AI가 엑셀을 분석하고 차트를 만들고 보고서까지 써준다면, 사람에게 데이터 감각이 왜 필요할까.
오히려 반대다. AI가 분석을 쉽게 만들수록 판단하는 능력의 값이 올라간다.
과거에는 데이터를 다룰 줄 아는 사람이 적었다. 이제는 누구나 자연어로 분석을 요청할 수 있다. 분석 결과를 만드는 일 자체가 희소하지 않게 될수록, 좋은 질문을 만들고 결과의 허점을 발견하며 현실과 연결하는 능력이 중요해진다.
AI에게 맡겨도 되는 것과 사람이 해야 하는 것
AI는 반복 작업에서 특히 유용하다.
- 데이터 구조 파악
- 기초 통계 계산
- 패턴 후보 찾기
- 리뷰 분류
- 차트 아이디어
- 보고서 초안
하지만 다음 질문은 사람이 맡아야 한다.
- 이 문제를 왜 분석하는가?
- 어떤 기준으로 성공을 정의할 것인가?
- 데이터에 빠진 사람은 누구인가?
- 이 결과가 현실적으로 말이 되는가?
- 어떤 결정을 내려야 하는가?
- 틀렸을 때 누가 영향을 받는가?
AI가 “A 고객군에 집중하세요”라고 말할 수는 있다. 그러나 B 고객군을 포기했을 때 장기적으로 어떤 일이 생기는지는, 조직의 전략과 맥락을 아는 사람만 판단할 수 있다.
AI에게 답보다 검증을 시켜라
AI 활용의 수준을 한 단계 올리는 간단한 방법이 있다. 첫 답을 받은 뒤 이렇게 물어보는 것이다.
- “이 분석이 틀릴 수 있는 이유를 5개 찾아줘.”
- “반대 결론이 가능하다면 어떤 데이터가 필요해?”
- “내가 놓친 분모나 기준이 있는지 확인해줘.”
- “사실과 추론을 구분해서 표시해줘.”
AI를 ‘정답 기계’가 아니라 검토 파트너로 쓰는 방식이다.
앞으로 경쟁력 있는 사람은 AI보다 계산을 빨리하는 사람이 아닐 가능성이 크다. AI가 만든 수많은 답 가운데 무엇이 중요한지, 무엇이 의심스러운지, 무엇을 행동으로 옮길지 판단할 수 있는 사람이다.
7장 체크포인트
AI 분석 결과를 받으면 최소한 이것만 확인하자.
- 원본 데이터가 무엇인지
- 기간과 표본이 적절한지
- 핵심 숫자를 재현할 수 있는지
- 사실과 해석이 구분되어 있는지
- 누락된 집단이나 변수가 없는지
- 예측을 확정된 미래처럼 표현하지 않았는지
- 결과가 틀렸을 때의 비용이 무엇인지
AI 시대의 데이터 리터러시는 AI를 의심하는 기술이 아니다.
AI와 함께 더 좋은 판단을 만드는 기술이다.