Ask the AI once, dislike the answer, close the tab? That single round trip is the search-engine habit. The real value shows up on the second and third exchange. This tutorial drills the "ping-pong" rhythm — batting ideas back and forth like table-tennis — into your body in 20 minutes. You also get a stronger move: flipping the direction so **the AI asks you questions**, not the other way around.
Three things in hand:
📖 Term: What is Ping-Pong? Short back-and-forth with AI instead of a one-shot request. Each round adds a layer: first reply is generic, second narrows, third becomes fitted to your situation. That progressive narrowing is the engine.
Tutorial metadata
| Item | Value |
|---|---|
| Time | 20 min (fast: 15, unhurried: 30) |
| Level | Beginner |
| Tools | ChatGPT (GPT-5.4) / Claude (Sonnet 4.6) / Gemini (Gemini 3) — account needed |
| Coding knowledge | None |
| Terminal | None |
| Idea to bring | One you can say in a sentence |
Why this, framed in time
Writing a plan alone takes three hours. Ping-pong compresses it to thirty minutes, and quality rises because no question drops. Plans, reports, proposals all benefit.
Where you are now: confirmed what this leaves behind and why. Prerequisites next.
Three things, two minutes.
Required
Not required
📖 Term: Conversational AI vs. one-shot AI Not every AI is conversational. Image generators like Midjourney and dedicated translators are one-shot — submit, receive, done. ChatGPT/Claude/Gemini remember what was said earlier in the same thread. Ping-pong only works with conversational AI because context has to accumulate in one thread. As of 2026, all three tools support 1M+ token context windows — long ping-pong sessions no longer risk losing earlier turns. Still, closing the tab or opening "New chat" resets memory. Stay in the same thread for the whole ping-pong.
Picking an idea (1 min)
If nothing comes to mind, use one of these:
Where you are now: tool and idea ready. A short WHY next — so you understand why several rounds beat one.
The "ask once, done" habit comes from Google — twenty years of training. AI is not Google. Search retrieves pre-built pages; AI generates on demand. Generation depends on how specific the request is, and first requests are rarely specific enough.
Reason 1 — You can't know what you want from the start.
Open a blank document. "Background," write something. "Goal," write something. At "Target Customer" you stall. Blurriness is normal. Alone, you write what you know and skip what's uncomfortable — gaps result. Ping-pong breaks this: when the AI asks "Who is the target?" you must answer. That forcing function raises completeness.
Alone, we avoid uncomfortable questions. The AI doesn't.
Reason 2 — The AI's first answer is the "average."
"Tell me a marketing strategy" returns the internet-wide average — applicable to anyone, specifically to no one. "Targeting 20–50-person startups" narrows the range. "Vegan cosmetics, Instagram" narrows again. Each round is a filter. One round, one filter; three rounds, three. That's why outputs differ.
Reason 3 — Context accumulates.
Conversational AI remembers earlier turns. Target in Q1, problem in Q2, competitors in Q3 — Q4's answer reflects all three at once. A single round-trip cannot produce that.
Where you are now: you understand why the first reply is thin and why multiple rounds are required. Four steps, starting now.
Open a chat. Drop your idea as-is — don't dress it up, don't sharpen it. Blurry inputs are accepted.
I want to build an AI app that manages my schedule.
The real problem is I have too many meetings and no time
to actually do work. I'm not concrete yet — this is just
the direction I'm thinking.
Notice the intentional "I'm not concrete yet." That signals "help me structure this." Admitting what you don't know is ping-pong's first move.
📖 Term: What is context? In AI conversations, "context" means everything exchanged in this thread so far. Say "I'm a 30-something office worker" in message 1; in message 100 the AI still knows — same thread. As of 2026, ChatGPT, Claude, and Gemini all support 1M+ token context, so even extended ping-pong sessions stay coherent from start to finish. Opening "New chat" still resets context. While running ping-pong, stay in one thread from start to finish.
The fork from normal usage. Most people type "write me a plan." In ping-pong, you ask for questions instead of the plan.
To turn this idea into a concrete plan,
what questions would I need to answer?
Give me the 5 core questions that cover
the essential elements of a good plan.
