데이터 내재화, IT가 해주길 기다리면 늦습니다

"데이터 내재화, 우리도 해야 하는데 어떻게 시작해야 할지 모르겠어요."

생성형 AI 교육을 마치고, 자동화 교육까지 진행한 기업의 HRD 담당자에게서 요즘 가장 많이 듣는 말입니다. AX의 다음 단계가 데이터 내재화라는 건 알겠는데, 막상 무엇부터 시작해야 할지 막막한 겁니다.

많은 HRD 담당자가 이 시점에서 같은 실수를 합니다. 데이터 내재화를 IT의 일로 넘기는 것입니다. 시스템을 구축하고, 데이터를 한 곳에 모으는 건 IT가 할 일이라고 생각하는 거죠. 틀린 말은 아닙니다. 그런데 정작 데이터 내재화가 막히는 지점은 시스템이 아닌 곳에 있습니다.

AI Agent가 조직의 데이터를 제대로 활용하려면, 먼저 실무자가 "우리 업무에서 어떤 데이터가 의미 있는가"를 스스로 정의할 수 있어야 합니다. 이 판단은 IT가 대신해줄 수 없습니다. 실무자 자신만이 할 수 있는 일입니다. 그리고 이 판단을 가능하게 만드는 것 — 실무자가 데이터를 읽는 눈을 갖게 하는 것 — 이 바로 HRD가 AX 3단계에서 해야 할 역할입니다. (AX 3단계가 낯설다면 이 글을 먼저 읽어보시길 추천드립니다.)

왜 실무자의 눈이 먼저인가

AX 3단계에서 자주 목격되는 장면이 있습니다. IT팀이 데이터 통합 시스템을 구축했는데, 막상 AI가 그 데이터로 의미 있는 결과를 내지 못하는 상황입니다. 원인은 대부분 같습니다. 어떤 데이터가 실제 업무에서 의미 있는지를 정의하지 않은 채, 일단 데이터를 모아놓은 것입니다.

AI Agent는 데이터가 있으면 알아서 중요한 것을 골라내지 않습니다. 어떤 데이터를 참조해야 하는지, 그 데이터가 어떤 맥락에서 의미를 갖는지가 먼저 정의되어 있어야 합니다. 그리고 이 정의는 IT가 내릴 수 없습니다. 현장에서 실제로 일하는 실무자만이 "우리 업무에서 이 숫자가 왜 중요한지"를 알고 있기 때문입니다.

문제는 대부분의 실무자가 아직 그 눈을 갖추지 못했다는 점입니다. 데이터는 있는데 어떻게 읽어야 할지 모르고, 뭔가 이상하다는 건 느끼는데 숫자로 설명하지 못하고, 결국 경험과 감에 의존해 판단하는 상황이 반복됩니다. 이 상태에서는 아무리 좋은 AI 도구를 도입해도, 실무자가 AI에게 의미 있는 데이터를 연결해줄 수 없습니다.

결국 데이터 내재화의 첫 번째 과제는 시스템 구축이 아닙니다. 실무자가 자신의 업무 데이터를 읽고 해석할 수 있는 눈을 먼저 갖추는 것입니다. 그 눈이 생긴 다음에야, AI가 활용할 수 있는 데이터가 무엇인지 정의할 수 있고, 그 데이터를 구조화하는 작업도 비로소 의미를 갖게 됩니다.

감에서 팩트로 — 국내 자동차 제조사 데이터 리터러시 교육 사례

실무자가 데이터를 읽는 눈을 갖게 하는 교육은 어떻게 설계해야 할까요? 포텐스닷이 국내 자동차 제조사 생산관리 실무자를 대상으로 진행한 데이터 리터러시 교육이 하나의 답을 보여줍니다.

이 교육의 출발점은 명확했습니다. 현장 실무자들은 데이터가 없어서 감에 의존하는 게 아니었습니다. MES, QMS, 설비 로그, SAP 등 여러 시스템에 데이터가 넘쳐흘렀습니다. 문제는 그 데이터를 어떻게 읽어야 하는지, 지금 발생한 문제와 어떤 데이터가 연결되는지를 몰랐다는 것입니다. 결국 "뭔가 이상하다"는 건 느끼지만, 그것을 숫자로 설명하지 못하는 상황이 반복되고 있었습니다.

