회의 30분 전, 엑셀에는 자유 의견 180개와 숫자 응답 수백 줄이 쌓여 있는데 담당자는 “그래서 직원들이 뭘 불편해하나요?”라는 질문에 한 문장으로 답해야 하는 상황이 생긴다. 챗지피티로 설문조사 결과 분석하는 법의 핵심은 AI에게 원본을 통째로 맡기는 일이 아니라, 사람이 질문과 기준을 정한 뒤 반복 작업을 맡기는 데 있다. 급할수록 순서가 중요하다.
챗지피티는 응답 요약, 자유서술형 의견의 주제 분류, 항목별 비교 문장 초안 작성에는 힘을 보탠다. 반면 표본이 충분한지, 문항 설계가 편향됐는지, 통계적으로 의미 있는 차이인지는 모델 답변만으로 정하지 않는다. 특히 만족도 4.2점과 4.0점의 차이가 실제 우선순위 차이인지는 응답자 수와 분포를 같이 봐야 한다. 숫자는 맥락이 필요하다.
분석 전에 데이터부터 정리한다
가장 먼저 설문 목적을 한 줄로 적는다. 예를 들어 “사내 복지 제도 만족도를 확인하고 다음 분기 개선 항목을 고른다”처럼 결정할 일을 적어야 한다. 목적이 없으면 요약은 길어지고 보고서는 흐려진다.
원본 파일에는 이름, 이메일, 전화번호, 사번, 고객번호, 상세 주소, 계약 정보처럼 식별 가능성이 있는 값이 섞이기 쉽다. 외부 AI 서비스에 입력하기 전에는 이런 열을 삭제하거나 범주값으로 바꾼다. 예를 들어 부서명도 인원이 적은 조직이라면 ‘사업부 A’처럼 넓게 묶는 편이 낫다. 민감한 인사·건강·노무·고객 데이터는 사내 승인된 도구와 반입 정책을 먼저 확인한다.
파일 구조도 단순하게 만든다. 한 행은 응답자 1명, 한 열은 질문 1개라는 원칙을 지키고 빈칸, 중복 응답, 선택지 표기를 통일한다. ‘매우 만족’, ‘매우만족’, ‘5점’을 같은 뜻으로 섞어두면 분류 결과도 흔들린다. 정리부터다.
- 설문 목적과 보고받을 사람의 질문을 적는다.
- 개인식별정보와 민감 내용을 제거하거나 범주화한다.
- 문항명, 선택지, 응답 단위를 통일한다.
- 숫자 문항과 자유 의견 문항을 분리한다.
- 응답자 수, 조사 기간, 제외 기준을 기록한다.
챗지피티로 설문조사 결과 분석하는 법의 작업 순서
숫자 결과는 먼저 엑셀이나 스프레드시트에서 집계한다. 문항별 응답 수, 평균, 중앙값, 긍정 응답 비율, 무응답 수를 계산한 뒤 챗지피티에는 집계표와 해석 목적을 함께 준다. AI가 계산까지 맡으면 숫자를 잘못 읽었을 때 오류 위치를 찾기 어렵다.
5점 척도라면 긍정 비율 기준을 먼저 고정하는 방식이 실무에서 편하다. 예컨대 4점과 5점을 긍정, 1점과 2점을 부정으로 정의하고 모든 문항에 같은 규칙을 적용한다. 응답자 80명 중 52명이 4점 이상이면 긍정 비율은 65%다. 계산은 단순하다. 다만 문항마다 기준을 바꾸면 비교가 무너진다.
자유 의견은 한 번에 결론을 요구하지 말고 세 단계로 나눈다. 먼저 응답을 짧게 정제해 중복 표현과 무의미한 답변을 표시한다. 다음에는 주제를 5~8개 안팎으로 묶고 각 주제의 응답 수와 대표 표현을 뽑는다. 마지막으로 사람이 원문을 다시 읽으며 분류가 맞는지 확인한다. AI는 빠르지만 현장 용어의 뉘앙스까지 항상 맞히지는 않는다.
바로 써볼 수 있는 요약 프롬프트
아래처럼 역할, 입력 범위, 출력 형식을 분명히 적으면 답변이 덜 흔들린다. “당신은 분석가” 같은 긴 역할극보다 결과물의 기준을 적는 편이 낫다.
프롬프트 예시 아래는 익명화한 사내 설문 자유 의견이다. 응답을 6개 이하 주제로 분류해줘. 각 주제마다 ①주제명 ②응답 수 ③대표 의견 2개를 제시해줘. 원문에 없는 원인이나 해결책은 추측하지 말고, 분류가 애매한 응답은 별도 목록으로 남겨줘. 마지막에는 개선 우선순위를 판단할 때 추가로 확인할 질문 3개를 적어줘.
숫자와 의견을 함께 읽을 때는 “평균 점수가 낮은 문항과 관련 자유 의견을 연결하되, 직접 연결 근거가 없는 내용은 별도 가설로 표시해줘”라고 요청한다. 이 한 줄이 사실 요약과 해석 가설을 섞는 일을 막는다. 보고서 신뢰도도 올라간다.
