한화인재경영원 신입사원 디지털 스킬 UP
AI로 기술 리서치, 데이터 분석, 업무 자동화의 새로운 가능성을 열다
들어가며
교안 안내
이 교안은 한화인재경영원 신입사원 디지털 스킬 UP 교육 Track C(연구개발/생산품질)의 사전 예습과 사후 복습을 위해 만들어졌습니다. 교육에서 다루는 내용을 더 깊이 이해하고, 실무에 바로 적용할 수 있는 프롬프트 템플릿과 도구 가이드를 담았습니다.
연구개발과 생산품질 업무에는 기술 리서치, 논문 분석, 실험 데이터 정리, 보고서 작성 등 방대한 자료를 수집하고 분석하는 과정이 필수적입니다. 이 교안은 그런 업무 흐름 속에서 AI가 어떤 도움을 줄 수 있는지를 실무 관점에서 정리했습니다.
생성형 AI는 반복적이고 시간이 오래 걸리는 작업의 무게를 덜어주는 도구입니다. 기술 동향을 조사하고, 데이터를 분석하고, 보고서 초안을 잡는 일에서 시간을 아껴줍니다. 그래서 여러분은 정말 중요한 일 — 기술의 본질을 이해하고 혁신을 이끄는 것 — 에 더 집중할 수 있습니다.
교육 중: 4~6장의 실습 예제를 함께 따라하세요.
교육 후: 7~8장을 참고하며 실무에 적용하고, 4주 로드맵을 실천하세요.
교육 목표
기술 리서치 역량 강화
AI 검색 도구를 활용하여 기술 동향, 논문, 특허 정보를 빠르고 정확하게 수집하고 요약하는 능력을 갖춥니다.
데이터 분석 자동화
실험/생산 데이터를 AI로 분석하고, 의미 있는 인사이트를 시각화하여 효과적으로 보고하는 방법을 습득합니다.
업무 자동화 실현
VBA 매크로와 AI를 결합하여 반복적인 데이터 취합, 리포트 생성, 엑셀 작업을 자동화합니다.
커리큘럼 타임테이블
생성형 AI의 이해
LLM은 어떻게 작동하는가
ChatGPT, Claude, Gemini의 핵심은 대규모 언어 모델(LLM, Large Language Model)입니다. 수십억 개의 텍스트를 학습하여, 주어진 문맥 다음에 올 가장 적절한 단어를 예측하는 방식으로 작동합니다. 마치 문장을 빈칸 채우기하는 것처럼, 앞의 맥락을 읽고 다음 단어를 생성해 나갑니다.
핵심 개념
- 토큰(Token): AI의 텍스트 처리 단위. 한글 1~2자가 약 1토큰. "연구개발"은 약 3~4토큰입니다.
- 컨텍스트 윈도우: AI가 한 번에 처리할 수 있는 분량. 2026년 3월 기준 최신 모델은 100만 토큰(A4 약 2,000페이지)까지 처리합니다.
- 할루시네이션(Hallucination): AI가 사실이 아닌 내용을 그럴듯하게 생성하는 현상. 통계 수치, 논문 인용, 특허 번호에서 특히 주의가 필요합니다.
- 추론 모델(Reasoning Model): o3, GPT-5 Thinking처럼 답변 전에 '생각 과정'을 거치는 모델. 복잡한 데이터 분석, 수학, 논리 문제에 강합니다.
- 멀티모달(Multimodal): 텍스트뿐 아니라 이미지, 음성, 영상 등 여러 형태의 데이터를 동시에 이해하고 생성하는 능력. 실험 결과 사진이나 그래프를 직접 분석할 수 있습니다.
2026년 3월 기준 주요 AI 모델
| 제공사 | 최신 모델 | 특징 | 추천 용도 |
|---|---|---|---|
| OpenAI | GPT-5 (Instant / Thinking), o3, o3-pro | 가장 대중적 생태계. GPT-5는 코딩, 이미지 인식, 데이터 분석 대폭 향상. o3-pro는 가장 신뢰도 높은 추론 | 데이터 분석, 코드 생성, 범용 업무 |
| Anthropic | Claude Opus 4.5, Sonnet 4.5, Haiku 4.5 | Opus 4.5은 1M 토큰 컨텍스트. 긴 문서 분석, 보고서 작성에 최적. 아티팩트 기능으로 시각화 탁월 | 보고서 작성, 문서 분석, 시각화 |
| Gemini 3.0 Flash, Gemini 2.5 Pro | 1M 토큰 컨텍스트, 구글 서비스 완벽 통합. 멀티모달에 강하고 NotebookLM과 연동 | 대량 문서 분석, 멀티모달, 검색 | |
| Perplexity | Sonar Pro, Deep Research | 실시간 웹 검색 + AI 분석. 출처 자동 명시. 기술 리서치에 최적화 | 기술 동향 조사, 팩트 체크 |
| Microsoft | Copilot (GPT-5 기반) | MS Office 통합. Excel, Word, PowerPoint에서 직접 AI 활용 가능 | 오피스 업무 자동화 |
AI가 잘하는 것 vs 못하는 것
잘하는 것
- 논문/특허 요약 및 핵심 추출
- 실험 데이터 정리 및 시각화
- 기술 문서 번역 및 교정
- 패턴 분석 및 이상치 탐지
- 보고서 초안 작성
- VBA/Python 코드 생성
- 검색식 작성 및 리서치
못하는 것 / 주의할 것
- 정확한 수치 보장 (반드시 검증)
- 최신 실험 데이터 파악 (내부 DB 연동 필요)
- 기밀 기술 정보 학습/저장 주의
- 인과관계 판단 (상관관계와 혼동)
- 창의적 실험 설계 (보조 도구로만)
- 논문 인용 정확성 (반드시 원본 확인)
연구자의 하루가 달라지는 순간
아침 9시, 메일함을 열면 이번 주에 검토해야 할 논문 리스트가 도착해 있습니다. 15편. 각각의 초록을 읽고, 방법론을 이해하고, 우리 연구와의 관련성을 판단해야 합니다. 오후에는 지난 실험의 데이터를 정리하고, 주간 보고서를 써야 합니다. 저녁에는 다음 분기 연구 계획서의 기술 동향 섹션을 마무리해야 합니다.
익숙한 풍경입니다. 모든 연구자가 겪는 일상이지만, 정작 실험실에서 가설을 세우고 새로운 발견을 위해 몰입할 시간은 늘 부족합니다. 연구의 본질은 탐구인데, 실제로 탐구에 쓰는 시간은 전체 업무의 얼마나 될까요?
여기서 AI가 등장합니다. 논문 15편의 핵심을 추출하는 데 반나절 걸리던 일이 30분으로 줄어듭니다. 데이터 정리와 기초 분석에 2시간 걸리던 작업이 15분이면 됩니다. AI가 초안을 잡아주면, 여러분은 그 위에 연구자의 통찰을 올리면 됩니다.
중요한 것은 이겁니다. AI는 여러분의 연구를 대체하지 않습니다. 여러분이 정말 중요한 일 — 가설을 검증하고, 새로운 실험을 설계하고, 기술의 가능성을 탐색하는 것 — 에 더 많은 시간을 쓸 수 있도록 도와줍니다. 수백 편의 논문 속에서 핵심을 꿰뚫어 보는 눈, 데이터 뒤에 숨은 의미를 읽어내는 감각은 오직 경험 있는 연구자만이 가진 것이고, AI는 바로 그 순간에 집중할 수 있는 시간을 선물합니다.
프롬프트 작성법
2026년의 프롬프트 핵심 3가지
프롬프트 작성법은 2023년 ChatGPT 초기와는 많이 달라졌습니다. 최신 모델들은 의도 파악 능력이 크게 향상되어, 과거처럼 정교한 역할 부여가 필수적이지 않습니다. 2026년 프롬프트의 핵심은 딱 세 가지입니다:
- 맥락과 목적 (Context & Purpose): 왜 이 작업이 필요한지, 결과물을 어디에 쓸 건지를 명확히 합니다. "이 분석은 주간 기술 동향 보고서에 포함될 예정이야"처럼 배경을 알려주세요.
- 구체적 지시 (Specific Instructions): 무엇을 해야 하는지 명확하게 지시합니다. 분석 항목, 비교 기준, 제외할 내용 등을 구체적으로 나열합니다.
- 출력 형식 (Output Format): 원하는 결과물의 구조, 분량, 톤을 지정합니다. "표 형식으로", "A4 2페이지 분량으로", "기술 보고서 어조로" 등을 명시합니다.
