---
title: "인제대·오하이오주립대, 민감한 인터뷰 데이터용 로컬 AI 연구 공유"
published: 2026-06-21T12:05:03.482Z
canonical: https://jeff.news/article/4172
---
# 인제대·오하이오주립대, 민감한 인터뷰 데이터용 로컬 AI 연구 공유

인제대와 미국 오하이오주립대 연구진이 외부 클라우드 없이 로컬 서버에서 거대언어모델 파이프라인을 돌리는 질적 연구 세미나를 열었다. 핵심은 인터뷰 녹취록을 코드북으로 구조화하면서도 데이터 프라이버시를 지키는 방식이다.

- 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

> [!NOTE]
> 여기서 포인트는 “AI로 연구한다”보다 “민감한 연구 데이터를 밖으로 안 빼고 AI를 쓴다”에 가까움. 헬스케어·사회과학 쪽에선 이 차이가 꽤 큼.

- 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.

## 핵심 포인트

- 외부 클라우드 대신 기관 내부 로컬 서버에서 AI 파이프라인을 구동
- 인터뷰 녹취록을 구조화된 데이터와 코드북으로 바꾸는 과정에 LLM 활용
- GATOS 워크플로우로 테마 조직화와 질적 분석 보조 과정을 시연

## 인사이트

헬스케어나 사회과학처럼 데이터가 민감한 분야에선 ‘성능 좋은 AI’보다 ‘데이터가 어디로 나가지 않느냐’가 더 큰 이슈가 됨. 로컬 오픈소스 LLM이 연구 현장에서 현실적인 선택지로 들어오고 있다는 신호로 볼 만함.