The AI returns a question list. For the scheduling-app idea above:
At least one question will make you think "huh, I hadn't thought about that." That's a gap in your thinking, freshly discovered. Discovering it alone makes this step a success.
The heart of the technique. Flip the direction.
Normally you ask, the AI answers. The stronger ping-pong goes the other way — the AI asks, you answer. You've had a friend ask "but who actually uses that?" and suddenly your idea clarifies itself. The AI plays that friend, 24/7.
Good. Ask me these questions one at a time.
When I answer, add your feedback on what's
missing or could be strengthened, then move to
the next question. After all five, draft a
one-page plan based on my answers.
The secret lives in the phrase "add your feedback." Without it, the AI just collects your answers. With it, the AI comments on each answer — that feedback is what expands your thinking.
AI asks. You answer. AI feedback. Next question. That's the rhythm.
AI's first question:
First question. Who, specifically, is
the primary target customer?
Your answer: "30-something startup workers with 5-6 daily meetings and no focused work time."
AI's feedback:
Solid. One thing to refine — narrow "startup."
5-person early stage and 50-person growth stage
have completely different meeting cultures.
Which end are you focusing on?
Your thinking expands. "Right, I didn't think about size. 20–50 is what I mean." Alone you'd have blurred that into "startup." Five questions later the idea is sharp.
Knowing when to stop — the 3 ping-pong laws
Ping-pong isn't "better the longer it runs." Stop the moment any signal appears.
| Signal | Meaning | What to do |
|---|---|---|
| AI feedback repeats | No new info arriving | Stop, request the plan |
| You say "not sure" more often | Edge of knowledge | Stop, continue later |
| Answered all 5 | Base structure done | Request the plan |
Once you've answered all five, the AI writes the plan. Completely different from a one-shot "write me a plan." Same AI, different rhythm, different output. That's ping-pong.
Where you are now: one full rally done. Checkpoint next.
If "yes" to all five, the tutorial is complete.
If any answer is no, the common cause is skipping Step 3 (the role-flip prompt) and jumping to "write me a plan." Copy the Step 3 prompt and restart — previous context is still in the thread, so it's quick.
Ping-pong isn't a long conversation — it's a precise one. Five rounds is plenty. Past ten, answers repeat.
Variation 1 — Code ping-pong
Works in Produce too. Instead of "implement this feature," start with "What 5 decisions do I need to make for this? Turn them into questions." Answer them, tailored code arrives. Far faster than debugging generic code.
Variation 2 — Report ping-pong
Instead of "draft my weekly report," try "Turn this week's work into 5 report questions. Ask me." Answering organizes the week, nothing gets missed.
Variation 3 — Decision ping-pong
Weighing "A or B"? "Before I decide, ask me 5 questions. Then recommend." The recommendation is shaped by your conditions, not generic.
Variation 4 — Image ping-pong (2026)
All three tools — ChatGPT, Claude, and Gemini — now read images by default. Attach a reference screenshot or UI mock-up alongside your text, and the AI folds the visual into its questions. Try: "Look at this screenshot and generate the 5 questions I'd need to answer to redesign this screen for my own app." Text and image combine into one round-trip.
❓ The AI skips the questions and writes the plan
You left out "one at a time." Copy the Step 3 prompt and resend.
❓ The AI's feedback is too generic
Your answer was too short. "Startup workers" yields feedback in two words. Answer with at least three sentences. Specific answers earn specific feedback.
❓ By question 5 the AI repeats itself
Correct — stop. This is the "feedback starts repeating" signal. Move to "wrap this up as a plan."
❓ The AI ignores my answers and goes off
Check in: "Summarize my answers so far in 3 bullets." If it can't, context is lost — open a new thread, paste a summary, resume.
❓ A question is hard to answer
Say so: "I don't know this part yet." The AI will offer hints.
Twenty minutes ago you may have asked once and closed the tab. Now you have the body-feel of being asked by the AI. That difference puts your AI efficiency on a different tier three months out.
This is the third installment of the SPIN series (Shape stage):
Run every AI request as ping-pong for the next two weeks. Reports, agendas, email replies — one round-trip becomes three. Two weeks in, you won't go back to one-shot. Table tennis is never played alone. Put the AI across the table and your thinking sorts itself out.
