연구실 AI 교육을 짤 때는 "AI에게 선행 문헌을 물어보는 법"을 가르치기보다, 연구원이 원래 하던 논문·특허 조사를 네 단계로 나눠 단계마다 과제를 냅니다. 검색어를 정해 문헌을 찾고, 문서를 AI가 읽을 수 있게 바꾸고, 표로 정리해 검수하고, 근거가 달린 요약 보고서로 마무리합니다. 단계마다 손에 남는 결과물이 있어야 교육 뒤에도 같은 방법으로 다음 조사를 할 수 있습니다.
연구원이 처음 AI를 써 보는 장면은 대개 비슷합니다. 대화창에 "이 주제의 선행 특허를 알려 줘"라고 묻고, 그럴듯한 목록을 받습니다. 그런데 하나씩 원문을 찾아보면 찾을 수 없는 문헌이 섞여 있거나, 어디에서 나온 내용인지 근거가 없습니다. 연구 조사는 결론보다 근거가 중요하기 때문에, 이 방식으로는 보고서에 그대로 옮길 수 없습니다.
왜 "물어보기"가 아니라 "조사 과정"을 가르치나
AI는 조사를 대신하는 도구가 아니라 조사의 각 단계를 빠르게 하는 도구로 쓸 때 연구실에서 오래 쓰입니다. 검색어를 넓히고, 긴 문서를 요약하고, 표의 칸을 먼저 채우는 일은 AI가 잘합니다. 반면 어떤 문헌을 넣고 뺄지, 어떤 값을 믿을지는 연구원이 정해야 합니다.
그래서 수업은 조사 과정을 단계로 나누고, 각 단계에서 AI가 할 일과 연구원이 확인할 일을 나눠 실습합니다. 오픈컬리지 연구 R&D 트랙의 기초 단계도 이 흐름을 따릅니다. 찾기(특허·논문 검색식) → 읽히기(PDF·한글 변환) → 정리(용어 사전·라벨링) → 보고서(선행기술 요약)입니다.
1단계 찾기 — 용어 사전부터 만듭니다
검색어 하나로 찾으면 같은 것을 다른 말로 쓴 문헌은 걸리지 않습니다. 국문과 영문, 학술 용어와 업계 용어, 약어와 풀어 쓴 말이 문헌마다 다르기 때문입니다. 그래서 첫 과제는 검색이 아니라 용어 사전(시소러스)입니다. 연구 주제를 한 문장으로 정의하고, 대표어·동의어·영문 대응을 표로 묶습니다.
이때 AI는 후보 용어를 제안하고, 연구원은 실제로 자기 분야에서 쓰는 말만 고릅니다. 고른 용어 사전은 그대로 검색식이 됩니다. 같은 뜻의 말을 OR로 묶고, 성격이 다른 묶음은 AND로 잇습니다. 특허·논문 DB에서 검색식을 돌릴 때는 건수를 함께 기록해, 너무 많으면 좁히고 너무 적으면 넓히는 근거로 씁니다.
2단계 읽히기 — 문서를 AI가 읽을 수 있게 바꿉니다
모은 문헌은 PDF나 한글 문서로 되어 있는 경우가 많습니다. 표와 제목이 깨진 채로 AI에 넣으면 요약도 틀어집니다. 그래서 둘째 과제는 문서를 AI가 읽을 수 있는 글로 바꾸고, 문헌마다 요약 카드를 만드는 일입니다.
요약 카드에는 서지 정보, 핵심 주장, 쓰인 방법, 주요 수치와 그 수치가 나온 원문 위치를 적습니다. 같은 문헌 안에서도 초록과 본문의 수치가 다를 수 있으므로, 어느 값을 쓸지는 연구원이 원문을 보고 정한다는 원칙을 이 단계에서 함께 익힙니다.
3단계 정리 — AI가 먼저 붙이고 연구원이 검수합니다
셋째 과제는 문헌 표입니다. 먼저 무엇이 무엇과 어떤 관계인지 관계 틀을 그려 표의 열을 맞춥니다. 그다음 문헌마다 3~5개 라벨 축(예: 원료, 처리 방법, 분석 지표)의 값을 붙입니다. 라벨은 AI가 먼저 붙이고, 연구원은 표본을 골라 원문과 대조합니다.
대조한 결과는 "틀린 칸 수 / 전체 칸 수"처럼 한 줄로 기록합니다. 이 기록이 있어야 AI 라벨을 어디까지 믿고 어디를 사람이 다시 볼지 정할 수 있습니다. 판단이 갈리는 칸은 비워 두지 않고 "연구원 확인" 칸에 질문으로 남깁니다.
4단계 보고서 — 근거가 달린 한 장으로 마무리합니다
마지막 과제는 선행기술 조사 요약 보고서입니다. 3단계의 문헌 표를 바탕으로, 문장마다 어느 문헌의 어느 부분에서 나온 내용인지 근거를 붙여 씁니다. AI는 초안과 구성을 돕고, 결론과 연구의 빈자리를 판단하는 것은 연구원입니다.
보고서까지 마치면 기초 단계의 결과물 7종이 손에 남습니다. 용어 사전, 검색식, 문헌 표, 관계 도식, 라벨 표, 변환 문헌, 요약 보고서입니다. 수료는 출석이 아니라 이 결과물의 검수로 판단합니다.
