반응형
1️⃣ 리서치 준비 / 시작 지점 (Starting Point)
- 활용: 주제 선정, 시작 아이디어 탐색, 리서치 프레임 잡기
- 활용 예시:
- “어디서부터 시작해야 할지 모르겠다” → 시작점 추천받기
- “이렇게 시작해도 될까?” → 대안 경로 제시받기
- 주의: AI가 제시하는 방향이 맥락에 맞지 않을 수 있음 → 동료와 검토 필요
2️⃣ 데스크 리서치 (Desk Research)
- 활용: 관련 논문, 블로그, 기존 연구 요약 및 비교
- 활용 예시:
- 특정 주제 관련 문헌 찾기 및 요약
- 가설/질문에 부합하는 선행연구 정리
- 주의:
- 존재하지 않는 문서를 생성하거나 잘못된 논문 추천 가능 (환각 현상),
- 반복 사용 시 리서처의 독립적 사고 저하
3️⃣ 리서치 기획 (Research Planning)
- 활용: 리서치 목표, 방법론 설계, 문항 브레인스토밍
- 활용 예시:
- 인터뷰 가이드라인 초안 생성
- 연구 질문 제안 → 내 안목과 비교
- 주의:
- AI가 제시하는 방법이 주제에 안 맞거나 편향된 방식일 수 있음
- 그대로 따르기보다 비판적으로 검토하고 재구성 필요
4️⃣ 데이터 수집 및 정제 (Data Collection & Processing)
- 활용: 인터뷰 전사, 문법 교정, 설문 응답 요약, 구조화
- 활용 예시:
- Otter, Notion AI 등으로 인터뷰 자동 전사
- GPT로 긴 응답 요약 → 주요 포인트 추출
- 주의: 전사 및 요약 오류 가능성 존재 → 검토 필수
5️⃣ 데이터 분석 (Data Analysis)
- 활용: 정성 데이터(인터뷰, 오픈 응답)에서 패턴 추출, 인사이트 도출 보조, 페르소나 구성
- 활용 예시:
- AI에게 주제별 코딩 요청 → 내가 한 분석과 비교
- 내가 뽑은 인사이트에 대한 근거 요청
- 주의:
- AI는 인간의 감정, 맥락, 문제 해결 방식까지 이해하지 못함
- 본인의 분석력이 먼저 갖춰져 있어야 유효한 비교가 가능
6️⃣ 아이데이션 (Ideation)
- 활용: 리서치 기반 솔루션 아이디어 도출, HMW 문장 기반 아이디어 확장
- 활용 예시:
- “이 인사이트 기반으로 제품 아이디어 10개 제안해줘”
- 비효율적인 방법 3개, 행동 변화 기반 아이디어 3개 요청 등
- 주의:
- 반복적으로 AI에 의존하면 창의적 사고력 저하
- AI의 아이디어는 대부분 일반적이므로 ‘출발점’으로만 활용
7️⃣ 피드백 & 검증 (Getting Feedback)
- 활용: 리서치 계획/분석/문항에 대한 1차 피드백 수단
- 활용 예시:
- “이 설문 구성 괜찮을까?”, “이 분석 결과 타당한가?”
- 주의:
- 전문가의 리뷰를 대체할 수 없음 → 참고용으로 활용
💡 마무리
- AI는 유용하지만, 사고와 공감은 리서치를 수행하는 사람의 몫
- 모든 단계를 AI에게 맡기면 성장 기회를 잃고, 인사이트의 깊이도 얕아질 수 있음
- 중요한 건 ‘언제, 어떻게 활용할지’에 대한 감각
*글쓴이의 한마디
- 리서치의 각 단계도 AI를 활용하게 되어 생산성이 비약적으로 상승하고 있습니다. 무엇보다 AI가 시간을 아껴준 만큼, 무엇을 리서치 하고 왜 하는지에 시간을 더 쏟을 수 있는 점이 가장 좋은 점 같습니다.
*해당 글은 아래 아티클을 기반으로 작성하였습니다.
https://medium.com/design-bootcamp/5-best-ways-to-use-ai-in-ux-research-784b1facf042
반응형