데이터가 엑셀과 수학처럼 어렵게 느껴지는 실무자를 위해,
생성형 AI를 활용해 데이터를 정리하고 시각화하며 인사이트를 도출하는 AI Workshop 후기를 소개합니다.
데이터를 다루는 일은 많은 실무자에게 여전히 부담스럽게 느껴집니다.
“데이터는 엑셀이다”, “엑셀은 수학이다”, “수학은 내 영역이 아니다”라는 흐름은 얼핏 비논리적으로 보이지만,
실제 업무 현장에서는 꽤 자연스러운 회피의 이유가 됩니다.
이번 AI Workshop은 바로 이 지점에서 출발했습니다.
데이터 분석 전문가가 아니더라도, 생성형 AI를 활용하면 디지털화되어 있는 다양한 정보를 데이터로 바라보고, 자연어로 정리하며, 표와 대시보드 형태로 시각화할 수 있다는 가능성을 경험하는 시간이었습니다.
중요한 것은 기술 자체가 아니라 질문입니다. 왜 이 데이터를 정리해야 하는지, 무엇을 보고 싶은지, 어떤 판단을 위해 어떤 인사이트가 필요한지를 먼저 정의할 때 AI는 훨씬 강력한 실무 도구가 됩니다.
주요 진행 내용
1. 데이터는 꼭 엑셀과 수학이어야 할까요?
첫 번째 세션에서는 참가자들이 데이터에 대해 가지고 있는 기존 인식을 점검했습니다.
데이터를 숫자, 엑셀, 계산, 통계로만 이해하면 시작하기 전부터 부담이 커집니다.
이번 워크숍에서는 데이터를 “의사결정에 활용할 수 있도록 정리된 정보”로 재정의했습니다.
이 관점에서 보면 디지털 문서, 고객 의견, 업무 기록, 콘텐츠 성과, 설문 응답도 모두 데이터가 될 수 있습니다.
2. AI는 데이터를 어떻게 쉽게 다루게 해주나요?
생성형 AI의 가장 큰 장점은 자연어로 요청할 수 있다는 점입니다.
복잡한 함수나 분석 도구를 먼저 익히지 않아도, “이 내용을 표로 정리해줘”, “중요한 패턴을 찾아줘”, “대시보드로 보면 어떤 항목이 필요할까?”와 같은 질문으로 데이터 작업을 시작할 수 있습니다.
물론 AI가 모든 것을 자동으로 해결해주는 것은 아닙니다.
AI가 좋은 결과를 내기 위해서는 사용자가 보고 싶은 것과 판단하고 싶은 문제를 명확히 알려줘야 합니다.
3. 프롬프트 엔지니어링으로 표와 대시보드 구조 만들기
이번 워크숍에서는 프롬프트 엔지니어링을 활용해 데이터를 구조화하는 실습을 진행했습니다.
참가자들은 텍스트 형태의 정보를 표로 바꾸고, 항목을 분류하고, 비교 기준을 세우는 과정을 경험했습니다.
예를 들어 고객 피드백을 단순히 나열하는 대신, 긍정 의견, 불편 사항, 반복 이슈, 개선 제안 등으로 분류할 수 있습니다.
이렇게 정리된 데이터는 이후 대시보드나 리포트의 기초 자료가 됩니다.
4. 대시보드는 예쁜 그래프가 아니라 질문의 구조입니다
대시보드 작성에서 중요한 것은 시각적으로 화려한 그래프를 만드는 것이 아닙니다.
좋은 대시보드는 “무엇을 판단하기 위한 화면인가?”라는 질문에서 출발합니다.
이번 AI 워크숍에서는 참가자들이 각자의 업무 상황에 맞춰 대시보드에 포함되어야 할 항목을 고민했습니다.
예를 들어 매출 흐름을 보고 싶은지, 고객 불만의 원인을 파악하고 싶은지, 콘텐츠 반응을 비교하고 싶은지에 따라 필요한 지표와 시각화 방식은 달라집니다.
5. 인사이트는 AI가 대신 주는 답이 아니라 함께 찾아가는 방향입니다
AI는 데이터를 빠르게 정리하고 패턴을 제안할 수 있습니다.
하지만 최종적으로 어떤 인사이트가 중요한지는 업무 맥락을 아는 사람이 판단해야 합니다.
이번 워크숍에서는 AI가 제안한 결과를 그대로 받아들이기보다, 추가 질문을 통해 더 구체적인 해석으로 발전시키는 과정을 강조했습니다.
“이 패턴이 왜 나타났을까?”, “이 결과가 다음 의사결정에 어떤 의미가 있을까?”, “추가로 확인해야 할 데이터는 무엇일까?”와 같은 질문이 핵심이었습니다.
참가자 반응과 현장 분위기
이번 워크숍에서는 데이터를 어렵게 느끼는 이유 자체를 먼저 다루었기 때문에, 참가자들이 비교적 편안하게 실습에 접근할 수 있었습니다. 데이터를 수학적 분석의 영역으로만 보지 않고, 내가 이미 가지고 있는 업무 정보를 정리하는 과정으로 이해하면서 참여 장벽이 낮아졌습니다.
특히 자연어로 표를 만들고, 대시보드 항목을 설계하고, 인사이트 질문을 확장하는 과정에서 AI 실무 교육의 가능성을 체감할 수 있었습니다. 데이터를 잘 다루기 위해 반드시 분석 전문가가 되어야 하는 것은 아니라는 점이 이번 워크숍의 중요한 메시지였습니다.
AI Workshop
AI Workshop
www.theborntiger.com
