도서관·기록관리·정보화 부서의 지식 인프라

대학의 지식에는 주소가 필요하다

대학의 지식은 대개 한곳에 있지 않다. 학칙은 규정집에, 회의 결정은 회의록에, 사업의 맥락은 결과보고서에, 시스템 사용법은 오래된 매뉴얼에, 정말 중요한 노하우는 담당자의 메신저와 머릿속에 있다. 문제는 지식이 없다는 것이 아니라, 찾을 수 없고 믿기 어렵고 재사용하기 어렵다는 데 있다.

도서관·기록관리·정보화 부서는 겉으로는 다른 일을 하는 것처럼 보인다. 도서관은 학술정보를 연결하고, 기록관리 부서는 대학의 기억을 보존하며, 정보화 부서는 시스템이 멈추지 않게 한다. 하지만 AI 시대에는 세 부서가 같은 질문 앞에 선다. 이 정보는 어디에서 왔는가. 최신인가. 누가 써도 되는가. 답변의 근거를 확인할 수 있는가.

OpenAI는 좋은 프롬프트를 원하는 출력이 일관되게 나오도록 지시를 설계하는 과정으로 설명하고, Google도 Gemini 프롬프팅을 반복적으로 개선하는 작업이라고 안내한다¹². 이 장의 프롬프트들은 그래서 단순한 질문이 아니다. 대학의 지식을 수집하고, 정리하고, 확인하고, 배포하기 위한 업무 지시서다.

프롬프트의 기본 문법: 역할·대상·과업·출력 형식·확인 질문

도서관과 정보화 업무에서 특히 중요한 것은 정확성이다. 친절한데 틀린 안내는 더 위험하다. 그래서 이 장의 모든 프롬프트는 다섯 칸으로 설계한다. 역할은 AI가 어떤 전문성을 흉내 내야 하는지 정하고, 대상은 설명의 깊이를 조절한다. 과업은 할 일을 순서대로 나누고, 출력 형식은 바로 붙여 넣을 수 있는 문서 형태를 지정한다. 마지막 확인 질문은 AI가 모르는 것을 아는 척하지 못하게 막는 안전장치다.

Georgetown University Library가 소개한 CLEAR 프레임워크도 좋은 힌트를 준다. 좋은 프롬프트는 간결하고, 논리적이며, 명시적이어야 하고, 결과를 본 뒤 다시 조정하고 성찰해야 한다³. 대학 행정에서 이 말은 더 실용적으로 바뀐다. 짧게 쓰되 맥락은 빼지 말고, 원하는 표와 문체를 지정하고, 마지막에는 반드시 확인해야 할 빈칸을 남겨두라는 뜻이다.

# 역할
당신은 대한민국 대학교 도서관의 학술정보 서비스 담당자입니다.
정확하고 친절하되, 확인되지 않은 도서관 정책이나 구독 범위는 단정하지 않습니다.

# 대상
- 이용자 유형: {{신입생 / 재학생 / 대학원생 / 교원 / 직원 / 외부이용자}}
- 이용자 수준: {{처음 이용 / 기본 이용 가능 / 연구 경험 많음}}
- 문의 채널: {{이메일 / 홈페이지 FAQ / 챗봇 답변 / 대면 상담 메모}}

# 과업
다음 문의를 읽고 도서관 이용 안내 초안을 작성하세요.
1. 문의 의도를 한 문장으로 분류합니다.
2. 이용자 수준에 맞게 용어의 난이도를 조정합니다.
3. 바로 실행할 수 있는 절차를 순서대로 안내합니다.
4. 도서관 정책 확인이 필요한 부분은 단정하지 말고 확인 필요로 표시합니다.
5. 상담자가 추가로 물어봐야 할 질문을 작성합니다.

# 출력 형식
## 한 줄 답변
## 상세 안내
## 이용 절차
| 단계 | 이용자가 할 일 | 확인할 화면 또는 장소 | 비고 |
## 관련 서비스
## 추가 확인 질문
## 담당자 검토 필요 문장

# 제약 조건
- 개인정보, 학번, 연락처, 대출 이력은 입력하지 않습니다.
- 구독 중인지 확실하지 않은 DB명은 이용 가능하다고 쓰지 않습니다.
- 규정, 요금, 운영시간은 {{최신 도서관 안내문}} 기준으로 확인 필요 표시를 붙입니다.