"좋은 답변이란 ~한 것이다"를 프롬프트에 포함하는 것이 2026년 가장 효과적인 기법입니다. 예: "좋은 분석이란 데이터의 패턴을 3가지 이상 식별하고, 각 패턴의 원인을 추정하며, 개선 방향을 구체적으로 제시하는 것이다."
효과가 높은 기법들
- Few-shot (예시 제공): 원하는 형식의 예시를 1~2개 보여주기. 여전히 ROI가 가장 높은 기법.
- 단계적 사고 유도: "Step 1, Step 2..." 형식으로 분석 순서를 지정.
- 제약 조건 명시: "확인되지 않은 수치는 [확인 필요]로 표시해줘"
- 분량 가이드: 프롬프트 자체는 150~300단어가 적정. 너무 짧으면 모호하고, 너무 길면 핵심이 흐려집니다.
연구개발 업무별 프롬프트 템플릿
1) 기술 리서치 요약 보고서
아래 주제에 대한 기술 리서치 요약 보고서를 작성해줘.
연구개발 부서의 주간 기술 동향 보고에 포함될 내용이야.
[주제]
- 기술 분야: {예: 차세대 2차전지 음극재 기술}
- 조사 범위: 최근 2년간 주요 동향
[작성 구조]
1. 기술 개요 (핵심 원리, 현재 발전 단계)
2. 글로벌 연구 동향 (주요 기관/기업의 연구 방향)
3. 국내 동향 (한국 기업/연구소 현황)
4. 핵심 기술 이슈 및 과제
5. 향후 전망 및 시사점
[출력 조건]
- 각 항목 2~3문단, 전문적이되 간결한 어조
- 확인되지 않은 수치는 "[확인 필요]"로 표시
- 주요 참고 문헌/출처가 있다면 각주로 표기
- 전체 분량 A4 2~3페이지
[성공 기준]
좋은 보고서란 비전문가도 기술의 흐름을 이해할 수 있으면서,
전문가에게도 의미 있는 인사이트를 제공하는 것이다.
2) 논문 분석 프롬프트
다음 논문을 연구개발 실무 관점에서 분석해줘.
[분석 항목]
1. 핵심 요약 (3문장 이내)
2. 연구 배경 및 문제 정의
3. 방법론 (실험 설계, 사용 재료/장비, 분석 방법)
4. 주요 결과 (핵심 데이터, 성능 지표)
5. 한계점 및 향후 연구 방향
6. 우리 연구/업무와의 관련성
[출력 형식]
- 각 항목을 표 형식으로 정리 (한 줄 요약 + 상세 설명)
- 방법론은 재현 가능한 수준으로 상세히
- 결과 데이터는 가능하면 수치를 포함
- 논문의 신뢰도 평가 (저널 수준, 인용 수, 방법론 적절성)
[논문 내용]
{여기에 논문 텍스트 또는 PDF 업로드}
3) 데이터 분석 요청 프롬프트
첨부한 데이터를 분석해줘.
이 데이터는 {실험/생산/품질검사} 과정에서 수집된 것이야.
[데이터 설명]
- 데이터 출처: {예: XX 공정 품질 검사 데이터}
- 기간: {예: 2025.01 ~ 2026.02}
- 주요 변수: {예: 온도, 압력, 수율, 불량률}
- 데이터 크기: {행 수} x {열 수}
[분석 요청]
1. 기초 통계 (평균, 표준편차, 분포)
2. 변수 간 상관관계 분석
3. 시계열 트렌드 (시간에 따른 변화)
4. 이상치(Outlier) 탐지
5. 핵심 인사이트 3가지 이상 도출
[출력 조건]
- 분석 결과를 표와 차트로 시각화
- 각 인사이트에 대한 가능한 원인 추정
- 후속 분석이 필요한 부분 표시
- Python/R 코드가 필요하면 함께 제공
보안과 주의사항
기업 AI 사용 보안 수칙
연구개발 직무에서 AI를 활용할 때는 기술 정보 보안이 특히 중요합니다. AI에 입력한 데이터가 어떻게 처리되는지 이해하고, 적절한 보안 수칙을 지켜야 합니다.
• 미공개 특허/기술 상세 내용
• 원본 실험 데이터 (특히 핵심 기술 관련)
• 고객사/협력사 기밀 정보
• 영업 비밀, 원가 구조, 제조 레시피
• 개인정보 (직원, 고객 데이터)
안전한 AI 활용을 위한 5가지 원칙
- 데이터 익명화: 실제 데이터 대신 가상 데이터를 만들어 입력하거나, 핵심 수치를 변형하여 사용합니다.
- 기업용 플랜 활용: ChatGPT Team/Enterprise, Claude Team 등 학습에 데이터를 사용하지 않는 기업용 요금제를 사용합니다.
- 학습 비활성화: 개인 계정 사용 시 반드시 "모델 학습에 데이터를 사용하지 않음" 설정을 확인합니다.
- 공개 가능 정보만: 이미 공개된 논문, 특허, 시장 보고서 등 외부에 알려진 정보 위주로 활용합니다.
- 사내 가이드라인 준수: 한화 그룹의 AI 사용 가이드라인을 반드시 확인하고 준수합니다.
할루시네이션 대응 전략
AI의 할루시네이션은 특히 기술 정보, 논문 인용, 통계 수치에서 위험합니다. 연구개발 직무에서는 잘못된 정보가 실험 설계나 의사결정에 영향을 줄 수 있으므로 항상 검증해야 합니다.
높은 위험 영역
- 특정 논문의 저자/연도/저널 정보
- 정확한 실험 조건 수치
- 특허 번호와 청구항 내용
- 규제/인증 기준 수치
- 특정 기업의 기술 수준
대응 방법
- 교차 검증: 2개 이상의 AI 도구로 확인
- 출처 요청: "근거 자료를 제시해줘"
- Perplexity 활용: 웹 검색 기반이라 출처 확인 용이
- 노트북LM: 업로드한 문서 기반만 답변
- 최종 검토: AI 결과물은 항상 초안으로 취급
데이터 속 숨은 패턴을 찾다
실험실에서 3개월 동안 모은 데이터가 스프레드시트에 빼곡히 쌓여 있습니다. 수율, 온도, 압력, 반응 시간, 촉매 농도... 수천 개의 숫자들. 이 안에 분명 무언가가 숨어 있습니다. 수율이 갑자기 떨어지는 구간, 특정 조건에서만 나타나는 이상한 패턴. 하지만 엑셀 시트를 아무리 들여다봐도, 인간의 눈으로 수천 행의 데이터에서 패턴을 찾는 것은 건초 더미에서 바늘을 찾는 것과 같습니다.
AI에게 이 데이터를 건네면, 5분 만에 흥미로운 이야기가 펼쳐집니다. "온도 65도 이상에서 반응 시간이 30분을 초과하면 수율이 급격히 떨어지는 패턴이 관찰됩니다." "3월 둘째 주에 불량률이 급증한 것은, 동시기 습도 변화와 0.87의 상관계수를 보입니다." 물론 이 분석 자체가 결론은 아닙니다. 상관관계가 인과관계는 아니니까요.
하지만 이것이 AI 데이터 분석의 진짜 가치입니다. AI는 답을 주는 것이 아니라, 올바른 질문을 던지게 해줍니다. "혹시 습도가 원인일까?"라는 가설이 머릿속에 떠오르는 순간, 연구자는 다음 실험을 설계할 수 있습니다. 데이터 속에 숨어 있던 힌트를 AI가 끄집어내주고, 그것을 의미 있는 발견으로 바꾸는 것은 연구자의 몫입니다.
앞으로의 연구는 이런 방식이 될 것입니다. AI와 함께 데이터를 탐색하고, 인간만이 할 수 있는 창의적 해석을 더하는 것. 데이터가 말하지 못하는 이야기를 읽어내는 능력, 그것이 AI 시대에도 연구자가 가장 빛나는 순간입니다.
AI 리서치 도구 완전 가이드
ChatGPT 심층 리서치
ChatGPT의 심층 리서치(Deep Research)는 복잡한 주제에 대해 웹을 체계적으로 탐색하고, 수십 개의 출처를 종합하여 구조화된 보고서를 생성해주는 기능입니다. 연구개발 직무에서 기술 동향 파악, 경쟁 기술 분석 등에 매우 유용합니다.
활용 방법
- ChatGPT에서 "심층 리서치" 모드를 선택합니다.
- 구체적인 연구 질문을 입력합니다. (예: "2024-2026년 고체 전해질 배터리 기술의 상용화 현황과 주요 기술 과제를 조사해줘")
- AI가 5~30분에 걸쳐 웹을 탐색하고 보고서를 작성합니다.
