설문에서 핵심 결과 찾기

핵심만 말하면?

수백 개의 주관식 응답을 다 읽지 못해 설문을 묵혀 두는 일을 줄입니다. 설문 목적에 따라 볼 문항과 핵심 분석 결과를 고르는 기준을 먼저 정하고, 개인정보를 지운 응답을 AI가 분류하고, 집계는 시트로, 해석은 사람이 확정합니다.

언제 필요한가?

어떤 도구를 쓰나?

• 대화형 AIClaude·ChatGPT·Gemini 중 쓰던 것, 무료 플랜으로 시작 가능. 한 번에 넣을 수 있는 응답 양과 데이터 처리 설정은 서비스·요금제마다 다름
• 스프레드시트Google Sheets 또는 엑셀. 코드별 응답 수와 집단별 분포는 피벗 테이블로 집계
• 스킬 파일 SKILL.md기준표 양식·비식별 규칙·세 프롬프트를 저장하는 공개 형식(2025년 12월 공개 표준)

도입하면 무엇이 달라지나?

어떻게 작동하나?

1. 1목적 정하기설문 목적과 이 결과로 결정할 것을 사람이 정합니다
   →
2. 2비식별 처리응답 시트에서 개인정보를 지우고 응답자 ID를 붙입니다
   →
3. 3코드표 확정AI가 표본 응답으로 코드 후보를 내고 사람이 확정합니다
   →
4. 4분류·집계AI가 전체 응답을 분류하고 시트 피벗으로 코드별 수를 셉니다
   →
5. 5인사이트 초안AI가 집계값과 근거 응답 원문으로 인사이트 초안을 씁니다
   →
6. 6검토·확정사람이 표본을 검토하고 해석을 확정합니다

어떤 순서로 만드나?

1. 1

   1단계. 업무 쪼개기 (10분)사람

   설문 목적과 이 결과로 결정할 것 정하기 [사람] → 응답 시트에서 개인정보 지우기 [사람, 시트 기능 활용] → 분류 코드 후보 만들기 [AI, 표본 응답으로] → 코드표 확정하기 [사람] → 전체 응답 분류하기 [AI] → 코드별 응답 수 세기 [시트 피벗·수식] → 인사이트 요약 초안 쓰기 [AI] → 표본 검토와 해석 확정 [사람]. 목적 정하기·개인정보 지우기·코드표 확정·표본 검토는 반드시 사람이 합니다. 특히 개인정보 지우기를 건너뛰고 AI에 원본을 넣으면 되돌릴 수 없습니다. 분류는 AI가, 집계는 시트가, 해석은 사람이 합니다.

2. 2

   2단계. 입력 설계: 응답을 모으고 개인정보 지우기 (20분)사람

   온라인 폼 응답 시트, 설문 도구 내보내기 파일, 종이 설문을 옮겨 적은 시트 등에서 한 행에 응답자 1명, 한 열에 문항 1개인 CSV 또는 스프레드시트를 설문 마감 후 1회(상시 설문이면 월 1회 마감 기준) 받아 분석용 시트를 따로 만듭니다. 이때 비식별 처리를 합니다. 이름·연락처·이메일·주소 열을 지우고, R001·R002처럼 응답자 ID를 붙이며(원본과 연결하는 표는 담당자만 보관), 주관식 속 사람 이름·학교·회사명은 [이름], [소속]으로 바꾸고, 응답자가 3명 이하인 지역·연령대는 "기타"로 묶어 특정되지 않게 합니다. 설문을 받을 때 안내한 이용 목적 안에서만 분석하고, AI 서비스에 응답을 넣기 전 해당 서비스의 데이터 보관·학습 설정과 조직 방침을 확인합니다 [확인 필요: 서비스·요금제마다 다름].

3. 3

   3단계. 기준 설계: 무엇을 알고 싶은가 (20분)사람

   분석을 시작하기 전에 아래 기준표를 채웁니다. 이 표가 AI가 볼 문항과 인사이트의 기준이 됩니다. 목적이 바뀌면 볼 문항과 인사이트가 바뀝니다. 목적이 이탈 이유 찾기라면 불만·해지 고려 문항과 재이용 의향이 낮은 집단의 서술을 보고 "가격", "시간", "효과 체감" 같은 이유의 분포가 인사이트가 되며, 목적이 다음 상품 아이디어 찾기라면 원하는 기능·사용 상황 문항을 보고 재이용 의향이 높은 집단이 덧붙인 요청이 인사이트가 됩니다. 목적을 정하지 않으면 AI는 모든 문항을 고르게 요약하고, 결정에 쓸 수 없는 일반론을 냅니다.