데이터 해석에서 놓치기 쉬운 함정
응답 수가 적은 집단의 평균은 쉽게 출렁인다. 예를 들어 5명인 팀의 평균 3.0점과 100명인 팀의 평균 3.2점을 단순 비교해 우선순위를 정하면 오판하기 쉽다. 각 집단의 응답 수를 표기하고, 너무 작은 집단은 개별 비교 대신 참고 의견으로 다루는 편이 안전하다.
부정 의견이 많다는 사실만으로 원인을 확정해서도 안 된다. “회의가 많다”는 답변은 회의 시간, 의사결정 지연, 참석 인원, 업무량 중 무엇을 뜻하는지 추가 질문 없이는 알기 어렵다. 설문은 신호를 찾는 도구다. 진단 그 자체는 아니다.
| 챗지피티에 맡길 일 | 사람이 확인할 일 |
|---|---|
| 자유 의견 요약과 주제 후보 생성 | 주제명, 원문 맥락, 예외 응답 검토 |
| 보고서 문장 초안과 표 설명 작성 | 수치 대조, 표현 강도, 의사결정 적합성 판단 |
| 추가 조사 질문 제안 | 문항 편향, 개인정보, 조사 목적 검토 |
분석 결과를 공유할 때는 “응답자 126명 중 58%가 개선 필요를 선택했다”처럼 분모를 같이 쓴다. “과반이 불만이다”라는 문장은 빠르지만 어떤 선택지를 묶었는지 알기 어렵다. 조사 기간과 무응답 처리 기준도 보고서 아래에 남긴다. 작은 메모가 나중에 큰 질문을 막는다.
보고서로 옮기는 간단한 틀
실무 보고서는 세 장이면 시작한다. 첫 장에는 조사 목적과 응답자 수, 둘째 장에는 핵심 수치 3개와 자유 의견 주제, 셋째 장에는 다음 행동 후보를 둔다. 행동 후보는 “복지 개선”처럼 넓게 쓰지 말고 “점심 지원 제도 안내 페이지 개편 후 한 달 이용률 확인”처럼 담당자와 확인 지표가 보이게 적는다.
챗지피티에 최종 보고서 초안을 요청한 뒤에는 원자료 5~10개를 무작위로 골라 인용과 분류를 대조한다. 숫자는 집계표와 한 번 더 맞춘다. 이 검토는 생략하면 안 된다. 생성형 AI는 그럴듯한 문장을 만들지만, 사실 검증 책임까지 가져가지는 않는다.
자주 묻는 질문
엑셀 파일을 그대로 올려도 되나
파일 업로드 가능 여부보다 조직의 데이터 반입 정책이 먼저다. 개인정보와 영업상 민감한 내용은 제거하고, 승인된 업무용 환경인지 보안·IT 담당 부서에 확인한 뒤 사용한다. 원본 대신 집계표와 익명화한 발췌문으로도 상당수 작업을 진행한다.
응답이 20개뿐인데 분석할 가치가 있나
있다. 다만 전체 의견을 대표한다고 크게 말하기보다 탐색 자료로 쓴다. 반복되는 불편을 찾고 후속 인터뷰나 추가 설문 질문을 만드는 용도가 적합하다. 응답 수 자체를 결과와 함께 밝혀야 한다.
챗지피티가 만든 주제 분류는 몇 개가 적당한가
보고서 독자가 한눈에 읽을 수 있는 5~8개부터 시작하면 좋다. 주제가 너무 많으면 행동 우선순위가 사라지고 너무 적으면 서로 다른 문제가 섞인다. 애매한 응답을 억지로 넣지 말고 ‘기타’나 ‘판단 보류’로 남긴다.
평균 점수만으로 개선 순위를 정해도 되나
평균은 출발점이다. 긍정·부정 비율, 응답 수, 자유 의견의 구체성, 개선 가능한 범위를 함께 본다. 낮은 점수라도 당장 바꾸기 어려운 구조적 문제와 작은 비용으로 해결할 불편은 대응 방식이 다르다.
AI가 제안한 결론을 보고서에 그대로 써도 되나
초안으로 활용하고 사람이 표현을 확정한다. 특히 “원인은 이것이다”, “전 직원이 원한다”처럼 강한 문장은 원자료와 조사 설계가 뒷받침하는지 확인한다. 확인되지 않은 해석은 가설 또는 추가 확인 항목으로 분리하는 편이 낫다.
관련 글
이 글은 일반적인 정보 제공과 참고 목적으로 작성되었으며, 법률 자문·보안 컨설팅·컴플라이언스 판단을 대체하지 않습니다. 소개하는 설정과 절차는 소프트웨어 버전이나 조직 환경에 따라 다르게 동작할 수 있으며, 어떤 보안 조치도 완전한 안전을 보장하지는 않습니다. 실제 적용 전에는 반드시 소속 조직의 정책과 담당 부서(보안·IT·법무)의 확인을 거치고, 중요한 시스템에는 백업과 사전 테스트 후 적용하시기 바랍니다. 규제 해석과 합법·불법 여부는 사안과 시점마다 달라질 수 있으므로 공식 규정과 전문가 상담으로 확인이 필요합니다. 본 사이트는 내용의 정확성과 최신성을 보장하지 않으며, 이 글의 내용을 적용하여 발생하는 어떠한 결과에 대해서도 책임을 지지 않습니다.