- 생성된 보고서의 출처를 확인하고 교차 검증합니다.
Perplexity 100% 활용법
Perplexity는 AI 기반 검색 엔진으로, 모든 답변에 출처를 명시하여 연구개발 업무의 팩트 체크에 최적화된 도구입니다.
핵심 기능
- Pro Search: 질문을 명확히 하기 위해 추가 질문을 하고, 심층적인 조사를 수행
- Focus 모드: Academic(학술), Writing(작문), Math(수학) 등 목적에 맞는 검색
- Collection: 리서치 결과를 주제별로 저장하고 관리
- 파일 업로드: PDF 논문을 업로드하고 질문하기
[Perplexity Pro Search에서 사용]
다음 주제에 대해 학술 연구 관점에서 조사해줘.
주제: {예: 페로브스카이트 태양전지의 안정성 개선 기술}
조사 항목:
1. 최근 2년간 주요 연구 논문 (SCI급 저널 우선)
2. 핵심 연구 그룹/기관 (한국 포함)
3. 현재 달성된 최고 효율과 안정성 수치
4. 주요 기술적 과제와 해결 접근법
5. 상용화까지의 로드맵
출처를 모두 명시해줘. 특히 DOI가 있는 논문은 DOI를 포함해줘.
SCI Space 활용 논문 검색 및 요약
SCI Space(구 Typeset)는 학술 논문 전문 AI 도구로, 2억 편 이상의 논문 DB에서 검색, 요약, 비교 분석을 제공합니다.
주요 기능
논문 탐색
- 자연어로 논문 검색
- 관련 논문 자동 추천
- 인용 네트워크 시각화
- 저자/기관별 필터링
AI 분석
- 논문 자동 요약 (1분 이내)
- 방법론 핵심 추출
- 복수 논문 비교 분석
- 용어 설명 및 수식 해석
노트북LM으로 할루시네이션 Zero 챗봇 구축
Google NotebookLM은 사용자가 업로드한 문서만을 기반으로 답변하는 AI 도구입니다. 외부 학습 데이터에 의존하지 않으므로, 할루시네이션 위험이 최소화됩니다.
연구개발에서의 활용 시나리오
- 프로젝트 문서 기반 Q&A: 연구 계획서, 중간 보고서, 최종 보고서를 모두 업로드하면 프로젝트 히스토리를 즉시 파악할 수 있는 챗봇이 됩니다.
- 논문 리뷰 도우미: 관련 논문 10~20편을 업로드하고, "이 논문들에서 공통적으로 사용된 방법론은?" 같은 질문을 합니다.
- 규격/표준 검색: ISO, KS 등 규격 문서를 업로드하면 특정 조건의 기준값을 즉시 찾아줍니다.
- 오디오 요약: 업로드된 문서를 팟캐스트 형태의 오디오로 요약하여 이동 중에도 학습 가능합니다.
데이터 분석과 시각화
GPT-5 Thinking을 활용한 데이터 분석
GPT-5의 Thinking 모드는 답변 전에 내부적으로 '추론 과정'을 거치므로, 복잡한 데이터 분석과 패턴 발견에 특히 강합니다. 엑셀 파일이나 CSV 데이터를 직접 업로드하면 코드를 자동 생성하여 분석합니다.
데이터 분석 워크플로우
- 데이터 업로드: ChatGPT에 엑셀/CSV 파일을 직접 업로드합니다. GPT-5 Thinking 모드를 선택합니다.
- 탐색적 분석 요청: "이 데이터의 전반적인 특성을 분석해줘. 기초 통계, 분포, 이상치를 확인해줘."
- 심층 분석: "변수 간 상관관계를 분석하고, 수율에 영향을 미치는 핵심 변수를 찾아줘."
- 시각화 요청: "분석 결과를 차트로 시각화해줘. 히트맵, 산점도, 시계열 그래프를 포함해."
- 인사이트 정리: "핵심 발견사항을 보고서 형태로 정리해줘. 각 발견에 대한 원인 추정과 개선 방향을 포함해."
[GPT-5 Thinking 모드에서 사용, 데이터 파일 업로드 후] 이 데이터를 분석하고 인사이트를 도출해줘. 연구개발 주간 보고서에 포함할 분석 내용이야. [분석 순서] Step 1. 데이터 품질 확인 (결측치, 이상치, 데이터 타입) Step 2. 기초 통계량 (평균, 중앙값, 표준편차, 분포) Step 3. 변수 간 상관관계 분석 (히트맵 시각화) Step 4. 시계열 트렌드 분석 (시간에 따른 변화 패턴) Step 5. 핵심 인사이트 도출 (최소 3가지) Step 6. 개선 제안 (데이터 기반) [출력 조건] - 각 Step의 결과를 차트/표로 시각화 - Python 코드를 함께 제공 (재현 가능하도록) - 인사이트는 "현상 → 원인 추정 → 개선 방향" 구조로 - 추가 분석이 필요한 포인트 표시 [성공 기준] 좋은 분석이란 데이터에서 실질적으로 행동을 변화시킬 수 있는 인사이트를 도출하는 것이다.
Claude 아티팩트로 시각화하기
Claude의 아티팩트(Artifact) 기능은 대화 창 옆에 별도의 캔버스에서 코드, 문서, 시각화를 실시간으로 생성하고 미리보기할 수 있는 기능입니다. 특히 HTML/CSS/JavaScript로 인터랙티브한 시각화를 만들 수 있어, 데이터 분석 결과를 보고서 형태로 만들기에 최적입니다.
아티팩트로 만들 수 있는 것들
- 인터랙티브 차트 (막대, 선, 파이, 산점도, 히트맵)
- 대시보드 형태의 분석 보고서
- 데이터 비교 테이블
- 프로세스 흐름도
- 실험 결과 요약 카드
다음 분석 결과를 기반으로 시각화 HTML 리포트를 만들어줘.
아티팩트로 생성해줘.
[분석 결과 데이터]
{분석 결과 데이터를 붙여넣기}
[리포트 구성]
1. 제목 및 요약 (주요 발견 3가지 하이라이트)
2. 핵심 지표 카드 (KPI 형태로 4~6개)
3. 트렌드 차트 (시계열 변화)
4. 상관관계 히트맵 또는 산점도
5. 상세 데이터 테이블
6. 결론 및 제안
[디자인 조건]
- 깔끔하고 전문적인 디자인 (다크블루 + 오렌지 색상)
- Chart.js 또는 SVG 기반 차트
- 반응형 (모바일에서도 볼 수 있게)
- 인쇄 시 A4에 맞게 레이아웃
- 한글 폰트 (Pretendard)
엑셀 함수 자동 생성
복잡한 엑셀 함수를 외울 필요가 없습니다. AI에게 원하는 결과를 설명하면, 적절한 함수를 자동으로 생성해줍니다.
엑셀에서 다음 작업을 수행하는 함수를 만들어줘. [현재 시트 구조] - A열: 날짜 (2025-01-01 형식) - B열: 샘플 번호 - C열: 측정값 1 (온도, °C) - D열: 측정값 2 (압력, kPa) - E열: 결과값 (수율, %) - 데이터 범위: 2행~500행 [필요한 함수] 1. E열 수율의 월별 평균을 구하는 함수 2. 수율이 목표값(90%) 이하인 행만 필터링하는 조건 3. C열(온도)과 E열(수율)의 상관계수 4. 최근 30일간의 수율 이동평균 5. 수율이 갑자기 5% 이상 떨어진 날짜 찾기 [출력 형식] - 각 함수와 설명을 표 형식으로 - 함수 적용 위치(셀 주소) 명시 - 한국어 엑셀 기준 (함수명은 영문)
자주 쓰는 연구개발 엑셀 함수 TOP 10
| # | 함수 | 용도 | 예시 |
|---|---|---|---|
| 1 | AVERAGE, STDEV | 기초 통계 | =AVERAGE(E2:E500) |
| 2 | CORREL | 상관계수 | =CORREL(C2:C500, E2:E500) |
| 3 | PERCENTILE | 분위수 | =PERCENTILE(E2:E500, 0.95) |
| 4 | COUNTIFS | 조건부 집계 | =COUNTIFS(E2:E500,"<90") |
| 5 | AVERAGEIFS | 조건부 평균 | =AVERAGEIFS(E:E,A:A,">="&DATE(2026,1,1)) |
| 6 | INDEX+MATCH | 고급 검색 | =INDEX(E:E,MATCH(MAX(E2:E500),E2:E500,0)+1) |
| 7 | LINEST | 회귀분석 | =LINEST(E2:E500,C2:C500,TRUE,TRUE) |
| 8 | FORECAST.ETS | 시계열 예측 | =FORECAST.ETS(날짜,E2:E500,A2:A500) |
| 9 | UNIQUE+SORT | 고유값 정렬 | =SORT(UNIQUE(B2:B500)) |
| 10 | LET+LAMBDA | 사용자 정의 | =LET(avg,AVERAGE(E:E),std,STDEV(E:E),...) |
실험실과 사무실 사이
연구원의 업무는 실험실에서만 이루어지지 않습니다. 실험을 설계하고, 데이터를 정리하고, 보고서를 쓰고, 발표 자료를 만들고, 프로젝트 일정을 관리하고, 협력업체와 소통하는 일들이 연구 시간만큼 많은 비중을 차지합니다. 어떤 날은 사무실에서 엑셀과 파워포인트만 만지다 하루가 끝나기도 합니다.
