VOC 정성 데이터 분석 & SciSpace 논문 검색

 

2026년 매력일자리 · 1일차 강의

VOC 정성 데이터 분석 & SciSpace 논문 검색 
생성형 AI 활용 마케팅 기획 업무생산성 향상 1일차 실습 내용 발췌 정리

주관 한국부동산마케팅협회 강의 생성형 AI와 ChatGPT를 활용한 문서 작성 및 데이터 분석

 

1일차 강의 중 실무 활용도가 높은 항목을 정리한다.
① VOC(고객의 소리) 정성 데이터를 분석·시각화하고 FAQ로 만드는 실습,
② 학술 논문을 검색·요약하는 SciSpace 기본 사용법,
③ SciSpace를 부동산 분야 논문 탐색에 적용하는 응용 실습을 다룬다.
각 항목은 강의에서 실제 사용한 프롬프트와 진행 순서를 그대로 담았다.

【 이 글에서 다루는 내용 】

1.  VOC 정성 데이터 분석·시각화·FAQ
2. SciSpace — 논문 검색·요약 (기본)
3. SciSpace — 부동산 학술 논문 검색 (응용)

2-4VOC 정성 데이터 분석·시각화·FAQ

고객 문의·리뷰 같은 '말'로 된 데이터를 분류 체계 설계 → 라벨링 → 시각화 → FAQ 순으로 가공.

VOC(Voice Of Customer)는 고객 문의·리뷰처럼 숫자가 아닌 '말'로 된 데이터다. 매출 데이터 같은 정량 데이터와 달리, VOC는 먼저 분류 체계(카테고리)를 사람이 잡아 줘야 분석이 가능하다. 분류 기준이 없으면 AI가 제각각 묶어 신뢰도가 떨어지기 때문이다.

▶ 사용 자료

• VOC 데이터 — 문의ID·접수일시·채널·고객유형·지역·주문ID·중요도·처리상태·문의제목·문의내용 등 약 60행 (아래 예시 참조)
• 카테고리 설계 조건 — 대분류·세부카테고리 개수와 분류 기준 규칙
• 라벨링 규칙 — 행별 분류 부여 시 지켜야 할 규칙

【 VOC 데이터 예시 — 앞 6행 발췌 】

문의ID	채널	고객유형	문의제목	문의내용
VOC0001	앱문의	신규	쿠폰 적용이 안 돼요	첫 구매 쿠폰이 있다고 떠서 결제하려는데 결제 화면에서 쿠폰 선택이 안 됩니다. 조건이 뭔가요?
VOC0002	채팅	기존	배송이 멈춘 것 같아요	어제 출고라고 했는데 오늘도 배송조회가 '상품준비중'으로만 떠요. 언제 받을 수 있나요?
VOC0003	이메일	기존	영수증/거래명세서 요청	회사 제출용으로 거래명세서가 필요합니다. 발급 가능한가요?
VOC0004	전화	기존	환불 금액이 다르게 들어왔어요	반품 환불이 완료됐다는데 할인 적용 전 금액으로 계산된 것 같아요. 확인 부탁드립니다.
VOC0005	앱문의	신규	회원가입 인증 문자 안 옴	휴대폰 인증 문자 요청했는데 몇 번을 눌러도 문자가 안 와요. 다른 방법 있나요?
VOC0006	채팅	기존	결제 오류(카드 승인 실패)	카드 결제가 계속 승인 실패가 뜹니다. 다른 사이트는 결제돼요. 왜 이러죠?

※ 실제 파일에는 위 5개 항목 외 접수일시·지역·주문ID·중요도·처리상태 컬럼이 함께 포함된다(원본은 CSV 형식, 총 60행).

실습은 2단계(STEP 01 분류·라벨링 → STEP 02 시각화·FAQ)로 진행한다.

STEP 01-①카테고리 체계 설계

→

STEP 01-②행별 라벨링

→

STEP 02-③시각화

→

STEP 02-④FAQ 구성

STEP 01 — 데이터 분석 및 카테고리 세분화

① 카테고리 체계 설계당신은 CS 운영 컨설턴트입니다.
첨부된 VOC 데이터를 읽고, 설계 조건에 맞춰
대분류/세부 카테고리 체계를 설계해주세요.

[설계 조건]
- 대분류 6~9개, 대분류마다 세부카테고리 3~8개
- 세부카테고리마다 분류 기준(대표 키워드/판단 규칙) 1~2줄
- 애매한 케이스 처리 규칙(우선순위) 포함
- 카테고리명은 짧고 명확한 명사형
- 각 대분류에 "기타/확인필요" 세부카테고리 포함 가능

AI 설계 결과 — CS VOC 카테고리 체계

대분류 8개 / 세부카테고리 39개, VOC 60건 전수 매핑 완료. 겹침 케이스 처리용 우선순위 규칙 6개 포함.

볼륨 분포(60건) : 주문·결제 15 · 혜택·프로모션 10 · 배송 8 · 반품·교환·환불 7 · 멤버십·정기구독 6 · 상품·품질·AS 6 · 계정·인증 5 · 시스템·서비스운영 3

→ 결제·정산(주문결제+환불) 계열이 전체의 약 37%로 최대 인입군. 혜택·프로모션(쿠폰·적립금·프로모션 규정 불명확)이 두 번째로, 정책 안내 표준화 우선 영역.