손에 남는 세 가지:
📖 용어: 핑퐁(Ping-Pong)이란 무엇인가 탁구 랠리처럼 AI와 짧은 왕복 대화를 이어가는 방식입니다. 한 번 던지고 끝내는 「원샷 프롬프트」의 반대입니다. 핵심은 한 번 왕복마다 정보가 쌓인다는 점 — 첫 답변은 일반적, 두 번째는 좁아지고, 세 번째는 내 상황에 맞춰집니다. 이 점진적 좁힘이 엔진입니다.
이 튜토리얼의 메타 정보
| 항목 | 값 |
|---|---|
| 소요 시간 | 20분 (빠르게 15분, 차분히 30분) |
| 난이도 | 입문 |
| 필요 도구 | ChatGPT(GPT-5.4) · Claude(Sonnet 4.6) · Gemini(Gemini 3) 중 하나 |
| 사전 코딩 지식 | 필요 없음 |
| 터미널 조작 | 없음 |
| 준비할 아이디어 | 한 문장으로 말할 수 있는 것 하나 (흐릿해도 OK) |
왜 이걸 만드나 — 시간 차원에서
혼자 기획서를 쓰시면 3시간이 걸립니다. 핑퐁하시면 30분입니다. 품질은 오히려 더 높아요 — AI가 질문을 빠뜨리지 않고 던지니까 빈칸이 안 생깁니다. 한 번의 과제에서만 나타나는 차이가 아닙니다. 기획·보고서·제안서 — 1년 반복되시는 모든 문서 작업에 그대로 적용됩니다.
여기까지 오신 상황: 무엇이 남고 왜 남길 가치가 있는지 확인하셨습니다. 준비물 체크로 넘어갑니다.
세 가지만 준비되어 있으면 됩니다. 시간으로 치면 2분 정도입니다.
필수 준비물
필요 없는 것
📖 용어: 대화형 AI와 원샷 AI의 차이 모든 AI 도구가 「대화형」은 아닙니다. 이미지 생성 AI(Midjourney 등)나 번역 전용 도구는 보통 원샷 — 한 번 요청하고 결과 받으면 끝입니다. 반면 ChatGPT · Claude · Gemini는 이전 대화를 기억하며 이어가는 대화형입니다. 핑퐁은 대화형 AI에서만 가능합니다. 같은 대화창 안에서 주고받아야 맥락이 쌓이기 때문입니다. 2026년 기준 세 도구 모두 100만 토큰(약 책 700권 분량) 이상의 컨텍스트를 지원하므로, 긴 핑퐁 대화도 끊김 없이 이어집니다. 단, 새 대화(New chat)를 여시면 기억이 초기화되니 한 대화창에서 끝까지 진행하세요.
아이디어 고르기 팁 (1분)
떠오르는 게 없으시면 다음 중 하나로 시작하세요 — 수업에서 학생들이 자주 가져오는 아이디어입니다.
여기까지 오신 상황: 도구와 아이디어가 준비되셨습니다. 작업 전에 왜 여러 왕복이 한 번 왕복보다 효과적인지 원리를 짧게 짚습니다. 머리에 있어야 2주 뒤에도 이 리듬을 기억하십니다.
"한 번 묻고 끝" 습관은 구글에서 왔습니다. 키워드 치고 링크 클릭하고 창 닫고 — 한 번 왕복. 20년 훈련된 사용법입니다. AI는 구글이 아닙니다. 검색은 이미 존재하는 페이지를 찾고, AI는 그 자리에서 글을 생성합니다. 생성은 요청이 얼마나 구체적이냐에 따라 결과가 결정되는데, 첫 요청은 거의 항상 충분히 구체적이지 않습니다.
첫 번째 이유 — 내가 뭘 원하는지 처음부터 알기 어렵습니다.
빈 문서에 "배경" 쓰고, "목표" 쓰고, "타겟 고객"에서 막히십니다. 흐릿함이 정상입니다. 혼자서는 이걸 해결할 방법이 없어 — 아는 것만 쓰고 불편한 칸은 넘어가 빈칸 있는 기획서가 나옵니다. 핑퐁은 이 구조를 깨뜨립니다. AI가 "타겟이 누구입니까?" 물으면 답해야 합니다. 이 강제성이 완성도를 높입니다.
