AI가 분석을 해주는 시대의 데이터 이해력이란
오늘의 데이터 이해력은 도표를 만드는 능력보다 도표를 따져 묻는 능력에 가깝습니다. 실무에서는 이 숫자가 어디서 왔는지, 무엇을 세고 무엇을 뺐는지, 비교가 공정한지, 표본이 주장이 겨냥한 모집단을 닮았는지를 묻는 것입니다. AI 비서가 스프레드시트를 몇 초 만에 요약해 줄 때, 데이터를 이해하는 사람은 분모를 확인하고, 빠진 달을 알아채고, 이 결론이 틀리려면 무엇이 필요한지 묻는 사람입니다.
이 기량에는 나머지 절반이 있습니다. 데이터와 결정 사이를 통역하는 일입니다. 데이터를 이해하는 직업인은 어떤 지표가 실제로 무엇을 재는지 말할 수 있고, 두 숫자를 바로 비교하면 안 되는 이유를 비전문가에게 설명할 수 있고, 어떤 결론을 얼마나 확신해도 되는지 소리 내어 말할 수 있습니다. 미국 직업 정보 데이터베이스인 O*NET의 분석과 정보 처리 과업 기술을 보면 이 통역 작업이 운영부터 의료 행정까지 많은 직업에 퍼져 있습니다. 이 기량이 분야를 잘 넘나드는 이유입니다.
분석이 싸질수록 이해의 값이 오르는 이유
AI가 몇 초 만에 분석을 내놓을 수 있으면, 분석의 양이 늘고 그럴듯해 보이는 틀린 분석의 양도 함께 늘어납니다. AI가 만든 도표, 요약, 상관관계는 건전하든 미묘하게 망가졌든 똑같이 자신 있는 모습으로 도착합니다. 귀해지는 능력은 그 둘을 구별하는 것입니다. 다른 곳에서 본 것과 같은 병목 이동입니다. 생산이 싸지면 검증이 귀해집니다. 데이터 이해력은 숫자가 들어간 모든 것의 검증 기량이므로, AI 도구의 경쟁자가 아니라 보완재입니다.
프레임 차원의 증거도 같은 방향을 가리킵니다. 국제노동기구(ILO)의 생성형 AI와 일자리 연구는 과업의 변형을 강조하는데, 결과가 이 조직에 무엇을 뜻하는지 정하는 해석 과업은 변형된 직무 대부분에서 사람 쪽에 놓입니다. 증강 중심 사용이라는 Anthropic Economic Index의 관찰은 사람들이 AI 분석을 받기만 하는 것이 아니라 그것을 가지고 일한다는 뜻이고, 분석을 가지고 일하려면 그것을 이해해야 합니다. 이 중 무엇도 개인의 결과를 보장하지 않습니다. 이것은 압력의 방향에 대한 서술이고, 방향은 바뀔 수 있습니다.
90일 데이터 이해력 기르기
1일에서 30일: 도구보다 비판적으로 읽는 법을 먼저 익힙니다. 매주 업무나 뉴스에서 만난 도표나 통계 세 개를 골라 각각 짧게 따져 묻는 글을 씁니다. 무엇을 쟀는지, 누가 쟀는지, 무엇과 비교했는지, 무엇이 빠졌는지입니다. 이것을 한 문서에 모읍니다. 이후의 모든 기량이 올라설 질문 반사가 여기서 만들어지고, 그 문서 자체가 사고방식의 증거가 됩니다.
31일에서 60일: 실제 데이터셋 하나를 처음부터 끝까지 다룹니다. 자기 업무나 공개 출처에서 데이터를 구해, 스프레드시트나 AI 비서로 정리하고 요약하고, 손대기 전에 미리 적어둔 질문 세 개에 답합니다. 자기 결론을 일부러 무너뜨려 봅니다. 61일에서 90일: 결정에 쓰이는 결과물을 만듭니다. 발견한 것을 제시하고, 확신의 정도와 한계를 밝히고, 행동을 추천하는 한 쪽짜리 보고서입니다. 그 분야를 아는 사람에게 보여주고 반박을 받아 고칩니다.