1) 대분류 목록 (정의)

구분	대분류	정의
A	주문·결제	주문 생성·결제 처리·주문 변경/취소·금액 정합성·증빙서류
B	배송	출고 이후 물류 진행·오배송/파손/분실·배송조회
C	반품·교환·환불	반품 회수·교환 처리·환불 정산·관련 비용 안내
D	혜택·프로모션	쿠폰·적립금/포인트·프로모션/이벤트·추천인
E	멤버십·정기구독	멤버십 혜택/결제/해지·정기배송 관리
F	계정·인증	가입/로그인/인증·세션·탈퇴/개인정보
G	상품·품질·AS	상품정보/옵션·사용법·초기불량·AS·재고
H	시스템·서비스운영	앱/웹 기능 장애·CS 채널 운영·미분류

2) 대분류별 세부카테고리

표기 : 세부카테고리 / 설명 / 대표 키워드 / 분류 기준 / 대표 VOC

A. 주문·결제 (15건)

세부카테고리	설명	대표 키워드	분류 기준	대표 VOC
결제 오류·실패	결제 시도 자체가 실패/미완료	승인 실패, 결제 안 됨, 로딩만 됨	결제 트랜잭션이 완료되지 못한 건. 단순 기능오류는 H와 우선순위 규칙 적용	0006, 0053
결제 금액 상이	표시가와 결제가 불일치, 배송비 중복 등	가격 다름, 배송비 두 번	결제는 진행됐으나 금액 산정이 잘못된 건	0009, 0027
중복결제·주문 누락	결제됐는데 주문 미생성/중복 결제	결제됐는데 주문 없음, 중복 결제	결제-주문 데이터 불일치	0036
주문 변경	출고 전 주소/품목/결제수단/메모 변경	주소 변경, 부분 취소, 결제수단 변경	출고 전 주문정보 수정. 출고 후는 B로	0007, 0016, 0023, 0028
주문 취소	취소 요청·취소 수수료 안내	취소, 취소 수수료	고객의 취소 의사 표명 건	0048, 0056
주문 조회	비회원/주문내역 조회 실패	비회원 조회, 주문번호 오류	주문 상태 확인 목적의 조회 문의	0018
증빙·세금서류	거래명세서/현금영수증/세금계산서 발급	거래명세서, 현금영수증, 세금계산서	회계·세무 증빙 발급 요청	0003, 0013, 0033

B. 배송 (8건)

세부카테고리	설명	대표 키워드	분류 기준	대표 VOC
배송 지연·정체	예정일 초과, 상태 미변동	상품준비중, 예정일 밀림	물류 진행이 지연된 건(상품/금액 정상)	0002, 0011
오배송·구성품 누락	다른 상품 수령, 구성품 일부 누락	오배송, 구성품 빠짐	수령품이 주문과 불일치	0010, 0025
파손 배송	운송 중 파손	박스 찢김, 파손	외형/내용물 물리적 손상	0041
배송 분실·미수령	배송완료 처리됐으나 미수령	배송완료인데 못 받음	시스템상 완료·실물 부재	0051
출고 후 배송지 변경	출고 이후 주소 변경 요청	출고 후 주소 변경	출고 후 배송지 조정(출고 전은 A)	0047
배송조회 오류	추적 링크/조회 페이지 오류	배송조회 링크 오류	배송정보 조회 기능 장애	0038

C. 반품·교환·환불 (7건)

세부카테고리	설명	대표 키워드	분류 기준	대표 VOC
반품 접수·회수 지연	반품 신청 후 회수 미진행	회수 안 옴, 반품 접수	반품 물류 회수 단계	0015
교환 처리	교환 재고/교환 배송비	교환 재고, 교환 배송비	동일/유사 상품 교환 진행	0039, 0059
비용 안내 불일치	반품/교환 비용 안내 채널 간 상이	반품비 다름, 안내 불일치	정책 안내 정합성 문제	0035
환불 지연·미입금	환불 처리 지연/카드사 미반영	환불 안 들어옴, 지연 보상	환불 처리 시점·반영	0017, 0060
환불 금액 오류	환불액 산정 오류(할인 미반영 등)	환불 금액 다름	환불 정산 결과 금액 오류	0004

D. 혜택·프로모션 (10건)

세부카테고리	설명	대표 키워드	분류 기준	대표 VOC
쿠폰	쿠폰 적용 불가/소멸	쿠폰 적용 안 됨, 쿠폰 사라짐	쿠폰 발급·적용·유효성	0001, 0029
적립금·포인트	적립 미지급/사용 제한/소멸	포인트 적립 안 됨, 적립금 소멸	적립금·포인트 적립/차감/사용	0008, 0022, 0032, 0049
프로모션·이벤트	행사 조건/코드 적용 문의	2개 이상 할인, 첫구매 혜택, 코드 무효	기간성 프로모션 정책/코드	0044, 0054, 0057
추천인 코드	추천인 입력 위치/시점	추천인 코드	추천인 제도 관련	0026

E. 멤버십·정기구독 (6건)

세부카테고리	설명	대표 키워드	분류 기준	대표 VOC
멤버십 혜택 안내	무료배송 기준·적용 범위 문의	무료배송 기준, 혜택 범위	멤버십 자격 기반 혜택 안내	0012, 0052
멤버십 혜택 미적용	조건 충족했으나 혜택 미반영	멤버십인데 배송비 붙음	자격 기반 혜택 미적용	0031
멤버십 결제·중복	멤버십 자체 결제/중복 결제	멤버십 결제 두 번	멤버십 상품·서비스 결제 건	0020
멤버십 해지	해지 방법/환불 여부	멤버십 해지	멤버십 구독 종료	0042
정기배송 관리	정기배송 주기/변경	정기배송 주기 변경	구독형 배송 설정	0037