혼자 있을 때 우리는 자기 자신에게 불편한 질문을 던지지 못합니다. AI는 피하지 않습니다.
두 번째 이유 — AI의 첫 답변은 "평균치"입니다.
LLM은 수십억 문서를 학습했습니다. "마케팅 전략 알려줘" 한 줄이면 전세계 평균값이 돌아옵니다 — 누구에게나 해당되기에 나에겐 특별히 해당되지 않는 답. 두 번째 왕복에서 "20-50인 스타트업"으로 좁히시고, 세 번째에서 "비건 화장품 인스타 중심"으로 더 좁히시면 답변이 교집합으로 좁아집니다. 각 왕복이 필터입니다. 한 번이면 하나, 세 번이면 셋. 그래서 결과가 다릅니다.
세 번째 이유 — 맥락이 축적됩니다.
대화형 AI는 같은 대화창의 내용을 기억합니다. Q1 타겟, Q2 문제, Q3 경쟁사를 말하시면 Q4 답변은 셋을 전부 반영합니다. 한 번 왕복으로는 절대 안 나옵니다.
여기까지: 왜 첫 답변이 부족하고 왜 여러 왕복이 필요한지 이해하셨습니다. 이제 실제 핑퐁, 4단계입니다.
대화창을 열고 아이디어를 그대로 던지세요. 꾸미지 마시고, 전문 용어 포장하지 마시고, 흐릿하면 흐릿한 채로. AI는 흐릿한 입력도 받아줍니다.
나는 AI로 일정을 관리해주는 앱을 만들고 싶어.
회의가 너무 많아서 실제 업무 시간이 부족한 문제를 해결하고 싶은데,
아직 구체적이진 않아. 이런 방향으로 생각하고 있어.
의도적으로 "구체적이진 않아"가 들어 있습니다. 이 한 마디가 AI에게 "지금은 구조화를 도와줘야 한다"는 신호입니다. 모르는 걸 모른다고 인정하는 것이 핑퐁의 첫걸음입니다.
📖 용어: 컨텍스트(Context)란 무엇인가 AI 대화에서 "컨텍스트"는 지금까지 이 대화창에서 주고받은 모든 내용입니다. 첫 메시지에서 "30대 직장인"이라고 말씀하시면 100번째 메시지에서도 AI는 그 사실을 기억합니다 — 같은 대화창이기 때문입니다. 2026년 현재 ChatGPT · Claude · Gemini 모두 100만 토큰 이상의 컨텍스트를 지원해 긴 핑퐁도 끊기지 않습니다. 다만 새 대화(New chat)를 여시면 컨텍스트가 초기화되니, 핑퐁은 한 대화창에서 끝까지 진행하세요.
여기가 일반적 사용법과 갈라지는 분기점입니다. 보통은 "기획서 써줘"지만, 핑퐁에서는 기획서 대신 질문을 만들어달라고 합니다.
이 아이디어를 구체적인 기획서로 만들려면
어떤 질문들에 답해야 할까?
기획서에 꼭 들어가야 할 요소들을 점검할 수 있는
핵심 질문 5개를 만들어줘.
AI가 질문 리스트를 돌려드립니다. 일정 관리 앱 아이디어 예시:
이 질문을 받으신 순간 "이건 생각 안 해봤는데" 하나는 보이실 겁니다. 그게 바로 당신의 빈칸입니다. 이 빈칸 발견만으로도 이 단계는 성공입니다.
이 단계가 핑퐁의 심장입니다. 역할을 뒤집습니다.
보통은 내가 묻고 AI가 답합니다. 더 강력한 핑퐁은 반대 — AI가 묻고 내가 답합니다. 친구에게 아이디어를 설명하실 때 "근데 그거 누가 쓰는데?" 한 마디에 생각이 정리되신 경험이 있으실 겁니다. 그 친구 역할을 AI가 24시간 지치지 않고 해드립니다.
좋아. 이 질문들을 하나씩 물어봐줘.
내가 답하면 내 답변에 대해 부족한 부분이나
보완하면 좋을 점을 의견으로 달아줘.
