AI 스토리텔링 시대를 위한 진화모방형 창작 프롬프트 연구: 개성적인 인물 프로파일 생성을 중심으로

• 영문명: A Study on an Evolutionary-Mimicking Creative Prompt for the Era of AI Storytelling: Focusing on the Generation of Unique Character Profiles
• 발행기관: 글로벌문화콘텐츠학회
• 저자명: 이승제(Sung Je Lee) 정의준(Eui Jun Jeong)
• 간행물 정보: 『글로벌문화콘텐츠』제65호, 253~295쪽, 전체 43쪽
• 주제분류: 인문학 > 기타인문학
• 파일형태: PDF
• 발행일자: 2025.11.30

국문 초록

본 연구는 AI 스토리텔링 연구의 관점에서 프롬프트 엔지니어링 연구가 활성화될 필요가 있음을 논의하고, 창의적인 글쓰기에 적합한 프롬프트 문법과 프로세스를 제안하기 위해 실시되었다. 특히 창작 과제를 수행하는 대형 언어모델(LLM)에서 고질적으로 나타나는 문제 중 하나인 과도한 키워드 편향 및 상투적인 결과 생성 문제를 억제하고, 보다 개성적이고 창의적인 형태의 텍스트를 생성하는 것을 목표로 제시하였다. 이를 위해 본 연구는 유전 알고리즘의 ‘생성, 경쟁, 선택’ 원리를 모방한 ‘진화모방형 창작 프롬프트’ 프레임워크를 제안하고 그 효용성을 검증하고자 하였다. 이후 프롬프트의 성능을 평가하기 위해 ‘모카커피를 좋아하는 20대 여성 작가’라는 키워드로 인물 프로파일 생성실험을 진행하였으며, 원활한 비교와 평가를 위해 웹콘텐츠 현직자들로 구성된 숙련자 집단과 고등학생으로 구성된 비숙련자 집단 그리고 단순지시형 프롬프트 집단과 '진화모방형' 프롬프트 집단을 나누어 결과물을 분석하였다. 평가는 LLM 을 활용한 자동화된 정량 평가와 3인의 외부 전문가를 통한 질적 평가를 병행하였다. 전문가 평가 결과, 진화모방형 프롬프트는 단순지시형 프롬프트와 비숙련자 집단에 비해 참신성, 복잡성, 타당성 등 모든 질적 지표에서 우수한 평가를받은 것으로 나타나 프롬프트 엔지니어링만으로도 LLM의 창작 성능이 크게 향상 가능하다는 것을 확인하였다.

영문 초록

This study was conducted to discuss the necessity of vitalizing prompt engineering research from the perspective of AI storytelling and to propose a suitable prompt grammar and process for creative writing. It aims to suppress the chronic problems of excessive keyword bias and stereotypical output generation, which are often observed in Large Language Models (LLMs) performing creative tasks, with the goal of generating more unique and creative texts. To this end, this study proposes and aims to verify the utility of an “Evolutionary-Mimicking Creative Prompt” framework that imitates the “generation, competition, and selection” principles of genetic algorithms. To evaluate the prompt's performance, an experiment was conducted to generate character profiles based on the keyword “a 20-something female writer who likes mocha coffee.” For effective comparison and evaluation, the outputs were analyzed across several groups: an expert group (web content industry professionals), a non-expert group (high school students), a simple-instruction prompt group, and the “evolutionary-mimicking” prompt group. The evaluation was conducted in parallel, using both automated quantitative evaluation with an LLM and qualitative evaluation by three external experts. The expert evaluation results showed that the evolutionary-mimicking prompt received superior scores in all qualitative indicators—such as novelty, complexity, and plausibility—compared to the simple-instruction and non-expert groups. This confirms that the creative performance of LLMs can be significantly improved through prompt engineering alone. In contrast, the automated quantitative evaluation showed a large discrepancy with the human expert evaluation, revealing its reliability limitations for creative tasks.

목차

1. 서론

2. 프롬프트 엔지니어링과 인공지능 스토리텔링

3. AI 스토리텔링의 한계와 유전 알고리즘을 응용한 프롬프트 엔지니어링 전략 제안

4. 진화모방형 창작 프롬프트의 개념적 구조

5. 실험 설계 및 평가 결과

6. 집단별 텍스트의 주요 특성 분석

7. 결론

참고문헌

키워드

AI 스토리텔링 프롬프트 엔지니어링 유전 알고리즘 캐릭터 창작 대형 언어 모델(LLM) AI storytelling Prompt engineering Genetic algorithm Character design Large language model (LLM)