F. 계정·인증 (5건)

세부카테고리	설명	대표 키워드	분류 기준	대표 VOC
회원가입·인증	가입 단계 인증 실패	인증 문자 안 옴	신규 가입/본인인증	0005
로그인 오류	비밀번호 재설정 후 로그인 실패 등	로그인 실패, 오류 코드	인증 통과 단계 장애	0034
자동 로그아웃·세션	세션 유지 안 됨	자동 로그아웃, 자동로그인 안 됨	로그인 후 세션 유지 문제	0014
탈퇴·개인정보	탈퇴 오류·개인정보 삭제 요청	탈퇴 오류, 개인정보 삭제	회원 종료·개인정보 처리(법적 대응 우선)	0030, 0046

G. 상품·품질·AS (6건)

세부카테고리	설명	대표 키워드	분류 기준	대표 VOC
상품정보·옵션	상세정보/사이즈/옵션 안내 미흡	사이즈 가이드 없음, 옵션 헷갈림	구매 의사결정용 정보 부족	0019, 0055
사용법 문의	사용 방법/가이드 요청	사용법, 설명서 부족	정상품의 사용 안내	0045
초기 불량	수령 직후 작동 불가	전원 안 켜짐, 초기불량	수령 시점 제품 결함	0021
AS·수리	사용 중 이상·수리 접수	A/S, 수리	사용 중 발생 결함 사후서비스	0024
재고·재입고	품절/재입고 알림	재입고 알림	재고 가용성 문의	0058

H. 시스템·서비스운영 (3건)

세부카테고리	설명	대표 키워드	분류 기준	대표 VOC
앱·웹 기능 오류	검색·업로드 등 기능 자체 장애	검색 부정확, 업로드 실패	특정 거래와 무관한 기능 결함	0040, 0043
CS채널 운영	상담 연결 지연·대기 과다	전화 연결 안 됨, 대기 길음	상담 채널 운영 이슈	0050
기타·확인필요	위 분류 불가/정보 부족	(미상)	1차 분류 불가 시 임시 수용	–

3) 분류 우선순위 규칙 (겹침 처리)

상위 규칙이 하위보다 우선. 동일 건이 복수 후보에 걸릴 때 아래 순서로 판정한다.

1. 규칙 1 — 출고 시점 기준 (A↔B)
   배송지·주문정보 변경은 출고 전 = A(주문 변경), 출고 후 = B(출고 후 배송지 변경). "취소했는데 배송중"처럼 상태가 엇갈리면 고객 의도(취소)를 우선해 A로 분류하되 B 연계 처리 플래그를 단다.
2. 규칙 2 — 거래 귀속 vs 기능 장애 (A↔H)
   특정 주문·금액·결제 건으로 귀결되면 A(결제 오류·실패). 결제 외 기능 전반 결함(검색·업로드·조회 등)이면 H. 예) 결제 페이지 로딩 오류 → 거래 귀속 → A.
3. 규칙 3 — 자격 기반 vs 프로모션 기반 (D↔E)
   혜택 미적용 건은, 멤버십 자격으로 발생하는 혜택(무료배송·멤버십 할인)이면 E, 쿠폰·기간성 행사·적립금 등 프로모션이면 D. 예) "멤버십인데 무료배송 안 됨" → E.
4. 규칙 4 — 금전 정산 결과 vs 정책 안내 (C 우선)
   금액이 실제로 잘못 정산·미입금된 건은 C(환불 금액 오류/지연). 적용 조건·정책 자체를 묻는 건은 D 또는 E. 예) 할인 미반영 환불액 → 정산 결과 문제 → C.
5. 규칙 5 — 멤버십 결제는 E 우선 (A↔E)
   결제·중복결제 건이라도 대상이 멤버십 상품/구독 자체면 E(멤버십 결제·중복). 일반 상품 결제 문제만 A. 예) 멤버십 결제 2회 → E.
6. 규칙 6 — 법·권리성 사안 최우선 (F 격상)
   개인정보 삭제·탈퇴 등 법적 권리 관련 건은 다른 후보(시스템 오류 등)보다 F(탈퇴·개인정보)를 우선 적용해 처리 SLA·담당을 분리한다.

운영 적용 권장  ① 상담사 1차 입력은 대분류만 강제, 세부는 드롭다운 선택  ② 규칙 1·2·5 경합 건은 "연계 플래그"로 이중 추적  ③ 볼륨 상위 A·D 영역부터 표준 응대 스크립트·FAQ 우선 정비

② 라벨링 (행별 분류 부여)위 카테고리 체계를 기준으로 VOC 원천 데이터의 각 행에
대분류·세부 카테고리를 1개씩 부여해주세요.

[라벨링 규칙]
- 한 행당 주 이슈 1개만 선택, 고객 불편이 더 큰 이슈 우선
- 근거는 텍스트에 있는 표현만 사용(추측 금지)
- 애매하면 "세부카테고리=기타/확인필요" + 사유 메모
- 출력: 60행 전체 누락 없이 CSV/엑셀, 원본 컬럼 유지
  + 카테고리·세부카테고리·분류메모 컬럼 추가

[그림] 라벨링 결과 화면 — VOC 60행 전체에 카테고리·세부카테고리·분류메모를 채워 CSV/엑셀로 출력

강사 코멘트 라벨링은 데이터가 60행이라 시간이 다소 걸린다. AI가 파이썬 코드를 돌려 원본 데이터에 카테고리·세부카테고리·분류메모를 채워 넣고, 60행 누락 없이 CSV/엑셀로 다운로드까지 제공한다. 받은 뒤에는 데이터 개수(60행)가 빠짐없이 들어갔는지 먼저 확인하는 것이 핵심이다.

