← 인사이트

AI Lab · No.29

AI 고객 인터뷰 분석, 요약보다 발언 코딩이 먼저

고객 인터뷰 녹취를 생성형 AI로 정리할 때 발언 코딩, 주제 분류, 원문 대조 순서를 정리했습니다.

AI 창업 실습스타트업

AI 고객 인터뷰 분석은 녹취 전체를 한 번에 요약하는 작업이 아닙니다. 발언을 세분화해 코드를 부여하고, 반복되는 주제를 분류하고, 원문과 대조해 확인하는 작업입니다. 요약은 빠르지만 그럴듯한 일반화와 소수 의견 누락이 발생하므로 사람이 검증할 지점을 먼저 정해 둡니다.

Key Points · 핵심 요약
  1. AI는 전체 요약보다 정해 둔 코드북에 따라 발언에 분류 코드를 부여하는 작업에서 더 신뢰할 수 있습니다.
  2. 연구에서 AI 코딩은 전문가와 어느 정도 일치했지만 전문가 간 일치도에는 미치지 못했습니다.
  3. 주제마다 발언 번호와 인원수를 붙이고, 한 명만 언급한 의견은 별도로 모아 사람이 재검토합니다.

인터뷰 정리를 AI 요약부터 시작하면 왜 위험할까요?

요약은 여러 사람의 말을 한 문장으로 합치는 과정이라 누가 무엇을 말했는지가 사라집니다. 다섯 명 중 두 명의 발언이 "고객들은"으로 시작하는 결론이 되기 쉽습니다.

고객검증의 단서는 오히려 예외적인 발언에 담겨 있는 경우가 많습니다. 한 명만 언급한 우회 방법이나 이미 비용을 지불한 경험이 요약에서 누락되면 다음 가설을 세울 단서가 줄어듭니다.

따라서 순서를 바꿉니다. 발언을 분리하고, 코드를 부여하고, 같은 코드끼리 묶은 뒤 마지막에 요약합니다. AI는 단계마다 속도를 높여 주지만 무엇을 집계할지와 어떻게 해석할지는 창업자가 정합니다.

해외 연구는 AI 코딩과 요약의 정확도를 어떻게 보여 줄까요?

샤오 등(2023)은 아동의 질문 668개를 전문가가 만든 코드북으로 언어 모델이 분류하게 했습니다. 전문가 코딩과의 일치도(코헨의 카파)는 질문 복잡성 0.61, 문장 구조 0.38이었습니다.

같은 자료에서 전문가 두 사람의 일치도는 0.88과 0.90이었습니다. AI 코딩은 출발점으로 활용할 수 있지만 사람의 판단을 대체할 수준은 아니라는 의미입니다. 코드마다 예시를 하나 넣었을 때 성능이 가장 크게 향상되었습니다.

피터스와 친이(2025)는 언어 모델 10종이 만든 요약 4,900건을 원문과 비교했습니다. 정확하게 요약하라고 지시해도 대부분의 모델이 원문보다 넓은 범위로 일반화했습니다. 일부 모델은 그 비율이 26~73%였습니다.

사람이 작성한 요약과 비교하면 넓은 범위의 일반화가 나타날 가능성이 다섯 배 가까이 높았습니다(오즈비 4.85). 리우 등(2023)은 긴 입력의 중간에 위치한 정보일수록 언어 모델이 잘 활용하지 못한다고 보고했습니다.

녹취에서 반복 주제까지는 어떤 순서로 정리할까요?

인터뷰는 한 건씩 처리합니다. 여러 건을 한꺼번에 입력하면 화자가 뒤섞이고, 중간에 위치한 인터뷰가 덜 반영될 수 있습니다.

코드가 많다고 좋은 것은 아닙니다. 문제 경험, 현재 대안, 지불 경험, 전환 장벽처럼 검증할 가설과 연결된 코드 몇 개로 시작합니다.

코드를 AI에 제공할 때는 이름만 전달하지 말고 한 줄 정의와 실제 발언 예시를 하나씩 첨부합니다. 앞서 소개한 연구에서도 예시가 없을 때와 하나 있을 때의 차이가 가장 컸습니다.

