지난 글에서는 AI와의 장기 대화를 통해 제가 반복적으로 수행하던 업무를 하나의 HROS(Human Resource Operating System) 형태로 구조화한 경험을 공유했습니다.
이후에는 GPT와 Claude를 활용해 설계를 검토하고, AI끼리 토론하는 방식까지 실험하며 구조를 계속 다듬어왔습니다.
처음 목표는 단순했습니다.
분석을 더 빠르게 하고, 반복 작업을 줄여보자.
하지만 실제 구현을 시작하면서 예상하지 못한 문제를 만나게 되었습니다.
AI와 함께 시스템을 만들기 시작하면서 가장 크게 느낀 점은,
결과 물을 만드는 것과 결과를 만드는 시스템을 만드는 것은 완전히 다른 일이라는 것이었습니다.
진행 방법
1. 일단 결과부터 만들었다
처음에는 필요한 분석 결과를 빠르게 만드는 데 집중했습니다.
새로운 요구사항이 생길 때마다
엑셀 파일 수정
분석 시트 추가
매크로 작성
Python 스크립트 작성
방식으로 대응했습니다.
덕분에 원하는 결과는 빠르게 만들 수 있었습니다.
하지만 시간이 지나면서 익숙한 문제가 나타나기 시작했습니다.
v1_final.xlsx
v2_final.xlsx
v3_final.xlsx
파일은 계속 늘어났고,
같은 데 이터를 반복 가공하고
비슷한 분석을 여러 번 만들고
과거 결과를 다시 설명하기 어려워졌습니다.
결과는 있었지만, 과정은 남아있지 않았습니다.
2. AI가 문제를 다시 보게 만들었다
처음에는
"어떻게 더 좋은 코드를 만들까?"
를 고민했습니다.
그런데 AI는 예상과 다른 질문을 던졌습니다.
왜 같은 데이터를 반복 사용하는가?
왜 비슷한 분석을 계속 다시 만드는가?
정말 재사용해야 하는 것은 무엇인가?
몇 달 뒤에도 같은 결과를 다시 만들 수 있는가?
이 질문들에 답하다 보니 문제의 본질이 보이기 시작했습니다.
문제는 코드가 부족한 것이 아니라,
분석 방법과 업무 경험이 여러 파일 속에 흩어져 있다는 것이었습니다.
3. 분석 방법을 엔진으로 바꾸기 시작했다
그래서 기존에 사용하던 분석 방식들을 하나씩 분해하기 시작했습니다.
예전에는
데이터
↓
분석
↓
결과
였다면,
지금은
데이터
↓
검증
↓
분석 엔진
↓
결과
형태로 바꾸고 있습니다.
분석 로직도 함수 단위로 정리했습니다.
hc_roi(df)
pq_variance(df)
salary_band(df)
merit_matrix(df)
중요했던 것은 함수 자체가 아니라,
어떤 데이터를 사용하는지
어떤 기준으로 계산하는지
결과를 어떻게 해석하는지
다음 분석과 어떻게 연결되는지
를 명확하게 정의하는 것이었습니다.
4. 실제 구현
현재는 분석 엔진을 Python 패키지 형태로 정리하고 있습니다.
hr_analytics/
├── schemas/
├── engine/
├── tests/
└── docs/
첫 번째 분석 엔진은
Schema 정의
↓
입력 검증
↓
Engine 구현
↓
테스트 작성
↓
방법론 문서화
순서로 구현했습니다.
예전에는 결과만 확인했다면,
지금은
입력 데이터가 올바른지
결과가 재현 가능한지
다른 환경에서도 동일하게 동작하는지
까지 함께 검증하고 있습니다.
현재까지 구현된 결과
현재는 단순한 분석 파일이 아니라,
데이터 분석을 위한 운영 체계의 첫 번째 버전을 구축한 상태입니다.
기존에는
원본 데이터
↓
엑셀 가공
↓
분석
↓
보고서
형태였다면,
현재는
원본 데이터
↓
데이터 정리
↓
데이터 검증
↓
분석 엔진
↓
결과 리포트
↓
대시보드
형태로 발전하고 있습니다.
지금까지
분석 엔진 구조 정의
Python 패키지 구조 설계
테스트 체계 구축
방법론 문서화
AI 협업 프로세스 구축
까지 완료했습니다.
또한 GPT와 Claude를 각각 활용하여
GPT
→ 정보 수집 및 초안 작성
Claude
→ 검토 및 구조화
사용자
→ 최종 의사결정
방식의 협업 구조도 정착시켰습니다.
결과와 배운 점
이번 경험을 통해 가장 크게 느낀 점은,
처음부터 필요한 것은 분석 결과가 아니라
반복 가능한 분석 구조였다는 것입니다.
예전에는 결과 하나를 만드는 데 집중했다면,
지금은
재현 가능성
검증 가능성
추적 가능성
재사용성
을 먼저 생각하게 되었습니다.
또한 AI는 단순히 코드를 작성해주는 도구가 아니라,
생각을 구조화하고
반복 패턴을 발견하고
문제를 다시 정의하게 만드는
설계 파트너에 더 가깝다는 것도 느낄 수 있었습니다.
앞으로의 계획
현재는 데이터 수집부터 분석, 리포트 생성까지 이어지는 운영 체계의 첫 번째 버전을 구축한 상태입니다.
앞으로는
분석 엔진 확장
데이터 검증 자동화
리포트 자동 생성
대시보드 연계
를 통해 이미 구축한 체계를 더욱 고도화해볼 계획입니다.
돌이켜보면 가장 큰 변화는 코드를 많이 작성한 것이 아니라,
"결과물 중심"에서 "시스템 중심"으로 사고방식이 바뀌었다는 점이었습니다.
AI와의 대화를 통해 단순한 자동화를 넘어, 반복적으로 활용할 수 있는 나만의 데이터 분석 운영 체계를 만들어가고 있습니다. 🚀
