에이전트 시대, 데이터 분석가의 일은 무엇이 달라지는가

핵심 요약

AI 에이전트가 SQL과 기본 분석을 대신하면서, 데이터 분석가의 핵심 역할은 '코드 작성'에서 '맥락 관리와 스토리텔링'으로 이동한다.

좋은 분석가는 에이전트가 참조할 수 있는 문맥을 설계·관리하고, 숫자에 의미를 부여해 조직이 실제로 행동하게 만드는 사람으로 진화해야 한다.

분석가 역할의 재정의: SQL은 입장권일 뿐이었다

그동안 데이터 분석가의 가치는 종종 "SQL을 잘 쓰는 사람"으로 축소되어 평가되었다.

하지만 실제로 어려운 일은 쿼리를 치는 행위가 아니라, 어떤 질문을 해야 하는지 정의하고, 어떤 데이터가 맞는지 판단하고, 결과를 어떻게 해석해야 하는지를 결정하는 과정이었다.

AI 에이전트가 SQL 작성과 기초 분석을 점점 더 잘하게 되면서, 코드 작성은 더 이상 '핵심 역량'이 아니라 '기본 전제' 수준의 기술이 되고 있다.

이제 분석가는 도구를 대신하는 사람이 아니라, 도구를 설계·조율하고, 그 결과를 비즈니스 언어로 번역하는 사람으로 역할이 옮겨가고 있다.

맥락 큐레이션: 에이전트의 세계관을 설계하는 사람

분석가는 예전부터 메트릭 정의, 대시보드 주석, 장애/실험 기록, 데이터 품질 이슈 메모 등 보이지 않는 "맥락"을 꾸준히 쌓아왔다.

과거에는 이 작업이 "정리나 문서화" 정도로 치부되어 우선순위가 낮았고, 급한 요청 처리에 밀려 기술 부채처럼 쌓이기 쉬웠다.

AI 에이전트는 바로 이 맥락을 읽고 활용한다는 점에서, 문서화·정의·주석 같은 작업의 레버리지를 극적으로 키운다.

예를 들어 제품 분석가라면, "활성 사용자"가 어떤 기준으로 계산되는지, 특정 시점의 데이터가 왜 튀었는지, 어떤 실험이 언제 진행되었는지 등을 세밀하게 정의해두면, 에이전트가 이를 바탕으로 훨씬 정확한 답을 제공할 수 있다.

각 분석가는 자신이 담당하는 도메인(제품, 마케팅, 재무 등)에 대한 맥락을 관리하고, 그 맥락으로 학습된 에이전트를 감독하는 역할을 맡게 된다.

반복 답변 대신 교육: 한 번 가르쳐 여러 번 쓰게 하기

지금까지 분석가는 "지난주 가입자 수가 몇이었나?", "이번 캠페인 전후 지표 비교해 달라" 같은 반복적인 질문에 계속 응답해야 했다.

이제는 동일한 질문에 계속 답하는 대신, 에이전트가 재사용할 수 있는 형태로 지식과 규칙을 한 번 잘 가르치는 쪽으로 전략이 바뀐다.

"이 지표를 물어볼 땐 항상 이 필터를 포함해야 한다", "이 기간 데이터는 장애 때문에 제외해야 한다" 같은 규칙을 에이전트의 세계관 속에 심어놓는 것이다.

대시보드 주석은 사람이 안 읽으면 끝이지만, 에이전트에게 가르친 지식은 동일한 유형의 질문이 들어올 때마다 자동으로 반영된다.

결과적으로 분석가는 일일이 답변하는 대신, 시스템을 설계하고 예외 상황을 관리하는, 더 상위 레벨의 일을 맡게 된다.

스토리텔링: 숫자를 '행동'으로 바꾸는 힘

데이터를 잘 분석하는 것과, 그 분석이 실제 행동으로 이어지게 만드는 것은 전혀 다른 능력이다.