포텐스닷은 이 문제를 통계 교육으로 풀지 않았습니다. 대신 실무자가 데이터로 문제를 푸는 사고방식을 체득할 수 있도록 6단계 데이터 분석 워크플로우를 설계했습니다.

1단계. 데이터가 말하는 진짜 문제 찾기 2단계. 이슈 발생 시 어떤 데이터를 볼 것인가 3단계. 데이터 취합·정제 자동화 4단계. 비정상 신호와 숨겨진 패턴 찾기 5단계. 감이 아닌 데이터가 가리키는 원인 확정 6단계. 데이터를 근거로 결정자 설득하기

이 중 실무자들이 가장 어려워한 단계는 2단계였습니다. 그런데 막상 들여다보면 2단계는 하나의 질문이 아니라 두 개의 연결된 질문으로 이루어져 있습니다.

첫 번째는 "지금 이 문제와 연결된 데이터가 무엇인가" 입니다. 불량률이 갑자기 높아졌을 때, 설비 온도 데이터를 봐야 하는지 작업자 교대 기록을 봐야 하는지를 판단하는 눈입니다. 데이터가 여러 시스템에 흩어져 있다 보니, 지금 문제와 관련 있는 데이터가 어디에 있는지조차 파악하지 못하는 실무자가 생각보다 많았습니다.

두 번째는 "그 데이터가 AI가 읽을 수 있는 형태인가" 입니다. 여기서 중요한 개념이 등장합니다. 데이터는 크게 세 가지 형태로 존재합니다. 불량 유형, 공정 코드처럼 항목으로 나뉘는 범주형 데이터, 온도·압력·불량 개수처럼 수치로 표현되는 연속형 데이터, 그리고 작업자 메모나 VOC처럼 구조화되지 않은 비정형 데이터입니다. 같은 문제를 분석하더라도 데이터의 형태에 따라 AI가 처리하는 방식이 달라지고, 저장하고 정리해야 하는 방법도 달라집니다. 실무자가 이 차이를 이해하지 못하면, 데이터를 모아놓아도 AI가 제대로 활용할 수 없습니다.

이 두 가지 질문에 답할 수 있게 되는 순간, 실무자는 비로소 "우리 업무에서 AI가 써야 할 데이터가 무엇이고, 어떤 형태로 존재해야 하는지"를 스스로 정의할 수 있게 됩니다.

또 한 가지 중요한 설계 원칙이 있었습니다. 생성형 AI를 각 단계의 파트너로 결합한 것입니다. 복잡한 통계 분석이 필요한 구간에서는 AI가 코드를 생성해 자동화했고, 원인 가설을 세우는 구간에서는 AI가 사고의 파트너로 작동했습니다. 실무자가 기술적 장벽에 막혀 포기하지 않도록, AI가 각 단계에서 그 장벽을 낮춰주는 역할을 했습니다.

결과적으로 이 교육이 만들어낸 변화는 단순한 도구 활용 능력이 아니었습니다. 실무자 스스로가 자신의 업무에서 의미 있는 데이터가 무엇인지를 정의하고, 그 데이터를 AI가 활용할 수 있는 형태로 준비하는 습관이 만들어졌습니다. 이것이 바로 HRD가 AX 3단계에서 만들어야 할 변화입니다.

HRD 담당자가 지금 설계해야 할 것

앞서 살펴본 것처럼, 데이터 리터러시 교육에는 두 가지 핵심 관점이 있습니다. 첫째, 지금 이 문제와 연결된 데이터가 무엇인가. 둘째, 그 데이터가 AI가 읽을 수 있는 형태인가. 이 두 가지 관점이 데이터 리터러시 교육 설계의 두 축이 됩니다. 첫 번째 관점은 실무 페인포인트에서 출발하는 교육 설계로, 두 번째 관점은 생성형 AI를 사고 파트너로 결합하는 방식으로 구현됩니다.

첫째, 실무 페인포인트에서 출발해야 합니다.