이런 행정 업무들은 중요하지만, 솔직히 말하면 연구자가 가장 하고 싶은 일은 아닙니다. 새로운 소재를 합성하고, 성능을 측정하고, 예상치 못한 결과에 놀라는 그 순간이 연구의 본질이니까요. 하지만 조직 안에서 일하는 이상, 행정 업무는 피할 수 없습니다.
여기서 VBA 매크로와 AI의 조합이 빛을 발합니다. 매주 반복되는 데이터 취합 — 여러 시트에 흩어진 실험 결과를 하나로 모으는 작업, 월별 품질 보고서의 정형화된 양식을 채우는 작업, 외부 데이터베이스에서 최신 정보를 가져와 업데이트하는 작업. 이런 것들은 한 번 자동화하면 버튼 하나로 끝낼 수 있습니다.
프로그래밍을 몰라도 괜찮습니다. AI에게 "매주 월요일 각 팀원의 실험 결과 엑셀을 자동으로 합쳐서 요약표를 만들어주는 VBA 코드를 만들어줘"라고 말하면, 동작하는 코드가 나옵니다. 코드를 이해할 필요도 없습니다. 복사해서 붙여넣고, 실행 버튼을 누르면 됩니다. 그렇게 아낀 2시간은, 다시 실험실로 돌아가는 시간이 됩니다.
이제는 '품질'이 달라진다
연구개발에서 AI의 첫 번째 가치는 분명했습니다. 논문 100편을 읽는 데 2주 걸리던 일을 하루로 줄이고, 실험 데이터 정리에 반나절 걸리던 일을 10분으로 단축하는 것. 속도와 효율의 혁신이었습니다.
하지만 현장에서 AI를 쓰기 시작한 연구자들이 체감하는 진짜 변화는 다른 곳에 있습니다. 결과물의 품질이 달라지고 있다는 것입니다.
예를 들어, 기술 동향 리서치를 생각해보세요. 사람이 직접 논문을 검색하면, 익숙한 키워드와 저널 위주로 찾게 됩니다. 10년차 연구원도 자신의 관점이라는 편향에서 자유로울 수 없습니다. 하지만 AI는 다릅니다. Perplexity나 ChatGPT Deep Research에게 기술 동향을 조사시키면, 연구자가 평소 보지 않던 분야의 교차점에서 흥미로운 논문을 찾아옵니다. 재료공학 연구자에게 바이오 분야의 유사 접근법을 제시하고, 국내 연구 중심으로 보던 시야에 유럽의 최신 규격 변화를 알려줍니다. 시야의 사각지대가 줄어드는 것입니다.
데이터 분석에서는 변화가 더 극적입니다. 사람이 엑셀로 분석하면, 보통 가설을 먼저 세우고 그에 맞는 패턴을 찾습니다. 하지만 AI에게 "이 데이터에서 눈에 띄는 패턴을 모두 찾아줘"라고 요청하면, 사람이 놓쳤을 상관관계, 이상치, 숨은 클러스터를 발견합니다. 실험 3번과 실험 7번의 온도-수율 관계가 역전되는 구간이 있다는 것을 사람은 못 봤지만, AI는 10초 만에 짚어냅니다.
보고서의 품질도 달라집니다. 시간에 쫓겨 쓴 보고서는 데이터를 나열하는 데 그치기 쉽습니다. 하지만 AI가 구조와 초안을 잡아주면, 연구자는 해석과 인사이트에 에너지를 집중할 수 있습니다. 그래프가 보여주는 숫자 뒤에, "이것이 의미하는 바"를 쓰는 데 시간을 쓸 수 있는 것입니다.
효율에서 품질로. 이것이 AI 활용의 두 번째 단계입니다. 같은 일을 빠르게 하는 것을 넘어, 이전에는 물리적으로 도달하지 못했던 수준의 리서치 깊이, 분석 정밀도, 보고서 완성도를 확보하는 것. 연구개발에서 품질의 차이는 곧 기술 경쟁력의 차이입니다. AI는 그 차이를 만드는 도구가 되고 있습니다.
VBA 자동화의 세계
ChatGPT로 VBA 코드 생성하기
VBA(Visual Basic for Applications)는 엑셀에 내장된 프로그래밍 언어입니다. 프로그래밍 경험이 전혀 없어도, ChatGPT에게 원하는 작업을 설명하면 동작하는 VBA 코드를 받을 수 있습니다.
VBA 매크로 사용법 (초보자 가이드)
- 엑셀에서 Alt + F11을 눌러 VBA 편집기를 엽니다.
- [삽입] → [모듈]을 클릭하여 새 모듈을 추가합니다.
- AI가 생성한 VBA 코드를 모듈에 붙여넣습니다.
- F5를 누르거나, 엑셀에서 [개발 도구] → [매크로]에서 실행합니다.
- 파일을 .xlsm (매크로 사용 통합 문서) 형식으로 저장합니다.
엑셀 VBA 매크로를 만들어줘.
[작업 설명]
{예: 같은 폴더에 있는 여러 엑셀 파일의 "실험결과" 시트에서
데이터를 자동으로 취합하여 "요약" 시트에 합쳐주는 매크로}
[상세 조건]
- 대상 파일: 같은 폴더 내 모든 .xlsx 파일
- 대상 시트: "실험결과" (또는 첫 번째 시트)
- 데이터 범위: A1부터 데이터가 있는 마지막 행/열까지
- 헤더 처리: 첫 번째 파일의 헤더만 포함, 나머지는 데이터만
- 출력: 현재 파일의 "통합" 시트에 합치기
- 파일명 열 추가: 어떤 파일에서 가져온 데이터인지 표시
[코드 요구사항]
- 한국어 주석 포함 (각 단계마다)
- 에러 처리 포함 (파일 없음, 시트 없음 등)
- 진행 상황 메시지 표시 (StatusBar 활용)
- 완료 후 결과 요약 메시지 박스
실험 데이터 자동 취합 매크로
아래는 여러 엑셀 파일의 실험 데이터를 자동으로 취합하는 실제 VBA 코드입니다. 교육 중 실습5에서 활용합니다.