# 문의 내용
{{이용자 문의}}

# 참고 자료
{{도서관 이용 안내문 또는 FAQ에서 발췌한 내용}}

이 프롬프트의 포인트는 답을 만들라고만 하지 않는 데 있다. AI에게 먼저 문의 의도를 분류하게 하고, 그다음 이용자 수준에 맞춰 문장을 조정하게 한다. 신입생에게는 학술DB보다 전자자료라는 말을 먼저 쓰고, 교원에게는 원문복사, 상호대차, 연구성과 분석 같은 전문 서비스를 바로 연결할 수 있다.

도서관 서비스: 안내문에서 상담 답변까지 한 번에 바꾸기

도서관의 안내는 같은 정보라도 대상에 따라 얼굴이 달라져야 한다. 신입생에게는 길찾기 앱처럼 안내해야 하고, 대학원생에게는 연구 설계의 체크리스트처럼 보여야 한다. 교원에게는 시간을 아껴주는 연구 파트너처럼, 직원에게는 행정 처리 절차처럼 명확해야 한다.

# 역할
당신은 대학도서관 학술DB 교육 콘텐츠 에디터입니다.

# 목표
{{교육 주제}}에 대한 30분짜리 미니 교육자료를 만듭니다.
교육 대상이 실제로 검색을 한 번 성공해 보는 것이 목표입니다.

# 입력값
- 교육 대상: {{신입생 / 전공 진입생 / 대학원생 / 교원 / 직원}}
- 주제 분야: {{인문사회 / 자연과학 / 공학 / 의학 / 예체능 / 융합}}
- 사용할 수 있는 DB 목록: {{DB명 목록}}
- 교육 방식: {{대면 / 온라인 실시간 / LMS 영상 / PDF 배포}}
- 교육 후 기대 행동: {{논문 검색 / 원문 다운로드 / 인용 저장 / 연구동향 파악}}

# 작업 지시
1. 대상자의 배경지식을 추정하고 설명 난이도를 정합니다.
2. 교육 목표를 3개로 압축합니다.
3. 실습 흐름을 도입, 시연, 따라 하기, 확인 퀴즈로 나눕니다.
4. DB별 장점은 말하되, 구독 여부가 불확실한 기능은 확인 필요로 표시합니다.
5. 교육 후 바로 보낼 수 있는 후속 이메일 초안을 작성합니다.

# 출력 형식
## 교육 제목
## 대상자에게 주는 한 문장 카피
## 학습 목표
| 번호 | 목표 | 성공 기준 |
## 30분 진행안
| 시간 | 진행 내용 | 화면 또는 자료 | 강사 멘트 |
## 실습 과제
## 자주 나오는 질문 5개
## 후속 이메일 초안
## 확인 필요 사항

# 문체
친절하고 감각적으로 작성하되, 과장된 홍보 문구는 피합니다.

학술DB 교육은 단순 기능 설명으로 끝나기 쉽다. 하지만 좋은 교육자료는 검색창에 무엇을 넣어야 할지 모르는 사람에게 첫 검색어를 건네준다. AI에는 바로 이 역할을 맡기면 좋다. 검색 키워드 후보, 불리언 연산자 예시, 학문 분야별 DB 선택 기준을 초안으로 만들게 하고, 사서는 구독 범위와 실제 화면을 확인한다.

# 역할
당신은 대학도서관 참고정보 상담 사서입니다.
이용자의 연구 질문을 더 좋은 검색 질문으로 바꾸는 일을 돕습니다.

# 이용자 정보
- 신분: {{학부생 / 대학원생 / 교원 / 직원}}
- 전공 또는 관심 분야: {{전공}}
- 과제 또는 연구 단계: {{주제 탐색 / 선행연구 조사 / 논문 작성 / 투고 준비}}

# 문의 내용
{{이용자가 보낸 상담 내용}}

# 과업
1. 이용자의 질문을 연구 가능한 질문으로 다시 씁니다.
2. 핵심 개념, 유사어, 제외어를 분리합니다.
3. 한국어 검색어와 영어 검색어를 함께 제안합니다.
4. 검색식 예시를 3개 제안합니다.
5. 적합해 보이는 자료 유형을 제안합니다.
6. 실제 논문명, 저자명, 통계 수치는 제공된 자료에 없으면 만들지 않습니다.
7. 사서가 추가로 확인해야 할 질문을 작성합니다.

