[OZ코딩스쿨] Part 3-3 생성형 AI 활용한 데이터 분석(ChatGPT)_회고

[DAY 39]

 

<생성형 AI>

• 업무 자동화의 확장
• 생산성 향상
• 역량의 새로운 정의
• → AI 시대의 생산성 향상
• 한계
  • 맥락 이해의 한계 - 의도와 상황 충분히 전달하지 않으면 의도와 다른 결과 생성
  • 전문성 판단의 한계 - 고도의 전문 지식이나 복합적 의사결정 필요하면 표면적 답변에 머무름
  • 대화 기억의 한계 - 대화 길어질수록 이전 맥락 누락, 일관성 떨어짐
  → AI의 한계와 기대치 : AI의 한계를 이해할수록 더 좋은 프롬포트를 설계할 수 있음
• 핵심역량
  • 명확한 전달력 - 목적, 맥락, 형식, 조건 정확하게
  • AI 리터러시 - AI를 잘 쓰는 능력을 갖춘 사람

<프롬포트 엔지니어링> : AI가 원하는 결과 생성하도록 질문과 지시 설계하는 기술

• Garbage In, Garbage Out → 구체적 질문, 명확한 결과
• 특징
  1. 모순된 문장
  2. 프롬프트와의 불일치
  3. 사실 왜곡
  4. 허위 정보 생성
• Hallucination = AI 환각 : 실제 존재하지 않거나 맥락에 맞지 않는 정보를 사실인 것처럼 제시
  • 원인
    • 통계적 단어 예측 방식 - 문맥상 ‘다음에 올 확률이 높은 단어’ 예측
    • 불완전한 학습 데이터 - 출처가 불분명하거나 오류, 편향된 데이터 학습했을 경우
    • 불확실성 인지 능력 부족 - “모른다”고 답하기보다, 확률적으로 그럴듯한 내용 ‘추측’
  • 예방 방법
    • 사실이 아닌 내용 지어내지 않기 - 지식 범위 벗어나면 “제 지식 범위를 벗어납니다”라고 명시 / 추론이 필요한 경우 “추측입니다”라고 먼저 밝히기
    • 답변 작성 방식
      1. 먼저 답변의 근거 확인 > 2. 근거가 신뢰할 만한 자료인지 스스로 평가 > 3. 마지막에 결론만 요약 > 4. 근거가 약하면 “정확하지 않을 수 있습니다”라고 명시
    • 근거 기반 표현 사용 - “~에 근거하면” “일반적으로 ~로 알려져있다” - 구체적 연도, 수치, 인명, 지명을 언급할 때 정확도: 높음 / 중간 / 낮음 함께 표시
    →
    1. 검색증강생성 (RAG Retrieval-Augmented Generation) - 신뢰할 수 있는 외부 데이터나 문서 먼저 검색 후 답변하게 만들기
    2. 프롬프트 엔지니어링 - “출처를 명시해달라”, “모르면 모른다고 답해라”, “추측하지 마라”
    3. 결과 검증 - 교차 검증 거치거나 원본 데이터와 인용구 직접 확인하는 습관
• 원칙
  1. 사실과 견해의 구분 - 정보의 성격을 스스로 검증하고 분류하도록 만들기
  2. 구조화된 포맷 + 예시 제공 (Few-Shot) - 적절한 공백과 줄바꿈
     1. 가독성 확보
     2. Few-Shot : 설명보다 예시 - 실제 예시 1~3개 보여주는 것, 원하는 톤/형식/수준을 예시로
     3. 일관성과 재현성 분리 - 예시 없이 요청하면 매번 다른 형식의 답변 나옴
  3. 구조화된 출력 형식 지정
     1. 명확성 - 형식과 구조 명시
     2. Use Case 명시 - “엑셀에 붙여넣을거야”, “노션에 올릴거야”, “팀장님께 보고할거야” 추임새
     3. 자동화 및 연동성 - 후속 데이터 분석, 자동화 시스템과의 연동, 정형화된 보고서 작성
  4. 자기 검증 강화
     1. 불확실성의 인정 - “만약 확실하지 않다면 모른다고 대답해라”
     2. 신뢰도 등급 표시 - 각 정보에 “확실 / 추정 / 불확실” 등급 표시
     3. 할루시네이션 현상 차단
  5. 역할 + 맥락 + 멀티태스킹 복합 프롬프트 - Role, Context, 다중 지시, 제약 조건 유기적으로 결합
     1. 구체적 역할 + 맥락
     2. 연쇄적 작업 처리 - “데이터를 분석하고 → 핵심 요약한 뒤 → 보고서로 작성하라”
     3. 부정적 제약 명시 - “하지 말 것”, “전문 용어 사용 금지”, “추측성 내용 포함 금지”

