🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Opus 5가 사람들을 지치게 하는 장황함과 전문용어 문제는 Anthropic이 제시한 출력 스타일과 호출형 스킬의 조합으로 해결할 수 있다.

📌 핵심 요점

1. Opus 5는 벤치마크 성능과 별개로 전문용어, 약어, 불필요한 장문을 생성해 실제 이해도와 작업 효율을 떨어뜨릴 수 있다.
2. Claude Code의 /config에 사용자 정의 ELI5 출력 스타일을 추가하고 ASD-STE100 규칙을 결합하면 어려운 용어와 모호한 표현을 지속적으로 줄일 수 있다.
3. 출력 스타일은 핵심 시스템 프롬프트와 반복 알림에 반영되므로 세션 초기에 한 번 읽는 Claude.md보다 긴 대화에서 일관성을 유지하기 유리하다.
4. 모든 답변을 항상 짧게 제한하면 지식 작업과 프로덕션 코드에 필요한 세부 정보까지 잃을 수 있으므로 /bro와 wait, what? 같은 호출형 스킬로 필요한 순간에만 다시 쓰는 편이 안전하다.
5. /quick 3처럼 원하는 항목 수를 지정하면 장문의 핵심 정보량을 직접 통제할 수 있으며, 반복 사용을 통해 실제 업무에 맞는 개인 스킬로 발전시킬 수 있다.

🧩 배경과 문제 정의

Opus 5는 높은 성능에도 전문용어와 약어를 설명 없이 사용하고 불필요한 내용까지 길게 생성해 사용자의 이해 부담을 높인다.

장문 응답은 핵심 탐색 시간과 토큰 비용을 늘리지만, 지식 작업이나 프로덕션 코드에는 충분한 세부 정보가 필요하므로 모든 출력을 일괄적으로 줄이는 방식도 적절하지 않다.

따라서 지속적인 가독성은 출력 스타일로 개선하고, 상황별 응답 길이는 호출형 스킬로 조절하는 역할 분리가 필요하다.

🕒 시간순 섹션별 상세정리

1. Opus 5의 전문용어와 장문 응답 문제

• CRM 이메일 오픈율처럼 단순한 질문에도 MPP, IP 마스킹, 전송 시간 최적화를 설명 없이 사용해 비전문가의 이해와 후속 작업을 어렵게 만든다. [01:10]
• 짧은 질문이 긴 에세이로 확장되면 핵심 탐색 시간이 늘고, 출력 길이에 비례해 Claude의 토큰 소비와 비용도 증가한다. [02:32]

2. 출력 스타일을 이용한 ELI5 설정

• Claude Code의 /config에서 출력 스타일을 확인하고 사용자 정의 ELI5 스타일을 추가하면 응답 방식을 전역적으로 변경할 수 있다. [04:18]
• 익숙한 ELI5 패턴과 ASD-STE100 간소화 기술 영어 규칙을 결합하면 제한된 어휘로 전문용어와 모호한 표현을 줄일 수 있다. [05:14]

3. 스타일 파일 적용과 지속성

• 설정 프롬프트를 전달하면 Claude Code가 ELI5.md와 관련 설정 파일을 갱신하며, 새 세션에서 현재 스타일을 질문해 적용 여부를 확인할 수 있다. [06:28]
• Claude.md는 세션 시작 시 한 번 불러오지만 출력 스타일은 핵심 시스템 프롬프트에 포함되고 준수 알림도 반복돼 긴 대화에서 일관성이 높다. [07:31]
• 수정된 오픈율 답변은 32%가 실제 사람 32명의 열람을 뜻하지 않는다는 결론을 먼저 제시하고 원인과 의미를 쉬운 순서로 연결한다. [07:44]

4. 필요한 순간에만 사용하는 호출형 스킬

• 지식 작업과 프로덕션 코드에는 긴 설명이 필요할 수 있으므로 출력 스타일에서 길이를 항상 제한하기보다 별도 스킬을 선택적으로 호출하는 편이 안전하다. [08:18]
• /bro는 직전 응답을 전문용어 없는 일상 언어로 다시 써서 오픈율 사례의 핵심을 짧고 명확하게 복원한다. [08:54]
• wait, what?은 이해가 끊긴 맥락을 보충해 다시 설명하며, 원본 스킬은 각자의 파일 구조와 작업 환경에 맞게 개인화해야 한다. [09:29]

