연구자를 위한 AI 워크스페이스: 장문 컨텍스트 읽기와 출처 기반 글쓰기

연구 파이프라인 속 세 가지 모델의 역할

연구는 멀티 모델 워크스페이스가 가장 빛을 발하는 사례입니다. 파이프라인 자체가 서로 완전히 다른 세 가지 요구를 담고 있기 때문입니다. 한 번에 방대한 텍스트를 담을 수 있는 모델, 동료 심사를 견딜 만큼 신중하게 글을 쓰는 모델, 흐트러짐 없이 엄격한 구조화 출력을 내는 모델이 필요합니다. 세 가지 모두에서 최고인 단일 제품은 없으며, 제품 세 개를 오가는 전환 비용은 같은 자료를 반복해서 업로드하는 형태로 지불됩니다. 하나의 워크스페이스 안에서 모델을 바꾸는 한계 비용은 작고 예측 가능합니다. Whizi의 모델 비용 지수(2026년 8월 20일 기준 OpenRouter 정가)에 따르면 Gemini 3.7 Flash는 표준 답변 1건당 $0.001313, Claude Sonnet 5는 $0.007, GPT-5.6 Terra는 $0.008로, 모두 답변 1건에 1센트 미만입니다.

단계	모델	하는 일
논문 뭉치 읽기	Gemini	100만 토큰 컨텍스트 창이라 논문 15편에서 30편이 한 대화에 들어갑니다
근거표 만들기	GPT	엄격한 스키마, 일관된 열 값, 편집상 흔들림 없음
초안 작성과 종합	Claude	신중하고 유보적인 학술 어조를 유지하며 원문에 충실
최신 연구 찾기와 참고문헌 확인	웹 연결 모델	기억이 아닌 실시간 출처를 대상으로 한 검색
자신의 주장에 대한 반대 검토	초안을 쓰지 않은 다른 모델	매몰 비용 없는 독립적인 독자

시작 전에 이해해야 할 가장 중요한 한 가지는, 언어 모델이 기억만으로 어떤 논문에 대해 답하면 세부 사항을 지어내며, 그것도 아주 유창하게 지어낸다는 점입니다. 업로드한 PDF를 읽는 모델은 실제 텍스트를 바탕으로 작동합니다. 이 둘은 신뢰성이 전혀 다른 별개의 활동이며, 연구에서 AI와 관련된 거의 모든 사고 사례는 전자를 후자로 착각한 데서 비롯됩니다. 출처는 반드시 업로드하세요. 항상.

논문 20편을 흐름을 놓치지 않고 읽기

흔한 실수는 요약을 요청하는 것입니다. 논문 20편의 요약은 그 분야의 아무 논문 20편이든 설명할 수 있는 문단에 그칩니다. 실제로 필요한 것은 근거표입니다. 표는 모델이 논문마다 구체적인 값을 확정하도록 강제하며, 빠진 부분을 눈에 띄게 만들어 줍니다.

프롬프트: 근거표 만들기

논문 [n]편을 업로드했습니다. 논문마다 한 행씩, 다음 열로 표를 만드세요: 인용(저자, 연도), 연구 질문, 연구 설계, 표본 크기와 대상 집단, 측정한 주요 결과, 효과 크기나 핵심 통계를 포함한 핵심 발견, 명시된 한계, 공개된 경우 자금 출처. 논문에 기재되지 않은 항목은 NOT REPORTED라고 쓰세요. 값을 추론하지 마세요. 업로드하지 않은 논문은 절대 포함하지 마세요.

프롬프트: 종합 단계

방금 만든 표만 사용해 답하세요: 이 연구들은 어디에서 일치하고, 어디에서 불일치하며, 그 불일치는 무엇으로 설명됩니까(설계, 대상 집단, 측정 방식, 또는 시기)? 업로드된 어떤 연구도 다루지 않은, 이 문헌에서 아직 답이 없는 질문을 찾으세요. 모든 주장에 대해 그 근거가 되는 구체적인 행을 인용하세요.