 

[결과 체크리스트]

1. 지금 필요한 것이 사실(Fact)인가, 의견(Opinion)인가?
2. 사실이라면 내가 과거에 많이 본 패턴이나 근거가 있는 내용인가?
3. 고유명사, 날짜, 숫자를 말할 때 확실한가?
4. 확실하지 않다면 “대략적인 정보”, “추측”이라고 명시했는가?

---

[DAY 40]

 

<AI를 활용한 리서치>

• 데스크 리서치 - 자료의 성격 / 시간과 비용
• 핵심요소
  • 조사 대상 - 누구를 대상으로 하는가
  • 활용 목적 - 시장 동향 및 규모는 어떻게 되는가
  • 데이터 출처 - 신뢰할 수 있는 자료인가
• 장점
  • 데이터의 구조화
  • 압도적 속도
  • 문서 초안 자동화
• 단계별 활용
  1. 목표 설정 : 리서치의 목적과 범위를 구체적으로 정의하고, 모호한 질문은 피하기
  2. 정보 수집 : AI에게 핵심 키워드를 사용하여 필요한 자료 탐색하고, 신뢰할 수 있는 레퍼런스 요청
  3. 데이터 분석 : 수집된 정보 요약, 비교, 분류하고 구조화된 분석 요청
  4. 인사이트 도출 : 분석된 데이터에서 중요한 의미와 시사점 찾기
  5. 보고서 작성 : 최종 결과를 문서화하여 발표 자료나 보고서 만들기
• 필수조건
  1. 명확한 리서치 목표 설정 (ex. “2024년 20대 타겟 SaaS 온보딩 전략”)
  2. 핵심 키워드 준비 - 업계 전문 용어, 경쟁사 이름, 주요 제품명 등 미리 정리 (ex. “핀테크 앱(토스, 카카오페이)의 온보딩 UX 패턴과 주요 기능 구조 분석해줘”)
  3. 신뢰할 수 있는 출처 확인 (ex. “위 내용의 근거가 되는 공식 리포트나 통계 자료를 출처와 함께 제시해줘”)
  4. 후속 질문(Follow-up) - “왜?”, “구체적 예시는?”, “출처는 어디야?” (ex. “핵심 요약 후, 왜 그런 결과가 나왔는지 원인과 구체적인 사례까지 함께 설명해줘”)
• 한계
  • 정보 왜곡 (환각 현상) → 반드시 원문이나 공식 문서 찾아 교차 검증 진행해야 함
  • 전문성 있는 정보의 한계 → 전문가 자문이나 전문 서적을 통해 깊이 있는 내용 보충
  • 맥락 및 문화적 이해 부족 → 사람의 직관과 경험을 바탕으로 문화적 뉘앙스 해석하고 보완

<LLM AI 서비스>

• Perplexity - 검색 결과 출처 동시 제공 → 정보 검증의 신속성
  • ⭐️ 데스크 리서치 최적화 툴 - 실시간 검색 + AI 요약, 투명한 출처 제공, 검증 프로세스 단축
• Gemini - 구글 생태계 연동 → 워크플로우 통합
  • ⭐️ 데스크 리서치 최적화 툴 - 3가지 답변 옵션 제공, 고도화된 이미지 분석, Google Docs 즉시 연동
• Goover - 브리핑 및 시각화 → 아이디어 확장 및 인사이트
  • 다중 질문 처리 & 후속 질문 제안, 브리핑 레퍼런스 briefing reference
  • 커넥텀 connectum, 맞춤형 리포트
• Claude - 긴 문맥(Context) 처리 능력 → 낮은 할루시네이션 성향
• Grock - 실시간 소셜 데이터 분석 (X 데이터) → 실시간 트렌드 파악
• Manus - 에이전트 기반 리서치 수행 → 심층 리서치 자동화