STEP 02 — 데이터 시각화 및 FAQ 구성 (생략) 

▶ 실무 TIP — 그래프 한글 깨짐 방지 (ChatGPT)

시각화 시 그래프 글자가 깨지는 일이 잦다. 강의에서는 한글 폰트 라이브러리 파일을 드래그&드롭으로 업로드하고, 프롬프트에 "그래프 내 모든 텍스트를 한국어로 표기"를 한 줄 더 명시했다. 라이브러리만 넣어도 되지만, 이 한 줄을 추가하면 한글 깨짐 확률이 눈에 띄게 줄어 재작업이 없어진다. 단, 이 효과는 같은 대화(세션) 안에서만 유지되므로 새 채팅을 열면 파일을 다시 올려야 한다.

핵심 정리 정성 데이터는 "분류 체계 설계 → 라벨링 → 시각화/FAQ" 순서가 핵심이다. 분류 기준을 사람이 먼저 못 박고("추측 금지, 텍스트 표현만"), 애매하면 '기타/확인필요'로 빼는 규칙을 둔 것이 데이터 신뢰도를 지키는 장치다.

---

4-3SciSpace — 논문 검색·요약 (기본)

학술 논문을 AI가 검색·요약·구조화해 주는 연구 보조 도구의 기본 사용법.

[그림] SciSpace 기본 화면 — 질문 입력 시 관련 논문을 검색·요약

SciSpace는 연구 논문을 AI가 요약·분석해 주는 연구 보조 도구다. 핵심 내용과 구조를 빠르게 파악할 수 있고, 딥리서치·'Chat with PDF'·'Find Topics' 기능을 제공한다. 답변이 인용에 적합한 구조로 생성돼 연구 자료·보고서 근거로 쓰기 좋다.

강사 코멘트 SciSpace는 "핵심 논문 한두 편을 깊게 파고드는 도구"다(2억여 편 논문 저장소 기반). 무료 버전은 프롬프트 입력 횟수가 제한돼 강의에서는 절반씩 나눠 진행하거나 강사와 함께 진행했고, 끊기면 집에서 한 번씩 써 보라고 권했다.

SciSpace 연동 설정 — 레퍼런스 매니저 연결

설정(Settings) → Connected Apps에서 Zotero·Mendeley(레퍼런스 매니저), OneDrive·GitHub·Notion(저장소·노트)을 연결하면 본인 라이브러리를 SciSpace 안에서 바로 검색·활용할 수 있다. 연결 전에는 [Connect], 연결 후에는 [Disconnect]로 표시된다.

[그림] SciSpace 연동 후 — Zotero 연결 시 해당 항목이 Disconnect로 전환

 

① 논문 검색하기 (목록화)

주제에 맞는 논문을 다량 검색해 목록으로 정리하는 단계다. 한국어 답변을 원하면 프롬프트에 명시한다.

논문 검색 프롬프트생성 AI 활용이 조직의 업무 생산성 향상에 미치는 영향에 대한
최신 연구 논문을 검색해주세요. 답변 시 한국어로 작성해주세요.

(변형 예)
- 국가 간 보복관세가 경제성장·무역 관계에 미치는 장기 영향
- LLM 아키텍처나 개선사항에 대한 최신 연구 논문

[그림] 논문 검색 결과 화면 — 질의에 대한 관련 논문 목록화

AI 논문 리서치 결과 — 생성형 AI와 조직 업무 생산성

L;DR  생성 AI는 업무 시간 단축·품질 향상 등 실증적 생산성 이익을 보이나, 효과는 직무·숙련도별로 크게 다르며 신뢰성·윤리·거버넌스·숙련 격차 등 한계가 존재한다. 향후 연구는 대규모 실험, 장기효과 관찰, 조직구조 변화 및 거버넌스 설계에 집중해야 한다.

SciSpace 검색 결과를 5개 축(수치·활용·긍정·한계·향후)으로 구조화. 우측 첨자 번호는 하단 References와 연결.

생산성 효과 및 수치

생성 AI가 조직 업무에서 관찰된 생산성 변화의 크기와 실증치를 요약한다.

• 시간 절감과 품질 개선 — 평균적 실험 증거는 중간 수준의 전문적 글쓰기 과제에서 소요시간이 약 40% 감소, 산출물 품질이 약 18% 향상되었다고 보고¹
• 현업 고객지원 생산성 — 현장 도입(약 5,000명 고객지원 사례)에서 시간당 처리 건수 기준 평균 생산성이 약 14% 증가²
• 팀 단위 성과 — 무작위 통제 실험에서 생성 AI로 보강된 팀이 전통적 인간팀보다 유의하게 높은 성과. 통합 방식에 따라 차이³
• 효과의 이질성 — 평균 개선에도 상당 비율이 개선 없음(글쓰기 34%, 데이터분석 42% 개선 없음)⁴
• 현장·사례 연구의 방향성 — 소프트웨어 개발 파일럿·문헌 리뷰는 전반적 긍정 인식과 함께 장·단점 혼재를 보고⁵⁶

주요 활용 분야 및 직무

조직 내에서 생성 AI가 주로 활용되는 업무 영역과 직무 유형을 정리한다.

