데이터 분석가는 AI로 대체될까, 계산은 코드에 해석은 모델에

LLM에게 숫자를 맡겼다가 다시 뺀 데이터 팀들의 기록

더블테이크 노아 - 4분 분량 - 처음 쓴 날

DOUBLETAKEAI 시대 직무 변화

데이터 분석가는 AI로 대체될까

국내 앞선 팀의 기록에서 데이터 분석가의 일은 사라지지 않고 나뉘었다. LLM은 해석과 문장을 맡았고, 계산과 집계와 지표 정의는 코드와 사람이 다시 쥐었다. 근거는 LY와 우아한형제들이 직접 쓴 기술 블로그라 국내 데이터 조직 전체 모습은 아니다.

LLM에게 숫자까지 맡기면 무엇이 틀리나?

LY의 LINE Ads 데이터 분석 플랫폼을 개발하는 이종우, 이운열 님은 광고 분석 리포트를 자동화하며 처음에 프롬프트 하나로 시작했다. 결과에는 수치 오류와 집계 누락이 있었고 중요한 항목이 빠졌으며 해석이 얕았다[1].

그래서 일을 나눴다. 전일비, 전월비 같은 계산과 집계와 정합성 검증은 코드가 하고, LLM은 검증된 숫자를 해석하고 문장을 쓰는 데 집중한다. 근거도 세 등급으로 나눠 해석에 쓸 수 있는 것만 원인으로 말하게 했다. 두 사람은 계산과 해석을 나눈 이 경험을 두고 "이 경험은 이후 시스템을 설계하는 중요한 기준이 되었습니다." 라고 정리했다[1].

사내 지표를 물으면 왜 그럴듯한 오답이 나오나?

LY 게임플랫폼의 이형중, 김민희, 정소영 님은 말로 묻고 답을 받는 대화형 BI를 만들었다. 이 팀의 진단은 짧다. "LLM은 사내 데이터의 의미를 모른다." 같은 지표라도 조직마다 정의가 달라서 모델은 그럴듯한 오답을 낸다[2].

이 팀이 고친 곳은 모델이 아니었다.

  • 에이전트마다 역할을 나눴다
  • 온톨로지 기반 RAG로 사내 데이터의 뜻을 모델에 붙였다
  • LLM이 만든 SQL을 실행하기 전에 가드레일로 권한을 검사했다
  • 결과 옆에 쿼리를 숨기지 않고 보여 줘서 사용자가 직접 확인하게 했다

글은 쿼리를 보여 준 것이 신뢰를 올렸다고 적었고 가장 크게 깨달은 점으로 "대화형 BI의 신뢰는 모델이 아니라 설계에서 온다" 를 꼽았다[2].

분석 결과는 누가 판정했나?

우아한형제들 프런트엔드 개발자 김한용, 이수정, 전소이 님은 주관식 응답 수천 건과 사용성 테스트 녹취를 나눠 분석하는 리서치 AI를 만들었다. 응답 정제, 중분류, 대분류처럼 단계를 쪼갰고 리서처가 결과를 정성, 정량으로 직접 평가했다. 평가 기록은 Langfuse로 추적했다[3].

이 팀이 남긴 말도 데이터 일에 그대로 맞는다. "분석 결과가 잘 나오는 것과 사용자가 그 결과를 잘 받아보는 것은 다른 문제였어요."[3]

넘긴 일과 쥔 일을 나란히 놓으면?

  • LY 광고 리포트 [1]

    AI에 넘긴 일
    숫자 해석, 리포트 문장
    사람과 코드가 쥔 일
    계산, 집계, 정합성 검증, 근거 등급
  • LY 대화형 BI [2]

    AI에 넘긴 일
    질문을 SQL로 옮기기
    사람과 코드가 쥔 일
    지표 정의, 실행 전 권한 검사, 쿼리 공개
  • 우아한형제들 리서치 AI [3]

    AI에 넘긴 일
    응답 분류와 녹취 분석
    사람과 코드가 쥔 일
    단계 설계, 결과 평가와 추적

토스는 마케팅과 운영 직군이 데이터 분석을 AI와 함께 한다고 밝혔다[4]. 다만 구체 사례가 없는 한 줄이라 표에는 넣지 않았다.

데이터 분석가는 무엇을 준비하면 되나?

세 기록에서 사람에게 남은 일은 이렇다.

  1. 1계산과 해석 나누기. 숫자는 코드로 뽑고 모델에는 검증된 숫자만 넘긴다
  2. 2지표의 뜻 정리하기. 모델이 모르는 것은 사내 정의다. 그 정의를 문서로 만들고 붙이는 일이 새 일이 됐다
  3. 3확인할 흔적 남기기. 쿼리, 근거 등급, 평가 기록처럼 다른 사람이 다시 볼 수 있는 것을 결과 옆에 둔다

세 팀 모두 AI 도입이 앞선 회사다. 기술 블로그는 잘된 결말을 주로 쓰고, 실패한 도입은 잘 올라오지 않는다. 지금 팀이 아직 이렇게 나뉘지 않았다면 그게 더 흔한 모습일 수 있다.

AI가 낸 숫자에서 틀린 곳을 얼마나 빨리 잡는지, 데이터 문항으로 확인해 보자

데이터 분석 4분 테스트 하기

자주 묻는 질문

데이터 분석에서 LLM에게 계산을 맡겨도 되나?
이 글의 기록에서는 맡기지 않았다. 프롬프트 하나로 시작했을 때 수치 오류와 집계 누락이 나와서 계산은 코드로 옮겼다.
SQL을 AI가 쓰면 분석가 일이 줄어드나?
SQL을 쓰는 손은 줄 수 있다. 대신 지표 정의를 정리하고 실행 전에 검사하고 결과를 확인하게 만드는 일이 생겼다.
AI 분석 결과를 믿을 만한지 어떻게 아나?
기록 속 팀들은 결과만 보지 않았다. 쿼리를 함께 보여 주거나 근거에 등급을 매기거나 사람이 결과를 평가한 기록을 남겼다.

출처

  1. 1LLM에게 어디까지 맡길 것인가: AI 에이전트 기반 광고 분석 리포트 자동화 LY Tech Blog, 2026.09.18
  2. 2LLM이 만든 SQL을 믿고 실행하기까지 LY Tech Blog, 2026.10.02
  3. 3AI가 분석한 리서치 결과, 어떻게 만들고 전달할까요? 우아한형제들 기술블로그, 2026.08.31
  4. 4토스 "직원 99%가 AI 활용" 보도 뉴시스, 2026.08.02

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