그다음 다음 질문으로 넘어가줘.
모든 질문이 끝나면 내 답변들을 바탕으로
한 장짜리 기획서를 작성해줘.
여기서 비밀은 「의견을 달아달라」는 한 마디에 있습니다. 이 한 마디 때문에 AI는 단순히 질문을 받아 답만 정리하는 게 아니라, 각 답변에 대해 피드백을 주기 시작합니다. 이 피드백이 당신의 생각을 확장시킵니다.
AI가 질문을 던집니다. 답하세요. 피드백이 옵니다. 다음 질문. 답. 이 리듬이 핑퐁입니다.
AI의 첫 질문:
첫 번째 질문입니다.
이 서비스의 주요 타겟 고객은 구체적으로 누구인가요?
당신의 답: "스타트업 30대 직장인, 회의 5-6개로 집중 시간 부족."
AI의 피드백:
좋은 타겟입니다. 보완하면 좋을 점 하나 —
스타트업 규모를 더 좁히실 수 있습니다.
5인 이하 초기 스타트업과 50인 규모는 회의 문화가 완전히 다릅니다.
어느 쪽에 집중하실 건가요?
이 피드백을 받으신 순간 생각이 확장됩니다. "맞다, 규모 생각 안 했다. 20-50인으로 좁히자." 혼자 생각하셨으면 그냥 "스타트업"으로 뭉뚱그리셨을 겁니다. 5개 질문을 거치시는 동안 흐릿한 아이디어가 선명해집니다.
멈출 때를 안다 — 핑퐁 3법칙
핑퐁은 오래 할수록 좋은 게 아닙니다. 다음 세 신호 중 하나라도 오면 멈추세요.
| 신호 | 의미 | 해야 할 것 |
|---|---|---|
| AI 피드백이 반복된다 | 새 정보 안 나옴 | 멈추고 기획서 요청 |
| "잘 모르겠다" 답변 증가 | 지식 경계 도달 | 멈추고 나중에 이어서 |
| 처음 5개에 전부 답했다 | 기본 구조 완성 | 기획서 요청 |
5개에 모두 답하시면 AI가 기획서를 작성합니다. 처음 「기획서 써줘」라고 하셨을 때와 완전히 다릅니다. 같은 AI, 같은 도구, 다른 결과. 그 차이가 핑퐁의 힘입니다.
여기까지 오신 상황: 핑퐁 한 바퀴를 돌리셨습니다. 체크 포인트로 넘어갑니다.
5가지 모두 "네"이면 완료입니다.
하나라도 "아니오"이면, 흔한 원인은 3단계(역할 뒤집기) 건너뛰기입니다. 3단계 프롬프트를 복사해 다시 시작하세요.
핑퐁은 긴 대화가 아니라 정확한 대화입니다. 5번이면 충분 — 10번 넘어가면 답이 반복됩니다.
변형 1 — 코드 핑퐁
제작(Produce) 단계에서도 작동합니다. "이 기능 구현해줘" 대신 "이 기능을 구현하려면 어떤 결정 5개를 내려야 할까? 질문으로 만들어줘"로 시작하세요. 언어 선택·데이터 저장·에러 처리 같은 질문이 돌아오고, 답하시면 맞춤 코드가 나옵니다. 한 번에 코드 받고 30분 디버깅하시는 것보다 훨씬 빠릅니다.
변형 2 — 보고서 핑퐁
주간 보고서에 유효합니다. "이번 주 보고서 써줘" 대신 "이번 주 일 중에 보고서에 들어갈 것을 5개 질문으로 뽑아봐"로 시작하세요. 답하시는 동안 주간 정리가 되고, 혼자 쓰실 때 빠뜨리시던 항목이 빠지지 않습니다.
변형 3 — 결정 핑퐁
"A와 B 중 어느 게 좋을까?" 결정 시 유용합니다. "이 결정 전에 내가 답해야 할 질문 5개를 만들어줘. 답하고 나서 네가 추천해줘." 이렇게 하시면 AI의 단순 추천이 아니라 내 조건이 반영된 추천이 돌아옵니다.
