계산은 엑셀이 하고, 해석은 AI가 한다
"이 데이터 정리해서 인사이트 좀 뽑아줘."
팀장이 던진 엑셀 파일. 열어보면 행이 3천 줄이다.
피벗 테이블을 돌려볼까, VLOOKUP을 걸어볼까 고민하다가 문득 생각한다.
'AI한테 넣으면 알아서 해주지 않을까?'
그래서 데이터를 통째로 복사해서 AI한테 붙여넣는다.
그리고 이렇게 말한다. "분석해줘."
결과? 십중팔구 쓸 수 없는 답이 돌아온다.
많은 사람들이 AI를 '만능 계산기'라고 생각한다.
하지만 솔직하게 말하면, AI는 계산을 잘 못한다.
정확히는, 계산이 목적인 작업에는 적합하지 않다.
ChatGPT든 Claude든, 대형 언어모델은 기본적으로 '다음 단어를 예측하는 기계'다.
숫자를 보고 수학적 연산을 수행하는 게 아니라, 맥락상 그럴듯한 숫자를 생성하는 것에 가깝다.
물론 요즘은 코드 실행 기능이 붙어 있어서 계산 정확도가 많이 올라갔다.
하지만 AI가 항상 코드를 돌리는 건 아니다.
텍스트만으로 답할 때는 여전히 숫자를 '추론'해서 내놓는 경우가 있다.
3,000줄짜리 데이터의 합계를 구해달라고 했는데, 코드 실행 없이 대충 그럴듯한 숫자를 생성할 수도 있다는 거다. 이걸 모르고 AI가 뱉은 숫자를 보고서에 그대로 넣으면, 나중에 큰 문제가 된다.
그럼 AI한테 데이터를 주면 안 되는 걸까?
아니다. 방법이 다를 뿐이다.
AI는 계산보다 해석에 강하다.
"이 매출 추이에서 눈에 띄는 패턴이 뭐야?" "이 설문 결과에서 마케팅팀이 주목해야 할 포인트가 뭐야?" "이 데이터를 팀장한테 보고하려면 어떤 각도로 정리해야 해?"
이런 질문에는 AI가 놀라울 만큼 좋은 답을 준다.
숫자를 직접 더하는 건 엑셀이 할 일이고, 그 숫자가 무슨 의미인지를 읽어내는 건 AI가 할 일이다.
가장 흔한 실수부터 짚자.
엑셀 파일을 그대로 복사해서 채팅창에 붙여넣는 것.
이렇게 하면 AI는 데이터를 '텍스트 덩어리'로 인식한다.
열 구분이 깨지고, 행이 뒤섞이고, 숫자와 텍스트의 경계가 모호해진다.
요즘 AI의 컨텍스트 윈도우가 많이 넓어져서 3,000줄도 물리적으로는 들어간다.
하지만 데이터가 길어질수록 중간 부분에 대한 주의력이 떨어지는 현상이 있다.
앞부분과 뒷부분만 보고 답하는 경우가 생긴다는 뜻이다.
내가 실제로 쓰는 방법은 이렇다.
첫째, 데이터를 정제한 뒤에 넘긴다.
3,000줄을 다 넣을 필요가 없다.
오히려 안 넣는 게 낫다.
AI한테 넘기기 전에 엑셀에서 먼저 기본 정리를 한다.
불필요한 열을 삭제하고, 빈 행을 제거하고, 분석에 필요한 핵심 열만 남긴다.
예를 들어 '월별 매출 데이터'를 분석하고 싶다면, 전체 거래 내역 3,000줄이 아니라 월별로 집계한 12줄짜리 요약 테이블을 만들어서 넘기는 거다.
둘째, 표 형식을 유지해서 넘긴다.
마크다운 표나 CSV 형식으로 넘기면 AI가 데이터 구조를 훨씬 잘 이해한다.
그냥 숫자를 나열하는 것보다 '이게 표구나'라고 인식하게 만드는 게 중요하다.
예를 들면 이렇게.
| 월 | 매출(만원) | 전월대비 증감률 |
|1월 | 12,500 | - |
|2월 | 11,800 | -5.6% |
|3월 | 14,200 | +20.3% |
이렇게 넘기면 AI는 "아, 월별 매출 데이터구나.
1월 기준으로 2월에 하락했다가 3월에 반등했네"라고 바로 구조를 파악한다.
셋째, 파일을 직접 업로드한다.
요즘 대부분의 AI 도구는 파일 업로드를 지원한다.
엑셀 파일이나 CSV를 채팅창에 직접 올리면, 복사·붙여넣기보다 데이터를 훨씬 정확하게 인식한다.
Claude의 경우 코드 실행 기능으로 실제 데이터 연산까지 해주니까, 대용량 데이터를 다룰 때는 파일 업로드가 정답이다.