   프롬프트복사

   [설문 목적] 이 설문으로 알고 싶은 것 한 줄
   [이 결과로 결정할 것] 예: 내년 프로그램 시간대, 가격 정책, 다음 상품 기능
   [볼 문항] 목적과 관련된 문항 번호 (전부 보지 않음)
   [나눠 볼 집단] 예: 신규/재참여, 연령대, 이용 기간
   [인사이트 기준] 무엇을 인사이트로 볼지
      예: 응답의 10% 이상에서 반복되는 주제 / 집단 간 차이가 큰 주제 /
          점수는 높은데 서술은 불만인 경우처럼 객관식과 주관식이 어긋나는 지점
   [제외할 것] 예: 목적과 무관한 칭찬·인사, 설문 자체에 대한 의견

4. 4

   4단계. 프롬프트 실행 → 스킬로 저장: 분류 코드 후보 만들기 (50분)AI + 사람

   전체를 바로 넣지 말고, 무작위로 고른 응답 50개 안팎(비식별 처리한 것)으로 코드표를 먼저 만듭니다. AI가 낸 후보를 사람이 코드명과 정의를 고치고, 겹치는 코드는 합쳐 코드표를 확정합니다. "기타"는 하나만 둡니다.

   프롬프트복사

   [역할] 너는 작은 조직의 설문 응답을 분류하는 분석 보조야.
   
   [입력]
   - 분석 기준표: {3단계 기준표}
   - 표본 응답: {응답자 ID와 주관식 응답 50개 안팎, 비식별 처리한 것}
   
   [할 일]
   1. 기준표의 [설문 목적]에 맞춰 분류 코드 후보 6~10개를 만들어 줘.
   2. 코드마다: 코드명 | 정의 한 줄 | 포함 예시 응답 ID 2개 | 헷갈리기 쉬운 경계
   3. 어느 코드에도 넣기 어려운 응답 ID를 따로 적어 줘.
   
   [규칙]
   - 응답에 없는 내용으로 코드를 만들지 마.
   - 내가 주지 않은 수치·출처는 만들지 마. 비율은 계산하지 마.

5. 5

   전체 응답 분류하기AI + 시트

   확정한 코드표로 전체 응답을 분류합니다. 응답이 많으면 100개 안팎으로 나눠 여러 번 실행합니다. 결과 표를 시트에 붙여 넣고, 코드별 응답 수와 집단별 분포는 시트의 피벗 테이블(항목별 집계표)로 계산합니다.

   프롬프트복사

   [역할] 너는 확정된 코드표로 설문 응답을 분류하는 분석 보조야.
   
   [입력]
   - 코드표: {확정한 코드표}
   - 응답: {응답자 ID와 주관식 응답, 100개 안팎씩 나눠서}
   
   [할 일]
   응답마다 한 줄씩 표로 적어 줘.
   응답자 ID | 코드(최대 2개) | 판단 근거가 된 원문 구절
   
   [규칙]
   - 코드표에 없는 코드를 새로 만들지 말고, 맞지 않으면 "기타"로 둬.
   - 원문 구절은 응답 그대로 옮기고 고쳐 쓰지 마.

6. 6

   인사이트 요약 초안 만들기AI + 사람

   분석 기준표, 시트 피벗 결과, 분류 결과 표를 넣어 인사이트 3~5개의 초안을 받습니다. 인사이트마다 한 줄 결론, 집계표 값 그대로의 근거 숫자, 대표 응답 ID와 원문, 검토할 결정이 붙습니다.

   프롬프트복사

   [역할] 너는 설문 분석 결과로 인사이트 초안을 쓰는 분석 보조야.
   
   [입력]
   - 분석 기준표: {3단계 기준표}
   - 코드별·집단별 집계표: {시트 피벗 결과}
   - 분류 결과: {4-2 결과 표}
   
   [할 일]
   1. 기준표의 [인사이트 기준]에 해당하는 인사이트를 3~5개 써 줘.
   2. 인사이트마다: 한 줄 결론 | 근거 숫자(집계표 값 그대로) | 대표 응답 ID와 원문 2~3개 | 이 결과로 검토할 결정
   3. 기준표의 [이 결과로 결정할 것]과 연결되지 않는 인사이트는 "참고"로 따로 둬.
   
   [규칙]
   - 내가 주지 않은 수치·출처는 만들지 마. 숫자는 집계표 값만 써.
   - 원인을 단정하지 말고, 응답에서 확인되는 범위까지만 써.
   - 인용은 원문 그대로, 개인정보로 보이는 내용이 있으면 인용하지 마.

