📌 이런 분들께 추천해 드려요!

• 데이터 기반 의사결정으로 비즈니스 성장을 가속화하고 싶은 스타트업 대표님 및 팀원
• 제한된 리소스로도 데이터 분석 역량을 극대화하고 싶은 초기 스타트업 관계자
• 매출 하락 원인 분석, VIP 고객 특성 도출 등 복잡한 비즈니스 질문에 대한 명확한 답변을 찾고 싶은 분
• AI 시대에 진정한 데이터 기반 의사결정이 무엇인지 궁금하고, 이를 실제 업무에 적용하고 싶은 실무자

정보 비대칭이 인류의 경쟁력

CEO는 아는데 AI는 모르는 게 100개인데 반해, 그 반대의 경우는 100억개라면 CEO의 도움을 받아 AI가 의사결정을 하는 것이 그 반대의 경우보다 더 합리적으로 보입니다.

하지만 '정보의 상대적 가치'를 고려하면 이야기가 달라집니다. 예를 들어 "우리 회사 이번 달 매출이 떨어졌는데, 어떻게 해야 하지?"라는 질문에 ChatGPT보다 우리 회사 제품, 고객, 경쟁 상황과 내부 자료(이메일, 슬랙, 보고서, 대시보드 등등)를 훤하게 꿰고 있는 CEO가 더 좋은 결정을 내릴 수 있겠지요.

CEO가 AI 보다 더 똑똑한 결정을 할 수 있는 이유가 인간 고유의 사유 능력 때문이 아니라 주어진 질문에 대한 맥락을 담고 있는 정보에 대한 접근성 차이 때문이라고 가정해 봅시다. 만약 AI가 우리 회사의 모든 정형 데이터(데이터베이스)와 비정형 데이터(텍스트)에 자유롭게 접근할 수 있다면 상황이 달라질까요?

크기에 제약이 없는 context window와 신비로운 RAG(질문과 관련된 맥락 추출) 프로세스를 장착한 두뇌를 가진 CEO의 직관을 뛰어넘는 최적의 결정을 AI가 대신할 수 있을까요?

AI가 어떤 일을 잘 해내지 못할 때 모든 정보에 대한 접근을 가진 진짜 AI는 다를거야라는 주장은 No True Scotsman이란 개념을 떠올리게 합니다. No True Scotsman은 “스코틀랜드 사람은 설탕을 넣은 죽은 절대 안 먹어.”라는 주장에 대해 누군가 “근데 내 친구는 스코틀랜드 사람인데 설탕 넣고 먹어.”라고 반박한 경우 “그건 니 친구가 진짜 스코틀랜드 사람이 아니기 때문이야.”라고 보다 엄격한 기준을 제시하며 반례를 부정하는 경우를 지칭합니다.

다음은 정보 비대칭이 사라진 세상에서, "진짜" AI가 사람을 뛰어넘는 의사결정을 할 수 있을지에 대한 이야기입니다.

데이터의 한계와 데이터 분석의 한계

데이터 기반 의사결정의 한계를 데이터의 한계와 데이터 분석의 한계로 나누어 생각해 봅시다.

[데이터의 한계: 그 이유의 이유]

• 매출이 전달 대비 1.5억 감소
• A 제품의 판매가 1억(50%) 감소.
• B 유통채널이 A제품 전체 매출 감소의 90%를 차지.

기업이 데이터 기반 의사결정을 시도하지만, 완벽한 데이터 접근의 어려움과 사람의 판단 개입으로 인해 데이터 가치에 의문을 제기하는 경우가 많습니다. 특히 '매출 감소'와 같은 현상에 대한 '이유의 이유'를 파고들수록 정형 데이터의 한계는 명확해지며, 유통 채널 내부 사정이나 인간 내면과 같은 비정형적이고 외부적인 요인은 데이터만으로 파악하기 어렵습니다.
 

[데이터 분석의 한계: 모든 가설 검증의 어려움]

• 매출이 전달 대비 1.5억 감소
   

대시보드에서 매출 감소를 확인하면 다양한 가설이 떠오르지만, 기존 BI 도구는 성과 모니터링에 특화되어 가설 검증에는 한계가 명확합니다. 가설을 검증하려면 별도의 데이터셋과 분석 도구로 수동 작업을 해야 하죠. 결국 이러한 데이터 분석 도구의 한계 때문에 모든 가설을 검증하지 못하고 익숙한 관점으로 결론을 내리게 됩니다.

사람의 한계가 AI의 한계

기업이 데이터를 기업 운영과 관련된 의사결정에 활용한다 했을 때 그 대표적 도구는 BI(대시보드)이고 BI는 성과 모니터링에는 유용하지만 성과 개선을 위한 아이디어 발굴에는 적합하지 않다고 이야기했습니다.

AI 데이터 분석 도구가 기존 데이터 도구의 한계를 극복하려면 어떤 접근 방법이 필요할까요? 저는 가설 생성과 검증 작업이 자동화되는 것이 그 첫걸음이라고 생각합니다.

지표 차이(Variation) 이해하기: 지표 차이(매출 변화)를 이해하는 것은 기업 운영이 어느 정도 평형상태(Equilibrium)에 이른 일정 규모 이상의 대부분의 기업들(국내에 업력이 10년 이상이고 연매출이 1,000억인 기업이 대략 3~4,000개 정도라고 함)이 데이터로 해야하는 가장 중요한 작업 중 하나입니다. 주요 경영 지표가 운에 의해 꿈틀대었는지 아니면 주목할만한 경영 환경의 변화에서 비롯되었는지를 아는 것이 중요합니다.

[기존 AI 데이터 분석으로 성과 개선 아이디어 찾기]

아래는 manus를 통해 이번 분기 매출 변화 요인을 모든 경우의 수로 분석한 과정과 그 결과를 정리한 내용입니다. 언어모델 기반의 분석에는 몇 가지 근본적인 문제가 있습니다.

• 분석 의도와 조건을 텍스트로 주고 받다 보니 오해가 싹트기 쉬움 → 집계 방식, 변수 누락 등
• 서로 오해가 있었는지 계획된 작업이 모두 끝난 후에야 확인 → 원하는 결과 나올 때까지 시행착오 반복
• 분석 결과에 대한 상호작용 제한적 → 원하는 결과만 필터링을 해서 보기 어려움

BI와 기존 AI 분석 도구의 한계를 넘는 방법은? : [원문 링크]

HEARTCOUNT는 데이터 시각화 및 AI 분석 도구로, 개인 및 기업 사용 용도에 맞춰 무료로 모든 기능을 사용해볼 수 있습니다. 지금 바로 HEARTCOUNT에 접속하여 데이터 기반 성장을 위한 첫걸음을 내딛어 보세요!