인터뷰 분석 단계별 역할 분담
단계AI 수행 작업사람의 확인 작업
발언 분리화자별 발언 분리와 번호 부여오기된 수치와 금액 수정
코드북 작성인터뷰 두세 건으로 코드 후보 제안가설과 연결된 코드만 남기고 정의와 예시 작성
발언 코딩코드북에 따라 발언별 코드 부여일부 발언을 직접 코딩해 결과 비교
주제 분류코드별 발언 수와 발언자 수 집계한 명만 언급한 발언을 별도로 모아 재검토
요약주제별 한 문장 결론과 대표 인용 선정인용이 원문에 그대로 있는지 번호로 대조

AI가 도출한 결론은 원문과 어떻게 대조할까요?

검증 질문은 세 가지입니다. 이 결론을 뒷받침하는 발언 번호가 있는가, 몇 명이 언급했는가, 반대되는 발언은 없는가입니다.

사람과 AI의 코딩이 자주 불일치하는 코드는 정의가 모호하다는 신호입니다. 정의를 수정하고 예시를 추가한 뒤 다시 실행해 비교합니다.

  • 모든 주제에 발언 번호와 인원수를 명시하게 하고 번호 없는 결론은 삭제합니다.
  • "대부분", "고객들은" 같은 표현은 실제 인원수로 바꿔 표기합니다.
  • 주제마다 반대되거나 예외인 발언을 별도로 찾도록 요청합니다.
  • 인터뷰 열 건 가운데 두세 건은 사람이 처음부터 직접 코딩해 AI 결과와 비교합니다.
  • AI가 옮긴 인용문은 원문에서 검색해 글자 그대로인지 확인합니다.

녹취를 AI에 입력하기 전에 무엇을 비식별 처리해야 할까요?

이름, 연락처, 소속처럼 대상자를 알아볼 수 있는 정보는 입력 전에 삭제합니다. 녹취 동의를 받을 때 분석에 AI 도구를 활용할 수 있다는 점도 함께 고지합니다.

작은 업계에서는 직함과 거래처만으로도 누구인지 특정될 수 있습니다. "참여자 3, 제조업 대표"처럼 분석에 필요한 속성만 남깁니다.

도구의 입력 데이터가 학습에 활용되는지, 대화 기록이 얼마나 보관되는지 설정을 먼저 확인합니다. 원본 녹취와 대응표는 AI에 업로드하지 않는 별도 공간에 보관합니다.

비식별 처리는 녹취 정리의 첫 단계에서 완료합니다. 분석 도중에 삭제하려 하면 이미 원문이 여러 차례 도구에 입력된 상태입니다.

요약은 맨 마지막에

AI에 결론부터 요청하지 말고, 발언별 코드를 집계한 뒤 결론은 창업자가 도출합니다.

자주 묻는 질문

Q.고객 인터뷰 녹취를 AI에 그대로 업로드해도 되나요?

비식별 처리하지 않은 녹취는 업로드하지 않는 것이 원칙입니다. 이름과 연락처, 소속을 삭제한 정리본을 사용하고 도구의 데이터 보관 설정도 확인합니다.

Q.인터뷰가 몇 건쯤 되면 AI 분석이 도움이 되나요?

같은 질문지로 진행한 인터뷰가 쌓여 발언을 집계하고 비교해야 할 시점부터입니다. 서너 건이라면 직접 읽는 편이 빠르고 얻는 인사이트도 많습니다.

Q.한 명만 언급한 의견은 분석에서 제외해야 하나요?

제외하지 않고 별도로 모아 둡니다. 다른 고객군이나 새로운 사용 사례를 보여 주는 단서일 수 있습니다. 다음 인터뷰에서 같은 질문을 제시해 반복되는지 확인합니다.

Q.AI가 도출한 주제를 그대로 보고서에 사용해도 되나요?

발언 번호와 인원수가 명시되어 있고 원문 대조를 마쳤다면 사용해도 됩니다. 근거 번호가 없는 문장은 해석이므로 창업자의 판단임을 명시합니다.

Q.창업교육에서 AI 인터뷰 분석 실습은 어떻게 운영하나요?

참여자가 직접 진행한 인터뷰 정리본과 개인정보 비식별 기준을 먼저 안내합니다. 결과물은 요약문보다 발언 번호가 명시된 코딩표로 제출받으면 검증 과정까지 확인할 수 있습니다.

참고 자료

큐케이파트너스창업교육, AI 교육, BM 고도화, IR 덱 제작, 데모데이 운영을 하는 스타트업 그로스 파트너입니다. 창업 현장에서 반복되는 질문을 연구와 심사·교육 경험으로 정리합니다.

프로그램 설계가 필요하신가요?

랜딩페이지 반응과 타깃고객 설문으로 수요를 확인하는 고객검증 프로그램을 운영합니다.