[대한민국명강사신문=조재옥 ]

사진 = AI 생성 이미지

직장에서 ‘일잘러’로 불리는 사람들에게는 공통점이 있다. 문제의 본질을 빠르게 파악하고, 핵심 정보를 근거로 판단한다는 점이다. 예전엔 경험과 직감이 그 역할을 했다면, 오늘날의 기준은 데이터다. 그리고 그 데이터를 다루는 힘은 점점 ‘AI 리터러시(AI literacy)’, 즉 AI를 이해하고 협업하는 사고방식으로 대체되고 있다.

OECD가 2024년 발표한 「디지털 기술과 노동의 미래 보고서」에 따르면, 선진국 직장인의 63%가 ‘데이터 기반 의사결정’을 주요 직무 역량으로 꼽았다. 한국고용정보원 역시 “데이터를 해석하고 의미를 도출할 수 있는 능력”을 미래 직무 기술 중 가장 중요하게 평가했다. 단순히 도구를 조작하는 능력이 아니라, 데이터를 해석하고 질문할 수 있는 사고력이 요구되는 시대다.

이제 데이터 분석은 IT 전문가의 전유물이 아니다. 기획자, 마케터, 인사담당자, 심지어 교사까지도 데이터를 통해 자신의 판단을 검증한다. 챗GPT, 구글 Gemini, 마이크로소프트 Copilot 같은 생성형 AI는 이미 보고서 요약, 트렌드 탐색, 예측 모델링을 지원하는 일상의 분석 파트너가 되었다. 그러나 핵심은 ‘어떤 툴을 쓰는가’가 아니라 ‘무엇을 묻는가’다. AI에게 올바른 질문을 던질 수 있는 사람이 결국 더 나은 답을 얻는다.

문제는 여전히 많은 직장인들이 데이터를 ‘숫자’로만 인식한다는 점이다. 하지만 진짜 데이터 분석은 숫자를 다루는 일이 아니라, 이유를 해석하는 일이다. 예컨대 마케팅 부서에서 AI가 추천한 ‘전환율이 높은 문구’를 그대로 적용하기보다, 왜 그 문구가 효과적인지, 어떤 고객 집단에서 그런 결과가 나왔는지를 질문해야 한다. 데이터 분석의 본질은 계산이 아니라 사고다.

일잘러의 경쟁력은 이제 ‘정보를 모으는 능력’에서 ‘의미를 읽는 능력’으로 옮겨가고 있다. 예전에는 데이터를 정리해 보고서를 제출하는 것으로 충분했지만, 지금은 그 데이터를 통해 ‘무엇을 바꿔야 하는가’를 제시해야 한다. 통계나 프로그래밍보다 중요한 것은 논리적 사고력, 그리고 데이터를 통해 가설을 세우는 질문력이다. 데이터를 보는 눈은 기술이 아니라 태도에서 비롯된다.

기업의 관점에서도 변화가 필요하다. 단발성 프로젝트나 외부 컨설팅으로는 지속 가능한 데이터 역량을 만들 수 없다. 구성원 모두가 데이터를 공유하고, 서로의 분석을 검증하며, AI를 협업의 도구로 활용하는 조직 문화가 필요하다. 딜로이트가 2024년 발표한 「AI 비즈니스 인덱스」는 “AI를 일상 업무에 내재화한 조직의 평균 생산성이 30% 이상 높았다”고 분석했다. 그러나 보고서는 덧붙인다. 그 차이를 만드는 것은 AI 시스템이 아니라 ‘데이터를 신뢰하고 해석하는 사람’이라고.

AI 데이터 분석은 결국 일잘러의 새로운 문해력이다. 책을 읽듯 데이터를 읽고, 문장을 쓰듯 인사이트를 구성하는 힘. 그것은 기술이 아니라 태도이며, 도구가 아니라 언어다. 숫자를 넘어 의미를 읽는 사람, 그가 AI 시대의 진짜 일잘러다.