🤖 [연구AX] 클로드랑 논문 살 붙이기 - 텍스트 데이터에서 인용문 찾기

📝 한줄 요약

수천 건의 역사 사료에서 논문에 쓸 인용문을 Claude와 함께 찾고, 원고에 삽입하는 작업을 한 세션에 처리했다.

🎯 이런 분들께 도움돼요

• 논문 쓰면서 인용문/출처 찾느라 시간 쓰는 대학원생·연구자

• 방대한 텍스트 자료(사료, 법률문서, 기사 아카이브 등)를 다루는 분

• AI를 연구나 글쓰기에 활용하고 싶은데 어떻게 시작할지 모르는 분

😫 문제 상황 (Before)

논문을 쓰다보면, 논문의 내용과 관련된 예시를 직접 인용해야 하는 일이 많다. 나는 역사학을 전공하기 때문에, 역사 사료에서 특정 인물이나 사건에 대한 기록을 인용해야 하는 경우가 많다.

문제는, 분명히 연구하면서 읽었던 기록인데 다시 특정해서 찾으려면 시간이 너무 오래 걸린다는 것이다. 사료 DB에서 검색하면 관련 없는 기록이 너무 많이 섞여 나온다. 읽을 때 정리해둔 기록도 컴퓨터 어딘가에 흩어져 있어서 그걸 찾는 것도 일이다.

결국 인용문 하나 찾아서 넣는 데 30분에서 1시간씩 걸렸다. 본문 쓰기도 바쁜데 인용문 찾는 건 자꾸 후순위로 밀렸고, 원고에는 "나중에 채워넣기"라고 표시해둔 부분(TBU 마커: To Be Updated)만 쌓여갔다.

🛠️ 사용한 도구

• 도구명: Claude Code (터미널에서 실행하는 AI 코딩 에이전트)

• 모델: Claude Opus 4.5

• 특이사항: 미리 전처리해둔 사료 데이터 약 3,000건 활용

🔧 작업 과정

준비: 수천 건의 사료 데이터를 미리 정리해두다

이번 작업이 가능했던 건, 사전에 데이터를 잘 준비해뒀기 때문이다.

역사 사료 DB에서 내 연구 대상 인물이 언급된 모든 기록 약 3,000건을 수집하고, 각 기록마다 요약과 키워드 인덱싱(인물, 관직, 개념, 사건 등)을 해뒀다. 이 전처리 작업도 Claude와 함께 했는데, 품질을 높이기 위해 캘리브레이션 과정을 여러 번 거쳤다. 랜덤한 기록에 대한 Claude의 전처리 결과를 내가 검토하고, 피드백을 주고, 다시 돌리는 과정을 반복했다.

1단계: "여기 채워줘" - TBU 마커 확인

원고 파일을 열고 Claude에게 상황을 알려줬다.

드래프트 파일을 확인해봐. TBU 마커를 확인해봐. 나는 DB에 전처리해둔 연구 대상 관련 데이터를 활용해서, 너가 여기에 인용문으로 사용할 만한 관련 기록들을 검색해오길 바래.

Claude가 원고 파일을 열어서 TBU 마커 위치를 확인했다.

"64번째 줄 각주에 TBU 마커가 있고, 70번째 줄에도 비슷한 TBU가 있네. 연구 대상 인물에 대한 특정 유형의 비판 인용문을 찾아야 하는 거구나."

그리고 전처리 데이터 폴더 구조도 확인했다. 어디서 검색하면 되는지 파악한 것이다.

2단계: 추측하지 않고 물어보다

인상적이었던 건, Claude가 애매한 부분을 멋대로 추측하지 않고 확인 질문을 했다는 점이다.

"68번 줄에서 인용한 기록의 출처가 A인가요? A와 같은 표현이되 다른 출처를 찾으라는 것인지 확인이 필요해요."

내가 답했다.

68번 줄 인용은 A가 아니야. 비슷한 다른 출처를 찾으라는 뜻이야. 특히 "헛된 말" 또는 "실제가 없다"는 표현이 들어간 기록.

이렇게 요구사항이 명확해졌다: "특정 비판 표현이 포함된 기록을 찾아라"

AI가 멋대로 넣었으면 나중에 검토할 때 더 피곤했을 것이다. 확인해줘서 신뢰감이 생겼다.

3단계: 후보를 표로 정리해서 제시하다

Claude가 약 3,000건의 전처리 데이터에서 해당 키워드로 검색했다.

"해당 표현 포함 기록 30건 발견. 특정 시기 기록들 중 몇 개를 확인해볼게."

그리고 후보를 표로 정리해서 보여줬다.

날짜, 주목할 문장, 맥락, 링크까지 한눈에 볼 수 있어서 판단하기 편했다. 링크가 있으니 직접 원문을 확인할 수도 있었다.

4단계: 판단은 내가, 노가다는 Claude가

후보 리스트를 보고 내가 결정했다.

