AI 에이전트 데이터 분석 기술을 활용하여 대시보드 구축과 데이터 분석을 자동화하는 구체적인 방법과 협업 도구, 그리고 변화하는 시대 속 데이터 분석가의 핵심 생존 전략을 소개할 테니 지금부터 데이터 분석가가 되고 싶은 친구들은 잘 듣길 바래.

왜 지금 AI 에이전트 데이터 분석에 주목해야 할까?

예전에는 광고주에게 보고할 광고 성과 대시보드 하나를 만들려면 6~7명의 전문가(데이터 엔지니어, 개발팀, 데이터 분석가, BI 기획자 등)가 달라붙어 최소 3~4개월 동안 씨름해야 했어.

초기 기획 단계에서 현업 부서의 요구사항을 파악하는 데만 2주일이 꼬박 걸리고, 데이터 파이프라인 설계와 중간 피드백 수정을 거치다 보면 프로젝트 비용만 억 단위를 훌쩍 넘어가곤 했지.

하지만 이제는 세상이 달라졌어. AI를 활용해 HTML 웹 형식의 인터랙티브 대시보드를 빠르게 만들어내는 시대가 온 거야.

그렇다고 단순히 AI에게 “대시보드 만들어줘”라고 말만 하면 끝나는 걸까? AI 툴을 잘 사용하는 것만큼이나 중요한 건 바로 ‘AI에게 일을 어떻게 잘 시킬 것인가’에 대한 고민이야.

AI는 어떤 날은 엄청나게 잘하다가도, 어떤 날은 엉뚱한 실수를 하는 등 성능의 기복(Up & Down)이 심하거든.

이런 품질의 불일치와 재현성 문제를 극복하고 완성도 높은 결과물을 얻기 위해 우리는 단순한 챗봇이 아닌 스스로 작동하는 AI 에이전트 데이터 분석 방식에 주목해야 해.

AI 에이전트 데이터 분석을 성공으로 이끄는 도구와 협업 규칙

단순히 일방적인 질문에 답하는 AI 챗봇과 달리, AI 에이전트는 사용자가 설정한 목표를 달성하기 위해 스스로 생각하고 외부 도구를 사용해서 복잡한 작업을 자율적으로 실행하는 시스템을 뜻해.

그렇다면 우리 로컬 컴퓨터에 저장되어 있는 나만의 데이터나 지식을 어떻게 AI 에이전트와 연결해서 나를 소개하는 멋진 웹사이트로 완성할 수 있을까?

AI 에이전트 데이터 분석의 핵심은 AI가 웹사이트를 만들 때, 우리가 일일이 그것이 필요한 데이터, 파일 등을 주는 것이 아니야. AI가 스스로 내 컴퓨터에서 찾아서 가져가는 거야.

우리는 보통 바탕화면 폴더, 노션 및 옵시디언과 같은 곳에 우리 자료를 많이 남기잖아. AI가 스스로 거기에 접근해서 필요한 정보를 가져가고, 웹사이트를 만드는 것이지.

위에서 말한 AI 챗봇과 AI 에이전트의 차이는 여기서 발생하는 거야. AI 챗봇은 나만의 웹사이트를 만들기 위한 필요한 것들을 얘기해 줄 수 있지만, 직접 내 컴퓨터 내에 있는 나의 정보를 찾아서 그것을 활용하여 웹사이트를 못 만들어 줘

하지만, AI 에이전트는 그것을 해준다는 말이지. AI 대표 에이전트로 불리는 클로드 코드가 있기는 하네, 유료이기에 우리는 이번에는 구글에서 만든 안티그래비티와 같은 에이전트 플랫폼을 사용해 볼 생각이야.

만약 내 정보를 옵시디언이나 노션에 저장해 두었을 경우, AI 에이전트와 이 둘 사이를 매끄럽게 이어주는 통역기이자 리모컨 역할을 해주는 표준 규격이 바로 MCP(Model Context Protocol)야.

현재 데이터 분석가에게 가장 필요한 역량

이 모든 과정을 일관성 있게 수행하기 위해 우리는 다음과 같은 체계적인 폴더와 파일 구조를 사전에 기획해야 해.

이것은 위에서 언급한 우리가 AI에게 짜증나는 부분과 맞닿아져 있어. 같거나 비슷한 퀄리티의 결과물을 매번 뽑아낼 수 있는 능력, 즉 재현성이 떨어진다는 점이지.

그래서 우리는 AI가 일관성 있는 결과물을 만들어 내기 위해서 이 프로젝트를 위한 구조를 잘 기획해야 한다는 점이야. 그런데 아무것도 모르는 사람이 기획을 잘 할 수 있을까? 아니지.

결국, AI를 잘 활용한다는 것은 우리가 지금 하는 작업의 전체 과정을 이해하고, 어떻게 진행시키고, 나중에 AI로 부터 결과물을 받아 들였을 때, 그것을 어떻게 검증할 것인가 까지 알고 있는 것이야.