7. 7

   스킬 파일로 저장하기 (선택)SKILL.md

   이 단계까지 오면 스킬로 만드세요. 같은 설문을 정기적으로 돌리거나(분기·연 1회), 두 번째 설문을 같은 절차로 분석하게 되면 기준표 양식·비식별 규칙·세 프롬프트를 스킬 파일(SKILL.md)로 저장합니다. 지난번 코드표를 함께 두면 회차별 비교가 쉬워집니다. 스킬(Agent Skills)은 2025년 12월 공개 표준이 되어 여러 AI 도구가 같은 파일을 읽습니다.

   프롬프트복사

   ---
   name: survey-insights
   description: 비식별 처리한 설문 응답을 분석 기준표와 코드표로 분류하고, 시트 집계값을 근거로 인사이트 초안을 만든다
   ---
   # 설문 인사이트
   
   ## 시작 전 확인
   - 응답에 이름·연락처·이메일 열이 남아 있으면 멈추고 알린다
   - 분석 기준표의 [설문 목적]과 [이 결과로 결정할 것]이 비어 있으면 먼저 묻는다
   
   ## 절차
   1. 표본 응답으로 코드 후보 제안 → 사람 확정 대기
   2. 확정 코드표로 전체 분류 (응답 ID·코드·원문 구절)
   3. 집계는 하지 않는다. 사람이 시트로 집계한 표를 받는다
   4. 집계표 값과 원문 인용으로 인사이트 3~5개
   
   ## 규칙
   - 주지 않은 수치·출처는 만들지 않는다
   - 원문 인용은 고쳐 쓰지 않는다

8. 8

   5단계. 사람 검토와 개선 루프 (30분)사람

   표본 검토: AI가 분류한 응답 중 20개를 무작위로 골라 사람이 직접 코드를 붙여 보고, 아래 양식으로 AI 결과와 비교합니다. 불일치가 특정 코드에 몰리면 그 코드의 정의나 경계가 모호하다는 뜻이므로, 정의를 고쳐 해당 코드만 다시 분류합니다. 인사이트 검토: 숫자가 시트 집계표와 같은지, 대표 인용이 실제 원문과 같은지, 소수 의견을 다수처럼 쓰지 않았는지, "때문에"·"원인은" 같은 단정을 응답이 뒷받침하는지 봅니다. 개선 기록: 코드표 수정 내용과 이유를 남기면, 다음 회차 설문에서 같은 코드표로 시작해 회차별 변화를 비교할 수 있습니다.

   프롬프트복사

   [응답자 ID] [AI 코드] [사람 코드] [일치/불일치] [불일치 이유]

얼마나 걸리고 무엇을 얻나?

AI 결과에서 사람이 꼭 확인할 것은?

실제로 어디까지 되나?

한계는 무엇인가?

• 교육 만족도 조사를 기관 제출용 성과보고서로 만드는 일이라면 "만족도 조사로 성과보고서"가 더 맞습니다. 설문이 아니라 인터뷰 녹취를 분석한다면 "인터뷰에서 공통 문제 찾기"를 보세요.
• 응답에 개인정보가 있다면 조직의 개인정보 처리 방침과 사용하는 AI 서비스의 데이터 보관·학습 설정을 먼저 확인하세요. 비식별 처리를 건너뛰고 AI에 원본을 넣으면 되돌릴 수 없습니다.
• AI에게 "몇 %가 불만인지"까지 계산하게 하면 숫자를 검증하기 어렵습니다. 집계는 시트로 하세요.
• 결과가 그럴듯할수록 인용·숫자·인과 단정을 먼저 확인한 뒤 보고하세요.
• 위 시간 수치는 설명용 예시입니다. 시간 절감 효과는 같은 규모의 설문을 이 절차로 분석하면서 기록해 비교하고, 기록 전에는 절감 시간을 주장하지 않습니다.

더 나아가려면?

• 교육 만족도 조사를 기관 제출용 보고서로 만들려면 → 만족도 조사로 성과보고서
• 리뷰처럼 응답이 훨씬 많은 자료를 분석하려면 → 리뷰 1,000개 분석
• 설문으로 찾은 주제를 인터뷰로 더 깊게 확인하려면 → 인터뷰에서 공통 문제 찾기
• 설문 지표를 주간 보고에 넣으려면 → 주간 성과보고 자동화
• 혼자 구축하기 어렵다면: 10X 교육에서는 참여자가 자기 조직의 설문 응답으로 본인 계정에서 비식별 처리부터 코드표·인사이트 요약·스킬 파일까지 직접 만들고 실행합니다. 교육 상담 문의하기

출처

1. Agent Skills 공개 표준 (The New Stack) — 2026-10-05 확인

관련 콘텐츠