사무 업무에서 가장 빨리 움직이는 전선
분석 업무가 실제 AI 사용의 최상위권에 있는 이유는 단순합니다. 원재료가 이미 디지털이고, 결과물이 정형화되어 있으며, 틀린 초안을 잡아내는 비용이 낮기 때문입니다. 쿼리 작성, 테이블 정리, 대시보드 요약, 추세에 대한 그럴듯한 설명 초안은 모두 현재 시스템이 빠르게 수행하는 업무입니다. Anthropic 경제 지수도 분석 업무를 AI 어시스턴트의 가장 흔한 사용처 중 하나로 꼽으며, 대부분 사람을 대신하는 게 아니라 사람과 협업하는 형태입니다.
함정은 그럴듯함과 사실이 같지 않다는 점입니다. 매출이 왜 떨어졌는지에 대한 생성된 설명은 언제나 자신 있게 들립니다. 그 설명이 데이터가 실제로 수집된 방식과 부딪혀도 살아남는지는 모델이 답할 수 없는 질문입니다. 답은 테이블이 아니라 당신의 조직 안에 살기 때문입니다.
차트 생산자에서 의사결정 책임자로
차트 생산이 거의 공짜가 되면, 차트를 만드는 대가로 돈을 받는 분석가는 프롬프트와 경쟁하게 됩니다. 오래가는 역할은 파이프라인의 양쪽에서 한 단계씩 올라갑니다. 상류에서는 지표와 실험 설계입니다. 무엇을 측정할 가치가 있는지, 그 지표가 어떻게 조작될 수 있는지, 무엇을 증거로 인정할지 정하는 일입니다. 하류에서는 의사결정 책임입니다. 발견을 누군가 실행하는 권고로 바꾸고, 도전받을 때 그 뒤에 서는 일입니다.
데이터가 어떻게 만들어졌는지에 대한 이해도 복리로 쌓입니다. 어떤 파이프라인이 이 테이블을 만들었는지, 지난 분기에 무엇이 조용히 바뀌었는지, 어떤 필드가 믿을 수 없는지는 어떤 어시스턴트도 갖지 못한 조직 지식입니다. 이 지식을 가진 분석가는 다른 모든 사람의 AI 생성 숫자를 검증하는 층이 되며, 이는 점점 더 명시적인 직무가 되고 있습니다.
현실적인 90일 계획
첫 달에는 쿼리 초안에 AI 보조를 도입하되, 답을 이미 아는 사례로 모든 생성 쿼리를 검증한 뒤에만 모르는 문제에 쓰세요. 실패 사례를 모아 두세요. 문서보다 빠르게 도구의 사각지대를 가르쳐 줍니다.
둘째 달에는 팀에서 가장 자주 논쟁이 되는 지표 5개의 정의를 쓰세요. 경계 사례와 알려진 조작 패턴까지 포함해서입니다. 이를 공개하면 당신이 기준점이 됩니다. 셋째 달에는 아무도 실행에 옮기지 않는 대시보드 하나를 골라 실제 의사결정과 연결하거나 폐기하세요. 그 변화의 이야기가 새 차트 몇 장보다 나은 승진 근거가 됩니다.