# 출력 형식
## 상담 요약
## 다듬은 연구 질문
## 키워드 맵
| 구분 | 한국어 | 영어 | 메모 |
## 검색식 예시
## 추천 자료 유형
## 이용자에게 보낼 답변 초안
## 추가 확인 질문
## 만들면 안 되는 정보

# 안전 기준
- 존재 여부를 확인하지 않은 논문이나 책을 추천하지 않습니다.
- 특정 DB의 접근 가능 여부는 도서관 구독 목록 확인 필요로 표시합니다.
- 민감한 연구 데이터나 미공개 원고 전문은 입력하지 않습니다.

NotebookLM형 내부지식 Q&A: 요약보다 중요한 것은 근거다

규정집, 회의록, 사업보고서, 매뉴얼, FAQ를 AI에 넣고 요약만 받으면 반쪽짜리다. 대학 내부지식에 필요한 것은 예쁜 요약이 아니라 근거가 보이는 답변이다. 어느 문서의 어느 대목을 바탕으로 말하는지, 최신 문서와 오래된 문서가 충돌하지 않는지, 답이 없는 질문에는 없다고 말하는지가 핵심이다.

Maastricht University의 AI Prompt Library는 프롬프트마다 팁과 주의사항을 붙이고, 민감정보와 저작권 자료 입력에 조심하라고 안내한다⁴. Wharton Generative AI Labs도 재사용할 프롬프트는 발견하고, 테스트하고, 다듬는 과정이 필요하다고 설명한다⁵. 대학 내부문서용 프롬프트는 바로 이 두 원칙 위에서 움직여야 한다. 잘 찾는 것보다 안전하게 찾는 것이 먼저다.

Google은 Gemini for Education과 NotebookLM을 교육 환경에서 활용할 수 있는 도구로 소개하며, Workspace for Education 환경에서는 관리자 통제와 데이터 보호 기능을 제공한다고 안내한다⁶. 다만 어떤 도구를 쓰든 학교 계약, 관리자 설정, 데이터 처리 조건은 반드시 정보화 부서가 확인해야 한다.

내부문서를 근거 기반 질의응답 자료로 만드는 절차는 다음처럼 잡으면 좋다.

# 역할
당신은 대학 내부문서 기반 질의응답 검토자입니다.
답변은 반드시 제공된 문서 범위 안에서만 작성합니다.

# 문서 범위
- 문서 묶음 이름: {{예: 학사규정_FAQ_2026상반기}}
- 포함 문서: {{문서명과 개정일 목록}}
- 제외 문서: {{제외할 문서 또는 오래된 문서}}
- 기준일: {{YYYY-MM-DD}}

# 질문
{{사용자 질문}}

# 작업 지시
1. 질문이 문서 범위 안에서 답할 수 있는지 먼저 판단합니다.
2. 답할 수 있으면 핵심 답변을 5문장 이내로 작성합니다.
3. 답변의 근거가 되는 문서명, 조항명, 페이지 또는 문단 단서를 표시합니다.
4. 문서 간 내용이 충돌하면 충돌 가능성을 별도로 표시합니다.
5. 문서에 없는 내용은 추정하지 말고 정보 없음으로 표시합니다.
6. 담당 부서에 추가 확인해야 할 항목을 분리합니다.

# 출력 형식
## 답변 가능 여부
가능 / 일부 가능 / 불가 중 하나

## 핵심 답변

## 근거 표
| 근거 번호 | 문서명 | 위치 단서 | 근거 요지 | 답변에 사용한 방식 |

## 불확실하거나 충돌하는 부분

## 추가 확인 필요 항목
| 확인 질문 | 확인할 담당 부서 | 이유 |

## 사용자에게 보낼 답변 초안

# 금지
- 제공 문서 밖의 일반 지식으로 규정을 해석하지 않습니다.
- 오래된 문서를 최신 기준처럼 말하지 않습니다.
- 법률 판단, 징계 판단, 입학·학사 최종 판단을 대신하지 않습니다.

이 프롬프트는 NotebookLM 같은 소스 기반 도구에서 특히 빛난다. 핵심은 AI가 그럴듯한 문장을 만드는 속도가 아니라, 출처를 따라 다시 확인할 수 있는 답변 구조다. 답변 가능 여부를 맨 앞에 두면, AI가 모르는 문제를 억지로 풀어내는 습관을 줄일 수 있다.

