데이터는 많이 보여줄수록 안 통합니다

들어가며 — “그래서 뭘 하라는 거예요?”

“이 데이터 시각화해줘.” 예전 같으면 반나절 걸릴 일이, 이제는 몇 초 만에 차트 대여섯 개와 대시보드 한 장으로 돌아옵니다. 색도 예쁘고 종류도 다양해요. 뿌듯하게 회의에 들고 갑니다.

그런데 돌아오는 말이 있어요. “그래서… 뭘 하라는 거예요?” 화면에 정보는 열 배로 늘었는데, 방 안의 결정은 한 발도 안 나갑니다. 보여준 건 많은데 통하지가 않아요.

전에 누구를 위한 데이터 분석인가에서, 데이터의 마지막 일은 결정하는 사람에게 가닿는 것이라고 했습니다. 그건 예나 지금이나 같아요. 달라진 건 그 ‘가닿는 일’의 무게중심입니다. AI가 만드는 걸 다 대신해 주면서, 데이터 커뮤니케이션의 진짜 노동이 더 만드는 쪽에서 덜어내는 쪽으로 옮겨갔습니다.

1. 보여주는 건 이제 공짜가 됐습니다

예전에는 차트 하나 그리는 것도 손기술이었습니다. 어떤 그래프가 맞는지 고르고, 축을 다듬고, 색을 맞추고 — 그 손품 자체가 실력의 상당 부분이었어요. 그래서 잘 만든 차트 한 장이면 일을 한 것 같았습니다.

지금은 그 손품이 거의 공짜가 됐어요. 실행이 흔해지고 값싸진 자리에 시각화도 들어간 겁니다. 만드는 게 공짜가 되면, 병목은 만드는 데서 다른 곳으로 옮겨갑니다. 열 개를 순식간에 만들 수 있게 됐다는 건, 이제 무엇을 남기고 무엇을 버릴지가 진짜 일이 됐다는 뜻이에요. 만드는 손이 아니라 고르는 눈이 병목입니다.

2. 받는 사람의 머릿속엔 하나만 남습니다

왜 덜어내는 게 그렇게 중요할까요. 받는 사람 쪽에서 보면 분명해집니다.

정보를 아무리 많이 건네도, 상대의 머릿속에 남는 건 결국 하나예요. 사람의 주의는 유한하니까요. 차트 열 개를 내밀면 상대는 둘 중 하나를 합니다. 알아서 하나를 골라 읽거나 — 그럼 무엇이 전달될지는 내 손을 떠납니다 — 아니면 다 훑고 아무것도 안 남긴 채 “정리해서 다시 주세요”라고 말합니다.

그러니 하나로 좁히는 건 불친절하게 덜 주는 게 아니에요. 무엇이 상대에게 남을지를 상대에게 떠넘기지 않고 내가 정하는 일입니다. 좁히기는 커뮤니케이션의 곁다리가 아니라 그 정의 자체예요. 열 개를 다 보여주는 건, 사실 “제가 안 골랐으니 알아서 보세요”에 가깝습니다.

3. AI는 좁혀 주지 않습니다

여기서 오해하기 쉬운 대목이 있어요. “그럼 AI한테 좁혀 달라고 하면 되잖아?”

문제는 AI가 좁히는 데 서툴다는 게 아니라, AI가 더 만드는 방향으로 기울어 있다는 겁니다. “요약해 줘” 하면 핵심 하나로 조이기보다 다섯 개를 나열하고, “인사이트 뽑아 줘” 하면 그럴듯한 관찰을 잔뜩 늘어놓습니다. 다 맞는 말이라 버리기가 더 어려워져요. 정보가 늘면 결정이 쉬워질 것 같지만, 실제로는 겉보기에 그럴듯한 결과물이 검증과 판단의 부담을 받는 쪽에 떠넘기는 그 구조와 같습니다.

무엇 하나를 남기고 나머지 아홉을 버리는 판단은, 이 데이터가 누구의 어떤 결정을 향하는지 아는 사람만 할 수 있어요. 그건 맥락이고 목적이라, AI가 대신 져 줄 수 있는 자리가 아닙니다. 어디에 AI를 쓰고 어디엔 안 쓸지 가르는 판단이 실력이라고 했던 그 자리예요. 좁히기가 바로 그 판단입니다.

왼쪽은 AI가 만든 아홉 개의 차트(다 보여주기), 오른쪽은 사람이 남긴 결론 한 문장과 그 하나를 받치는 증거다. 만드는 일은 공짜가 됐고, 이제 무엇을 버리고 무엇 하나를 세우느냐가 데이터 커뮤니케이션의 일이다. 처방은 도구가 아니라 순서 — 결론 문장을 먼저 쓰고, 차트는 그 증거로 부린다.

4. 그래서 프롬프트가 바뀝니다

이 차이는 AI에게 일을 시키는 방식에서 그대로 드러납니다.

“이 데이터 시각화해 줘”라고 하면 장식이 나옵니다. 예쁘지만 무엇을 말하려는지 없는 차트 더미요. 대신 이렇게 시켜 보세요. “이 데이터로 ‘신규 유입이 3개월째 줄고 있다’는 결론을 세우려 한다. 이걸 반박하는 근거와 뒷받침하는 근거를 데이터에서 찾아 줘.”

순서가 뒤집혔죠. 결론 문장을 내가 먼저 쓰고, 차트는 그 문장의 증거로 부리는 겁니다. 그러면 AI가 만드는 것도 달라져요 — 장식이 아니라 하나의 주장을 받치거나 무너뜨리는 재료가 나옵니다. 만들기 전에 무엇을 말할지부터 정하는 것, 이게 좁히기의 실무입니다. 도구를 바꾸는 게 아니라 시키는 순서를 바꾸는 거예요.

5. 지표 50개짜리 대시보드의 정체

이건 조직에서 더 크게 나타납니다. 담당자에게 대시보드를 맡기면 지표가 자꾸 늘어나요. 30개, 50개. 다 넣고 싶은 마음은 이해가 갑니다. 뭘 뺐다가 나중에 “그건 왜 안 봤냐”는 말을 들을까 봐서요.

그런데 지표를 다 넣은 대시보드는 커뮤니케이션이 아니라 그 반대에 가깝습니다. “제가 뭐가 중요한지는 안 골랐으니, 보시는 분이 알아서 찾아 쓰세요.” 하나로 좁히는 건 “이게 지금 봐야 할 하나입니다”라고 말하며 그 판단의 위험을 내가 지는 일이에요. 그래서 어렵고, 그래서 실력입니다. 50개를 늘어놓는 건 그 위험을 안 지겠다는 뜻이기도 하고요.

좁히는 사람이 통합니다

데이터 커뮤니케이션을 잘한다는 건, 이제 더 근사한 차트를 만드는 일이 아니에요. AI가 열 개를 만들어 줄수록, 아홉 개를 버리고 하나를 세우는 사람이 통합니다.

그러니 다음에 데이터를 누군가에게 건네기 전, 스스로 이렇게 물어보시길 권합니다. “내가 이 자리에서 상대의 머릿속에 남기려는 하나는 무엇인가.” 그 하나가 정해지면, 나머지를 버리는 일이 오히려 쉬워집니다. 그리고 그 한 문장이, 열 개의 차트보다 사람을 움직입니다.

저는 도구 사용법을 가르치지 않습니다. 일하는 방식을 바꾸자고 말합니다. 데이터를 다루는 방식도 그래요. 더 많이 보여주려는 손을 멈추고, 무엇을 남길지부터 정하는 것 — 거기서부터 같은 데이터가 전혀 다른 힘을 갖습니다.