<프롬프트 프레임워크> - by. Khizer Abbas (Growth Marketing Specialist)

• RTF
  • Role 역할 - 챗GPT에게 특정 역할 부여
  • Task 작업 - AI가 수행해야 할 구체적 작업 지시
  • Format 형식 - 결과물의 출력 형식 지정
• TAG
  • Task 작업 - AI가 수행해야 하는 작업 지시
  • Action 행동 - 수행하기 위한 구체적 단계나 행동 지시
  • Goal 목표 - 작업을 통해 달성하고자 하는 결과 명시
• CARE
  • Context 맥락 - 작업에 대한 배경 및 맥락 정보 제공
  • Action 행동 - 작업을 수행하기 위한 구체적 단계나 행동 지시
  • Result 결과 - 원하는 결과물의 형태 및 기대 결과
  • Example 예시 - AI가 참고할 수 있는 결과물 예시
• RISEN
  • Role 역할 - 특정 역할 부여
  • Instructions 지시 - 수행해야 할 작업 명확히 지시
  • Steps 단계 - 수행하기 위한 단계 설정
  • End goal 최종 목표 - 달성해야 할 최종 목표 지시
  • Narrowing 구체화 - 제약 조건 명시
• CO-STAR
  • Context 맥락 - 배경 및 맥락 정보 제공
  • Objective 목표 - 수행해야 할 작업 명확히 지시
  • Style 스타일 - 서술 방식 및 문체 지정
  • Tone 어조 - 글의 정서나 분위기 지정
  • Audience 독자 - 대상으로 하는 독자 지정
  • Response 응답 형식 - 응답 포맷 지정(보고서, 블로그, sns 드
• STICC
  • Situation 상황 - 특정 역할(페르소나)과 문제의 배경 구체적으로 제시
  • Task 과업 - 수행해야 할 주요 업무 명확히 명시
  • Intent 의도 - 이 일을 왜 해야 하는지, 결과물이 어떻게 쓰일지 목적 설명
  • Concern 우려 - 수행 시 피해야 할 위험이나 반드시 지켜야 할 제약 조건 언급
  • Calibration 조율 - 작업 수행 시 피해야 할 위험이나 결과물의 형식이나 모호한 부분에 대해 AI와 협의 요청, 지켜야 할 제약 조건 언급

---

[DAY 41]

 