# 역할
당신은 대학 내부 지식맵을 만드는 정보 큐레이터입니다.

# 대상 문서
{{규정집 / 회의록 / 사업보고서 / 업무 매뉴얼 / FAQ / 공지문 목록}}

# 목표
업로드된 문서를 검색 가능한 지식맵으로 정리합니다.
단순 요약이 아니라, 누가 어떤 질문을 할 때 어떤 문서를 봐야 하는지 안내하는 것이 목표입니다.

# 작업 지시
1. 문서를 업무 주제별로 묶습니다.
2. 각 문서가 답할 수 있는 질문 유형을 만듭니다.
3. 중복되는 문서와 충돌 가능성이 있는 문서를 표시합니다.
4. 최신성 확인이 필요한 문서를 표시합니다.
5. 담당 부서가 추가해야 할 누락 문서를 제안합니다.

# 출력 형식
## 지식맵 요약
## 주제별 문서 색인
| 주제 | 관련 문서 | 이 문서가 답할 수 있는 질문 | 최신성 확인 | 소관 부서 |
## 중복 또는 충돌 가능성
| 문서 A | 문서 B | 충돌 가능 지점 | 확인 질문 |
## 누락된 지식 후보
## 직원용 검색 질문 예시 20개

# 제약 조건
문서에 없는 사실은 만들지 말고, 추정한 내용은 추정이라고 표시합니다.

기록관리: AI는 분류 후보를 제안하고, 처분은 사람이 결정한다

기록관리에서 AI는 매우 유용하지만, 절대 혼자 결론을 내려서는 안 된다. 기록물 분류, 보존기간, 이관, 폐기는 법령과 대학 규정, 기록물 분류기준표, 감사와 소송 리스크가 얽혀 있다. AI에게 맡길 수 있는 일은 후보를 좁히고 누락 메타데이터를 찾아내는 일이다. 최종 보존기간과 폐기 여부는 기록관리 담당자의 검토와 승인 절차를 거쳐야 한다.

아카이브 업무에 대형언어모델을 적용하려는 연구들도 문서 해석과 추출, 업무흐름 지원의 가능성을 다루지만, 기록 전문성에 기반한 검토가 중요하다는 전제를 갖는다⁷. 대학에서도 마찬가지다. AI는 빠른 조수이고, 기록관리자는 판단의 주체다.

# 역할
당신은 대학 기록관리 업무를 지원하는 문서 분류 보조자입니다.
최종 분류와 보존기간을 확정하지 않고, 검토 후보와 확인 질문을 제안합니다.

# 입력값
- 기록물 제목: {{제목}}
- 생산부서: {{부서명}}
- 생산연도: {{YYYY}}
- 업무기능: {{예: 장학, 입학, 연구과제, 인사, 계약, 시설안전}}
- 문서 유형: {{공문 / 회의록 / 신청서 / 보고서 / 계약서 / 사진 / 이메일 / 메신저 내보내기}}
- 개인정보 포함 여부: {{없음 / 일반 개인정보 / 민감정보 가능 / 확인 필요}}
- 첨부파일 여부: {{있음 / 없음}}
- 관련 사업 또는 사건: {{있으면 입력}}
- 대학 기록물 분류기준표 발췌: {{관련 기준이 있으면 붙여넣기}}

# 작업 지시
1. 입력값을 바탕으로 가능한 기록물 분류 후보를 2개 이상 제안합니다.
2. 각 후보를 선택한 이유와 위험요인을 씁니다.
3. 보존기간을 확정하지 말고 검토 포인트만 제시합니다.
4. 개인정보 또는 민감정보가 있으면 접근권한과 비식별 검토 필요성을 표시합니다.
5. 누락된 메타데이터를 찾아냅니다.
6. 담당자에게 물어볼 확인 질문을 작성합니다.

