Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →1:1 면담을 준비하고, 상대를 설득하거나 무언가를 요청·협상할 때 대화를 설계해 주는 스킬입니다. '면담 준비해줘', '이거 어떻게 설득하지', '연봉 협상 어떻게', '부탁하는 법', '정중하게 요청하고 싶어'처럼 말하면 됩니다. 면담 목표 설정 → 상대 입장 파악 → 설득 구조 → 요청·거절 화법 → 합의·후속의 5단계로 관계를 지키며 원하는 걸 얻는 대화를 만듭니다.
.claude/skills/modu-ai-negotiation-1on1/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-21 | ✗→✓ | ▲ Improved | -18% | 0% |
| case-01 | ✓→✓ | ＝ Same ✓ | 46% | 0% |
| case-02 | ✓→✓ | ＝ Same ✓ | 60% | 0% |
| case-03 | ✓→✓ | ＝ Same ✓ | 69% | 0% |
| case-04 | ✓→✓ | ＝ Same ✓ | 78% | 0% |
면담·협상은 말솜씨가 좋은 사람이 이기는 게 아니라 준비한 사람이 이긴다. 그리고 직장의 협상은 한 번 이기고 끝나는 게 아니라 내일도 봐야 할 사람과 하는 것이라, 관계를 깨면 이겨도 진다. 이 스킬은 면담 전 목표와 상대 입장을 정리하고, 설득의 순서를 짜고, 요청·거절을 정중하지만 분명하게 하는 대화를 설계한다. 태도와 구조로 푸는 협상이다.
면담, 1on1, 1:1, 설득, 협상, 연봉 협상, 요청, 부탁, 정중한 거절, 대화 준비, 설득 구조, 면담 준비
협상에 들어가기 전 세 가지를 정해 둔다. 즉흥은 끌려가는 길이다.
→ 양보선과 대안을 미리 알면, 감정에 휩쓸려 그 자리에서 손해 보는 결정을 안 한다.
설득은 내 주장 키우기가 아니라 상대가 무엇을 원하는지 아는 것에서 시작한다.
설득은 순서가 절반이다. 결론 → 상대 이득 → 근거 → 우려 해소로 짠다.
| 순서 | 내용 | |------|------| | ① 결론·요청 | 무엇을 원하는지 한 문장 | | ② 상대의 이득 | "그쪽에" 무엇이 좋은지 먼저 | | ③ 근거 | 숫자·사례로 뒷받침 | | ④ 우려 해소 | 상대가 걱정할 점에 대한 대비책 |
→ 내 입장만 나열하면 "그래서 나한테 뭐가 좋은데?"에서 막힌다. 상대 언어로 번역한다.
한정된 파이를 나누는 싸움(제로섬)에서 파이를 키우는 대안으로 옮기면 둘 다 얻는다.
예시 1: "연봉 협상 면담을 앞두고 있는데 어떻게 준비하지?" → 목표·양보선·대안 정리 → 회사 입장·예산 제약 추정 → 성과 근거 + 연봉 외 카드(교육·재택) → 합의 문장화
예시 2: "다른 팀에 급하게 협조를 부탁해야 하는데 어떻게 말하지?" → 상대 이득 먼저 → 구체 요청(범위·기한) → 우려 해소 → 선택권 존중 멘트
예시 3: "선배 부탁을 거절해야 하는데 관계가 틀어질까 걱정돼" → 공감+거절+대안 3단 → 상황 탓 전환 → 거절 후 관계 유지 마무리
moai-hr:performance-review를 사용한다.moai-business / moai-office를 쓴다.면담·협상 일반 프레임워크(BATNA·이해관계 파악·창조적 대안) + 사용자 vault 노트 참고. 표현·예시는 2026년 한국 기준 자체 구성.
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | pass→pass | 18,381 | 14,310 | -22% | 1 | 1 | 0% | 2,577 | 3,773 | +46% | 0 | 0 | — |
case-02 | pass→pass | 16,195 | 14,772 | -9% | 1 | 1 | 0% | 2,296 | 3,664 | +60% | 0 | 0 | — |
case-03 | pass→pass | 14,918 | 13,738 | -8% | 1 | 1 | 0% | 2,191 | 3,696 | +69% | 0 | 0 | — |
case-04 | pass→pass | 12,185 | 11,311 | -7% | 1 | 1 | 0% | 1,738 | 3,102 | +78% | 0 | 0 | — |
case-05 | pass→pass | 17,409 | 18,134 | +4% | 1 | 1 | 0% | 2,502 | 4,194 | +68% | 0 | 0 | — |
case-06 | pass→pass | 15,138 | 10,214 | -33% | 1 | 1 | 0% | 2,253 | 3,031 | +35% | 0 | 0 | — |
case-07 | pass→pass | 15,691 | 13,802 | -12% | 1 | 1 | 0% | 2,321 | 3,536 | +52% | 0 | 0 | — |
case-08 | pass→pass | 13,688 | 14,818 | +8% | 1 | 1 | 0% | 1,923 | 3,600 | +87% | 0 | 0 | — |
case-09 | pass→pass | 14,624 | 14,203 | -3% | 1 | 1 | 0% | 2,107 | 3,636 | +73% | 0 | 0 | — |
case-10 | pass→pass | 14,396 | 13,978 | -3% | 1 | 1 | 0% | 2,140 | 3,539 | +65% | 0 | 0 | — |
case-11 | pass→pass | 18,309 | 17,108 | -7% | 1 | 1 | 0% | 2,786 | 3,977 | +43% | 0 | 0 | — |
case-12 | pass→pass | 15,025 | 13,955 | -7% | 1 | 1 | 0% | 2,253 | 3,558 | +58% | 0 | 0 | — |
case-13 | pass→pass | 15,359 | 16,253 | +6% | 1 | 1 | 0% | 2,254 | 3,821 | +70% | 0 | 0 | — |
case-14 | pass→pass | 14,500 | 14,117 | -3% | 1 | 1 | 0% | 2,066 | 3,633 | +76% | 0 | 0 | — |
case-15 | pass→pass | 16,671 | 15,694 | -6% | 1 | 1 | 0% | 2,398 | 3,839 | +60% | 0 | 0 | — |
case-16 | pass→pass | 16,476 | 13,792 | -16% | 1 | 1 | 0% | 2,455 | 3,621 | +47% | 0 | 0 | — |
case-17 | pass→pass | 15,874 | 17,568 | +11% | 1 | 1 | 0% | 2,357 | 4,170 | +77% | 0 | 0 | — |
case-18 | pass→pass | 15,454 | 9,896 | -36% | 1 | 1 | 0% | 2,205 | 2,966 | +35% | 0 | 0 | — |
case-19 | pass→pass | 15,008 | 12,836 | -14% | 1 | 1 | 0% | 2,191 | 3,411 | +56% | 0 | 0 | — |
case-20 | pass→pass | 17,334 | 18,557 | +7% | 1 | 1 | 0% | 2,725 | 4,351 | +60% | 0 | 0 | — |
case-21 | fail→pass | 19,168 | 7,041 | -63% | 1 | 1 | 0% | 3,328 | 2,724 | -18% | 0 | 0 | — |
case-22 | pass→pass | 25,379 | 6,727 | -73% | 1 | 1 | 0% | 3,926 | 2,434 | -38% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +5 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.