AI를 활용한 우리조직에 맞는 설문지 만들기
들어가며
설문조사를 기획할 때 많은 HR 실무자가 범하는 오류가 있습니다. 바로 본인의 ‘감’이나 포털 사이트의 ‘검색 결과’에 의존해 문항을 만드는 것이죠. 하지만 데이터 분석의 핵심은 문항의 화려함이 아니라 그 문항이 정말 측정하고자 하는 바를 정확히 짚어내느냐는 ‘타당도’와 얼마나 일관되느냐는 ‘신뢰도’에 있습니다. 오늘은 제가 현업에서 활용하는 AI와 논문을 결합한 3단계 설문 설계 프로세스를 공개합니다. 이제 AI에게 단순히 "설문 만들어줘"라고 말하는 단계를 넘어, 학술적 근거와 기술적 효율성을 모두 챙기는 스마트한 HRer가 되어보세요.
1. 검증된 소스를 확보하라: RISS와 학위 논문의 힘
가장 먼저 해야 할 일은 우리가 고민하는 조직몰입, 직무만족, 번아웃 같은 주제들은 이미 수많은 학자가 연구해 놓은 표준 척도가 존재합니다. RISS(학술연구정보서비스)에서 측정하고자 하는 키워드를 검색해 보세요. 이때 팁은 양적 연구가 포함된 학위 논문을 찾는 것입니다. 논문의 마지막 ‘부록’을 확인하면, 해당 연구자가 이미 신뢰도와 타당도를 검증한 설문지가 고스란히 담겨 있습니다. 이미 검증이 끝난 '완성형 척도'라는 든든한 기초 공사 자재를 확보하는 단계입니다.
RISS 홈페이지 링크:
RISS(리스, 학술연구정보서비스) - 국내·국외 학술정보를 제공하는 대국민 서비스
2. AI에게 '근거'를 학습시키기: NotebookLM의 활용
확보한 논문들을 그대로 읽고 정리하기엔 시간이 부족합니다. 이때 구글의 NotebookLM을 활용하면 생산성이 비약적으로 상승합니다. 다운로드한 논문 PDF 파일들을 업로드한 뒤, 단순히 "설문을 만들어달라"가 아니라 다음과 같이 요청해 보세요.
"이 논문들을 근거로 '직무 만족'을 측정하기 위한 설문 문항과 그에 대한 이론적 배경을 정리해줘."
NotebookLM은 업로드된 자료를 기반으로 답변하는 RAG(검색 증강 생성) 방식이기에, 범용 AI보다 훨씬 정교하고 근거가 명확한 '문항 후보 세트'를 도출해 줍니다. 뜬구름 잡는 질문이 아닌, 이론적 뿌리가 있는 질문들이 구성되는 과정입니다.
3. 실무형 설문으로 다듬기: Gemini와의 협업
NotebookLM이 뽑아준 문항들은 다소 학술적이고 딱딱할 수 있습니다. 이를 우리 조직의 언어로 번역하는 작업이 필요합니다. 이때 Gemini를 활용해 보세요. 앞서 도출된 결과를 바탕으로 우리 조직의 톤 앤 매너에 맞게 수정을 요청하는 것입니다.
특히 Gemini의 강력한 기능 중 하나인 'Google Sheets로 내보내기'를 활용하면, 확정된 문항들을 즉시 스프레드시트로 옮길 수 있습니다. 이를 통해 설문지 폼을 구성하거나 동료들과 공유하는 시간을 획기적으로 단축할 수 있습니다.
나가며
AI가 아무리 똑똑해도 HR 전문가인 여러분의 '눈'을 대신할 순 없습니다. AI가 제안한 문항이 우리 조직의 특수한 상황을 반영하고 있는지, 구성원들이 이해하기에 너무 어려운 단어는 없는지 최종적으로 검토하는 'Human in the Loop' 과정은 필수입니다.
좋은 HR 분석은 좋은 데이터에서 시작되고, 좋은 데이터는 잘 설계된 설문지에서 나옵니다. 생성형 AI의 효율성과 논문의 신뢰성을 결합해 보세요. 누구보다 빠르면서도, 논리적 근거가 탄탄한 설문지를 설계할 수 있을 것입니다. 오늘의 이 프로세스가 여러분의 데이터 기반 HR(Data-driven HR) 여정에 실질적인 도움이 되기를 바랍니다.