# 출력 형식
## 분류 검토 표
| 후보 | 관련 업무기능 | 후보로 본 이유 | 보존기간 검토 포인트 | 위험요인 | 확인 질문 |

## 메타데이터 점검
| 항목 | 현재 값 | 상태 | 보완 방법 |

## 개인정보 및 보안 점검

## 담당자 확인 질문

# 금지
- 보존기간을 확정하지 않습니다.
- 폐기 가능이라고 단정하지 않습니다.
- 개인정보가 포함된 원문을 요약 과정에서 반복 노출하지 않습니다.

기록관리 프롬프트는 표가 중요하다. 제목만 보고 분류하면 위험하다. 생산부서, 생산연도, 업무기능, 관련 사건, 첨부파일 여부가 함께 있어야 한다. 특히 대학에서는 같은 회의록이라도 위원회 성격에 따라 보존 가치가 달라진다. AI에게는 판단의 결론보다 판단에 필요한 질문을 잘 뽑게 해야 한다.

# 역할
당신은 대학 기록물 이관 및 폐기 검토 체크리스트 작성자입니다.

# 검토 대상
{{기록물 목록 또는 파일 목록}}

# 참고 기준
{{대학 기록물 관리 규정, 분류기준표, 보존기간표에서 필요한 부분}}

# 작업 지시
1. 이관 대상 가능성이 있는 기록물을 찾습니다.
2. 폐기 검토 대상 가능성이 있는 기록물을 찾되, 폐기 확정 표현은 쓰지 않습니다.
3. 보존기간 기산점 또는 종료 조건 확인이 필요한 항목을 표시합니다.
4. 감사, 소송, 민원, 연구윤리, 개인정보 이슈와 연결될 수 있는 기록물을 별도 표시합니다.
5. 담당 부서가 제출해야 할 보완자료를 정리합니다.

# 출력 형식
## 검토 요약
## 대상별 검토 표
| 기록물명 | 생산부서 | 생산연도 | 검토 구분 | 확인할 기준 | 위험 신호 | 담당자 질문 |
## 보완자료 요청 목록
## 승인 전 체크리스트

# 안전 기준
- 소송, 감사, 정보공개청구, 민원 진행 가능성이 있으면 폐기 검토 보류로 표시합니다.
- 원문에 주민등록번호, 계좌번호, 건강정보, 장애정보 등이 있으면 민감정보 검토 필요로 표시합니다.

정보화 Help Desk: 모호한 문의를 접수 가능한 티켓으로 바꾸기

정보화 부서의 하루는 한 문장으로 시작될 때가 많다. 포털이 안 돼요. 와이파이가 이상해요. 로그인했는데 화면이 멈춰요. 사용자는 틀리지 않았다. 사용자는 자기 언어로 말했을 뿐이다. Help Desk의 일은 그 말을 장애 유형, 사용자 환경, 긴급도, 영향 범위, 재현 절차로 번역하는 것이다.

AI는 이 번역에 강하다. 단, 비밀번호를 요구하거나 불필요한 개인정보를 모으게 해서는 안 된다. 접수 가능한 티켓을 만들고, 추가 확인 질문을 자동으로 생성하는 선에서 쓰는 것이 안전하다.

# 역할
당신은 대학교 정보화 Help Desk 1차 접수 담당자입니다.
사용자의 모호한 문의를 티켓으로 구조화하고, 추가 확인 질문과 응답 초안을 작성합니다.

# 사용자 문의 원문
{{문의 내용}}

# 접수 채널
{{전화 메모 / 이메일 / 챗봇 / 게시판 / 방문}}

# 이미 확인된 정보
- 사용자 구분: {{학생 / 교원 / 직원 / 외부 사용자 / 확인 필요}}
- 서비스명: {{포털 / LMS / 이메일 / 전자결재 / 와이파이 / VPN / 증명서 / 기타}}
- 발생 시각: {{알면 입력}}
- 첨부자료: {{오류 화면 / 없음 / 확인 필요}}

# 작업 지시
1. 장애 유형을 분류합니다.
2. 사용자 환경 확인 항목을 만듭니다.
3. 긴급도와 영향 범위를 추정하되, 근거가 부족하면 확인 필요로 표시합니다.
4. 우선순위 후보를 제안합니다.
5. 담당자 배정에 필요한 정보를 정리합니다.
6. 사용자에게 보낼 1차 응답 초안을 작성합니다.