정리하면, AI한테 데이터를 넘기는 핵심 원칙은 하나다.
"날것 그대로 던지지 말고, AI가 읽기 좋은 형태로 다듬어서 넘겨라."
이건 앞서 다뤘던 프롬프트 작성법과 같은 맥락이다.
내가 질문을 잘 정리해야, AI도 답을 잘 한다.
데이터를 잘 넘겼다고 끝이 아니다.
그다음이 더 중요하다.
바로 분석 방향을 지시하는 것.
"이 데이터 분석해줘"라고 하면, AI는 평균, 최대, 최소값 같은 기초 통계를 나열하는 수준에서 멈춘다.
교과서 같은 분석이 나온다. 팀장이 원하는 건 그게 아닌데.
내가 터득한 건, AI한테 데이터를 줄 때 '관점'을 함께 줘야 한다는 거다.
같은 매출 데이터를 넘겨도, 질문에 따라 완전히 다른 결과가 나온다.
관점 없이 던진 경우 : "이 매출 데이터 분석해줘." → "평균 매출은 13,500만원이며, 최고 매출은 7월 18,200만원, 최저 매출은 2월 11,800만원입니다." → 그래서 뭐 어쩌라고.
관점을 준 경우 : "우리 팀은 3분기 매출 목표를 20% 상향 조정해야 하는 상황이야.
이 매출 데이터를 보고, 상향 조정이 현실적인지 아닌지를 판단할 수 있는 근거를 정리해줘.
긍정적 근거와 부정적 근거를 나눠서."
"긍정적 근거 : 3월과 7월에 전월 대비 20% 이상 성장한 선례가 있으며… /
부정적 근거 : 하반기 평균 성장률은 8%에 그쳤으며…" → 이건 바로 보고서에 쓸 수 있다.
차이가 느껴지는가?
AI한테 '분석'을 시키는 게 아니라, '이 각도에서 데이터를 해석해달라'고 시키는 거다.
실전에서 내가 자주 쓰는 관점 지시 패턴을 몇 가지 공유한다.
트렌드 파악용 : "이 데이터에서 3개월 이상 지속되는 추세가 있어? 있다면 그 추세가 앞으로도 계속될 가능성과 꺾일 가능성을 각각 설명해줘."
의사결정용 : "이 데이터를 근거로, A안과 B안 중에 어떤 쪽이 리스크가 적은지 판단할 수 있는 포인트를 정리해줘."
보고용 : "이 데이터를 임원에게 보고한다고 할 때, 1분 안에 전달해야 할 핵심 메시지 3개를 뽑아줘."
문제 발견용 : "이 데이터에서 이상치나 예상과 다른 패턴이 있어? 있다면 가능한 원인을 추정해줘."
관점을 주면, AI는 단순 통계 머신에서 분석 파트너로 바뀐다.
여기까지 했으면, AI는 꽤 쓸 만한 분석 결과를 내놓는다.
그런데 문제가 하나 더 있다.
그 결과를 그대로 가져다 쓰면 안 된다는 것.
이유는 두 가지다.
하나, AI는 맥락을 모른다.
데이터 안에 담긴 숫자의 의미는 알지만, 그 데이터를 둘러싼 '회사 사정'은 모른다.
예를 들어 3월 매출이 20% 뛴 건, 신규 거래처 하나가 대량 발주를 넣었기 때문일 수 있다.
AI는 "3월에 유의미한 성장이 있었다"고 분석하겠지만, 그건 일회성 이벤트라 추세로 해석하면 틀린다.
이 판단은 사람만 할 수 있다.
둘, 숫자가 맞는지 반드시 검증해야 한다.
아까 말했듯, AI는 계산을 실수할 수 있다.
AI가 "전년 대비 15% 성장"이라고 했다면, 진짜 15%인지 엑셀에서 한 번 확인하라.
특히 퍼센트, 비율, 증감률 같은 건 AI가 계산 과정에서 소수점을 잘못 처리하거나, 기준 시점을 헷갈리는 경우가 있다.
그래서 내가 쓰는 루틴은 이렇다.
1단계 — AI에게 초안을 받는다.
"이 데이터에서 마케팅팀 주간 회의에 보고할 핵심 인사이트 3가지를 뽑아줘.
각 인사이트에 근거가 되는 숫자를 함께 적어줘."
2단계 — 숫자를 검증한다.
AI가 제시한 숫자를 원본 데이터에서 대조한다.
틀린 게 있으면 고친다.
이 과정은 5분이면 충분하다.
5분 투자로 보고서의 신뢰도가 완전히 달라진다.
3단계 — 맥락을 입힌다.
AI가 뽑은 인사이트에 '우리 팀만 아는 이야기'를 덧붙인다.
