AI 시대의 질적 연구는 더 쉬워지는 것이 아니라,
더 ‘선명해지는’ 방향으로 가야 한다.
AI가 무엇을 잘하는지를 인정하되,
질적 지식을 지식답게 만드는 조건을
끝까지 인간 연구자가 떠안아야 한다.
황광선 가천대 교수
생성형 AI의 등장은 질적 연구 현장에 동시에 두 감정을 불러온다. 인터뷰 전사본을 빠르게 코딩하고, 긴 텍스트를 요약하고, 주제를 제안하는 ‘효율’에 대한 기대가 커지는 한편, 그 효율이 질적 연구의 핵심인 맥락적 해석을 약화할 수 있다는 불안도 커진다.
실제로 최근 논의는 AI가 인간 연구자가 도출한 주제(코딩 단어)와 상당히 겹치는 결과를 내기도 한다는 점을 보여주면서도, 질적 연구의 원리와 어긋나는 작동 방식이 가져올 위험을 함께 경고한다.
여기서 중요한 쟁점은 “AI가 텍스트를 잘 만드느냐”가 아니라 “그 결과가 지식으로써 쓸 수 있느냐”이다. 비판자들이 반복해서 지적하듯, 대형 언어모델은 알고리즘적 패턴 매칭으로 그럴듯한 문장을 생산하지만, 그것이 곧바로 ‘지식’은 아니다.
비판 없이 AI를 도입하면, 민족지와 질적 연구가 중시해 온 두꺼운 기술(thick description) 대신 얇은 기술(thin description)이 ‘이 정도면 됐다’는 표준으로 굳어질 수 있다는 우려가 나온다.
AI는 “의미가 아니라 패턴을 다룬다”
AI의 한계를 더 선명하게 이해하려면, 그 능력의 중심이 ‘패턴 학습’이라는 사실을 직시해야 한다. AI는 살아 있는 세계를 경험하지도, 참여자의 삶의 맥락을 윤리적으로 책임지지도 않는다.
방대한 말뭉치에서 반복되는 연관을 학습해, 가장 그럴듯한 다음 문장을 예측하는 방식으로 작동한다. 그래서 문장 형태는 해석처럼 보일 수 있어도, 실은 의미를 ‘이해’한다기보다 패턴을 ‘처리’하는 데 가깝다. 결국, AI는 “의미가 아니라 패턴을 다룬다”는 지적이 핵심으로 남는다.
질적 연구에서 지식은 코딩 결과물 자체가 아니라, 연구자·자료·참여자의 삶의 세계가 부딪히며 생겨나는 대화적 산물이다. 따라서 같은 텍스트를 읽더라도 연구자의 위치성, 이론적 감각, 문화적 역량, 그리고 반성적 성찰이 해석의 깊이를 만든다.
AI는 이 ‘인간적 조건’을 가질 수 없고, 그럴듯한 출력이 나와도 인간 연구자가 의미를 부여하고 비판적으로 검토하지 않으면 내용은 쉽게 공허해진다.
여기에 투명성의 문제가 덧붙는다. AI가 코드나 주제를 생성하면 “분석적 투명성이 부재”해진다는 지적이 나온다. 사람 연구자에게는 왜 그렇게 해석했는지, 어떤 판단의 흔적을 남겼는지 설명하라고 요구할 수 있지만, AI에는 그것이 불가능하다. 그 결과, 빠른 분류 결과가 설득력 있어 보일수록 연구자가 검증을 건너뛰고 ‘이 정도면 됐다’(good-enough)는 범주화에 안주할 유인이 커진다.
연구자는 익명화, 플랫폼 검증, 보고서에서의 사용 공개 같은 최소한의 원칙을 갖춰야 하고, 기관 차원의 가이드라인과 교육도 따라야 한다는 요구가 커진다. 이미지=챗GPT
코딩은 지루한 노동이지만, 깊은 통찰이 태어나기도
더 아이러니한 대목은 코딩의 ‘고됨’이 사실 질적 연구의 장점이기도 하다는 점이다. 여러 논의가 말하듯 코딩은 지루한 노동이지만, 동시에 깊은 통찰이 태어나는 ‘도가니’이기도 하다. 복잡함을 붙들고 씨름하는 느린 과정이야말로 질적 연구가 얇은 결론을 넘어서는 방식이다. 그런데 AI가 그 과정을 손쉽게 대체해버리면, 연구자는 결과는 빨리 얻되 통찰의 경로를 잃을 수 있다.