Sub CollectExperimentData() ' ============================================ ' 실험 데이터 자동 취합 매크로 ' 같은 폴더 내 모든 엑셀 파일에서 데이터를 수집합니다 ' ============================================ Dim folderPath As String Dim fileName As String Dim wb As Workbook Dim wsSource As Worksheet Dim wsTarget As Worksheet Dim lastRowSource As Long, lastRowTarget As Long Dim lastCol As Long Dim fileCount As Long Dim totalRows As Long Dim isFirstFile As Boolean ' --- 초기 설정 --- Application.ScreenUpdating = False Application.DisplayAlerts = False ' 현재 파일이 있는 폴더 경로 folderPath = ThisWorkbook.Path & "\" ' "통합" 시트 생성 (기존 시트가 있으면 삭제 후 재생성) On Error Resume Next ThisWorkbook.Sheets("통합").Delete On Error GoTo ErrorHandler Set wsTarget = ThisWorkbook.Sheets.Add(After:=ThisWorkbook.Sheets(ThisWorkbook.Sheets.Count)) wsTarget.Name = "통합" ' --- 폴더 내 엑셀 파일 순회 --- fileName = Dir(folderPath & "*.xlsx") fileCount = 0 totalRows = 0 isFirstFile = True Do While fileName <> "" ' 현재 파일(매크로 파일) 제외 If fileName <> ThisWorkbook.Name Then ' 진행 상황 표시 Application.StatusBar = "처리 중: " & fileName ' 파일 열기 Set wb = Workbooks.Open(folderPath & fileName, ReadOnly:=True) Set wsSource = wb.Sheets(1) ' 첫 번째 시트 ' 데이터 범위 확인 lastRowSource = wsSource.Cells(wsSource.Rows.Count, 1).End(xlUp).Row lastCol = wsSource.Cells(1, wsSource.Columns.Count).End(xlToLeft).Column If lastRowSource >= 2 Then lastRowTarget = wsTarget.Cells(wsTarget.Rows.Count, 1).End(xlUp).Row ' 첫 번째 파일이면 헤더 포함 If isFirstFile Then ' 헤더 복사 + "원본파일" 열 추가 wsSource.Range(wsSource.Cells(1, 1), wsSource.Cells(1, lastCol)).Copy _ wsTarget.Cells(1, 1) wsTarget.Cells(1, lastCol + 1).Value = "원본파일" ' 데이터 복사 wsSource.Range(wsSource.Cells(2, 1), wsSource.Cells(lastRowSource, lastCol)).Copy _ wsTarget.Cells(2, 1) ' 원본 파일명 기록 Dim i As Long For i = 2 To lastRowSource wsTarget.Cells(i, lastCol + 1).Value = fileName Next i isFirstFile = False Else ' 데이터만 복사 (헤더 제외) lastRowTarget = wsTarget.Cells(wsTarget.Rows.Count, 1).End(xlUp).Row + 1 wsSource.Range(wsSource.Cells(2, 1), wsSource.Cells(lastRowSource, lastCol)).Copy _ wsTarget.Cells(lastRowTarget, 1) ' 원본 파일명 기록 For i = lastRowTarget To lastRowTarget + (lastRowSource - 2) wsTarget.Cells(i, lastCol + 1).Value = fileName Next i End If totalRows = totalRows + (lastRowSource - 1) fileCount = fileCount + 1 End If ' 파일 닫기 wb.Close SaveChanges:=False End If fileName = Dir() Loop ' --- 서식 정리 --- wsTarget.Columns.AutoFit wsTarget.Rows(1).Font.Bold = True wsTarget.Rows(1).Interior.Color = RGB(30, 58, 95) ' 헤더 배경색 wsTarget.Rows(1).Font.Color = RGB(255, 255, 255) ' 헤더 글자색 ' --- 완료 --- Application.StatusBar = False Application.ScreenUpdating = True Application.DisplayAlerts = True MsgBox "데이터 취합 완료!" & vbNewLine & vbNewLine & _ "처리 파일 수: " & fileCount & "개" & vbNewLine & _ "총 데이터 행: " & totalRows & "행", vbInformation, "완료" Exit Sub ErrorHandler: Application.StatusBar = False Application.ScreenUpdating = True Application.DisplayAlerts = True MsgBox "오류가 발생했습니다: " & Err.Description, vbCritical, "오류" End Sub
원버튼 리포트 생성 매크로
취합된 데이터를 기반으로 자동 요약 리포트를 생성하는 매크로입니다. 버튼 하나로 기초 통계, 월별 트렌드, 이상치 요약이 포함된 리포트 시트를 만들어줍니다.
Sub GenerateReport() ' ============================================ ' 원버튼 리포트 생성 매크로 ' "통합" 시트의 데이터를 분석하여 "리포트" 시트를 생성합니다 ' ============================================ Dim wsData As Worksheet, wsReport As Worksheet Dim lastRow As Long, lastCol As Long Dim reportRow As Long Dim colIndex As Long Dim colName As String Dim dataRange As Range ' 데이터 시트 확인 On Error Resume Next Set wsData = ThisWorkbook.Sheets("통합") On Error GoTo ErrorHandler If wsData Is Nothing Then MsgBox "'통합' 시트가 없습니다. 먼저 데이터를 취합해주세요.", vbExclamation Exit Sub End If lastRow = wsData.Cells(wsData.Rows.Count, 1).End(xlUp).Row lastCol = wsData.Cells(1, wsData.Columns.Count).End(xlToLeft).Column ' 리포트 시트 생성 Application.DisplayAlerts = False On Error Resume Next ThisWorkbook.Sheets("리포트").Delete On Error GoTo ErrorHandler Application.DisplayAlerts = True Set wsReport = ThisWorkbook.Sheets.Add(After:=ThisWorkbook.Sheets(ThisWorkbook.Sheets.Count)) wsReport.Name = "리포트" ' --- 리포트 제목 --- reportRow = 1 With wsReport.Cells(reportRow, 1) .Value = "데이터 분석 리포트" .Font.Size = 16 .Font.Bold = True .Font.Color = RGB(30, 58, 95) End With reportRow = 2 wsReport.Cells(reportRow, 1).Value = "생성일: " & Format(Now, "yyyy-mm-dd hh:mm") wsReport.Cells(reportRow, 1).Font.Color = RGB(119, 119, 119) ' --- 기초 통계 섹션 --- reportRow = 4 With wsReport.Cells(reportRow, 1) .Value = "1. 기초 통계" .Font.Size = 13 .Font.Bold = True .Font.Color = RGB(255, 107, 0) ' 한화 오렌지 End With reportRow = 5 ' 헤더 wsReport.Cells(reportRow, 1).Value = "항목" wsReport.Cells(reportRow, 2).Value = "평균" wsReport.Cells(reportRow, 3).Value = "표준편차" wsReport.Cells(reportRow, 4).Value = "최소" wsReport.Cells(reportRow, 5).Value = "최대" wsReport.Cells(reportRow, 6).Value = "데이터 수" wsReport.Range(wsReport.Cells(reportRow, 1), wsReport.Cells(reportRow, 6)).Font.Bold = True wsReport.Range(wsReport.Cells(reportRow, 1), wsReport.Cells(reportRow, 6)).Interior.Color = RGB(30, 58, 95) wsReport.Range(wsReport.Cells(reportRow, 1), wsReport.Cells(reportRow, 6)).Font.Color = RGB(255, 255, 255) ' 각 숫자 열에 대해 통계 계산 For colIndex = 1 To lastCol colName = wsData.Cells(1, colIndex).Value If IsNumeric(wsData.Cells(2, colIndex).Value) And wsData.Cells(2, colIndex).Value <> "" Then reportRow = reportRow + 1 Set dataRange = wsData.Range(wsData.Cells(2, colIndex), wsData.Cells(lastRow, colIndex)) wsReport.Cells(reportRow, 1).Value = colName wsReport.Cells(reportRow, 2).Value = Round(Application.Average(dataRange), 2) wsReport.Cells(reportRow, 3).Value = Round(Application.StDev(dataRange), 2) wsReport.Cells(reportRow, 4).Value = Application.Min(dataRange) wsReport.Cells(reportRow, 5).Value = Application.Max(dataRange) wsReport.Cells(reportRow, 6).Value = Application.Count(dataRange) End If Next colIndex ' --- 데이터 요약 섹션 --- reportRow = reportRow + 2 With wsReport.Cells(reportRow, 1) .Value = "2. 데이터 요약" .Font.Size = 13 .Font.Bold = True .Font.Color = RGB(255, 107, 0) End With reportRow = reportRow + 1 wsReport.Cells(reportRow, 1).Value = "총 데이터 행 수:" wsReport.Cells(reportRow, 2).Value = lastRow - 1 reportRow = reportRow + 1 wsReport.Cells(reportRow, 1).Value = "총 변수(열) 수:" wsReport.Cells(reportRow, 2).Value = lastCol ' --- 서식 정리 --- wsReport.Columns.AutoFit MsgBox "리포트가 생성되었습니다!", vbInformation, "완료" wsReport.Activate Exit Sub ErrorHandler: Application.DisplayAlerts = True MsgBox "오류: " & Err.Description, vbCritical, "오류" End Sub
외부 정보 자동 수집 워크플로우
연구개발에서는 외부 데이터베이스, 웹사이트, API에서 정보를 수집하는 작업이 빈번합니다. 아래는 외부 정보를 자동으로 가져오는 개념과 VBA 코드입니다.
자동 수집 워크플로우 개념
Step 1. 데이터 소스 정의
수집할 정보의 URL, API 주소, 또는 로컬 파일 경로를 엑셀에 리스트로 정리합니다.
Step 2. VBA로 자동 수집
XMLHTTP 또는 Power Query를 활용하여 데이터를 자동으로 가져옵니다.
Step 3. 데이터 정리
수집된 데이터를 정규화하고, 필요한 형식으로 변환합니다.
Step 4. 리포트 생성
정리된 데이터를 기반으로 자동 리포트를 생성합니다.