변형 4 — 이미지 핑퐁 (2026 신규)
2026년 현재 ChatGPT · Claude · Gemini 모두 이미지를 기본으로 읽습니다(멀티모달 기본 지원). 레퍼런스 이미지나 스크린샷을 첨부해서 던지시면 AI가 시각 정보를 반영한 질문을 던집니다. "이 UI 스크린샷 보고, 내 앱을 이것과 비교할 때 가장 먼저 물어봐야 할 질문 5개 만들어줘"처럼 시작하시면 이미지와 텍스트가 결합된 핑퐁이 가능합니다.
❓ AI가 질문을 안 하고 바로 기획서를 씁니다
프롬프트에서 "하나씩 물어봐줘"를 빠뜨리신 경우입니다. 3단계 프롬프트를 그대로 복사해서 다시 보내세요.
❓ AI의 피드백이 너무 일반적입니다
답변이 너무 짧으셨을 가능성. "스타트업 직장인"처럼 한 단어로 답하시면 피드백도 일반적으로 돌아옵니다. 같은 질문에 세 문장 이상으로 답해보세요. 내 답변이 구체적일수록 피드백도 구체적입니다.
❓ 다섯 번째쯤에 같은 말이 반복됩니다
그게 정상이고 멈출 때입니다. 3법칙 중 "피드백 반복" 신호입니다. "이제 기획서로 정리해줘"로 넘어가세요.
❓ AI가 답변을 무시하고 엉뚱한 방향으로 갑니다
긴 대화창에서 가끔 벌어집니다. "지금까지 내가 답한 내용 3가지만 요약해줘"로 체크하세요. AI가 요약 못 하면 맥락을 놓친 상태 — 새 대화창을 여시고 요약을 복사해 이어가세요.
❓ 답변하기 어려운 질문이 나옵니다
"이 부분은 아직 잘 모르겠어"라고 솔직히 답하세요. AI가 힌트를 줍니다. 모르는 것을 숨기실 필요 없습니다.
20분 전 당신은 "한 번 묻고 탭을 닫는" 습관이었을 수도 있습니다. 지금은 AI에게 질문을 받는 리듬을 경험하신 상태입니다. 이 차이는 3개월 뒤 당신의 AI 작업 효율을 완전히 다른 층으로 올려놓습니다.
이 튜토리얼은 SPIN 시리즈의 세 번째(Shape)입니다.
가장 잘 활용하시는 방법은 다음 2주 동안 모든 AI 요청을 핑퐁으로 하시는 것입니다. 보고서, 회의 안건, 이메일 초안 — 전부 한 번이 아니라 세 번 왕복으로. 2주 뒤엔 원샷으로 돌아갈 수 없으실 겁니다. 탁구는 혼자 치지 않습니다. AI를 상대편에 세우시면 생각이 정리됩니다.
Three short questions. Get them all right and the completion stamp is auto-granted. Answers stay on your device.
Q1. What most distinguishes the tutorial's "role-flip" version of ping-pong from typical AI usage?
Step 3 of the tutorial covers this switch. Normal use starts with "write me X" — you ask, the AI replies. The heart of ping-pong flips that to "ask me." When the AI asks, answering forces you to clarify your own thinking, and the clarified thinking becomes a tailored artifact. Same structure as the experience of a friend asking "but who actually uses that?" suddenly organizing your idea.
Q2. According to the tutorial's "three ping-pong laws," which of these is NOT a signal to stop?
Step 4 explicitly lists three laws: (1) feedback repeats, (2) you hit the edge of your knowledge ("not sure" rises), (3) the initial five questions are answered. Grammatical correctness is baseline LLM output quality, not a stopping signal. The core insight is that ping-pong isn't "better the longer it runs" — it's about precise timing; past ten rounds, answers typically just repeat.
Q3. According to the tutorial, which kind of answer makes the AI's feedback come back most specific?
As the Trouble section's "feedback is too generic" entry spells out, two-word answers like "startup workers" return generic feedback in kind. Answering in at least three sentences with background, context, and constraints pulls the AI's feedback to the same level of specificity. This matches the Why section's "each round is a filter that narrows the answer range" principle — the more specific your input, the tighter the AI's output.
Completion is stored on this device only. See your full passport at /member.