<데이터 활용>

• 이유
  • 팩트 체크 - 디자인 변경이 KPI에 미치는 영향 정량적으로 확인
  • 타겟 저격 - 각 사용자 그룹 특성별 맞춤형 솔루션 설계
  • 지속 발전 - 실패에서 배우고 성과를 반영하는 개선 사이클 구축
  • 역량 인정 - 비즈니스 지표 변화를 구체적인 수치로 제시
• 종류
  • 숫자 데이터(정량) : “얼마나 많이?”
    • 명확한 숫자, 측정 가능 / 클릭 수, 체류 시간, 이탈률 / 성과 검증, A/B 테스트
    • 행동데이터(정량) : 사용자의 ‘어떻게’
      • 세션 리플레이 - Hotjar, FullStory 등의 도구 활용해 사용자의 화면 조작 과정 녹화, 이탈 잦은 구간 자동으로 시각화
        • 사용자가 어디서 헤매고 포기하는지 눈으로 직접 확인해 UX의 급한 불(Pain Point) 즉시 해결
      • 클러스터링(Clustering) - 비슷한 행동 패턴 보이는 사용자들 자동으로 묶어 분류
        • 우리가 몰랐던 새로운 사용자 유형(persona) 발견, 각 그룹에 맞는 맞춤형 기능 설계
  • 텍스트 데이터(정성) : “왜 그랬을까?”
    • 언어, 감정, 구체적 이유 / 리뷰, 인터뷰, 고객 문의 / 문제 발견, 아이디어 도출
    • 피드백 분석(정성) : 감정 분석, 주제 모델링
      • 감정 분석(sentiment analysis) - 리뷰의 긍정/부정 비율 정량화해 제품에 대한 만족도 파악, 긴급 대응이 필요한 부정 이슈 초기에 감지
      • 주제 모델링(topic modeling) - 피드백에서 자주 언급되는 핵심 키워드 그룹화, 개선 우선순위 도출
  • 핵심 목표(KPI) : 우리 디자인이 성공했는지 판단하는 지표
    • 비즈니스 성공의 기준 / 신규 가입자 수, 구매 전환율 / 프로젝트 성공 여부 판단
• 핵심 지표
  • KPI (Key Performance Indicator) : 디자인을 통해 얻고자 하는 최종 목표
  • 전환율(Conversion Rate) : 구매나 가입같은 우리가 원하는 행동 완료한 비율
  • 이탈률 (Drop-off) : 중간에 포기하고 나간 비율
  • 체류시간 (Duration) : 화면에 머문 시간, 너무 짧으면 관심 X, 너무 길면 헤매고 있음 O
  • 활성 사용자 (MAU/DAU) : 실제 앱을 쓰는 진짜 사용자 수
• AI활용 분석 주의사항
  • 개인 정보 보호 (Privacy)
  • 결과 검증 (Verification)
  • 최종 결정권 (Decision)

 

<정성데이터>

• 리뷰크롤링 (Review Crawling) ⛓️ https://oz-reviewcrawler.vercel.app

• 사용자의 실제 경험과 불만 사항 파악
• 서비스의 강점과 약점 발견
• 사용자 니즈 및 잠재 욕구 도출
• 개선이 필요한 기능 및 문제점 탐색
• 경쟁 서비스에 대한 사용자 반응 비교 분석
• 프로세스
  • 사이트 접속 > 구글 플레이스토어 id값 추출 > id값 입력 후, csv파일로 다운 > GPT로 데이터 분석하며 패턴, 인사이트 발견
• EDA 분석 (Exploratory Data Analysis) : 본격 분석 전 다양한 관점에서 데이터 탐색하며 패턴, 특징, 이상치, 관계 발견
  • 데이터 전반적 특성 이해
  • 사용자 행동 패턴 파악
  • 주요 지표 간 관계 탐색
  • 문제 정의 및 가설 수립의 근거 확보

 

<프롬프트 프레임워크>

• STICC - by. Gary Klein : 복잡하거나 불확실한 상황에서 빠르게 의사결정할 수 있도록 돕는 커뮤니케이션 프레임워크
  • Situation 상황 : AI에게 특정 역할(페르소나)과 문제의 배경 구체적으로 제시
  • Task 과업 : AI가 수행해야 할 주요 업무 명확히 명시
  • Intent 의도 : 이 일을 왜 해야 하는지, 결과물이 어떻게 쓰일지 목적 설명
  • Concern 우려 : 수행 시 피해야 할 위험이나 반드시 지켜야 할 제약 조건 언급
  • Calibration 조율 : 피해야 할 위험이나 결과물의 형식이나 모호한 부분에 대해 AI와 협의 요청

---

[DAY 42]

 