Sub FetchWebData() ' ============================================ ' 외부 웹 데이터 자동 수집 매크로 ' "URL목록" 시트의 URL에서 데이터를 가져옵니다 ' ============================================ Dim wsURL As Worksheet, wsResult As Worksheet Dim http As Object Dim url As String Dim lastRow As Long, i As Long Dim resultRow As Long Dim response As String Set wsURL = ThisWorkbook.Sheets("URL목록") ' 결과 시트 준비 Application.DisplayAlerts = False On Error Resume Next ThisWorkbook.Sheets("수집결과").Delete On Error GoTo 0 Application.DisplayAlerts = True Set wsResult = ThisWorkbook.Sheets.Add(After:=ThisWorkbook.Sheets(ThisWorkbook.Sheets.Count)) wsResult.Name = "수집결과" ' 헤더 설정 wsResult.Cells(1, 1).Value = "URL" wsResult.Cells(1, 2).Value = "상태" wsResult.Cells(1, 3).Value = "수집일시" wsResult.Cells(1, 4).Value = "데이터" wsResult.Rows(1).Font.Bold = True ' HTTP 객체 생성 Set http = CreateObject("MSXML2.XMLHTTP.6.0") lastRow = wsURL.Cells(wsURL.Rows.Count, 1).End(xlUp).Row resultRow = 2 For i = 2 To lastRow url = wsURL.Cells(i, 1).Value If url <> "" Then Application.StatusBar = "수집 중: " & i - 1 & "/" & lastRow - 1 On Error Resume Next http.Open "GET", url, False http.setRequestHeader "User-Agent", "Mozilla/5.0" http.send If Err.Number = 0 Then wsResult.Cells(resultRow, 1).Value = url wsResult.Cells(resultRow, 2).Value = http.Status & " " & http.statusText wsResult.Cells(resultRow, 3).Value = Format(Now, "yyyy-mm-dd hh:mm:ss") ' 응답 텍스트 (첫 1000자만 저장) response = http.responseText If Len(response) > 1000 Then response = Left(response, 1000) & "..." wsResult.Cells(resultRow, 4).Value = response Else wsResult.Cells(resultRow, 1).Value = url wsResult.Cells(resultRow, 2).Value = "오류: " & Err.Description wsResult.Cells(resultRow, 3).Value = Format(Now, "yyyy-mm-dd hh:mm:ss") Err.Clear End If On Error GoTo 0 resultRow = resultRow + 1 End If Next i ' 서식 정리 wsResult.Columns.AutoFit Application.StatusBar = False MsgBox "외부 데이터 수집 완료!" & vbNewLine & _ "수집 건수: " & resultRow - 2 & "건", vbInformation, "완료" Set http = Nothing End Sub
엑셀 VBA로 외부 정보를 자동 취합하는 매크로를 만들어줘.
[업무 시나리오]
{예: 매주 월요일, 5개 원료 공급업체의 웹사이트에서 최신
원료 가격 정보를 수집하여 엑셀에 자동 기록하는 매크로}
[필요 기능]
1. "URL목록" 시트에서 수집 대상 URL/API 읽기
2. XMLHTTP로 웹 데이터 가져오기
3. 필요한 정보 파싱 (가격, 날짜, 수량 등)
4. "수집결과" 시트에 정리하여 저장
5. 이전 수집 결과와 비교하여 변동 사항 표시
6. 수집 이력 누적 (날짜별 기록)
[출력 조건]
- 에러 처리 포함 (접속 실패, 타임아웃 등)
- 한국어 주석
- 진행 상황 표시
- 수집 완료 후 변동 사항 요약 메시지
스프레드시트 내 GPT API 활용
엑셀 셀 안에서 직접 GPT API를 호출하여 데이터를 정량화하거나 텍스트를 분류할 수 있습니다. 아래는 개념과 활용 방법입니다.
• 실험 관찰 노트(텍스트) → 정량적 평가 점수로 자동 변환
• 불량 사유 텍스트 → 자동 분류 (재료/공정/환경/기타)
• 기술 키워드 → 관련 기술 분류 코드 자동 매핑
• 영문 논문 제목 → 한국어 요약 자동 생성
다음 기술 분야의 최신 동향을 분석해줘.
분기별 기술 동향 보고서에 포함할 내용이야.
[기술 분야]
- 분야: {예: 반도체 패키징 기술 - 이종 집적(Heterogeneous Integration)}
- 분석 기간: 최근 6개월
[분석 프레임워크]
1. 기술 성숙도 평가 (TRL 기준)
2. 주요 플레이어 동향 (기업, 연구기관)
3. 특허 출원 트렌드 (주요국별)
4. 핵심 기술 과제 및 해결 방향
5. 우리 회사에 대한 시사점
[출력 형식]
- 각 항목 2~3문단
- 핵심 데이터는 표로 정리
- SWOT 분석 포함
- "주목할 점" 섹션으로 마무리
[성공 기준]
좋은 동향 분석이란 현재 상황을 정확히 진단하고,
향후 6개월~1년의 변화 방향을 구체적으로 전망하는 것이다.
AI 도구 비교 (2026.3)
연구개발 관점 AI 도구 비교표
2026년 3월 기준, 연구개발 및 생산품질 업무에서 활용할 수 있는 주요 AI 도구를 비교합니다. 각 도구의 강점을 파악하고, 업무 상황에 맞게 선택하세요.
| 도구 | 주요 강점 | 연구개발 활용 | 요금 | 추천도 |
|---|---|---|---|---|
| ChatGPT GPT-5 |
범용성, 데이터 분석, 코드 생성, 심층 리서치 | 데이터 분석, VBA 코드 생성, 기술 리서치, 보고서 초안 | 무료 / Plus $20 / Team $30 | 핵심 |
| Claude Opus 4.5 / Sonnet 4.5 |
긴 문서 분석, 정교한 글쓰기, 아티팩트 시각화 | 논문 분석, 보고서 작성, HTML 리포트, 코드 리뷰 | 무료 / Pro $20 / Team $30 | 핵심 |
| Gemini 3.0 Flash / 2.5 Pro |
1M 토큰, 구글 통합, 멀티모달 | 대량 PDF 분석, 이미지/영상 분석, 구글 워크스페이스 연동 | 무료 / Advanced $20 | 보조 |
| Copilot Microsoft 365 |
오피스 직접 통합, 엑셀/워드/PPT 내 AI | 엑셀 데이터 분석, 워드 보고서, PPT 발표 자료 | M365 구독 + Copilot $30 | 선택 |
| Perplexity Sonar Pro |
실시간 검색, 출처 명시, 팩트 체크 | 기술 동향 조사, 경쟁사 분석, 논문 검색, 교차 검증 | 무료 / Pro $20 | 핵심 |
| NotebookLM |
문서 기반 Q&A, 할루시네이션 최소화 | 프로젝트 문서 검색, 규격/표준 조회, 논문 리뷰 | 무료 | 필수 |
• 일상 업무: ChatGPT (데이터 분석, 코드 생성) + Claude (보고서, 시각화)
• 리서치: Perplexity (기술 동향) + SCI Space (논문)
• 문서 관리: NotebookLM (프로젝트 히스토리, 규격 검색)
• 오피스 자동화: ChatGPT로 VBA 코드 생성 → 엑셀에서 실행
업무 상황별 도구 선택 가이드
| 업무 상황 | 추천 도구 | 이유 |
|---|---|---|
| "이 기술의 최신 동향을 조사해야 해" | Perplexity → ChatGPT 심층리서치 | 출처 명시 + 심층 분석의 조합 |
| "논문 10편을 비교 분석해야 해" | NotebookLM + Claude | 문서 업로드 후 질문 + 비교표 생성 |
| "실험 데이터를 분석하고 시각화해야 해" | ChatGPT (GPT-5 Thinking) | 파일 업로드 → 코드 자동 생성 → 차트 생성 |
| "분석 결과를 예쁜 리포트로 만들어야 해" | Claude (아티팩트) | HTML/CSS 기반 인터랙티브 리포트 생성 |
| "매주 반복하는 엑셀 작업을 자동화하고 싶어" | ChatGPT | VBA 코드 생성에 가장 강함 |
| "ISO 규격에서 특정 조건의 기준값을 찾아야 해" | NotebookLM | 규격 문서 업로드 후 정확한 조회 |
| "영문 논문을 빠르게 이해하고 싶어" | SCI Space + Claude | 논문 자동 요약 + 상세 질문 |
기술의 미래를 그리는 사람들
AI가 모든 것을 바꿀 것이라는 이야기가 넘쳐납니다. 코드를 쓰고, 그림을 그리고, 논문을 쓰고, 음악을 작곡합니다. 그렇다면 연구개발 전문가의 역할은 어떻게 달라질까요? 혹시 필요 없어지는 건 아닐까요?