"어떤 데이터를 봐야 하는가"라는 질문에 실무자 스스로 답하게 만들려면, 교육이 실무자가 실제로 겪고 있는 문제에서 시작해야 합니다. 통계 개념을 먼저 가르치고 실습을 붙이는 방식으로는 실무자의 행동 변화를 이끌어내기 어렵습니다. "이 데이터가 왜 이렇게 나오는지 모르겠다", "어떤 숫자를 봐야 할지 기준이 없다"는 실무자의 페인포인트가 교육의 출발점이 되어야 합니다.

국내 자동차 제조사 사례에서도 교육 설계 전에 현장 실무자의 업무 현황을 사전 조사했습니다. "불량 발생 시 근본 원인을 추적하기 어렵다", "데이터가 여러 시스템에 흩어져 있어 확보하기 어렵다"는 페인포인트가 교육의 출발점이 되었고, 6단계 워크플로우의 각 단계가 그 페인포인트를 직접 해결하는 방식으로 설계되었습니다. 교육의 시작이 실무자의 페인포인트일 때, 배운 것이 현장으로 돌아가도 살아남습니다.

둘째, 생성형 AI를 사고 파트너로 결합해야 합니다.

"그 데이터가 AI가 읽을 수 있는 형태인가"라는 두 번째 관점은 실무자에게 가장 낯선 영역입니다. 범주형·연속형·비정형 데이터의 차이를 이해하고, 각각을 어떻게 정리해야 AI가 활용할 수 있는지를 혼자서 파악하기란 쉽지 않습니다. 여기서 생성형 AI가 사고 파트너로 작동합니다. 복잡한 데이터 전처리는 AI가 코드로 자동화하고, 데이터의 형태를 어떻게 구조화해야 하는지를 AI와 대화하면서 정교하게 다듬습니다. 이렇게 하면 실무자는 기술적인 부분에 에너지를 쏟는 대신, "이 데이터가 무엇을 의미하는가", "AI가 이 데이터를 어떻게 쓸 수 있는가"라는 본질적인 질문에 집중할 수 있습니다.

중요한 것은 이 두 가지 원칙이 단순한 교육 방법론의 이야기가 아니라는 점입니다. AX 3단계에서 HRD 담당자의 역할 자체가 여기서 정의됩니다. 새로운 교육 주제를 찾는 것이 아니라, 실무자가 자신의 업무 데이터를 읽고 AI와 연결할 수 있는 역량을 체계적으로 설계하는 것. 그것이 HRD가 데이터 내재화 단계에서 해야 할 일입니다.

마치며

데이터 내재화는 시스템의 문제가 아닙니다. 결국 사람의 문제입니다.

아무리 정교한 시스템을 구축해도, 실무자가 자신의 업무에서 어떤 데이터가 의미 있는지를 모르면 AI는 빈 껍데기를 참조하게 됩니다. 반대로 실무자가 데이터를 읽는 눈을 갖추게 되면, 거창한 시스템 없이도 AI가 활용할 수 있는 데이터가 조직 안에 쌓이기 시작합니다.

HRD 담당자가 AX 3단계에서 해야 할 일은 그 눈을 키우는 교육을 설계하는 것입니다. 어떤 데이터를 봐야 하는지 스스로 판단하고, 그 데이터가 AI가 읽을 수 있는 형태로 존재해야 한다는 것을 이해하는 실무자. 이런 실무자가 조직 안에 늘어날 때, 데이터 내재화는 IT 프로젝트가 아니라 일하는 방식의 변화로 자리 잡게 됩니다.

생성형 AI 교육을 마쳤고, 자동화 교육도 진행했다면 이제 질문을 바꿀 때입니다. "다음에는 어떤 교육을 할까?"가 아니라, "우리 실무자들이 지금 어떤 데이터를 보고 있고, 그 데이터가 AI와 연결될 준비가 되어 있는가?"로요. 그 질문에서 AX 3단계가 시작됩니다.

포텐스닷은 조직이 AX 각 단계를 성공적으로 넘어설 수 있도록 데이터 리터러시부터 AI Agent 활용까지, 조직 맞춤형 교육을 함께 설계합니다.