사람은 숫자보다 이야기로 더 잘 기억하고 움직인다는 연구 결과처럼, "전환율이 3% 올랐다"는 사실보다 "어떤 고객 경험 개선이 어떤 결과를 만들었는지"를 이야기로 풀어낼 때 의사결정이 훨씬 쉽게 일어난다.

지금까지는 상시적인 스토리텔링보다, 이사회 자료, 사고 원인 분석, 큰 이슈가 터졌을 때만 급하게 "설명"하는 역할에 집중되는 경우가 많았다.

에이전트가 반복적인 숫자 뽑기와 기본 분석을 처리해주면, 분석가는 매번의 인사이트를 "어떤 내러티브로 전달해야 조직이 움직일지"를 고민하는 데 더 많은 시간을 쓸 수 있다.

어떤 지표를 앞에 내세우고, 어떤 비교를 사용하며, 어떤 비유로 설명해야 듣는 사람들이 직관적으로 이해하고 동의할지 결정하는 능력이 핵심 역량이 된다.

AI가 못하는 것: 조직의 정치·심리·우선순위를 읽는 일

에이전트는 문서를 잘 읽고, 과거 데이터를 통계적으로 잘 다루지만, 조직 내부의 미묘한 분위기와 이해관계를 이해하지는 못한다.

예를 들어 같은 결과라도, "이 팀의 책임으로 비칠 수 있는 방식"과 "공동 학습의 기회로 보이게 하는 방식"은 완전히 다르고, 어떤 프레임을 써야 회의장에서 반발 없이 논의가 진행될지는 사람만이 판단할 수 있다.

또한 각 리더가 요즘 무엇을 걱정하는지, 조직이 장기적으로 어디로 가려 하는지, 어떤 표현이 리스크로 받아들여질지를 파악하는 것 역시 관계와 경험에서 오는 감각이다.

에이전트는 스토리를 "구성"하는 데 도움을 줄 수 있지만, 어떤 스토리가 이 조직, 이 회의, 이 사람들에게 먹히는지는 결국 분석가의 몫이다.

에이전트는 동료가 아니라 도구: '일을 뺏는 존재'에서 '지루함을 없애는 존재'로

많은 분석가가 에이전트 등장에 불안함을 느끼는 이유는, 자신이 좋아하던 "문제 풀기"와 "파고들기"가 사라질지 모른다는 감정 때문이다.

하지만 실제로 에이전트가 가장 먼저 대체하는 것은, 지난달 쿼리를 복붙해서 날짜만 바꾸는 일, 비슷한 대시보드를 여러 팀용으로 반복 제작하는 일, 뻔한 숫자 요청에 답하는 일처럼 이미 '상품화'된 작업들이다.

분석가라는 직업 자체가 사라지는 게 아니라, 직무 안에서 기계가 더 잘할 수 있는 층이 벗겨져 나가고, 사람만이 잘할 수 있는 층이 더 도드라지는 것이다.

이 변화를 받아들이는 사람은, 에이전트를 "내가 하고 싶지 않은 80%를 대신 해주는 도구"로 활용하며 더 전략적인 역할을 맡을 수 있고, 그렇지 않은 사람은 계속 반복 작업과 경쟁해야 하는 상황에 놓일 수 있다.

인사이트

앞으로의 데이터 분석가는 SQL 장인이라기보다, 도메인 전문가이자 맥락 큐레이터, 그리고 스토리텔러에 가까운 직업이 된다.

실질적인 대비를 위해서는, ① 자신이 담당한 영역의 개념·규칙·예외를 문서로 체계적으로 정리하고, ② 에이전트에게 반복 질문을 대신 맡길 수 있도록 지식을 구조화하며, ③ 결과를 사람 언어로 풀어내는 글쓰기·발표·스토리 구성 능력을 의식적으로 연습하는 것이 좋다.

"내가 직접 쿼리 치는 즐거움"에 집착하기보다, "에이전트와 협업해 더 많은 사람을 움직이게 만드는 역할"로 자신을 재정의할수록, 에이전트 시대의 분석가는 더 큰 영향력을 가지게 된다.

출처 및 참고 : What's left for analysts when agents do everything? | Hex