대답은 명확합니다. 오히려 더 중요해집니다. AI가 아무리 발전해도 할 수 없는 것이 있습니다. 그것은 "어떤 문제를 풀어야 하는지"를 결정하는 것입니다. AI는 주어진 문제를 효율적으로 해결하지만, 어떤 문제가 풀 가치가 있는지, 어떤 기술이 세상을 바꿀 수 있는지 판단하는 것은 인간의 영역입니다.
미래의 연구개발 전문가는 AI를 통해 "생각하는 시간"의 밀도가 높아질 것입니다. 데이터 정리에 쓰던 3시간이 자유로워지면, 그 3시간을 아이디어 구상에 쓸 수 있습니다. 논문 100편을 읽는 대신 AI가 정리해준 요약을 보고, 논문들이 놓친 빈틈을 발견하는 데 집중할 수 있습니다. 반복 실험의 결과를 AI가 분석해주면, 다음 실험의 방향을 더 깊이 고민할 수 있습니다.
한화의 연구개발 전문가로서 여러분이 지금 배우는 AI 활용 능력은, 단순한 도구 사용법이 아닙니다. 기술의 미래를 더 넓은 시야로, 더 깊은 통찰로 그려나가기 위한 날개입니다. 기술의 가능성을 보는 눈, 실험의 의미를 읽는 감각, 새로운 것에 도전하는 용기 — 이것이 AI 시대에 연구개발 전문가가 가장 빛나는 순간을 만듭니다.
학습 로드맵: 4주 실전 적용 플랜
교육 후 4주간의 실전 적용 로드맵
교육에서 배운 내용을 실무에 정착시키기 위해, 4주간 단계적으로 적용해보세요. 매주 30분~1시간만 투자하면 됩니다.
1주차: 일상 업무에 AI 도입
- ChatGPT/Claude에 매일 1개 이상 질문하기
- 기존에 검색엔진으로 하던 기술 조사를 Perplexity로 해보기
- 짧은 보고서(이메일, 회의록 요약) AI로 초안 잡기
- 목표: AI와 대화하는 것에 익숙해지기
2주차: 리서치 워크플로우 구축
- 담당 기술 분야 논문 5편을 NotebookLM에 업로드
- Perplexity로 기술 동향 리서치 → ChatGPT로 보고서 작성
- SCI Space에서 관련 논문 탐색 루틴 만들기
- 목표: 리서치 속도 2배 향상 체감
3주차: 데이터 분석 실전
- 실제 업무 데이터를 ChatGPT로 분석해보기
- Claude 아티팩트로 시각화 리포트 1개 만들기
- 자주 쓰는 엑셀 함수 3개를 AI로 생성
- 목표: AI 데이터 분석 결과를 업무에 반영
4주차: 자동화 & 정착
- 가장 반복적인 엑셀 작업 1개를 VBA로 자동화
- 나만의 프롬프트 템플릿 라이브러리 구축
- 팀원과 AI 활용 사례 공유
- 목표: 주 2시간 이상 시간 절약 달성
AI 활용 역량 체크리스트
4주 후 아래 항목을 체크해보세요. 절반 이상 체크할 수 있다면, AI를 실무에 효과적으로 활용하고 있는 것입니다.
| # | 체크 항목 | 도구 | 달성 |
|---|---|---|---|
| 1 | 기술 동향을 AI로 조사하고 보고서를 작성할 수 있다 | Perplexity + ChatGPT | ☐ |
| 2 | 논문을 AI로 요약하고 핵심을 추출할 수 있다 | SCI Space + Claude | ☐ |
| 3 | 실험 데이터를 AI로 분석하고 인사이트를 도출할 수 있다 | ChatGPT (Thinking) | ☐ |
| 4 | 분석 결과를 시각화 리포트로 만들 수 있다 | Claude (아티팩트) | ☐ |
| 5 | VBA 매크로를 AI로 생성하여 반복 작업을 자동화할 수 있다 | ChatGPT + VBA | ☐ |
| 6 | 프로젝트 문서를 NotebookLM에 업로드하여 Q&A 챗봇을 만들 수 있다 | NotebookLM | ☐ |
| 7 | AI 결과물의 정확성을 교차 검증할 수 있다 | Perplexity + 원본 확인 | ☐ |
| 8 | 나만의 프롬프트 템플릿을 3개 이상 보유하고 있다 | 전체 | ☐ |
추천 학습 리소스
무료 리소스
- OpenAI Cookbook: GPT 활용 예제 모음
- Anthropic Docs: Claude 공식 활용 가이드
- Google AI Studio: Gemini 실습 환경
- NotebookLM: 무료 사용 (Google 계정)
- Perplexity: 무료 검색 (일 5회 Pro Search)
심화 학습
- 네이버 프리미엄: AI 실무 활용 채널
- Coursera: "AI for Science" 과정
- YouTube: VBA 기초 강의 (무료)
- 사내 스터디: AI 활용 사례 공유회
별첨. 실전 실습 가이드
📊 교육_설문조사_결과_원본.xlsx 다운로드
✅ 실습 1-1. 여러 엑셀파일 취합 자동화
흩어져 있는 다수의 엑셀 파일(.xlsx)을 하나의 통합 시트로 자동 취합하는 VBA 매크로를 작성합니다. 폴더 내 모든 엑셀 파일을 순회하며 데이터를 하나의 시트에 순차적으로 붙여넣는 방식입니다.
사전 준비
1. 바탕화면에 새로운 폴더를 하나 만들고, Ctrl+C, Ctrl+V로 5개 정도 다운로드 받은 파일을 복사하세요. 아래 스크린샷처럼.
2. 새 폴더에 새 엑셀파일을 하나 만듭니다. 파일 제목은 ‘엑셀매크로연습’. 모든 매크로는 이 파일에서 연습합니다.
3. 매크로모음 파일을 열고, Alt+F11, 모듈 생성 후 모듈 이름 변경 (‘filemerge’, 영어만 가능)
우클릭 → 삽입 → 모듈
모듈이름 변경
💬 ChatGPT에 입력할 명령 프롬프트
아래 프롬프트를 ChatGPT에 그대로 복사-붙여넣기 하면 VBA 코드를 자동으로 작성해줍니다. 생성된 코드를 엑셀의 VBA 편집기(Alt+F11)에 붙여넣고 실행하면 됩니다.
엑셀 VBA 매크로를 만들어줘. 1. 매크로를 실행하면 여러 엑셀파일을 선택할 수 있는 윈도우 대화창을 띄운다. (다중선택 가능) 2. 선택된 파일들의 데이터를 모두 취합하여 새로운 시트에 정리한다. 3. 모든 파일의 헤더(열 제목)는 똑같다. 실제 데이터는 2행부터다. 헤더는 첫 번째 파일에서만 1번 가져온다. 4. 취합 완료 후 다음 서식을 자동 적용한다: - 전체 열 오토피팅 (열 너비 자동 조절) - 전체 영역에 윤곽선(테두리) 적용 - 헤더행(1행)에 필터 적용 - 헤더행 배경색 진한 파란색, 글자색 흰색, 글자 굵게 적용 5. 완료 후 "취합 완료! 총 OO개 파일, OO행 데이터" 메시지를 표시한다.
💡 Tip: 프롬프트를 수정하면 다양한 변형이 가능합니다. 예: “특정 폴더 내 모든 파일 자동 취합”, “특정 시트명만 취합”, “취합 시 파일명 열 추가” 등
코드 붙여넣기
파일 선택하기
결과물 확인
✅ 실습 1-2. 2개의 엑셀파일 비교 후 다른 점 찾기
두 개의 엑셀 파일을 셀 단위로 비교하여 차이가 나는 부분을 자동으로 찾아 색상 표시하는 VBA 매크로를 작성합니다. 데이터 검증, 버전 관리, 오류 추적 등 실무에서 자주 쓰이는 패턴입니다.
첫번째 파일은 원본을 올리고, 두번째 파일은 복사본 중 하나를 올립니다. 대신 두번째 파일은 일부러 데이터를 좀 바꿔놓고 저장을 새로 하시길 바랍니다. (비교를 해야 하므로)
엑셀 VBA 매크로를 만들어줘.
1. 매크로를 실행하면 2개의 엑셀파일을 순서대로 선택할 수 있는 윈도우 대화창을 띄운다. ("기준 파일 선택", "비교 파일 선택" 순서로 2번)
2. 두 파일의 첫 번째 시트를 셀 단위로 비교한다.
3. 값이 다른 셀이 있을 경우 두 번째 파일에 노란색 배경으로 표시한다.
4. 비교 결과를 새로운 시트("비교결과")에 정리하고, 차이가 나는 셀의 위치(행, 열), 기준파일 값, 비교파일 값을 목록으로 보여준다.
