인제대·오하이오주립대, 민감한 인터뷰 데이터용 로컬 AI 연구 공유

• 인제대와 미국 오하이오주립대 연구진이 ‘AI 지원 질적 코드북 생성’을 주제로 국제 공동연구 세미나를 열었음

  • 장소는 인제대 장영실관, 참석자는 인제대 디지털항노화헬스케어학과 연구진과 오하이오주립대 조이스 리 교수 연구진
  • 지난해 7월 양 대학 세미나 이후 이어진 후속 협력 성격임

• 이번 세미나의 핵심 키워드는 꽤 명확함. “클라우드에 안 올리고 AI를 어떻게 쓸 건데?”임

  • 연구진은 외부 클라우드를 거치지 않고 기관 자체 로컬 서버에서 AI 파이프라인을 구동하는 방식을 공유함
  • 인터뷰 녹취록처럼 민감한 데이터가 많은 연구 환경에선 이게 단순한 취향 문제가 아니라 프라이버시 이슈임

• 다룬 기술은 로컬 오픈소스 거대언어모델(LLM) 파이프라인 기반의 질적 데이터 구조화임

  • 방대한 인터뷰 녹취록을 구조화된 데이터로 바꾸고, 해석·분류 기준 문서인 코드북(Codebook) 작성을 AI가 보조하는 방식
  • 사람이 일일이 읽고 테마를 잡던 작업을 AI가 먼저 정리해주면, 연구자는 해석과 검증에 더 많은 시간을 쓸 수 있음

• GATOS 워크플로우도 논의됐음

  • GATOS는 Generative AI-enabled Theme Organization and Structuring의 약자로, 생성형 AI로 테마를 조직화하고 구조화하는 흐름을 뜻함
  • 세미나에선 AI가 인간 연구자의 통찰을 보조해 분석 시간을 줄이는 과정을 시연했다고 함

• 인제대 측은 이번 협력을 AI 헬스케어와 사회과학 전문가 양성으로 확장하겠다는 입장임
  • 김희철 학과장은 AI 기술이 학문 경계를 넘어 연구 혁신으로 이어지는 사례라고 평가함
  • 학생 입장에선 글로벌 연구 네트워크와 국제 공동연구 경험을 얻는 자리였다는 설명도 붙었음

---

기술 맥락

• 이 사례에서 선택된 건 클라우드형 AI 서비스가 아니라 로컬 오픈소스 거대언어모델이에요. 인터뷰 녹취록은 개인 경험, 건강, 사회적 배경 같은 민감한 정보가 섞일 수 있어서, 외부 API로 보내는 순간 연구 윤리와 데이터 관리 문제가 커지거든요.

• 로컬 서버에서 파이프라인을 돌리면 모델 운영 부담은 커져요. 대신 데이터가 기관 내부에 머무르고, 어떤 전처리와 분석 흐름을 거쳤는지 연구진이 더 잘 통제할 수 있어요.

• 코드북 생성에 AI를 붙인 이유도 단순 자동화가 아니에요. 질적 연구는 최종 해석을 사람이 해야 하지만, 반복적으로 테마를 찾고 분류 기준을 만드는 단계는 시간이 많이 걸리거든요. AI는 그 병목을 줄이는 보조 연구원에 가까운 역할을 맡는 셈이에요.