그렇다고 결론이 ‘거부’일 필요는 없다. 오히려 문헌이 제안하는 합리적 길은 하이브리드, 즉 인간 중심의 협업 지능이다. AI는 예비 코딩이나 요약을 수행하고, 인간 연구자는 검토·수정·심화를 통해 최종 판단을 내리는 구조가 권고된다. 실제로 AI가 만든 코드는 ‘참조점’이 될 수 있으나 최종 판정은 인간 코더가 내려야 한다는 결론이 반복된다.
이 지점에서 AI 기능이 질적 연구방법론에 긍정적으로 기여할 수 있는 장면이 구체화된다. 이미 주요 질적 분석 소프트웨어는 전사본을 대화형으로 탐색하는 ‘문서 채팅’, 자동 요약, 개방·연역 코딩 같은 기능을 붙이고 있다.
‘어떻게 쓰느냐’에 달려 있다
다만 효과는 ‘어떻게 쓰느냐’에 달려 있다. 코딩 지침을 연구 질문에 맞춰 구체적으로 설계하고(프롬프트 설계), AI가 제안한 초기 코드→연구자 검토·정련→AI가 불확실하다고 표시한 구간이나 누락 구간을 중심으로 추가 수작업→최종 코드북 통합 같은 워크플로를 구성하면, 속도와 엄격성을 함께 확보할 수 있다.
또한, 대규모 자료에서는 1단계로 AI가 넓은 패턴을 잡고, 2단계로 전형 사례·이탈 사례·풍부한 사례를 선별해 인간이 깊이 읽는 ‘2단계 분석’을 설계할 수 있는데, 이는 범위(coverage)와 깊이(depth)를 동시에 얻는 현실적 방법이 된다.
물론 윤리와 실무는 더 엄격해져야 한다. 질적 자료에는 민감한 개인정보가 포함되는 경우가 많고, 외부 AI 서비스로 전사본이나 현장 노트를 보내는 순간, 동의 범위와 법적·윤리적 보호가 흔들릴 수 있다.
따라서 연구자는 익명화, 플랫폼 검증, 보고서에서의 사용 공개 같은 최소한의 원칙을 갖춰야 하고, 기관 차원의 가이드라인과 교육도 따라야 한다는 요구가 커진다.
결국, AI 시대의 질적 연구는 더 쉬워지는 것이 아니라, 더 ‘선명해지는’ 방향으로 가야 한다. AI가 무엇을 잘하는지(속도·범위·일관성)를 인정하되, 질적 지식을 지식답게 만드는 조건-맥락, 위치성, 반성성, 그리고 참여자에 대한 책임-을 끝까지 인간 연구자가 떠안아야 한다. AI가 만들어주는 분석문은 결론이 아니라 출발점이며, 그것을 ‘사용 가능한 지식’으로 바꾸는 마지막 손은 연구자의 해석과 윤리에서 나온다.
황광선 가천대 법과대학 행정학/정책학 교수
버지니아 공대에서 행정학 박사학위를 받았다. 주 연구 분야는 공공책무, 공공관리, 정책분석, 과학기술정책, 디지털/AI 혁신, 권력과 거버넌스, 재정, 교육정책 등이다. 대한테니스협회 이사와 공인검정위·스포츠공정위 위원으로, 성남시청소년재단 이사로 봉직한 바 있다.
관련기사
[신년 에세이] 한 생애와 역사, 돌아옴
AI, 약속으로 달리고 빚으로 선다
우리는 무엇을 믿어야 할까… 아무도 아무것도 모른다
황광선 가천대 교수
다른기사 보기
#황광선
#AI 시대 질적 연구
#AI
저작권자 © 교수신문 무단전재 및 재배포, AI학습 및 활용 금지
댓글
0