6. 완료 후 "비교 완료! 총 OO개 차이점 발견" 메시지를 표시한다.
7. 비교결과 시트에도 오토피팅, 윤곽선, 헤더 서식을 적용한다.
💡 Tip: “다른 셀을 노란색 대신 빨간색으로”, “차이점만 별도 엑셀로 저장”, “특정 열만 비교” 등으로 프롬프트를 수정하면 다양한 변형이 가능합니다.
🧠 2. 정성데이터의 정량화 및 데이터 가공 (API, GPT함수)
구글 시트의 Apps Script에서 OpenAI API를 호출하는 커스텀 함수(GPT 함수)를 만들어, 정성적 데이터(텍스트 리뷰, 설문 응답, 고객 피드백 등)를 정량적 데이터로 자동 변환합니다.
📝 Apps Script 설정 방법 (따라하기)
1️⃣ 구글 시트 열기
구글 드라이브에서 새 구글 시트를 생성합니다. (drive.google.com → 새로 만들기 → Google 스프레드시트)
아래 테이블을 구글시트에 복사 붙여넣기
| 고객문의 | 답변 | 영어번역 | 심각도 분석 | 카테고리 분석 |
|---|---|---|---|---|
| 햄버거가 너무 식어서 나왔어요. 방금 만든 버거가 맞나요 | ||||
| 햄버거 맛이 너무 없어졌어요. 패티는 퍽퍽하고 콜라는 김이 다 빠져있고. 품질관리가 안되나요 | ||||
| 고기 패티가 너무 얇아요. 두꺼운 고기를 먹고 싶은데 | ||||
| 버거 가격이 왜이리 올랐나요. 이래서 버거 먹겠나요 | ||||
| 버거에서 머리카락이 나왔어요 | ||||
| 퇴식구쪽이 너무 지저분해요. 정리를 자주 했으면 좋겠어요 | ||||
| 키오스크가 불편합니다. 단계가 너무 많아요 |
2️⃣ Apps Script 편집기 열기
상단 메뉴에서 확장 프로그램 → Apps Script를 클릭합니다. 새 탭에서 스크립트 편집기가 열립니다.
3️⃣ 코드 붙여넣기
편집기에 기본으로 있는 function myFunction() {} 코드를 모두 지우고, 아래 GPT 함수 코드를 복사하여 붙여넣습니다. 코드를 넣고 반드시 저장버튼을 누르세요.
[GPT프롬프트] 구글시트에서 ChatGPT API를 호출하여 대화를 하는 함수를 만들자. 함수 이름은 GPT, 모델은 GPT-4.1, 맥스토큰은 1000. 최대한 간단한 구글 앱스스크립트용 코드로 부탁해.
// ChatGPT 모델 설정
const MODEL_ID = "gpt-4o"; // 원하는 모델 ID로 변경 가능
function GPT(prompt) {
const apiKey = PropertiesService.getScriptProperties().getProperty("OpenAI_API_Key");
if (!prompt) {
return "Error: Please provide a valid prompt.";
}
const apiUrl = "https://api.openai.com/v1/chat/completions";
const data = {
model: MODEL_ID,
messages: [
{
role: "system",
content: "You are a helpful assistant."
},
{
role: "user",
content: prompt
}
],
max_tokens: 1000
};
const headers = {
"Content-Type": "application/json",
"Authorization": "Bearer " + apiKey
};
const options = {
"method" : "POST",
"headers" : headers,
"payload" : JSON.stringify(data)
};
const response = UrlFetchApp.fetch(apiUrl, options);
const result = JSON.parse(response.getContentText());
return result.choices[0].message.content;
}
코드를 붙여넣은 후 ‘저장’ 버튼을 반드시 누릅니다
4️⃣ API Key 등록 (스크립트 속성 설정)
1) Apps Script 편집기 왼쪽 메뉴에서 ⚙️ 프로젝트 설정을 클릭합니다.
2) 아래로 스크롤하여 “스크립트 속성” 섹션을 찾습니다. 스크립트 속성 추가 버튼을 클릭하고 다음과 같이 입력합니다:
- 속성(키):
OpenAI_API_Key - 값:
sk-xxxxxxxx...(본인의 API Key 붙여넣기)
스크립트 속성 저장 버튼을 클릭합니다.
5️⃣ 저장 및 배포
Apps Script 편집기 상단의 💾 저장 버튼(또는 Ctrl+S)을 클릭합니다. 별도의 배포 과정은 필요 없습니다. 저장만 하면 구글 시트에서 바로 =GPT() 함수를 사용할 수 있습니다.
그래도 배포를 하고 싶다면, ‘우측 상단의 배포 → 새 배포 → 유형 선택 → 부가 기능 → 프로젝트 유형 변경 → 배포’를 차례대로 누르시면 됩니다.
배포 → 새 배포
유형 선택 → 부가 기능 → 배포
6️⃣ 최초 실행 시 권한 승인
시트에서 =GPT() 함수를 처음 사용하면 “승인 필요” 팝업이 나올 수도 있습니다. 권한 검토 → 본인 구글 계정 선택 → “고급” 클릭 → “(프로젝트명)(으)로 이동” 클릭 → “허용”을 눌러 권한을 승인합니다.
📝 구글 시트에서 GPT 함수 사용하기
위 설정이 완료되면, 구글 시트의 아무 셀에서 =GPT() 함수를 일반 함수처럼 사용할 수 있습니다.
▶ 기본 사용법
=GPT("대한민국의 수도는?")
→ 셀에 “서울”이라는 답변이 자동으로 채워집니다.
▶ 셀 참조와 결합하기 (핵심!)
실무에서는 프롬프트 텍스트와 셀 참조를 & 기호로 연결하여 사용합니다. A열에 고객 리뷰 데이터가 있다면, B2 셀에 아래처럼 입력합니다:
=GPT("다음 리뷰의 감성을 '긍정','부정','중립' 중 하나로만 답변해. 리뷰: " & A2 & "")
구조 분석:
• "프롬프트 텍스트" — 고정된 지시문
• & A2 & — A2 셀의 값을 중간에 삽입
• "" — 문자열 마무리
B2에 수식을 넣은 뒤, B2 셀을 선택하고 아래로 드래그(자동 채우기)하면 각 행의 A열 데이터에 대해 GPT가 자동 분석합니다.
▶ 실습셀 활용 (버거집 운영)
=GPT("난 패스트푸드 매장 점주임. 이 voc에 답글을 달아주자. 부정적인 내용에는 죄송하다고 하고 조치하겠다고 해. 좋은 댓글에는 감사의 표현을 하면 됨. 100단어 이내로 작성하자. -댓글 : " & A2)
=GPT("햄버거 가게 사장의 입장에서 이 VOC의 심각도를 분석해줘. 심각할수록 10점 안 심각할수록 1점. 잡소리 금지. 숫자만 출력. -voc:" & A2)
=GPT("난 패스트푸드 매장 CS담당자임. 이 고객 voc의 카테고리를 분류해보자. 카테고리는 다음 다섯개의 단어 중 하나야. '위생, 맛, 가격, 서비스,기타'. 잡소리 금지 카테고리만 단어로 딱 출력. -고객voc: " & A2)
• API 호출에는 비용이 발생합니다. (gpt-4o 기준 약 100행 처리 시 $0.1~0.3 수준)
• 한 번에 너무 많은 셀에 =GPT()를 넣으면 속도가 느려질 수 있습니다. 10~20행씩 나누어 실행 권장
• 결과가 나온 후에는 값 붙여넣기(Ctrl+Shift+V)로 고정하면 API를 다시 호출하지 않아 비용 절약
OpenAI API Key는 각자 개별적으로 발급받아야 합니다.
발급 사이트: platform.openai.com/api-keys
발급 후 Apps Script 속성(Properties)에 “OpenAI_API_Key” 키로 등록합니다.
✅ GPT 함수 활용 프롬프트 모음
=GPT("다음 고객 리뷰의 감성을 '긍정', '부정', '중립' 중 하나로만 분류해줘. 다른 말은 하지 마. 리뷰: " & A2 & "")
=GPT("다음 텍스트의 만족도를 1~10점 사이 숫자로만 답변해줘. 숫자 이외 다른 말은 절대 하지 마. 텍스트: " & A2 & "")
=GPT("다음 고객 피드백을 '제품품질', '배송', '가격', '서비스', '기타' 중 하나로 분류해줘. 카테고리명만 답변. 피드백: " & A2 & "")
=GPT("다음 텍스트에서 핵심 키워드 3개를 쉼표로 구분해서 추출해줘. 키워드만 답변. 텍스트: " & A2 & "")