뻔한 내용 · 반복되는 오류 · 늘어지는 채팅비슷한 AI들에게 지쳤다면,

예시로 사용된 에피소드 구체화 문답은, 딥글의 HITL 철학이 가장 두드러지는 기능입니다. 질문과 선택지 하나하나에 사용자가 직접 개입할 수 있습니다.

· 질문 재생성 — 딥글이 던진 질문이 맞지 않으면, 다른 방향의 질문 후보를 다시 받아 원하는 것을 고릅니다.
· 질문 수정 — 질문 속 표현이나 대상을 직접 고쳐 내 상황에 맞게 다듬습니다.
· 보기 재생성 — 제시된 객관식 보기가 맞지 않으면 다른 보기들로 다시 생성합니다.
· 보기 수정 — 보기의 세부(숫자·대상 등)를 직접 정정합니다.

나아가, 답을 자유롭게 입력한 뒤 '더 구체적으로'를 누르면 그 입력을 바탕으로 객관식이 이어져, 사용자의 경험을 한층 더 깊이 구체화합니다.

지금 우리가 쓰는 모든 인공지능은 '토큰 예측' 방식으로 작동합니다. 토큰은 문장을 잘게 나눈 작은 단어 조각인데, AI는 앞선 문맥을 보고 '다음에 올 확률이 가장 높은 토큰'을 하나씩 골라 이어 붙입니다. 즉, 지능이 아니라 확률 계산인 셈입니다. 그래서 그럴듯하지만 사실과 다른 답, 즉 할루시네이션이 자연스럽게 섞여 나옵니다.

더 큰 문제는 구조에 있습니다. 일반 AI는 매번 그 대화창의 모든 내용을 전부 분석해서 답하게 설정되어 있습니다. 사용자가 중간에 잘못된 부분을 바로잡아도, 한번 만들어진 오염된 토큰은 그대로 대화창에 남아 다음 답변을 만들 때마다 계속 함께 분석됩니다. 그 결과 할루시네이션은 점점 쌓이고, 대화가 길어질수록 사용자 경험은 오히려 나빠집니다.

딥글은 다릅니다. 매 단계마다 사람이 직접 인공지능의 결과를 확인해 수정하고, 필요하면 재생성하며, 검증된 내용 위에서만 다음 단계로 나아갑니다. 오염된 토큰이 쌓일 자리를 처음부터 막기 때문에, 진행될수록 결과는 더 정확해집니다.

사람과 인공지능이 함께 결과물을 만들어가는 이 방식을,
Human-in-the-Loop — 줄여서 HITL이라고 부릅니다.

자기소개서를 최종적으로 생성하면, 채용공고, 자소서 작성 방향성 분석, 문답 내용 등 세션에서 추출된 데이터가 구조화된 컨텍스트 파일로 함께 생성됩니다.

영상처럼 이 파일을 원래 사용하던 AI에 그대로 붙여넣으면, 딥글의 자소서를 초안 삼아 리라이팅하거나 원하는 방향성대로 첨삭할 수 있습니다. 배경을 다시 설명할 필요가 없고, AI도 사용자가 입력한 정보를 최우선적으로 검토하기 때문에 — 할루시네이션이 억제된 상태에서 쾌적한 AI 사용이 가능합니다.

우리가 쓰는 인공지능은 말 그대로 백지 상태입니다. 제대로 된 작업을 하려면 먼저 정확한 데이터를 쥐여 줘야 합니다. AI가 스스로 웹을 한 번 훑기만 해도 오래된 정보나 거짓 정보가 그대로 섞여 들어오고, 쓰고 싶지 않은 내용까지 전부 받아들이게 됩니다.

프롬프트가 아무리 정교해도 자료가 틀리거나 부실하면, AI는 그 자료를 그대로 반영하거나 빈 곳을 환각으로 메울 뿐입니다. 결국 정답의 상한선은 프롬프트가 아니라 데이터 품질이 정합니다. 프롬프트의 결함은 모델이 메워주지만, 데이터의 결함은 메워주지 못합니다. 게다가 모든 인공지능은 사용자가 처음에 쥐여준 데이터를 최우선으로 참고해 분석하기 때문에, 어떤 데이터를 주느냐가 결과 전체를 좌우합니다.

딥글은 자소서 세션을 완주하며 사용자가 검증한 무결한 데이터를 구조화해 하나의 컨텍스트 파일로 만듭니다. 백지 상태인 일반 AI에게 이 파일을 한 번 건네면, AI는 그 데이터를 우선적으로 참고하기 때문에 훨씬 정확하고 쾌적하게 작업할 수 있습니다. 이렇게 작업 전에 필요한 모든 정보를 미리 주입하는 것을 컨텍스트 엔지니어링이라고 합니다.

영상은 프리즘으로 자기소개서를 빠르게 생성하는 활용 예시입니다. 채용공고를 입력하고 가장 알맞는 에피소드를 찾아서 자소서를 작성해달라고 명령하면, 딥글의 분석을 통해 선정된 에피소드를 기반으로 자기소개서를 작성합니다.

딥글에 아카이빙된 커리어 데이터는 위에서 본 것처럼 모두 딥글의 HITL을 거친 무결한 데이터입니다. 그래서 언제든 꺼내어, 바로 자소서로 활용할 수 있습니다. 더 나아가 구직활동의 모든 요소에 활용 가능한 데이터를 프롬프트 한 줄로 간편하게 파일로 만들 수 있습니다.

자기소개서 프로젝트를 진행하면서 HITL로 얻어진 데이터는 사용자가 직접 검증한, 품질이 무결한 데이터입니다. 이렇게 쌓인 데이터는 사용자의 데이터베이스에 그대로 분류되어 아카이빙 됩니다.

딥글 프리즘은 이 데이터베이스를 재료로, 프롬프트(프리즈밍 프롬프트)에 맞춰 사용자의 데이터를 기반으로 한 데이터 정리본(컨텍스트 파일)을 만들어 줍니다. 순도 높은 데이터를 원하는 작업에 맞게 한 번에 정리한 파일이고, 이를 프리즈밍이라고 합니다.

이 파일을 ChatGPT·Claude·Gemini 같은 AI에 그대로 올리면 컨텍스트 엔지니어링처럼 활용할 수 있습니다. 면접 예상질문, 영문 이력서, 포트폴리오 구조 설계, 경력기술서 — 검증된 사용자의 데이터가 필요한 모든 작업으로 확장됩니다.