개발자 합성 데이터 도입 및 윤리 설문조사

환영합니다! 합성 데이터 관행에 관한 본 설문조사에 참여해 주셔서 감사합니다. 본 설문조사는 완료하는 데 약 11분이 소요됩니다. 참여는 전적으로 자발적이며 언제든지 중단하실 수 있습니다. 정답이나 오답은 없으며, 저희는 귀하의 솔직한 의견과 경험에 관심이 있습니다. 모든 응답은 기밀로 처리되고 익명화되며 집계된 형태로만 보고됩니다. 결과는 합성 데이터에 대한 개발자 요구사항을 더 잘 이해하기 위한 내부 연구 목적으로 사용됩니다.

지난 12개월 동안 합성 데이터를 사용해 작업하신 적이 있습니까?

• 예, 정기적으로 (월 1회 이상)
• 예, 가끔
• 아니요, 하지만 개념은 알고 있습니다
• 아니요, 그리고 개념도 알지 못합니다

합성 데이터를 생성하기 위해 어떤 도구나 접근 방식을 사용하셨습니까? (해당되는 항목 모두 선택)

• 자체 생성 스크립트
• 오픈소스 라이브러리 (예: SDV, SynthCity, ydata-synthetic)
• 벤더 플랫폼 (예: Gretel, Mostly AI, Tonic)
• 개인정보 보호를 목적으로 하지 않는 데이터 증강 유틸리티
• 도구를 직접 사용하지 않음 (타인이 생성한 결과물을 사용)
• 기타 (직접 입력해 주십시오)

합성 데이터를 프로덕션 환경에서 사용하기 전에 어느 정도의 입증된 충실도와 유용성을 요구하십니까?

향후 6개월 동안 합성 데이터 사용을 늘리실 가능성은 얼마나 됩니까?

본 설문조사에서의 응답을 바탕으로, 합성 데이터에 대한 귀하의 한계, 이상적인 활용 사례, 또는 기대에 관한 추가 의견을 자유롭게 공유해 주십시오.

귀하의 주된 역할을 가장 잘 설명하는 것은 무엇입니까?

• 소프트웨어 엔지니어
• ML/AI 엔지니어
• 데이터 사이언티스트
• 데이터/ML 플랫폼 엔지니어
• 보안/개인정보 보호 엔지니어
• 제품 또는 엔지니어링 매니저
• 연구자/학계
• 기타 (직접 입력해 주십시오)

참여해 주셔서 감사합니다! 귀하의 의견은 합성 데이터와 관련된 실질적인 요구사항과 고려사항을 이해하는 데 도움이 됩니다. 본 연구에 대해 문의사항이 있으시면 [research team email]로 연락해 주십시오.

<p>본 설문조사에서 <strong>합성 데이터</strong>란 민감한 정보를 보호하거나 공백을 채우면서 실제 데이터의 통계적 특성을 모방하도록 인공적으로 생성된 데이터(예: 시뮬레이션 또는 생성 모델을 통한)를 의미합니다.</p>

합성 데이터의 활용 사례 중 귀하 또는 귀하의 팀에 가장 관련성이 높은 것은 무엇입니까? (해당되는 항목 모두 선택)

• ML 모델 프로토타이핑 또는 학습
• 클래스 불균형 증강
• 개인정보 보호 공유 또는 규정 준수
• 테스트 및 QA (예: 엣지 케이스, 희귀 이벤트)
• 부하 테스트를 위한 합성 로그 또는 텔레메트리
• 분석 데모 또는 샌드박싱
• 교육 또는 훈련
• 기타 (직접 입력해 주십시오)

지난 12개월 동안 귀하의 프로젝트에서 합성 데이터의 비율은 대략 어느 정도였습니까?

• 0% (없음)
• 1–10%
• 11–25%
• 26–50%
• 51–75%
• 76–100%
• 잘 모름

<p>귀하의 상황에서 <strong>모델 학습 및 개발</strong>에 합성 데이터가 얼마나 적절합니까?</p>

현재 귀하의 합성 데이터 사용을 가장 제한하는 요인은 무엇입니까? (해당되는 항목 모두 선택)

• 품질 또는 지표를 평가하기 어려움
• 제한적인 도메인 커버리지
• 도구 또는 통합의 격차
• 컴퓨팅 또는 비용 제약
• 이해관계자의 회의적 태도 또는 지지 부족
• 정책 또는 법적 불확실성
• 명확한 필요성 없음
• 기타 (직접 입력해 주십시오)

귀하의 응답 중 몇 가지를 더 깊이 살펴보고자 합니다. AI 모더레이터가 지금까지 공유해 주신 내용을 바탕으로 최대 2개의 간단한 후속 질문을 드릴 것입니다.

소프트웨어 또는 데이터 관련 직무에서 몇 년의 전문 경력을 보유하고 계십니까?

• 0–1년
• 2–4년
• 5–9년
• 10–14년
• 15년 이상

<p>귀하의 상황에서 <strong>프로덕션 의사결정</strong>에 합성 데이터가 얼마나 적절합니까?</p>

다음 개선사항들이 귀하의 조직에서 합성 데이터 도입을 얼마나 가속화할지, 영향이 큰 것부터 작은 순서로 순위를 매겨 주십시오.

1. 더 나은 품질 및 검증 지표
2. 더 넓은 도메인 및 데이터 유형 커버리지
3. 기존 파이프라인과의 손쉬운 통합
4. 더 낮은 비용 또는 컴퓨팅 요구사항
5. 명확한 정책 및 법적 지침 또는 템플릿
6. 독립적인 벤치마크 및 사례 연구
7. 교육 및 모범 사례 플레이북

귀하의 주된 도메인 또는 산업 분야는 무엇입니까?

• 기술
• 금융/핀테크
• 헬스케어/생명과학
• 소매/소비재
• 통신/미디어
• 제조/산업
• 정부/공공 부문
• 교육
• 기타

<p>귀하의 상황에서 <strong>테스트 및 QA</strong>에 합성 데이터가 얼마나 적절합니까?</p>

귀하 조직의 대략적인 규모(전 세계 임직원 수)는 어느 정도입니까?

• 1–9명
• 10–49명
• 50–249명
• 250–999명
• 1,000–4,999명
• 5,000–19,999명
• 20,000명 이상

<p>귀하의 상황에서 <strong>외부 보고 또는 규정 준수 제출</strong>에 합성 데이터가 얼마나 적절합니까?</p>

귀하는 주로 어느 지역에서 근무하십니까?

• 북미
• 중남미
• 유럽
• 중동
• 아프리카
• 남아시아
• 동아시아
• 동남아시아
• 오세아니아

합성 데이터에 대한 귀하의 주요 우려사항을 가장 우려되는 것부터 가장 덜 우려되는 순서로 순위를 매겨 주십시오.

1. 개인정보 유출 또는 재식별
2. 편향 증폭 또는 공정성 문제
3. 낮은 현실성 또는 유용성
4. 규제 또는 규정 준수 위험
5. 투명성 또는 추적성 부족
6. 기밀 정보 또는 지적 재산의 유출

귀하의 업무에서 규정 준수 또는 개인정보 보호가 우선순위인 경우, 반드시 충족해야 하는 데이터 유형이나 규정(예: HIPAA, GDPR, PCI-DSS)을 간략히 설명해 주십시오. 해당되지 않으면 이 질문을 건너뛰셔도 됩니다.