• 정보 관리 및 콘텐츠 — 지식근로자 환경의 반복·표준화 텍스트 산출 자동화로 즉각적 이익⁷
• 문제 해결 및 분석 보조 — 데이터 해석 보조, 일부 팀 의사결정에서 시간 재분배·품질 향상에 기여⁷³
• 고객지원 및 서비스 — 처리량 증가·고객 감정 개선·관리 개입 감소 등 실효 보고²
• 소프트웨어 개발 보조 — 개발자 보조 도구로 일상적 코딩·디버깅 지원에 긍정적 평가⁵
• 조직 유형별 채택 차이 — 중소기업·대기업은 자원·확장성·거버넌스 요건 차이로 채택 경로 상이⁸

긍정적 효과

생성 AI 도입이 조직과 개인에 제공하는 이득을 실험·현장 증거 중심으로 정리한다.

• 생산성 향상 — 시간 절약과 품질 향상이 동시에 관찰되어 실질적 업무 효율 증대¹
• 약자 수혜·불평등 완화 — 초보자·저숙련 근로자가 상대적으로 큰 이득, 생산성 불평등 감소¹²
• 고객·조직 성과 개선 — 고객 감정 개선, 관리자 개입 감소, 이직률 개선 등 다면적 효과²
• 업무 재분배·의사결정 개선 — 단순 반복업무 축소, 고가치 활동으로 시간 재분배 가능⁷³
• 광범위한 수용·관심 — 다수 리뷰·설문이 시간절약·혁신 잠재력에 높은 기대를 보고⁹⁶

부정적 효과 및 한계점

도입·운영에서 관찰되는 위험·한계·부작용을 이론·실험·현장 근거로 정리한다.

• 출력 신뢰성 문제 — 환각(hallucination)·오류는 조직 리스크. 임계 이하 유지 실패 시 도입 저해, 휴먼 인 더 루프 필요¹⁰
• 검증 비용·관리 부담 — 인간 검증이 관리자 업무를 증가, 검증 비용에 따라 채택·구조 영향 변동¹⁰
• 성과 격차 확대 위험 — 활용 방식에 따라 고숙련-저숙련 격차 확대 가능(AI-specific Matthew Effect)¹¹
• 효과의 불균일성 — 일부 참가자는 성과 악화, 고능력 집단에서 성과 하락 사례도 보고⁴
• 조직·윤리·거버넌스 제약 — 데이터 프라이버시, 레거시 통합, 저항·신뢰 등 채택 장벽 존재⁸¹²
• 통합 한계·수익 체감 — 과다 도입 시 추가 이득 제한, 중앙화된 소수 활용이 더 효율적일 수 있음³

향후 연구 방향

문헌·실험 플랫폼 제안과 리뷰를 근거로 향후 연구 우선순위를 제안한다.

• 대규모·현장 실험 확대 — 멀티사이트 장기실험·자연실험으로 외적타당성 확보 필요¹³⁶
• 이질성 분석 심화 — 직무·숙련도·언어·도구별 이질성을 정량 분해, 이득/해악 집단 규명⁴⁶
• 신뢰성·환각 임계 연구 — 환각률 임계값과 인간검증 비용의 상호작용을 현실 데이터로 검증¹⁰
• 거버넌스·윤리 설계 — 데이터 프라이버시·책임성·교육/거버넌스 모델의 비교실험 평가⁸¹²
• 문해력·조직변화 연구 — GenAI 리터러시·교육이 생산성 효과를 매개하는 방식의 현장 개입 연구¹⁴⁶

References (14)

1. S. Noy and W. Zhang, "Experimental evidence on the productivity effects of generative artificial intelligence," Science, vol. 381, pp. 187–192, July 2023, doi: 10.1126/science.adh2586.
2. "Generative AI at Work," Apr. 2023, doi: 10.48550/arxiv.2304.11771.
3. N. Li, H. Zhou, and K. Mikel-Hong, "Generative AI Enhances Team Performance and Reduces Need for Traditional Teams," May 2024, doi: 10.48550/arxiv.2405.17924.
4. V. Nakavachara, T. Potipiti, and T. Chaiwat, "Experimenting with Generative AI: Does ChatGPT Really Increase Everyone’s Productivity?," Mar. 2024, doi: 10.48550/arxiv.2403.01770.
5. M. Coutinho et al., "The Role of Generative AI in Software Development Productivity: A Pilot Case Study," June 2024, doi: 10.48550/arxiv.2406.00560.
6. H. A. Naqbi, Z. Bahroun, and V. Ahmed, "Enhancing Work Productivity through Generative Artificial Intelligence: A Comprehensive Literature Review," Sustainability, Jan. 2024, doi: 10.3390/su16031166.
7. N. Sun and D. Kalar, "Gemini at Work: Knowledge Workers’ Perceptions and Assessment of Productivity Gains," July 2025, doi: 10.1145/3715336.3735679.
8. M. Al-kfairy, "Strategic Integration of Generative AI in Organizational Settings," IEEE Engineering Management Review, pp. 1–14, Jan. 2025, doi: 10.1109/emr.2025.3534034.
9. J. P. Davis and J. B. Li, "Early Adoption of Generative AI by Global Business Leaders," SSRN, Apr. 2024, doi: 10.2139/ssrn.4786119.
10. X. Fasheng, H. Jing, C. Wei, and X. Karen, "Generative AI and Organizational Structure in the Knowledge Economy," June 2025, doi: 10.48550/arxiv.2506.00532.
11. M. L. Call, K. Jiang, and C. Idso, "Star Advantage: Employee Value Creation and Capture in the Age of AI," Human Resource Management, Sept. 2025, doi: 10.1002/hrm.70023.
12. A. Manresa et al., "Humanizing GenAI at work," Journal of Managerial Psychology, Aug. 2024, doi: 10.1108/jmp-05-2024-0356.
13. J. Qu et al., "Epitome: Pioneering an Experimental Platform for AI-Social Science Integration," arXiv abs/2507.01061, June 2025, doi: 10.48550/arxiv.2507.01061.
14. A. Johri, J. Schleiss, and N. Ranade, "Lessons for GenAI Literacy From a Field Study of Human-GenAI Augmentation in the Workplace," arXiv abs/2502.00567, Feb. 2025, doi: 10.48550/arxiv.2502.00567.