실습 자료는 무엇으로 하나
가장 좋은 실습 자료는 수강생 자신의 연구 주제입니다. 교육 전에 사전 설문으로 AI 사용 경험과 연구 주제를 받고, 그 주제로 용어 사전과 검색식을 만들게 합니다. 자기 주제로 만든 결과물이어야 교육 다음 날에도 다시 씁니다.
연구 자료를 밖으로 꺼내기 어려운 경우에는 공개 문헌과 가린 자료를 씁니다. 공개된 논문·특허로 문헌 표를 만들고, 내부 양식이 필요하면 숫자를 바꾸고 회사·제품 이름을 지운 자료를 씁니다. 수업에서 정하는 역할 분담도 분명히 합니다. 과학적 판단은 연구원이 하고, 교육은 그 판단의 근거를 원문 어디에서 찾아 표에 남기는지, 그 흐름과 검증 방법을 다룹니다.
시간은 얼마나 잡나
연구 R&D 트랙은 레벨별로 나뉘어 있습니다. 자기 주제의 문헌을 찾고 정리해 보고서로 만드는 연구원 일반 경로는 기초 단계 30시간이 기준입니다. 기초 단계 안에서도 용어 사전·시소러스, 특허 검색식과 문헌 수집, 문서 변환, 관계 틀과 AI 라벨링, 선행기술 요약 보고서가 모듈로 나뉘어 있어 필요한 부분만 골라 들을 수 있습니다.
조사를 연구실에서 계속 돌아가게 만들고 싶다면 다음 단계로 이어집니다. 연구실 실무 담당은 수집 자동화와 검색 파이프라인, 역할을 나눈 에이전트 팀까지(114시간), 구축 담당은 실무 단계부터 시작해 연구원용 검색 화면과 기관 내부 AI 환경까지(102시간) 갑니다. 교육 시간은 대상 수준과 과정 기획에 따라 달라질 수 있습니다.
교육 뒤에는 어떻게 이어가나
수업에서 만든 용어 사전과 검색식은 다음 조사의 출발점이 됩니다. 새 주제가 생기면 용어 사전에 줄을 더하고, 같은 검색식 틀에 넣고, 같은 라벨 축으로 문헌 표를 채웁니다. 단계와 결과물의 모양이 정해져 있으니 조사가 사람마다 달라지지 않습니다.
복습은 AIRO 시스템에서 이어 갑니다. 정해진 이용 기간 동안 강의 영상을 다시 보며 옆 실습 창에서 같은 과제를 반복할 수 있습니다. 유료 AI 계정이 없는 기관에는 Gadia 실습 환경을 함께 안내해 드리며, 이용 조건은 인원과 기간에 맞춰 따로 협의합니다.
정리하면
연구실 AI 교육은 AI에게 답을 묻는 법보다, 연구원이 하던 조사를 단계로 나눠 AI와 함께 하는 법을 가르칩니다. 찾기에서는 용어 사전과 검색식, 읽히기에서는 변환 문헌과 요약 카드, 정리에서는 라벨 표와 검수 기록, 보고서에서는 근거가 달린 요약 한 장을 남깁니다. 단계마다 확인할 수 있는 결과물이 있으면, 교육이 끝난 뒤에도 같은 방법으로 다음 조사를 이어 갈 수 있습니다.
자주 묻는 질문
Q. 연구원 AI 교육은 코딩을 할 줄 알아야 하나요?
A. 기초 단계는 AI·코딩 경험과 관계없이 들을 수 있습니다. 용어 사전, 검색식, 문헌 표, 요약 보고서를 AI와 함께 손으로 만드는 단계입니다. 수집 자동화나 검색 파이프라인처럼 스크립트를 다루는 내용은 다음 단계에서 다룹니다.
Q. 실습은 어떤 자료로 하나요?
A. 사전 설문으로 받은 수강생 자신의 연구 주제로 하는 것을 기본으로 합니다. 연구 자료를 밖으로 꺼내기 어려우면 공개된 논문·특허와, 숫자를 바꾸고 이름을 지운 자료를 씁니다.
Q. AI가 붙인 라벨이나 요약을 믿어도 되나요?
A. 그대로 믿지 않고 검수합니다. AI가 먼저 라벨을 붙이면 연구원이 표본을 원문과 대조해 틀린 칸 수를 기록하고, 판단이 갈리는 칸은 연구원 확인 칸으로 남깁니다. 그 기록을 보고 어디까지 AI에 맡길지 정합니다.
Q. 교육 시간은 얼마나 필요한가요?
A. 자기 주제의 문헌을 찾아 보고서로 만드는 연구원 일반 경로는 기초 단계 30시간이 기준입니다. 모듈 단위로 나뉘어 있어 필요한 부분만 고를 수 있고, 시간은 대상 수준과 과정 기획에 따라 달라질 수 있습니다.
우리 연구실이나 기관의 연구 분야에 맞춘 AI 교육이 필요하다면 연구 R&D 트랙에서 레벨과 모듈 구성을 먼저 보시고, 교육 문의로 참여자 수준과 연구 분야, 희망 시기를 알려 주세요. 연구 주제에 맞춘 실습 과제부터 함께 정리해 드립니다.