"이 수치가 이렇게 나온 건 이런 배경이 있고, 그래서 이 부분은 이렇게 해석해야 합니다"라는 한 줄이 붙으면, 그건 더 이상 AI의 분석이 아니라 내 분석이 된다.
4단계 — AI에게 다시 다듬게 한다.
검증하고 맥락을 입힌 결과물을 다시 AI한테 넘긴다.
"이 내용을 보고서 형식으로 정리해줘. 핵심 수치는 볼드 처리하고, 각 항목에 '시사점' 한 줄씩 붙여줘." 이렇게 하면 완성도가 확 올라간다.
이 4단계 루틴의 핵심은, AI가 뼈대를 잡고 사람이 살을 붙이는 것이다.
반대로 하면 안 된다.
사람이 처음부터 끝까지 혼자 하면 시간이 오래 걸리고, AI한테 처음부터 끝까지 맡기면 정확도가 떨어진다. 역할 분담이 핵심이다.
구체적인 예시를 하나 더 보여주겠다. 실제로 내가 분기 보고를 준비할 때 AI를 쓰는 과정이다.
상황 : 분기별 매출 데이터가 엑셀에 있다. 팀장한테 "이번 분기 실적 정리해서 내일 아침까지 줘"라는 메시지가 왔다. 퇴근 30분 전.
Step 1 : 엑셀에서 핵심 데이터만 뽑는다.
전체 거래 내역이 아니라, 월별 매출 합계 · 전년 동기 대비 · 주요 거래처별 비중.
이 세 가지만 정리한다.
5분.
Step 2 : AI한테 관점과 함께 넘긴다.
"아래는 우리 팀 이번 분기 매출 데이터야.
[표 붙여넣기]
이걸 팀장한테 보고하려고 해. 팀장은 '전년 대비 성장률'과 '다음 분기 리스크'를 가장 궁금해해.
이 두 가지 관점에서 핵심 포인트를 3개씩 뽑아줘. 숫자 근거도 같이."
AI가 6개의 포인트를 정리해서 내놓는다.
3분.
Step 3 : 검증 + 맥락 추가.
AI가 뽑은 숫자를 원본에서 대조한다.
"전년 대비 12% 성장"이라고 했는데 실제로 계산하면 11.7%다.
반올림 차이 정도라 이 경우는 "약 12%"로 쓰면 된다.
거래처 B의 비중이 줄었다고 AI가 짚었는데, 이건 계약 갱신 시기 때문이라는 내부 사정을 내가 알고 있다.
이 맥락을 한 줄 추가한다.
5분.
Step 4 : 보고서 형태로 정리.
"아래 내용을 보고서 형식으로 다듬어줘. 제목은 '2026년 1분기 매출 실적 요약'.
핵심 수치는 강조하고, 마지막에 '다음 분기 주의사항' 섹션을 넣어줘."
깔끔한 보고서 초안이 나온다.
2분.
총 소요 시간 약 15분. 예전에는 이 작업에 2시간 가까이 썼다.
퇴근 30분 전에 이런 요청이 오면 야근 확정이었는데, 이제는 정시 퇴근하면서도 퀄리티 있는 결과물을 낼 수 있게 됐다.
마지막으로 꼭 하고 싶은 말이 있다.
AI가 데이터를 분석해주는 게 편하다 보면, 슬슬 '검증' 단계를 건너뛰게 된다.
"AI가 알아서 잘 했겠지"라는 마음이 생기는 거다.
이건 정말 위험하다.
내가 한 번 겪은 일인데, AI가 전년 대비 성장률을 계산하면서 기준 연도를 잘못 잡은 적이 있다.
2024년 대비가 아니라 2023년 대비로 계산한 거다.
숫자 자체는 그럴듯했기 때문에, 검증 안 했으면 그대로 보고서에 들어갈 뻔했다.
AI를 쓸수록, 검증하는 습관이 더 중요해진다.
AI가 내놓은 숫자는 '참고값'이지 '정답'이 아니다.
최종 책임은 항상 사람에게 있다.
이걸 기억해두면, AI는 정말 든든한 분석 파트너가 된다.
모든 걸 대신 해주는 마법사가 아니라, 내 판단을 더 빠르고 정교하게 만들어주는 도구라고 생각하면 된다.
데이터를 AI한테 넘길 때, "분석해줘" 대신 "이 관점에서 봐줘"라고 말해보라.
같은 데이터인데 완전히 다른 답이 돌아올 것이다.
다음 글에서는, 좋은 기획의 출발점인 '가설'을 AI로 세우는 방법을 다뤄보려 한다.
#AI활용 #기획자 #데이터분석 #프롬프트 #업무효율 #직장인AI #보고서작성 #ChatGPT활용 #Claude활용 #실무AI