 

[그림] SciSpace 인용·References 출력 화면 (보고서 근거로 활용)

② 논문 구조 파악·요약 ('Chat with PDF')

특정 논문을 올리고 결론·핵심을 비전공자도 이해하도록 쉽게 풀어 달라고 요청한다.

[그림] Chat with PDF — 특정 논문을 올린 뒤 결론·핵심을 비전공자용으로 요약 요청

논문 요약 프롬프트해당 논문의 결론을 비전공자도 이해할 수 있도록
쉽게 정리해주세요.
[Understanding Information Storage and Transfer
 in Multi-modal Large Language Models]

[토니치코 버전] 이 논문을 비전공자 기준으로 정리하되 아래 구조를 따르세요.

1. 한 줄 요약: 이 논문이 답하려는 질문과 핵심 결론
2. 배경/문제: 왜 이 연구를 했는가
3. 방법: 어떻게 분석했는가 (데이터 규모·기간·기법 포함)
4. 핵심 발견: 구체적 수치·트렌드 3~5개 (각 항목 끝에 근거 페이지/섹션 표기)
5. 저자가 제시한 한계와 후속 연구 방향
6. 실무 시사점: 이 결론이 현실에서 의미하는 바

규칙:
- 전문용어는 첫 등장 시 괄호로 풀이
- 본문에 근거 없는 내용은 "본문에 없음"으로 명시, 추측 금지
- 수치는 반올림 없이 원문 그대로

SciSpace 출력 결과 — [토니치코 버전] 프롬프트 적용 (한국어)

한 줄 요약  제너레이티브 AI(GAI, Generative AI)가 다양한 전문 분야의 기관 성과·업무 생산성 향상에 미치는 영향을 종합적으로 검토하고, 지배적 도구·트렌드·격차·향후 연구 전망을 식별하는 동시에 AI 과제·윤리적 고려사항의 중요성을 강조한 문헌 리뷰.

[토니치코 버전] 6단 구조(요약·배경·방법·핵심결과·한계·시사점)로 출력된 SciSpace 한국어 답변을 게시용으로 재구성. 수치는 원문 그대로 유지.

1) 배경 · 문제

왜 이 연구를 수행했는가.

• GAI는 작업 자동화·데이터 분석 개선·의사결정 지원·맞춤형 서비스 제공으로 여러 분야를 빠르게 변화시키며 효율을 높이고 오류·비용을 줄임
• ChatGPT 등 대형 언어 모델(LLM, Large Language Model)의 광범위한 확산과 급속한 발전으로 업무·일상을 재편하는 혁신 엔진으로 자리매김
• 본 연구는 GAI의 생산성 잠재력에 대한 포괄적 개요를 제공하고 현재 트렌드·격차를 분석, 전문 분야별 미래 전망을 예측하기 위해 수행

2) 분석 방법

체계적 문헌 검토(4단계) · PRISMA · 계량서지 분석.

• 데이터 수집 — Scopus 데이터베이스에서 'productivity' 'Conversational AI' 'employees' 'Chatbot' 'Generative AI' 'efficiency' 'workers' 'ChatGPT' 'GAI' 키워드로 검색
• 데이터 스크리닝 — 초기 683편 → 중복 제거 후 646편 → PRISMA(체계적 검토·메타분석 보고 지침) 준수 정밀 검토로 최종 159편 확정 (2014년 ~ 2023년 9월)
• 콘텐츠 분석 — 학계·엔지니어링·커뮤니케이션·농업·정부·비즈니스 등 다양한 전문 분야의 GAI 영향 분류
• 계량서지(서지) 분석 — 인용·참고문헌·공저·키워드 중심 학술 문헌 검토, VOSviewer(서지 네트워크 구성·시각화 소프트웨어)로 시각화 맵 생성
• 텍스트 데이터 분석 — 159편에서 1,419개 고유 용어 생성, 5회 이상 출현 15개. 발생 상위 8개: Machine Learning(18) · Deep Learning(16) · Efficiency(16) · User interface(11) · Human(11) · Performance(6) · Language(6) · Language model(5)
• 키워드 분석 — 1,419개 중 6회 이상 26개 선정. Artificial Intelligence(60) · Chatbots(45) · Chatbot(42) · Machine Learning(18) · NLP Systems(16) · NLP(15) · ChatGPT(17) · Deep Learning(16) · Efficiency(16) · Human(11)
• 문서 유형 분석 — Conference paper 75 · article 70 · review 8 · book chapter 4
• 도구 사용 분석 — Chatbots & Conversational Agents 48 · Generative AI Models 44 · AI Algorithms & Techniques 44 · AI Integration 9 · Adoption of Conversational Agents 9
• 연구 유형 — Research Methods 62 · Proposal and Development 39 · Model Development and Application 28 · Overview and Assessment 19 · Analysis and Solution 10

