지난 2 년 동안 프롬프트 엔지니어라는 용어는 유망한 것에서 뒤처지는 것으로 바뀌었다. 언어 모델과의 효율적인 상호 작용의 격차를 메우기 위해 등장한 전문가는 관련 응답을 추출하는 핵심 플레이어로서 LLM 의 부상 속에서 통합되었습니다. 글로벌 McKinsey 설문 조사에 따르면 AI 를 채택하는 조직의 7% 가 이미 프롬프트 엔지니어를 고용했으며 이는 다양한 산업에서이 기능을 조기에 채택했음을 나타냅니다.
이전에 차등으로 간주되었던 정밀한 명령을 정교화하는 작업은 점진적으로 자동화되었습니다. DSPy 와 같은 도구는 프롬프트 조정을 프로그래밍 프로세스로 변환하여 실시간으로 명령을 생성,테스트, 분석 및 최적화할 수 있는 이러한 움직임을 예시합니다. 이러한 동적 기능은 전문가가 이 기능에만 전념하도록 해야 할 필요성에 의문을 제기합니다.
신속한 엔지니어링의 본질은 항상 시행착오와 연결되어 왔습니다. 결과를 분석하고 매개변수를 조정하는 가변 문장은 수제 프로세스를 구성했으며 초기 단계에서는 효과적이었지만 확장성과 일관성이 부족했습니다. 자동화는 지속적인 최적화 주기를 제공하여 이러한 제한을 깨뜨립니다. 인적 오류에 덜 민감하고 AI 애플리케이션의 복잡성이 증가함에 따라 더 적합합니다.
이 전환은 또한 개념적 변화를 반영하는데, 초점은 더 이상 프로그래밍 프로세스가되기 위해 수동 “촉진” 이 아닙니다. 신경망 가중치의 수동 선택이 최적화 알고리즘으로 대체됨에 따라 프롬프트 쓰기는 이제 체계적으로 해결해야 할 기술적 인 문제로 취급됩니다. 그 결과는 고립 된 인간 행동으로 얻을 수없는 수준의 예측 가능성과 속도입니다.
그 영향은 운영 효율성을 넘어선다. 프롬프트 엔지니어 인물의 점진적인 소멸은 자동화에 직면하여 전문화가 어떻게 일시적이 될 수 있는지를 보여준다. 전문직은 더 정교한 도구가 기본적으로 통합 될 때까지 일시적인 격차를 메우기 위해 발생한다.
변화는 또한 체계화 될 수있는 모든 것이 자동화되는 경향이있는 기술 진화의 반복적 인 패턴을 보여줍니다. 신속한 엔지니어링의 규율은 그 본질상 피할 수없는 목표가되었습니다. 모델과의 텍스트 상호 작용에 국한되었던 전문가는 이제이 기능을 지속적이고 자율적으로 가정하는 파이프 라인에 의해 압축 된 그의 공간을 봅니다.
이러한 변위는 축적된 지식의 제거를 의미하는 것이 아니라 지식의 재분배를 의미한다. 언어 모델의 기능과 그 한계에 대한 이해는 여전히 적절하지만,응용은 가치 사슬의 보다 추상적인 수준이 된다. 차이점은 누가 명령의 텍스트를 직접 조작하는가가 아니라 누가 시스템을 설계하고 통합하는가에 있다.
고립 된 전문화로서의 프롬프트 엔지니어의 실종은 인공 지능이 전문 기능을 재정의하는 속도를 확인시켜줍니다. 이 에피소드는 이전에 수십 년이 걸렸던 적응이 이제 몇 년 만에 일어나는 더 광범위한 경고를 나타냅니다. 자동화가 신흥 지적 활동조차도 흡수하는 시나리오에서는 유연성과 전략적 기대가 전문가와 조직에 없어서는 안 될 요소가됩니다.
