설문 결과, AI로 분석하기 — 주관식의 벽 넘기

설문을 돌리는 것까지는 쉬운데, 막상 걷힌 응답 뭉치 앞에서 일이 멈추는 경우가 많습니다. 객관식은 표로 정리된다 해도, 수백 개의 주관식 응답은 읽는 것부터가 큰 일이기 때문입니다. AI 분석의 값어치가 가장 큰 곳이 바로 이 주관식의 벽입니다. 설문 결과를 AI로 다루는 순서를 정리했습니다.

AI가 잘하는 것과 못하는 것

AI는 대량의 텍스트를 빠르게 읽고 묶는 데 강합니다. 주관식 응답을 주제별로 분류하고, 반복되는 불만과 요청을 추리고, 전체의 논조를 요약하는 일은 몇 분 만에 해냅니다. 반면 응답의 배경을 아는 것은 사람의 몫입니다 — 어떤 불만이 이번 분기에 새로 나타난 것인지, 어느 답변이 중요한 고객의 목소리인지는 맥락을 아는 담당자만 판단할 수 있습니다. AI에게 정리를 맡기고 해석과 결정을 사람이 맡는 분업이 기본 구도입니다.

작업 순서

순서는 이렇습니다. 먼저 개인정보를 걷어 냅니다 — 이름, 연락처, 특정인을 알아볼 수 있는 내용은 분석 전에 지우거나 가리는 것이 원칙입니다. 다음으로 주관식 응답 전체를 AI에게 주고 "응답을 주제별로 분류하고 각 주제의 응답 수와 대표 응답을 정리해 달라"고 요청합니다. 나온 분류를 보며 이상한 묶음을 조정하고, 주제별 요약과 인상적인 실제 응답 인용을 뽑으면 보고의 뼈대가 완성됩니다. 객관식 수치와 주관식 주제를 나란히 놓으면 "몇 점인가"와 "왜 그 점수인가"가 한 장에 담깁니다.

순서 한눈에

결과를 신뢰하게 만드는 검증

AI 분류를 그대로 보고서에 옮기기 전에 두 가지 검증을 거치세요. 첫째, 표본 확인 — 각 주제에서 응답 몇 개씩을 열어 실제로 그 주제가 맞는지 봅니다. 분류가 그럴듯해 보여도 경계의 응답들이 엉뚱한 곳에 묶여 있는 일이 있습니다. 둘째, 건수 대조 — 주제별 응답 수의 합이 전체와 맞는지 확인합니다. 누락과 중복 집계는 AI 분석의 흔한 빈틈입니다. 이 두 검증을 통과한 결과라면 보고에 쓰기에 충분하고, "AI로 분석했다"가 아니라 "이렇게 검증했다"까지 적어 주면 보고의 신뢰가 올라갑니다.

활용 팁

• 분류 기준을 먼저 주기 — 우리 회사의 관심 축으로 묶게 하기
• 지난 설문과 같은 기준으로 분석하면 추이가 보인다
• 대표 인용은 원문 그대로 — 요약문은 현장감을 잃는다
• 불만 주제는 담당 부서별로 나눠 전달
• 다음 설문 문항 개선도 AI와 함께 — 모호했던 질문 찾기

작은 조직일수록 효과가 크다

분석 전담자가 없는 작은 회사와 단체일수록 이 방식의 효용이 큽니다. 예전에는 걷어 놓고 못 읽던 고객 소리, 행사 후기, 직원 의견이 반나절 안에 정리된 보고가 되기 때문입니다. 설문뿐 아니라 리뷰, 상담 기록, 건의함처럼 쌓여만 있던 텍스트에도 같은 방식이 통합니다. 듣는 도구는 많아졌는데 읽을 사람이 없던 조직에게, AI 분석은 듣기를 완성해 주는 도구입니다.

응답 수가 아주 많다면 나눠서 분석하고 합치는 방법을 씁니다. 수천 건을 한 번에 넣으면 뒷부분이 대충 처리되는 경향이 있으니, 몇백 건 단위로 나눠 같은 기준으로 분류하게 한 뒤 결과를 합산하는 것입니다. 이때 분류 기준을 처음에 고정해 두어야 묶음마다 주제 이름이 달라지는 문제를 피할 수 있습니다.

정기 설문이라면 이번 분석에 썼던 분류 기준과 지시문을 그대로 저장해 두세요. 다음 회차도 같은 잣대로 재야 수치의 변화가 진짜 변화로 읽히기 때문입니다.

마무리

설문 분석의 AI 활용은 비식별화, 주제 분류, 표본 검증의 순서만 지키면 됩니다. 수백 개의 목소리가 반나절 만에 읽을 수 있는 보고가 되고, 사람은 해석과 결정에 집중하게 됩니다. 고객·직원의 소리를 듣는 체계가 고민이라면 지니어스코리아와 상의해 보세요.