3) 주요 결과

• 연구 가속화 — GAI 연구가 2014년 이후 급격히 증가, 특히 2023년 ChatGPT 등 고급 도구 등장과 맞물려 출판물 급증
• 챗봇·대화형 에이전트 지배 — ChatGPT 중심 챗봇이 48개 기사로 최다 논의, 작업 자동화·업무 효율 향상에 특히 유용
• 다학문 영향 — 컴퓨터과학·AI 최다, 이어 비즈니스·조직관리, 의료 순. 학계·공학·커뮤니케이션·농업·비즈니스 등 성과 향상 잠재력
• 효율·인간 상호작용 초점 — 'efficiency'(16) 'human'(11) 'Machine Learning'(18) 'Deep Learning'(16) 빈출, 직원 효율·인간-AI 상호작용 개선 역할 부각
• 윤리·실용 문제 — AI 텍스트 생성기 오용, 학계·연구 무결성 유지 위한 책임 있는 개발 필요. 실용성·편향·인간 기술 보존이 핵심 쟁점이며 GAI는 인간 전문성을 대체가 아닌 보완해야 함

4) 저자가 제시한 한계 · 후속 연구 방향

• 한계 — 진화하는 분야 — GAI의 급속한 진화로 현재 연구 상태·통계는 분야 발전에 따라 크게 바뀔 수 있음
• 한계 — 금융 산업 격차 — 급성장 관심 분야인 금융 산업에 대한 GAI의 구체적 적용 문헌이 부족
• 후속 방향 — 조직 혁신의 다각적 영향(이점·위험·윤리/법) 평가, 의사결정·고객서비스 효과 조사, 교육자·연구자 역량·교육모델, 편향·차별 저감 방법론(AI+사회과학 학제 간), 품질보증·평가 모델(ML 통합), 암호화·데이터 보안, UX(언어·문화 적응성·포용적 인터페이스), 농촌 기술 접근 격차 해소, 의료 특정 영역(예측 분석·관리 프로세스 최적화), 법·규제 프레임워크(국제 표준·책임), 부문 간 협력, 윤리 프레임워크 제안·장기 사회 영향

5) 실무 시사점

GAI는 단순한 기술 향상이 아니라 산업 전반의 작업 수행 방식을 바꾸는 근본적 변화다. 조직은 작업 자동화·의사결정 개선·전반적 효율 향상으로 경쟁우위를 확보하고, 운영 비용·오류를 줄여 직원이 더 복잡·창의·전략적 업무에 집중하도록 할 수 있다. 단 성공적 구현에는 균형 잡힌 접근이 필요하다 — 데이터 프라이버시·잠재 편향 등 윤리적 고려를 해결하고 GAI가 인간 기술을 대체가 아닌 보완하도록 설계해야 하며, 직원 교육 투자와 윤리·데이터 보안 프레임워크 구축이 전제다. 의료 분야는 절차 간소화·진단 오류 감소가 가능하나 환자 데이터 보호용 윤리 프레임워크가 필수이고, 학계는 행정 효율·교육자료 생성이 가능하나 무결성 유지를 위한 사용 관리가 필요하다. 종합하면 GAI의 생산성 잠재력은 크지만 도입은 전략적·책임 있고 인간 중심적이어야 편익을 극대화하고 위험을 줄일 수 있다.

표기 안내  위 내용은 [토니치코 버전] 프롬프트에 대한 SciSpace 한국어 출력 결과를 게시용으로 재구성한 것이다. 모든 수치는 원문 그대로 유지했으며, 자동번역 과정의 명백한 표기 오류(예: 'Open' → OpenAI, 'VosViewer' → VOSviewer)만 정정함. 영문 원문 화면은 위 캡처로 갈음.

(변형 예)
투자 보류 문제(investment hold-up)가 실제 기업 의사결정에
어떤 영향을 미치나요
[The Likely Micro- and Macro-Economic Consequences
 of a Unilateral US Trade Policy]

'PDF와 대화하기'에서는 다음 기능을 제공한다.

• ① 쉬운 설명 — 의미·맥락을 쉬운 표현으로 풀어 설명
• ② 문단 요약 — 선택한 문단의 핵심만 요약
• ③ 연관 논문 — 관련된 논문 찾기
• ④ 형광펜 — 하이라이트 기능

③ Find Topics (연구 주제 확장)

키워드·질문을 바탕으로 연구로 확장 가능한 주제와 핵심 개념, 연관 논문 목록을 제안받는다.

주제 검색 프롬프트태양광 패널용 고효율 소재의 성능 향상은
전 세계 에너지 절약 및 지속 가능한 발전에
어떤 영향을 미칠 수 있을까?

(변형 예)
우주데이터와 인공지능 산업의 결합이 미래 산업 발전에
어떤 기여를 할 수 있을까?

▶ 실무 TIP

SciSpace 답변은 인용에 적합한 구조로 나오므로, 정책보고서·제안서의 학술 근거를 보강할 때 그대로 활용할 수 있다. 논문을 자주 찾는 연구·기획 직군에 특히 유용하다.

---

6-3SciSpace — 부동산 학술 논문 검색 (응용)

4-3의 SciSpace 사용법을 부동산 마케팅 실무 주제에 그대로 적용하는 응용 실습.

도구와 사용법은 4-3과 동일하고, 검색 주제만 부동산 분야로 바꾼다. 주택 공급 추이·구매자 행동·입지 프리미엄 등 마케팅 기획에 바로 쓰는 주제를 학술 근거로 확보하는 것이 목적이다.

부동산 논문 검색 프롬프트최근 5년간 한국의 주택 공급 추이와 부동산 시장 변화를
분석한 학술 논문을 찾아주세요. 답변 시 한국어로 작성해주세요.