# 출력 형식
## 티켓 제목
## 분류
| 항목 | 값 | 근거 | 확인 필요 여부 |
## 우선순위 후보
낮음 / 보통 / 높음 / 긴급 중 하나와 이유

## 추가 확인 질문
| 질문 | 이유 | 예시 답변 형식 |

## 사용자 응답 초안

## 내부 전달 메모

# 반드시 물어볼 수 있는 환경 정보
- OS: Windows / macOS / iOS / Android / 기타
- 브라우저: Chrome / Edge / Safari / Whale / 기타
- 접속 위치: 교내 / 교외 / 기숙사 / 해외 / 확인 필요
- 오류 메시지 전문 또는 화면 캡처
- 재현 절차: 어떤 메뉴를 어떤 순서로 눌렀는지

# 금지
- 비밀번호 전체를 요청하지 않습니다.
- 주민등록번호, 계좌번호, 성적, 상담 내용 등 불필요한 개인정보를 요청하지 않습니다.
- 장애 원인을 확인 없이 단정하지 않습니다.

Help Desk 프롬프트의 숨은 장점은 데이터가 쌓인다는 것이다. 매번 잘 정리된 티켓이 남으면 반복 장애, 특정 브라우저 문제, 학기 초 트래픽 이슈, 특정 건물 와이파이 음영지역이 보인다. 좋은 티켓은 해결 속도만 높이는 것이 아니라 다음 예산과 개선 사업의 근거가 된다.

# 역할
당신은 정보화 서비스 장애 공지문 작성자입니다.
불안감을 줄이면서도 필요한 정보를 정확히 전달합니다.

# 입력값
- 서비스명: {{서비스명}}
- 장애 발생 시각: {{시각}}
- 영향 범위: {{전체 / 일부 사용자 / 특정 기능 / 확인 중}}
- 현재 상태: {{조치 중 / 복구 완료 / 원인 파악 중 / 임시 우회 가능}}
- 우회 방법: {{있으면 입력}}
- 다음 업데이트 예정: {{시각}}

# 작업 지시
1. 사용자용 짧은 공지문을 작성합니다.
2. 부서장 보고용 상황 요약을 작성합니다.
3. Help Desk 상담용 3문장 답변을 작성합니다.
4. 아직 확인되지 않은 원인은 추정하지 않습니다.

# 출력 형식
## 홈페이지 공지문
## 문자 또는 앱 푸시 문안
## Help Desk 상담 스크립트
## 부서장 보고 요약
## 확인 필요 사항

# 문체
차분하고 명확하게 작성합니다. 변명처럼 들리는 표현은 피합니다.

데이터 거버넌스: AI 샌드박스는 놀이터가 아니라 안전한 실험실이다

고등교육기관은 데이터가 많지만, 그 데이터가 의사결정에 쓰일 수 있는 정보로 정리되어 있지 않은 경우가 많다. 고등교육 데이터 거버넌스 논의에서 자주 지적되는 문제도 바로 데이터는 풍부하지만 의미 있는 정보로 쓰기 어렵다는 점이다⁸. AI를 도입하면 이 문제가 더 선명해진다. 정리되지 않은 데이터는 AI 앞에서 더 빨리 섞이고, 더 그럴듯하게 오해된다.

그래서 정보화 부서의 AI 샌드박스는 단순한 체험 공간이 아니다. 어떤 도구를 써도 되는지, 어떤 데이터는 넣으면 안 되는지, 결과물은 누가 검토하는지, 프롬프트는 어디에 저장하는지를 정하는 안전한 실험실이어야 한다. Gemini 같은 도구를 교육기관에 도입할 때도 데이터 거버넌스, 계정 관리, 정책 교육, 보안 설정을 함께 봐야 한다는 지적이 나온다⁹.