프롬프트: 방법론 비판

표의 각 연구에 대해 타당성을 위협하는 가장 심각한 요인을 지적하세요: 선택, 측정, 교란, 통계적 검정력, 또는 일반화 가능성 중 하나입니다. 일반론이 아니라 그 논문이 실제로 보고한 내용에 근거해 구체적으로 쓰세요. 방법론적으로 탄탄한 연구라면 억지로 비판을 지어내지 말고 그렇다고 말하세요.

마지막 지시가 실제로 중요한 역할을 합니다. 모델에게 문제를 찾으라고 하면 잘 수행된 연구에서도 늘 문제를 찾아냅니다. 요청 자체가 문제가 존재한다는 것을 전제하기 때문입니다. 논문이 탄탄하다고 말해도 좋다는 명시적 허락을 주면 비판이 정직하게 유지됩니다.

긴 문서를 깔끔하게 채팅에 넣는 방법은 PDF와 대화하는 방법과 AI로 PDF 요약하기 가이드를 참고하세요.

추출: 비정형 텍스트에서 구조화된 데이터 뽑아내기

체계적 추출은 AI가 가장 확실하게 시간을 절약해 주는 작업입니다. 출력을 검증할 수 있기 때문입니다. 숫자는 7쪽과 대조해 확인할 수 있지만, 어렴풋한 느낌은 확인할 수 없습니다.

프롬프트: 엄격한 스키마 추출

이 논문에서 보고된 모든 통계치를 JSON으로 추출하세요. 스키마: {"value": number, "unit": string, "measure": string, "population": string, "location_in_paper": string, "confidence_interval": string or null, "p_value": string or null}. 본문, 표, 그림 설명에 등장하는 수치만 포함하세요. 파생값을 계산하지 마세요. 반올림하지 마세요. 같은 수치가 표와 본문에서 값이 다르게 등장하면 두 항목을 모두 반환하고 불일치를 표시하세요.

location_in_paper 항목은 사람들이 흔히 빠뜨리는 부분이지만, 결과물을 실제로 쓸 수 있게 만드는 부분이기도 합니다. 이 항목이 있으면 검증 과정이 논문을 처음부터 다시 읽는 일에서 표적화된 확인으로 바뀌고, 그 덕분에 검증이 실제로 이루어집니다.

프롬프트: 논문 간 비교

업로드된 논문 전체에서 [관심 있는 수치]에 대한 보고된 추정치를 모두 찾으세요. 표로 반환하세요: 논문, 추정치, 단위, 대상 집단, 추정 방법, 데이터 수집 연도. 평균을 내지 마세요. 정의나 대상 집단이 달라 비교할 수 없는 추정치는 명시적으로 표시하세요.

모델에게 평균을 내지 말라고 지시하는 것은 트집이 아닙니다. 비교할 수 없는 추정치를 평균 내는 것은 AI 보조 문헌 리뷰가 자신 있게 틀린 숫자를 내놓는 가장 흔한 방식이며, 심사자가 즉시 잡아내는 오류이기도 합니다.

다른 사람의 문장을 빌리지 않고 리뷰 초안 쓰기

이 작업에서는 Claude가 가장 뛰어난 초안 작성자이지만, 프롬프트는 학술 글쓰기에서 중요한 두 가지 규칙을 강제해야 합니다. 주장은 반드시 출처에 붙어 있어야 하고, 유보 표현은 그대로 유지되어야 합니다. 도움이 되도록 훈련된 모델은 요청하지 않아도 신중한 표현을 강하게 바꾸는 경향이 있어, 'was associated with'를 'caused'로 바꿔버리곤 합니다.

프롬프트: 섹션 초안

위 근거표만 사용해 문헌 리뷰의 [섹션명] 섹션 초안을 작성하세요. 규칙: 모든 주장은 특정 행에 귀속되어야 하고, 원래의 유보 표현을 유지하며(연관관계를 인과관계로 격상하지 마세요), [인용 스타일] 형식을 쓰고, 근거를 넘어 일반화하고 싶은 유혹이 든 문장에는 [CHECK] 표시를 하세요. 독자: [분야] 연구자. 분량: 약 [n]단어.