5. /quick으로 정보량 직접 통제

• /quick 3처럼 숫자를 지정하면 긴 답변에서 가장 중요한 세 항목만 순서대로 반환해 필요한 정보량을 호출 시점마다 제한할 수 있다. [09:43]
• 숫자 지정 모드와 세부 규칙을 반복적으로 다듬으면 범용 템플릿보다 실제 업무 유형에 적합한 개인 스킬을 만들 수 있다. [10:24]

6. 벤치마크와 실제 사용성의 간극

• Opus 5가 높은 지능 점수를 받더라도 전문용어와 응답 방식 때문에 실제 사용성은 낮아질 수 있으며, 익숙한 기능의 구형 컴퓨터를 더 선호하는 상황과 비슷하다. [10:51]
• 미래의 더 강력한 모델에서도 같은 문제가 생길 수 있지만 출력 스타일과 단축 스킬을 포함한 에이전트 운영 방식을 조정하면 목적에 맞게 바꿀 수 있다. [11:37]
• ELI5 프롬프트와 출력 스타일, 호출형 스킬을 정리한 8쪽 PDF를 Claude Code에 전달하면 필요한 설정을 골라 워크스페이스에 맞게 수정할 수 있다. [12:00]

🧾 결론

• 가장 실용적인 해법은 기본 가독성을 출력 스타일로 관리하고, 응답 길이는 호출형 스킬로 상황에 따라 조절하는 이중 구조다.
• 모델의 지능 점수만으로 실제 생산성을 판단해서는 안 되며, 이해 시간과 토큰 비용, 후속 작업의 편의성까지 함께 평가해야 한다.
• 범용 설정을 그대로 쓰기보다 파일 구조와 업무 유형에 맞게 스타일과 스킬을 개인화해야 효과가 지속된다.

📈 투자·시사 포인트

• AI 도구의 경쟁력은 벤치마크 성능뿐 아니라 비전문가도 결과를 빠르게 이해하고 활용할 수 있는 사용성에서 갈릴 수 있다.
• 출력 길이에 비례해 토큰 소비와 비용이 늘어나므로 응답량을 선택적으로 제한하는 기능은 실질적인 운영비 관리 수단이 된다.
• 지속형 출력 스타일과 호출형 개인 스킬을 함께 제공하는 에이전트 운영 구조는 모델 자체의 성능 차이를 보완하는 제품 차별점이 될 수 있다.
• 더 강력한 미래 모델에서도 장황함과 전문용어 문제가 반복될 수 있어 모델 위에서 가독성과 정보량을 제어하는 사용자 경험 계층의 중요성은 계속 커질 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제시된 내용에는 ELI5 스타일과 호출형 스킬 적용 전후의 토큰 사용량, 비용, 이해도 개선을 수치로 비교한 결과가 없다.
• 출력 스타일이 Claude.md보다 긴 세션에서 일관적이라는 설명은 프롬프트 반영 구조와 사례에 근거하며, 다양한 작업을 대상으로 한 비교 실험은 제시되지 않았다.
• 쉬운 언어와 제한된 어휘가 프로덕션 코드나 전문 지식 작업의 정확성 및 필수 세부 정보에 미치는 영향은 별도로 검증해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• Claude Code에서 /config를 열어 현재 출력 스타일과 사용자 정의 스타일 지원 여부를 확인한다.
• 쉬운 언어와 ASD-STE100 규칙을 반영한 ELI5.md를 출력 스타일 폴더에 적용한다.
• 새 세션에서 현재 스타일을 질문하고 동일한 사례를 다시 입력해 실제 적용 여부와 응답 차이를 확인한다.
• /bro, wait, what?, /quick을 업무별로 시험한 뒤 파일 구조와 필요한 설명 수준에 맞게 규칙을 개인화한다.

❓ 열린 질문

• ELI5 스타일이 설명을 쉽게 만들면서도 전문 분야의 정확성과 중요한 예외 조건을 보존하는 경계는 어디인가?
• 지식 작업, 프로덕션 코드, 단순 질의마다 적절한 /quick 항목 수와 장문 허용 기준은 어떻게 달라져야 하는가?
• 출력 스타일과 호출형 스킬의 효과를 이해 시간, 수정 횟수, 토큰 비용으로 비교하면 어느 조합이 가장 효율적인가?