# 역할
당신은 대학 내부 AI 샌드박스 사용 전 점검 담당자입니다.
사용자가 하려는 AI 작업이 안전한지 사전 점검합니다.

# 사용 계획
- 사용 도구: {{ChatGPT / Gemini / NotebookLM / Copilot / 학교 승인 도구 / 기타}}
- 계정 유형: {{학교 계정 / 개인 계정 / 확인 필요}}
- 작업 목적: {{목적}}
- 입력하려는 데이터: {{데이터 설명}}
- 출력물 사용처: {{개인 참고 / 부서 회의 / 학생 안내 / 대외 공문 / 보고서}}
- 포함 가능 정보: {{개인정보 / 내부자료 / 계약정보 / 연구자료 / 없음 / 확인 필요}}

# 작업 지시
1. 데이터 등급을 추정합니다.
2. 현재 도구와 계정으로 사용해도 되는지 판단 후보를 제시합니다.
3. 금지 입력 사례에 해당하는지 확인합니다.
4. 비식별 또는 대체 입력 방법을 제안합니다.
5. 사람 검토가 필요한 지점을 표시합니다.
6. 사용 승인 로그에 남길 요약문을 작성합니다.

# 출력 형식
## 사용 가능성 판정
가능 / 조건부 가능 / 불가 / 정보 부족 중 하나

## 판단 근거
| 점검 항목 | 결과 | 이유 | 조치 |

## 입력 전 수정해야 할 내용
## 추천 대체 방법
## 검토자 확인 필요 사항
## 승인 로그용 요약

# 금지 입력 예시
- 학번, 주민등록번호, 연락처가 포함된 원본 명단
- 상담, 징계, 건강, 장애, 장학 심사 세부자료
- 비밀번호, 인증코드, API 키, 보안 설정값
- 입찰 예정가, 미공개 계약 조건, 법무 검토 원문
- 출판사 또는 저작권자의 허락 없는 유료 자료 전문

AI 샌드박스 운영의 핵심은 허용과 금지를 명확히 나누는 데 있다. 직원들이 가장 어려워하는 것은 AI를 쓰면 안 된다는 말이 아니라, 어디까지 바꿔 넣으면 되는지 모른다는 점이다. 그러므로 정보화 부서는 금지 목록만 배포하지 말고, 안전한 대체 입력 예시를 함께 제공해야 한다.

지식 인프라 프롬프트 라이브러리: 프롬프트도 업무 자산이다

프롬프트는 메모장에 흩어진 개인 팁으로 남겨두면 금방 사라진다. 담당자가 바뀌면 좋은 프롬프트도 같이 사라지고, 어느 날 누군가 오래된 지시문으로 민감정보를 넣는 사고가 생긴다. 프롬프트 라이브러리는 이 문제를 막는 작은 지식 인프라다.

좋은 라이브러리는 프롬프트 본문만 저장하지 않는다. 목적, 입력값, 사용 금지 데이터, 기대 출력, 검토자, 최신 개정일, 실패 시 점검 항목이 함께 있어야 한다. 그래야 직원들이 안전하게 복제하고, 자기 부서 상황에 맞게 수정하고, 결과를 비교할 수 있다.

# 역할
당신은 대학 행정 프롬프트 라이브러리 관리자입니다.
아래 프롬프트 초안을 직원들이 재사용할 수 있는 표준 카드로 정리합니다.

# 프롬프트 초안
{{프롬프트 본문}}

# 사용 부서
{{도서관 / 기록관리 / 정보화 / 공동}}

# 작업 지시
1. 프롬프트의 목적을 한 문장으로 정리합니다.
2. 필요한 입력값과 선택 입력값을 분리합니다.
3. 사용 금지 데이터를 구체적으로 씁니다.
4. 기대 출력 형식을 설명합니다.
5. 검토자가 누구인지 제안합니다.
6. 최신 개정일과 개정 사유를 기록합니다.
7. 실패할 때 점검할 항목을 만듭니다.
8. 테스트 질문 3개와 좋은 출력 기준을 제안합니다.

# 출력 형식
## 프롬프트 카드
| 항목 | 내용 |
| 목적 | |
| 사용 부서 | |
| 필요한 입력값 | |
| 선택 입력값 | |
| 사용 금지 데이터 | |
| 기대 출력 | |
| 검토자 | |
| 최신 개정일 | |
| 개정 사유 | |
| 실패 시 점검 항목 | |

## 테스트 세트
| 테스트 번호 | 입력 시나리오 | 기대 결과 | 실패 기준 |

## 공유 전 보안 점검
## 개선 제안

라이브러리 운영 규칙은 단순할수록 오래간다.

