 → 선택 → 병렬 분석 → 통합”의 끊김 없는 흐름 구현
따라서 Claude Code 플러그인을 사용하면, Prothesis 프레임워크를 쉽게 구축하고 AI 협업의 효율성을 극대화할 수 있다.
