모두가 데이터를 다루는 AI 시대, 지난 1년간 데이터 팀은 어떻게 달라졌을까?
AI
모두가 데이터를 다루는 AI 시대, 지난 1년간 데이터 팀은 어떻게 달라졌을까?
두줄요약
데이터가치화팀이 지난 1년간 AI를 업무와 플랫폼에 통합한 변화를 정리했습니다. 반복 작업은 빨라졌지만, 검증과 데이터 기반의 중요성은 더 커졌습니다.
핵심 내용
- 데이터가치화팀이 지난 1년간 AI를 팀 업무와 플랫폼, 조직 역할에 어떻게 통합해 왔는지 공유
- SQL 초안 작성, 장애 원인 탐색, MCP 기반 데이터 조회 등 반복 작업이 빨라지고 진입장벽이 낮아짐
- 업무의 중심이 구현보다 문제 정의, 검증, 설계, 우선순위 판단으로 이동
구조와 흐름
- data-mcp를 통해 BigQuery, Lineage, KarrotMetrics, Superset, Event, Experiment를 자연어로 조회하는 환경 구성
- LLM이 전체 스키마를 무작정 탐색하지 않도록 라우팅, 권한, 도메인 지식을 MCP 계층에서 제어
- 데이터 제품이 UI 중심에서 UI + LLM 인터페이스 구조로 확장
주의할 점
- AI 생성 SQL과 요약 결과가 비즈니스 로직이나 맥락을 놓칠 수 있는 위험
- 셀프서비스 확산에 비해 지표 정의, 메타데이터, 리니지, 권한, 품질 기반이 약하면 오답과 혼란이 커질 수 있음
- 답이 없는 경우를 포함해 검증 가능한 문화와 안전장치가 필요
적용해볼 점
- 지표 정의·오너·최신성·계산 로직을 함께 노출하는 데이터 경험 설계
- 컬럼 레벨 리니지와 권한 제어를 LLM 사용 흐름에 포함
- AI 결과물을 초안으로 두고 검증하는 조직 문화 정착
