산더미같은 리서치 자료, AI로 10분 만에 핵심만!
어피니티 다이어그램 자동화
UX 디자이너라면 누구나 공감할 고통의 순간, 바로 '데이터 분석'입니다. AI를 활용해 가상 사용자 인터뷰, 소셜 리서치 등으로 귀중한 사용자 데이터를 수집했지만 수집은 시작일 뿐, 진짜 문제는 그다음부터입니다.
수십 장에 달하는 인터뷰 스크립트와 정성 데이터를 마주하면 어디서부터 손대야 할지 막막하기만 합니다. 30분짜리 인터뷰 한 건만 해도 A4 용지 여러 장 분량이 나오는데, 인터뷰이가 5명, 10명이 되면 그 양은 기하급수적으로 늘어납니다. 이 데이터를 분석하고 해결할 진짜 문제를 도출하는 'UX 모델링' 단계에서 가장 많이 쓰이는 기법이 바로 어피니티 다이어그램(Affinity Diagram)입니다.
어피니티 다이어그램, 왜 이렇게 힘들까요?
어피니티 다이어그램은 수집한 정성 데이터를 비슷한 내용끼리 묶어(그룹핑) 핵심 인사이트를 찾아내는 UX 모델링 기법입니다.
전통적인 방식은 이렇습니다.
데이터 정리: 인터뷰 답변 등 수집한 데이터를 포스트잇 하나에 하나씩 옮겨 적습니다.
그룹핑 및 라벨링: 포스트잇을 벽에 붙여놓고 비슷한 내용끼리 묶은 뒤, 각 그룹에 제목(라벨)을 붙입니다.
우선순위 결정: 팀원들과 함께 가장 중요하거나 시급하게 해결해야 할 그룹이 무엇인지 투표하며 우선순위를 정합니다.
이 과정은 데이터 속에서 패턴을 발견하고 다양한 관점을 얻게 해주지만, 데이터의 양이 많아지면 분석에 어마어마한 시간과 리소스가 필요합니다. 하지만 AI를 활용하면 이 분석 속도를 획기적으로 높여, 인사이트 도출 과정을 훨씬 효율적으로 만들 수 있습니다.
AI로 어피니티 다이어그램 자동화하기
AI를 활용해 이 지루한 작업을 어떻게 자동화할 수 있는지, 3가지 AI 도구를 비교하며 실전 사례를 보여드리겠습니다.
0단계: 분석할 데이터 준비하기
먼저 분석할 정성 데이터가 필요합니다. 책에서는 앞서 '맥도날드 키오스크'를 주제로 진행한 5건의 가상 사용자 인터뷰 파일을 사용했습니다.
GPTs: "이제까지 한 인터뷰 내용을 Word 파일로 만들어줘" 프롬프트로 파일을 다운로드합니다.
Synthetic Users: 인터뷰 결과 페이지에서 '전체 인터뷰를 복사하세요(Copy full interview)' 버튼을 클릭해 워드 파일로 저장합니다.
직접 인터뷰: 만약 실제 사용자를 인터뷰했다면, 해당 인터뷰 기록을 파일로 준비합니다.
1단계: GPT-4o로 빠르게 초안 잡기
GPT-4o는 사용법이 가장 간단합니다. 준비한 인터뷰 파일(A4 30장, 3만 자 분량)들을 첨부하고 프롬프트 하나만 입력하면 됩니다.
(인터뷰 파일 첨부 후) 이 인터뷰 답변을 분석해서 어피니티 다이어그램으로 정리해줘.
[작동 방식]
GPT-4o는 방대한 양의 텍스트를 단 몇 초 만에 분석합니다. 인터뷰 내용에서 공통적인 주제를 찾아 "1. 키오스크 사용 중 어려움", "2. 심리적 압박감", "3. 개선 아이디어"처럼 항목별로 깔끔하게 정리해줍니다.
[치명적 단점 및 주의사항: 할루시네이션 (환각)]
AI가 생성한 분석 결과를 절대로 무조건 신뢰해서는 안 됩니다. GPT 모델은 원본 파일과 기존 학습 데이터를 혼합해 응답을 만드는 과정에서 '할루시네이션'을 일으킬 수 있습니다.
실제 책의 사례를 보면, GPT-4o가 "메뉴 구성이 복잡하다"는 의견이 '인터뷰 1' 파일에서 나왔다고 분석했습니다. 하지만 원본 파일을 교차 확인해보니, 해당 인터뷰이는 오히려 "메뉴 구성은 괜찮은데"라고 정반대로 말하고 있었습니다. 따라서 분석 결과와 원본 파일 간의 교차 검증은 필수입니다.