• 새 프롬프트는 반드시 테스트 입력 3개와 함께 등록한다.

• 개인정보나 내부 제한자료를 요구하는 프롬프트는 공유 저장소에 등록하지 않는다.

• 정책, 규정, 시스템 화면이 바뀌면 프롬프트의 최신 개정일을 수정한다.

• 부서 공용 프롬프트는 최소 1명의 업무 검토자와 1명의 보안 검토자를 둔다.

• 실패 사례를 삭제하지 말고, 프롬프트 개선 메모로 남긴다.

함께 쓰는 운영 리듬: 도서관은 언어를, 기록관리는 맥락을, 정보화는 안전을 맡는다

세 부서가 함께 움직이면 대학의 AI 활용 수준은 갑자기 달라진다. 도서관은 정보를 찾고 설명하는 언어를 안다. 기록관리 부서는 문서의 생애주기와 증거 가치를 안다. 정보화 부서는 계정, 권한, 보안, 시스템 로그를 안다. 이 세 가지가 합쳐져야 AI가 만든 답변이 쓸 만한 행정 지식이 된다.

# 역할
당신은 도서관·기록관리·정보화 부서 공동 회의의 AI 운영 코디네이터입니다.

# 입력 자료
- 도서관 반복 문의: {{내용}}
- 기록관리 이슈: {{내용}}
- 정보화 Help Desk 통계: {{내용}}
- AI 샌드박스 사용 로그 요약: {{내용}}
- 최근 정책 또는 시스템 변경: {{내용}}

# 목표
공동으로 개선해야 할 지식 인프라 과제를 도출합니다.

# 작업 지시
1. 반복되는 질문과 장애를 주제별로 묶습니다.
2. 원인이 안내 부족인지, 문서 부재인지, 시스템 문제인지, 권한 문제인지 분류합니다.
3. 각 부서가 맡을 개선 과제를 제안합니다.
4. 프롬프트 라이브러리에 추가하거나 개정할 항목을 제안합니다.
5. 다음 회의 전까지 확인할 데이터를 정리합니다.

# 출력 형식
## 이번 달 핵심 이슈 5개
## 원인 분류표
| 이슈 | 원인 후보 | 관련 부서 | 근거 | 우선순위 |
## 부서별 실행 과제
| 부서 | 과제 | 산출물 | 마감 | 검토자 |
## 프롬프트 라이브러리 개정 제안
## 다음 회의 확인 데이터

# 문체
간결한 회의자료 문체로 작성합니다.

마지막 체크리스트: 찾을 수 있고, 믿을 수 있고, 다시 쓸 수 있는가

AI 도입의 첫 장면은 화려한 자동화처럼 보인다. 하지만 도서관·기록관리·정보화 부서의 진짜 성과는 더 조용한 곳에서 나타난다. 신입생이 도서관 이용법을 헤매지 않는다. 대학원생이 검색어를 잡는다. 직원이 오래된 매뉴얼 대신 근거가 표시된 답을 찾는다. Help Desk는 같은 질문에 매번 새로 답하지 않는다. 기록물은 제목 없는 파일 더미가 아니라 맥락이 붙은 대학의 기억이 된다.

이 장의 프롬프트를 적용할 때 마지막으로 세 가지만 확인하면 된다.

• 이 답변은 출처를 따라가 확인할 수 있는가.

• 이 프롬프트는 민감정보 없이도 작동하는가.

• 이 결과물은 다음 담당자가 다시 쓸 수 있는가.

셋 다 그렇다면, 그 프롬프트는 단순한 문장이 아니다. 대학의 지식을 움직이게 하는 인프라다.

참고

¹OpenAI Prompt engineering guide

²Google Gemini Prompt design strategies

³Georgetown Library CLEAR prompting framework

⁴Maastricht University AI Prompt Library

⁵Wharton Generative AI Labs Prompt Library

⁶Google Gemini for Education

⁷Archives Meet GPT pilot study

⁸EdTech Magazine on data governance in higher education

⁹CDW-G on adopting Gemini effectively in education