데이터 분석 LLM 활용, 분석 에이전트가 실행을 맡자 분석가가 옮겨 간 자리

분석 프로젝트 생산성 약 2배 뒤에 데이터 직무가 새로 맡은 일

더블테이크 노아 - 4분 분량 - 처음 쓴 날

DOUBLETAKE직무별 실무자 이야기

데이터 분석에 LLM을 쓰면

데이터 분석에 LLM을 들인 팀에서는 분석 실행이 에이전트로 넘어가고, 사람은 문제를 정의하고 결과의 의미를 판단하는 쪽으로 옮겨 갔다. 다만 에이전트가 기댈 지식 기반과 확인 절차가 없으면 그럴듯한 오답이 줄지 않았다. 실행을 넘기는 만큼 기준을 세우는 일이 늘었다.

분석 에이전트가 들어오면 데이터 사이언티스트 일은 어떻게 되나?

하시모토 슈타로 님 (LY, PM 겸 커머스 데이터 사이언스 팀 리드), 오카다 료스케 님 (LY, PO): "분석 에이전트가 분석 실행을 담당하게 되면서 데이터 사이언티스트가 모든 분석 요청을 직접 해결해야 할 필요는 줄어들고 있습니다."[1]

하시모토 슈타로 님, 오카다 료스케 님 (LY): "분석 프로젝트의 생산성은 분석 에이전트 도입 이전과 비교해 약 2배 수준으로 향상되었습니다."[1]

두 사람은 남는 시간을 분석가가 다시 쓸 스킬과 템플릿을 만드는 데 들인다고 적었다[1].

리포트 자동화 뒤에 담당자는 무엇을 하나?

이종우, 이운열 님 (LY, LINE Ads 데이터 분석 플랫폼 개발): "담당자는 데이터 수집과 정리보다 변화의 의미를 판단하고 후속 대응을 결정하는 데 더 집중할 수 있게 됐습니다."[2]

이 팀은 계산과 집계를 코드에 두고 LLM에는 검증된 숫자의 해석만 맡겼다. 근거도 세 등급으로 나눠 원인 설명에 쓸 수 있는 것을 골랐다[2].

LLM이 쓴 SQL은 어떻게 믿나?

이형중, 김민희, 정소영 님 (LY 게임 퍼블리싱 조직): "각 에이전트가 같은 기준으로 판단하려면, 공통으로 참조할 수 있는 지식 기반이 필요했습니다."[3]

이형중, 김민희, 정소영 님 (LY 게임 퍼블리싱 조직): "역할을 분리해도, 에이전트가 참고할 근거가 없다면 여전히 그럴듯한 오답은 줄지 않습니다."[3]

에이전트를 여럿으로 쪼개는 것만으로는 부족했다는 말이다. 이 팀은 SQL을 실행하기 전에 가드레일로 검사하고, 결과 옆에 쿼리를 그대로 보여 줬다[3].

LLM에게 결과를 그대로 요청하면 되나?

김한용, 이수정, 전소이 님 (우아한형제들, 프런트엔드 개발): "처음엔 LLM에 원하는 결과를 그대로 요청하면 될 거라고 생각했는데 그렇지 않았어요."[4]

김한용, 이수정, 전소이 님 (우아한형제들, 프런트엔드 개발): "코드를 짜는 시간보다 결과를 확인하는 시간이 훨씬 길었어요."[4]

리서치 응답을 AI로 분석하는 도구를 만든 팀이다. 응답 분류를 여러 단계로 쪼갰고, 결과는 리서처가 직접 평가했다[4].

데이터 분석가는 결국 어디로 가나?

하시모토 슈타로 님, 오카다 료스케 님 (LY): "다시 말해, 이미 드러난 문제를 해결하는 역할에서 잠재적인 사업 과제를 정의하고 해결하는 역할로 이동하고 있습니다."[1]

네 팀의 답을 한 표로 보면?

  • LY 분석 에이전트 [1]

    에이전트와 LLM이 맡은 일
    분석 실행
    사람과 코드가 쥔 일
    사업 과제 정의, 재사용 스킬 제작
  • LINE Ads 리포트 [2]

    에이전트와 LLM이 맡은 일
    숫자 해석과 문장
    사람과 코드가 쥔 일
    계산, 근거 등급, 후속 대응 결정
  • LY 대화형 BI [3]

    에이전트와 LLM이 맡은 일
    질문을 SQL로
    사람과 코드가 쥔 일
    지식 기반, 실행 전 검사, 쿼리 공개
  • 우아한형제들 리서치 [4]

    에이전트와 LLM이 맡은 일
    응답 분류
    사람과 코드가 쥔 일
    단계 설계, 결과 평가

네 기록 중 셋이 LY 글이다. 우아한형제들 기록은 분석가가 아니라 분석 도구를 만든 개발자 시선이다. 데이터 조직 전체 모습이라기보다 AI 도입이 빠른 두 회사의 기록으로 읽어야 한다.

LLM이 낸 분석에서 틀린 숫자를 얼마나 빨리 잡는지, 데이터 문항으로 확인해 보자

데이터 분석 4분 테스트 하기

자주 묻는 질문

데이터 분석에 LLM을 쓰면 생산성이 얼마나 오르나?
LY 분석 에이전트 기록에서는 분석 프로젝트 생산성이 도입 전의 약 2배였다. 한 조직의 수치라 그대로 옮겨 기대하기는 어렵다.
LLM이 쓴 SQL을 바로 실행해도 되나?
LY 대화형 BI 팀은 실행 전에 가드레일로 검사하고 결과와 함께 쿼리를 공개했다.
데이터 분석가는 무엇을 더 연습하면 좋나?
에이전트가 기댈 지표 정의와 지식 기반을 만드는 일, 그리고 결과가 맞는지 확인하는 절차를 짜는 일이다.

출처

  1. 1분석 에이전트의 힘으로 분석을 하나로 연결하다! 전문 조직에서 도전하는 생성 AI 시대의 업무 혁신과 역할 전환 LY Tech Blog, 2026.06.22
  2. 2LLM에게 어디까지 맡길 것인가: AI 에이전트 기반 광고 분석 리포트 자동화 LY Tech Blog, 2026.09.18
  3. 3LLM이 만든 SQL을 믿고 실행하기까지 LY Tech Blog, 2026.10.02
  4. 4AI가 분석한 리서치 결과, 어떻게 만들고 전달할까요? 우아한형제들 기술블로그, 2026.08.31

이 글은 더블테이크 노아가 누구나 열어 볼 수 있는 공개 자료만 근거로 썼어요. 초안은 AI 도구로 쓰고, 사람이 출처와 맞춰 보며 고쳤어요. 틀린 내용은 hello@dropdown.xyz로 알려 주세요. 확인하고 고친 날을 글에 남겨요. 편집 원칙 보기