2단계: NotebookLM으로 신뢰도 높이기
GPT-4o의 할루시네이션이 걱정된다면, 구글의 NotebookLM이 훌륭한 대안입니다.(참고: NotebookLM은 워드 파일(.docx) 첨부가 안 되므로 PDF로 변환해야 합니다.)
(인터뷰 PDF 파일 첨부 후) 이 인터뷰 답변을 분석해서 어피니티 다이어그램으로 정리해줘.
[작동 방식]
NotebookLM은 GPT-4o보다 더 상세한 내용을 분석해주는 경향이 있습니다.
[가장 강력한 장점]
정확한 출처 표시
NotebookLM의 가장 큰 강점은 '신뢰도'입니다. 분석 결과 옆에 숫자로 출처가 표시되며, 이 숫자를 클릭하면 원본 문서의 해당 문장이 하이라이트되어 나타납니다. 덕분에 AI가 일일이 원본 문서를 찾아다니며 검증해야 하는 수고를 덜고 분석의 신뢰도를 크게 높일 수 있습니다.
또한, NotebookLM은 사용자가 첨부한 문서만을 바탕으로 답변을 생성하기 때문에, 외부 정보가 섞여 발생하는 할루시네이션을 방지할 수 있습니다.
3단계: Lilys AI로 '주제별 분석'과 '태그' 추출하기
어피니티 다이어그램과 유사하지만, 좀 더 깊이 있는 '주제별 분석(Thematic Analysis)'을 원한다면 Lilys AI를 활용할 수 있습니다.
[작동 방식]
이 도구는 프롬프트 입력 없이 파일을 업로드하는 것만으로 작동합니다.
[중요 준비 사항]
Lilys AI는 여러 파일을 동시에 첨부할 수 없습니다. 따라서 5명의 인터뷰 기록을 하나의 파일로 통합해야 합니다. 이때 AI가 내용을 정확히 구분할 수 있도록 "1. 김영수 님 인터뷰", "2. 이정호 님 인터뷰"처럼 소제목과 목차 번호를 명시해주는 것이 좋습니다.
[1차 결과 (요약)]
파일을 올리면 '도출된 핵심 용어'(#키오스크, #기술 불안), '목차별 내용 요약' 등 가독성 높은 보고서 형식으로 결과를 제공합니다.
[2차 결과 (태그 추출)]
이제 프롬프트를 사용해 핵심 태그를 추출합니다.
[입력 프롬프트 1]
5개의 목차에서 반복적으로 등장하는 내용을 정리한 후, 태그를 부여해줘.
(결과: #키오스크어려움, #화면복잡성 등)
[입력 프롬프트 2]
너가 부여한 태그를 아래 태그 부여 기준에 따라 수정해주고 각 태그별 대표 인용문 최소 1-2개 제시해줘.
• 간결하고 명확한 태그
• 각 태그는 해당 내용의 본질을 대표
(결과: '자신감 부족' 태그와 함께 "기술에 대한 자신감 부족으로 인한 스트레스 [107]" 같은 대표 인용문과 출처까지 제시)
결론: AI는 조수, 결정은 디자이너가!
어피니티 다이어그램 작업은 복잡한 정성 데이터에서 핵심을 꿰뚫는 인사이트를 발견하는 핵심 과정입니다. 과거에는 이 작업을 위해 수많은 포스트잇과 씨름하며 며칠을 보내야 했지만, 이제 GPT-4o, NotebookLM, Lilys AI 같은 도구를 활용해 단 몇 분 만에 분석 초안을 완성할 수 있게 되었습니다. 하지만 명심해야 할 것은, AI는 데이터를 정리하고 패턴을 제안하는 훌륭한 '조수'일 뿐, 최종적인 판단과 검증, 그리고 인사이트 도출은 여전히 '인간 디자이너'의 몫이라는 사실입니다.
AI가 생성한 분석 결과를 비판적으로 검토하고(특히 할루시네이션!), NotebookLM의 출처 확인 기능을 활용해 신뢰도를 높이며, Lilys AI로 핵심 인용문을 추출하는 등, 각 도구의 장점을 현명하게 활용해 보세요. 반복 작업은 AI에게 맡기고, 디자이너인 우리는 더 중요한 '진짜 문제'를 발견하는 데 집중할 수 있을 것입니다.
https://wikibook.co.kr/design-workshop/
사용자 리서치, 아이디어 발상, 프로토타이핑까지… 과연 어디까지 AI에게 맡길 수 있을까?
이 책은 ‘AI를 도구로 쓰는 법’을 넘어, ‘AI와 함께 디자인 문제를 정의하고 해결하는 방법’을 제시합니다. 디자이너가 AI의 결과물을 선별·검증·재구성하며 진짜 협업 파트너로 활용하는 과정을 실습 중심으로 구성했습니다.