그리고 바로 이런 역량이 바로 현재 데이터 분석가에게 필요한 부분이야. 아래는 AI에게 마케팅 대시보드를 구현해 달라고 요청하기 전에 AI가 어떻게 작업을 해야 할 것인지에 대한 작업 지시서와 데이터, 디자인 구성, 참고할 템플릿 등에 대한 폴더 구조를 만들어 놓은 부분이야.

• `CLAUDE.md` : 프로젝트 목적과 AI 에이전트가 지켜야 할 절대적인 업무 지침서 (마크다운 포맷)
• `data/` : 분석할 실제 데이터가 담긴 폴더 (예: `campaigns.csv`)
• `DESIGN.md` : 색상, 구조, 레이아웃 등 브랜드 가이드를 반영한 디자인 명세서
• `templates/` : 대시보드의 완성도를 위해 참고할 html 뼈대 파일 (예: `reference.html`)
• `output/` : 최종 결과물인 HTML 대시보드가 저장되는 결과 폴더

AI를 활용한다 하더라도, 결측치 값이 발생하는 경우에는 인간의 승인을 거쳐야 하는 것에 대해서도 작업지시서(`CLAUDE.md`)에 반드시 넣어두어야 해. 그래서 AI가 작업지시서를 읽다가, 그런 상황이 발생하면 우리의 승인을 받기 위해 물어보는 단계가 하나 더 생기는 거지.

특히 데이터 중에서 고유 식별자인 `user_id` 값에 결측치(누락된 값)가 있는 등의 예외적인 상황이 발생할 때, AI에게 미리 지침을 주지 않으면 자기 마음대로 데이터를 처리해서 분석 결과가 엉뚱해질 수 있어.

AI를 활용한 블로그 초안 글 작업지시서 만들기

사실 나는 최근에는 AI를 활용해서 블로그 글 초안을 만들어서 내 워드프레스 글에 임시 저장을 요청하고 있다.

물론, 내가 기본적인 핵심 글(3~4줄)을 써 주거나, 아니면 내가 공부한 부분을 복사해서 붙여 넣어주고 이 관련 글의 초안을 만들고 임시 저장 시켜달라고 하고 있는 것이다.

하지만 이렇게 하다 보니, 정말 글의 구조가 중구난방이고, 블로그 글의 일관성을 얻기가 어려워 졌다. AI가 이용할 때 나오는 재현성, 일관성 유지 부족을 이해할 것 같았다.

그래서 bloginstruction.md 파일을 만들기로 했다. 그냥 워드 문서에 역할, 프로젝트 맥락, 반드시 지켜야 할 원칙을 만들어 그 안에 세부적인 내용을 만들었다. 그리고 그 파일을 AI에게 md 파일로 만들고, 지정 폴더 내 위치시켜 달라고 했다.

그리고 새 블로그 글 초안을 만들 때 AI에게 bloginstruction.md (작업지시서)를 참고해서 글을 작성하기를 요청했다. 이 글도 그렇게 해서 만들어 진 것이다. 아직은 나의 마지막 터치가 많이 필요한 것 같다.

나의 작업지시서 기획력이 부족한 탓인 것 같다. 글을 더 발행하면서 조금씩 부족한 부분을 채워나가야 할 것 같다. 아래는 내가 AI에서 md 파일 생성 요청을 한 부분이다. 혹시나 블로그 글 작성 지침서 예가 필요하신 분들을 위해 아래에 첨부해 놓았으니 필요한 부분은 한번 보시길 바란다. (word 파일)

‘내 바탕화면에 블로그 글 작성 지침서 docs 파일이 있어. 이것을 바탕화면 내 projects 폴더 내 블로그 폴더 내 bloginstruction md파일로 만들어줘’

AI 에이전트 데이터 분석 시대, 살아남는 데이터 분석가의 핵심 역량

이제 코드 구현과 대시보드 빌드 자체는 AI 에이전트가 신속하게 해결해주는 시대가 되었어. 그렇다면 이제 우리 데이터 분석가의 전문성은 어디서 발휘되어야 할까?

가장 핵심은 AI가 일관되게 행동할 수 있는 지침서와 폴더 구조를 탄탄하게 기획하는 역량이야. 예를 들어 단순히 전환율(CVR)을 구해달라고 하는 것이 아니라, 비즈니스 목적에 맞춰 분모와 분자에 정확히 어떤 모수와 이벤트를 정의해야 하는지 알고 명확히 오더를 내릴 수 있어야 하지.

그리고 완성된 대시보드를 확인하면서 수식과 필터가 제대로 집계되었는지 검증하고 데이터의 진위를 밝혀내는 일 역시 결국 우리 인간 분석가가 중심을 잡아야 해.

결국 AI 에이전트 데이터 분석 시대의 훌륭한 포트폴리오는 단순한 분석 툴 활용 능력을 넘어, 웹상에서 비즈니스 문제를 해결할 데이터를 설계하고 AI와 협업하여 신뢰할 수 있는 결과물을 유도해내는 ‘기획과 검증 역량‘을 증명해 내는 것이 될 거야.

이 협업 패턴을 내 것으로 만들어서 한 단계 더 진화한 분석 자동화를 만들어 가보자!