프롬프트: 유보 표현 감사

이 초안을 원자료와 대조해 검토하세요. 원 연구가 뒷받침하는 것보다 더 확신에 찬 문장, 그리고 결과를 잘못된 출처에 귀속시킨 문장을 모두 나열하세요. 해당 문장과 상충하는 원문을 나란히 인용하세요. 다시 쓰지는 마세요.

모델의 출력뿐 아니라 자신의 글에도 유보 표현 감사를 돌려 보세요. 밤 11시에 쓴 사람의 초안에서도 같은 흔들림이 잡힙니다.

인용 검증, 선택 사항이 아니다

이 섹션이 가장 중요하기 때문에 일부러 직설적으로 씁니다. 언어 모델은 참고문헌을 조작합니다. 실존하는 저자 이름, 그럴듯한 저널명, 진짜처럼 보이는 권과 쪽수, 그리고 아무 데도 연결되지 않거나 전혀 관계없는 논문으로 연결되는 DOI가 붙은 인용을 만들어냅니다. 이런 식으로 철회된 논문이 문헌에 들어간 적도 있고, 이 때문에 평판이 손상된 사례도 있습니다.

이를 막는 규칙:

• 기억만으로 어떤 주장에 대한 "출처를 찾아" 달라고 모델에게 요청하지 마세요. 웹 연결 모델에게 검색을 맡기고, 반드시 모든 링크를 직접 열어 보세요.
• 모든 DOI를 실제로 해석해 검증하세요. 해석되지 않는 DOI는 오타가 아니라 조작입니다.
• 인용된 논문이 실제로 그 인용이 주장하는 내용을 말하고 있는지 확인하세요. 어떤 주장에 붙은 실제 논문이 그 주장을 뒷받침하지 않는 경우가 잡아내기 더 어려운 오류이며, 만들어낸 논문보다 더 흔합니다.
• 직접 열어보지 않은 자료는 절대 인용하지 마세요. 이 원칙은 AI 이전부터 있었고, AI 때문에 더 필수적이 되었습니다.
• 업로드한 PDF를 유일한 진실의 출처로 삼으세요. 업로드하지 않은 논문에 대해 모델이 하는 말은 구조적으로 검증되지 않은 정보입니다.

프롬프트: 참고문헌 감사

이 목록의 각 참고문헌에 대해 이 대화 속 출처로 확인할 수 있는지, 아니면 학습 데이터에서 나와 검증되지 않은 것인지 밝히세요. 추측하지 마세요. 검증되지 않은 항목은 모두 명확히 표시하세요. 제가 직접 하나씩 확인하겠습니다.

이 프롬프트가 모델을 신뢰할 수 있게 만들어 주지는 않습니다. 다만 어떤 주장이 당신이 제공한 자료에 근거하는지를 명확하게 드러내 주며, 그것이 바로 무엇을 확인해야 하는지 알기 위해 필요한 구분입니다.

이것이 대체하지 않는 것

체계적 문헌고찰 프로토콜을 대체하지 않습니다. PRISMA가 필요한 연구라면 검색 전략, 선별, 포함 결정은 여전히 직접 기록하고 방어해야 합니다. AI는 프로토콜 초안을 돕고 포함된 연구에서의 추출 속도를 높여줄 수 있지만, 검색 자체를 대신할 수는 없습니다.

참고문헌 관리 프로그램을 대체하지 않습니다. 실제로 읽은 자료의 기록은 Zotero, Mendeley, EndNote에 남기세요. 채팅은 작업 기억일 뿐, 보관소가 아닙니다.

통계 분석을 대체하지 않습니다. 모델은 방법을 설명하고, R이나 Python 코드를 짜고, 해석을 점검해 줄 수 있지만, 채팅창 안에서 분석을 돌리고 그 계산을 그대로 믿는 것은 방어할 수 없습니다. 코드를 생성해 자신의 환경에서 직접 실행하고 결과를 확인하세요.

그리고 공개 의무를 대체하지 않습니다. 저널과 기관은 AI 도구를 어떻게 사용했는지 점점 더 명시하도록 요구하고 있습니다. 제출 시점에 그것을 재구성하는 일은 유쾌하지 않으니, 각 단계에서 무엇을 사용했는지 그때그때 적어 두세요.