• 1번 기록은 이 파일과 관련 없어. 다른 맥락이거든. 여기에는 안 쓸 거지만, 논문에 활용할 가능성이 높으니 따로 선별해둬.

• 2번 기록에서 "실효를 찾았는데 허언으로 응했으며..." 이 부분이 핵심이야. Line 65에 인용해줘.

• 3, 4, 5번 기록은 연관돼. 별도 파일로 묶어서 정리해줘.

Claude가 지시에 따라 작업을 수행했다:

• 원고에 인용문 삽입 (번역문 + 각주에 원문, 출처정보, 링크)

• 참고자료 파일 생성 (관련 기록들 묶음)

• 다른 원고 파일에 참고자료 링크 추가

검색은 Claude, 판단은 내가, 노가다(삽입/정리)는 Claude. 손발이 척척 맞았다.

5단계: 도메인 지식으로 검색 확장

검색 결과를 보면서, 내가 알고 있는 검색어를 추가로 알려줬다.

당시 왕의 신임을 받았는데 보답하지 못했다는 기록 관련해서, 검색할 때 고려해야 하는 검색어가 있어. [특정 고어 표현]이야.

이건 왕과 신하의 특별한 관계를 뜻하는 표현이야. 보통 신임받았음을 주장하는 맥락에서 쓰이지만, 때로는 그렇게 신임받았는데도 한 일이 없다고 말할 때도 사용돼. 이 검색어로도 추가 검색해.

Claude는 그 표현이 뭔지 몰랐지만, 내가 맥락을 설명하니까 바로 그 키워드로 추가 검색을 수행했다.

연구자가 도메인 지식을 제공하면, AI가 검색을 확장할 수 있다. 이게 협업의 핵심이었다.

✅ 결과 (After)

Before vs After

결과물

• 원고 2개 파일에 인용문 삽입 완료

• 참고자료 파일 2개 생성 (관련 기록 총 10건 정리)

• 당장 안 쓰는 기록도 분류해서 저장 → 다른 챕터 쓸 때 활용 가능

💬 이 과정에서 배운 AI 활용 팁

연구의 키는 내가 잡아라

AI와 협업할 때 가장 중요한 건 역할 분담이다.

• AI가 할 일: 검색, 후보 정리, 삽입/정리 같은 노가다

• 내가 할 일: 도메인 지식 제공, 어떤 기록을 어떻게 쓸지 판단, 상세 지시

AI에게 "알아서 해줘"라고 맡기면 내 연구도 아니고, 품질 확신도 어렵다. AI가 추측하게 두지 말고, 모르면 물어보게 하고, 내가 아는 전문 용어나 맥락을 적극적으로 알려줘야 한다.

전처리 데이터 품질에 투자해라

이번 작업이 만족스러웠던 건 전처리 데이터가 잘 되어 있었기 때문이다.

수천 건의 기록을 수집할 때, 요약과 키워드 인덱싱 품질을 높이기 위해 캘리브레이션 과정을 여러 번 거쳤다. 랜덤한 기록에 대한 AI 전처리 결과를 검토하고, 피드백을 주고, 다시 돌리는 과정을 반복했다.

전처리는 토큰을 많이 쓰는 작업이다. 한 번 쓸 때 품질 좋게 뽑아두면, 나중에 검색할 때 결과가 확 달라진다.

🌍 다른 업무에 적용한다면?

이 방식은 방대한 텍스트 자료에서 특정 내용을 찾아 문서에 삽입하는 작업이면 다 적용 가능하다.

• 판례 DB에서 관련 판례 찾아 법률 문서에 인용

• 뉴스 아카이브에서 관련 기사 찾아 리포트에 삽입

• 회의록 모음에서 특정 주제 관련 발언 찾아 정리

핵심은 전처리 데이터를 잘 만들어두는 것과 AI에게 검색만 시키고 판단은 내가 하는 것이다.

📋 재사용 가능한 프롬프트

프롬프트 1: TBU 마커 확인 및 검색 요청

[드래프트 파일 경로]를 확인해봐. TBU 마커를 확인해봐. 나는 [데이터 위치]에 전처리해둔 [주제] 관련 데이터를 활용해서, 너가 여기에 인용문으로 사용할 만한 관련 기록들을 검색해오길 바래.

프롬프트 2: 검색 키워드 추가 제공

[검색어] 관련해서 추가 검색해줘. 이건 [용어 설명]이라는 뜻이야. 보통 [일반적 맥락]에서 쓰이지만, 때로는 [내가 찾는 맥락]에서도 사용돼.

프롬프트 3: 후보 중 선택 및 지시

• [N번 기록]은 [이유]라서 여기에는 안 써. 대신 따로 선별해둬.

• [N번 기록]에서 "[인용할 부분]" 이 부분이 핵심이야. [위치]에 인용해줘.

• [N번, N번, N번 기록]은 연관돼. [파일명]으로 묶어서 정리해줘.