(변형 예)
- 주택 구매자 행동과 부동산 마케팅 전략 관련 학술 논문
- 지역별 주택 수요 및 입지 프리미엄 분석 최신 연구 논문

[토니치코 버전]
[역할] 한국 주택시장 분석가. 공급 충격의 전이 경로를 시장별로 분해.
상관과 인과를 엄격히 구분하고, 교란변수를 통제 서술.

[전제 — 선행 분석 연계]
- 입력 데이터: 앞서 산출한 2021~2025년 연도별 인허가·착공·준공
  (전국/수도권/서울, 전체주택·아파트) 수치를 공급 변수로 사용. 재집계 금지,
  선행 표 A·B를 그대로 참조.
- 핵심 공급 변수 우선순위: 준공·입주물량(전세시장 직접 영향) >
  착공(2~3년 후 입주 선행지표) > 인허가(중장기 기대).

[분석 질문]
주택공급 감소가 ① 전세 ② 매매 ③ 청약 시장에 미친 영향.
단순 동행이 아니라 '전이 경로(transmission channel)'와 '시차(lag)'를
명시적으로 규명.

[전이 경로 — 가설로 제시 후 데이터로 검증]
- 준공·입주물량 감소 → 전세 공급 위축 → 전세가격지수·전세가율 변동
- 착공·인허가 감소 → 미래 입주 기대 약화 → 매매 가격·거래량 선반영
- 분양물량 감소 → 청약 경쟁률·가점 컷·무순위 청약 변동
- 시차 구조 명시: 인허가→착공→준공→입주 통상 시차(추정치·근거 표기)

[시장별 검증 지표 — 각 지표 출처·기준일·URL 표기]
1) 전세: 전세가격지수, 전세가율, 전월세전환율, 전세↔월세 거래 비중,
   갱신계약 비중, 전세 매물량
2) 매매: 매매가격지수, 거래량, 미분양·준공후미분양, 매수우위지수,
   매매-전세 가격 동조성
3) 청약: 1순위 청약경쟁률, 당첨가점 컷, 미분양, 무순위(사후접수) 발생,
   청약통장 가입자 수 추이

[교란변수 통제 — 공급 단독 효과 분리]
공급 외 동시 작용 요인을 반드시 분리 서술. 공급에 과대 귀속 금지:
- 금리: 한국은행 기준금리·주담대 금리 추이
- 정책·규제: 임대차 2법(2020.7~), DSR·LTV, 대출규제, 분양가상한제
- 전세시장 교란: 전세사기·역전세(2022~2023), 갭투자 위축
- 경기·심리: 가구 분화, 거시 경기
→ 각 시장 변동에서 '공급 기여분 vs 기타 요인 기여분'을 정성 판단으로
  구분하고, 단정 근거 부족 시 '추정'·'식별 불가' 표기.

[지역 차별 분석]
수도권 / 지방 비대칭 반응 명시(예: 지방 미분양 누적 vs 수도권 전세
경직). 전국 평균 뒤에 가려지는 지역 격차를 별도 항목으로.

[산출물 형식]
1) 전이 경로 다이어그램: 공급단계 → 각 시장 지표 (시차·방향 표기)
2) 시계열 그래프: 공급(준공·착공) vs 전세가·매매가·청약경쟁률 동반 추세
   (이중축, 시차 정렬 버전 포함)
3) 시장별 지표 표: 연도 × 지표 × 지역
4) 교란변수 통제 서술 (시장별 공급 기여 판단 + 근거)
5) '확인 필요·식별 한계' 섹션: 인과 식별 불가 항목, 데이터 공백 명시

[품질 통제]
- 상관 ≠ 인과. 동행 데이터를 인과로 단정 금지
- 확실 / 추정 / 모름 3단 표기
- 반증 가능성 명시: 공급 외 요인이 지배적이었을 가능성을 적극 검토
- 출처 우선순위: 한국부동산원(주택가격동향·전월세전환율) > 청약Home·
  한국부동산원 청약통계 > KOSIS > 국토부 실거래가 > 지자체 거래량 통계
- 시의성 항목은 웹 검색 확인, 검색 결과 우선
- 결론 → 근거 → 부연 순서

검색 주제	마케팅 기획 활용 포인트
주택 공급 추이·시장 변화	분양 시점·물량 전략의 거시 근거 확보
주택 구매자 행동·마케팅 전략	타깃 메시지·소구점 설계의 학술 근거
지역별 수요·입지 프리미엄	입지 가치 소구·가격 전략의 논거

핵심 정리 4-3에서 익힌 "검색 → Chat with PDF 요약 → Find Topics 확장" 흐름을 부동산 주제에 그대로 적용한다. SciSpace 결과는 인용 구조로 제공되므로, 부동산 정책보고서나 분양 제안서의 학술적 근거 보강에 바로 연결할 수 있다.

▶ 강사가 강조한 활용 흐름

부동산 실무는 보통 "Perplexity로 시장 동향 파악 → NotebookLM으로 공식 문서 정독 → SciSpace로 학술 근거 보강 → ChatGPT/Claude로 보고서·시각화"의 조합으로 흐른다. SciSpace는 그중 '근거의 신뢰도'를 책임지는 단계다.

한국부동산마케팅협회(KREMA) · 2026 매력일자리 — 생성형 AI 활용 마케팅 기획 업무생산성 향상 (1일차)

본 자료는 1일차 강의 중 VOC 정성 데이터 분석 실습과 SciSpace 논문 검색 항목만 발췌해 초보자용으로 재구성한 정리 문서입니다.
정리 : 토니치코