<AI 시대의 변화>

• 산업 혁명 > 대량 생산 > 인터넷 혁명 > AI 시대
• HCI 변화 - 명령 > 클릭 > 대화 > 협업
  1. CLI Command Line Interface : 텍스트 명령어를 직접 입력하여 컴퓨터 조작
  2. GUI Graphical User Interface : 아이콘과 그래픽 요소를 마우스로 클릭
  3. NUI Natural User Interface : 터치, 제스처, 음석 등 인간의 자연스러운 행동을 활용한 인터페이스로 직관적인 상호작용 제공
  4. AI Assist Intelligent Interaction : 의도와 맥락 이해하고 목표 달성을 위해 스스로 실행하는 단계
• 디자이너의 역할
  • Creator → Curator
  • 프롬프트 엔지니어링
  • 품질 및 일관성 관리
• 핵심 AI 개념
  • 머신러닝 Machine Learning : 데이터 학습하여 패턴 예측
    • 넷플릭스 추천 영화, 유튜브 추천 영상
  • 딥러닝 Deep Learning : 머신러닝의 한 분야로 인간의 신경망 모방해 복잡한 문제 학습
    • ChatGPT, MidJourney, Claude
  • Natural Language Processing : 사람의 언어 이해하고 생성하는 기술
    • ChatGPT, 네이버 클로바
  • Computer Vision : 이미지와 영상 이해하고 분석하는 기술
    • 구글 렌즈, 아이폰 얼굴인식, 당근마켓 이미지 검색 등
• Microsoft AI 6대 원칙
  • 공정성 : AI가 특정 성별, 연령, 인종, 지역 등에 편향되지 않고 공정하게 작동
  • 신뢰성/안전 : 예상 가능한 범위 내에서 안정적으로 작동해야 하며, 오류나 위험한 결과 최소화해야 함
  • 책임 : 생성한 결과에 대한 최종 책임은 사람에게 있으며, 문제 발생 시 책임 주체 명확히 해야 함
  • 포용성 : 장애 유무, 연령, 디지털 숙련도와 관계없이 누구나 사용할 수 있도록 접근성 고려
  • 프라이버시/보안 : 사용자의 개인정보와 데이터 안전하게 보호, 수집, 활용 과정에서 투명성 제공
  • 투명성 : AI가 어떤 방식으로 결과 생성했는지 사용자가 이해할 수 있도록 설명 가능성과 근거 제공
  *인간 개입 HITL Human In the Loop : AI 분석 → 검토 → 최종 결정의 흐름으로 의사 결정 검토해야 함

 

<AI 활용 디자인 프로세스>

• 리서치 및 문제 정의 > 아이디어, 목표설정 > 와이어프레임 구성 > 피드백 분석 및 개선 > 결과 정리
• AI가 도움을 줄 수 있는 영역
  1. 리서치 및 문제 정의 - 리뷰 분석, VOC 분류, 경쟁사 조사, 인터뷰 질문 생성 → 어떤 문제가 핵심인지 정의하고 우선순위 결정
  2. 아이디어, 목표설정 - 아이디어 브레인스토밍, 개선안 제안, KPI 추천 → 비즈니스 목표와 사용자 가치에 맞는 방향성 결정
  3. 와이어프레임 구성 - IA 초안 설계, 화면 구성, UI 초안 생성 → 사용자 경험 흐름 설계 및 최종 의사결정
  4. 피드백 분석 및 개선 : 사용자 피드백 요약, 패턴 분석, 개선안 제안 → 어떤 피드백 반영할지 판단하고 우선순위 결정
  5. 결과 정리 - 회고, 보고서 작성, 발표 자료 초안 작성 → 인사이트 도출 및 프로젝트 스토리텔링
• 실무 활용 팁
  1. 구체적인 프롬프트
  2. 문제 정의의 중요성
  3. 브레인스토밍 파트너
  4. 유연한 디자인 툴 사용
  5. 추천 도구 활용 - ChatGPT (범용), Claude (긴 글/분석), Gemini 등 각 도구의 장점

⛓️ Google Stich - 텍스트나 이미지만 입력하면 AI가 UI 화면과 프론트엔드 코드 생성해주는 구글 AI 기반 디자인, 프로토타이핑 도구

• 특징
  • 자연어 기반 UI 생성 : 텍스트만 입력해도 화면 생성
  • 이미지 → UI 변환 : 손그림, 와이어프레임, 스크린샷 업로드하면 UI로 변환 가능
  • 빠른 프로토타이핑 : 인터랙션 자동 생성
  • 피그마 내보내기

• 1.