모두가 데이터를 다루는 AI 시대, 지난 1년간 데이터 팀은 어떻게 달라졌을까?

URL

https://medium.com/daangn/%EB%AA%A8%EB%91%90%EA%B0%80-%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%A5%BC-%EB%8B%A4%EB%A3%A8%EB%8A%94-ai-%EC%8B%9C%EB%8C%80-%EC%A7%80%EB%82%9C-1%EB%85%84%EA%B0%84-%EB%8D%B0%EC%9D%B4%ED%84%B0-%ED%8C%80%EC%9D%80-%EC%96%B4%EB%96%BB%EA%B2%8C-%EB%8B%AC%EB%9D%BC%EC%A1%8C%EC%9D%84%EA%B9%8C-67bdb8fd91d4?source=rss----4505f82a2dbd---4

생성 일시

2026/04/23 04:06

최종 편집 일시

2026/04/23 04:06

태그

당근

파일과 미디어

|| AI는 데이터 조직 바깥의 일이 아니에요 데이터 조직에게 AI는 아직도 남의 일일까요? 올해 4월, 당근 데이터가치화팀은 팀 전체가 모여 AI 활용 워크샵을 열고 이런 질문들을 던져봤어요. “AI가 우리 팀 신입사원으로 들어온다면 어떤 일을 시킬까?” “퇴근 후 AI가 밤새 처리해놨으면 하는 업무는?” 2026년 4월, 당근 데이터가치화팀은 팀 전체가 모여 AI 활용 워크샵을 진행하면서 이런 질문들을 진지하게 나눴어요. 처음엔 가벼운 상상으로 시작했지만, 이야기가 깊어질수록 분명해졌어요. 이건 먼 미래에 대한 공상이 아니라, 이미 저희의 하루하루에 들어와 있는 변화의 한 장면이라는 걸요. 안녕하세요, 당근 데이터가치화팀이에요. 저희 팀은 당근의 중앙 데이터 조직으로서 데이터 파이프라인, 지표 플랫폼(KarrotMetrics), 실험 플랫폼, 데이터 포털, 데이터 거버넌스까지 당근의 구성원들이 데이터를 더 믿고 활용할 수 있는 환경을 만드는 일을 하고 있어요. 이 글에서는 지난 1년간 데이터가치화팀이 AI를 어떻게 받아들여 왔는지, 그리고 그 과정에서 데이터 업무의 방식과 플랫폼의 형태, 조직의 역할이 어떻게 달라지고 있는지 솔직하게 공유해보려고 해요. AI는 데이터 업무 방식을 바꿔요 데이터 업무에서 AI는 이미 다양한 형태로 개입하고 있어요. 저희 팀만 해도 일상적으로 이런 장면들이 벌어지고 있죠. 복잡한 SQL을 작성할 때 초안을 AI에게 맡기고 로직을 검토하는 방식이 자연스러워졌어요. 각종 개발 프로젝트에서 MCP 서버를 개발할 때는 Claude Code가 큰 도움이 됐어요. 복잡한 재귀 쿼리를 작성하거나 BigQuery API를 다룰 때 빠르게 프로토타이핑할 수 있었죠. 데이터 품질 이슈가 발생하면 AI가 리니지 정보를 함께 정리해서 영향 범위를 파악하는 것을 도와주고, 파이프라인이 실패했을 때는 AI와 대화하며 원인을 좁혀나가기도 해요. 이렇게 반복적이고 기계적인 작업의 일부는 확실히 빨라졌어요. 진입장벽도 낮아졌고요. 동시에 새로운 변화가 함께 일어나고 있어요. AI가 “구현”을 대신해주기 시작하면서, 업무의 본질이 점점 문제 정의, 검증, 설계, 우선순위 판단 쪽으로 이동하고 있어요. 과거에는 많이 알고, 직접 빠르게 구현하는 능력이 핵심이었다면, 앞으로는 맥락을 이해하고, 결과를 검증하고, 위험을 통제하는 능력이 더 중요해지고 있어요. 데이터 엔지니어는 파이프라인 구현 자체보다 구조 설계와 운영 판단의 비중이 늘어나고 있어요. 분석가는 대시보드를 만드는 것보다 올바른 질문을 설계하고 결과를 해석하는 능력이 더 중요해지고 있고요. 관리자 역할도 산출물을 관리하는 것에서 검증 체계와 실행 원칙을 설계하는 쪽으로 무게가 옮겨가고 있어요. 주의할 점도 있어요. AI는 업무를 쉽게 만들지만, 업무를 가볍게 만들지는 않아요. 생산성이 높아지는 만큼, 품질 저하, 산출물 과신, 책임 공백의 위험도 함께 들어오거든요. 예를 들어 AI가 생성한 SQL이 문법적으로는 맞지만 비즈니스 로직을 반영하지 못하는 경우, 또는 AI가 요약한 장애 리포트가 핵심 맥락을 놓치는 경우가 있어요. 이런 상황에서 결과물을 그대로 신뢰하면 오히려 문제가 커질 수 있죠. AI는 데이터 업무의 속도를 높이지만, 데이터 업무의 책임을 없애지는 않아요. 앞으로의 핵심 역량은 AI를 더 많이 활용하는 능력만이 아니라, AI가 만든 결과를 더 잘 검증하고 더 정확히 판단하는 능력이에요.AI는 데이터 플랫폼의 형태를 바꿔요 AI는 단지 데이터 조직 구성원이 쓰는 도구가 아니에요. 데이터 플랫폼 자체의 사용자 경험도 바꾸기 시작했어요. 기존 데이터 플랫폼의 경험을 떠올려보면, 대부분 이런 흐름이었어요. 테이블을 찾고, 문서를 찾고, SQL을 작성하고, 대시보드를 열어보는 것. 사용자가 직접 모든 단계를 수행해야 했죠. AI가 결합된 플랫폼에서는 이 경험이 달라져요. 자연어로 질문하고, 관련 지표와 테이블을 추천받고, 이상 징후를 먼저 감지받고, 데이터의 의미를 설명받고, 액션 후보를 제안받는 방향으로 바뀌고 있어요.