데이터홀릭

AI가 개발자 생태계를 완전히 뒤바꿔 놓고 있습니다. 코딩뿐만 아니라 기획부터 디자인까지 모든 걸 혼자 소화하는 '슈퍼 개발자'들이 시장을 독점하는 시대가 오면서, 평범한 개발자나 중간 단계의 다른 직업들은 설자리를 잃고 있어요. 그런데 여기서 역설적인 상황이 벌어지고 있습니다. AI 프로젝트 의뢰는 쏟아지는데, 실제 경험을 가진 사람을 찾기는 너무 어려워요. 모든 게 새로운 영역이다 보니 '베테랑'이 존재하지 않거든요. 결국 모든 역량을 갖춘 소수의 '슈퍼 개발자'들에게만 기회가 주어지는 승자독식 구조가 형성되고 있습니다. 이런 과도기적 상황에서 개발자들은 어떤 전략을 세워야 할까요? 원티드랩 윤명훈 사업총괄님과 함께 AI 시대의 일자리 변화를 전망합니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/jLGEWmofsZQ ■ 팟빵에서 듣기 https://www.podbbang.com/channels/1771386/episodes/25186488 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

AI를 사용하면 인간의 능력이 퇴화한다는 연구들이 쏟아지고 있습니다. AI 대장 내시경을 쓰던 의사들은 AI가 없으니 진단 능력이 떨어졌고, ChatGPT로 글 쓰는 사람들은 뇌 활동이 현저히 감소했습니다. AI가 인류를 무능하게 만들고 있는 걸까요? AI 시대, 우리가 잃는 것과 얻는 것은 무엇인지 데이터홀릭에서 이야기 나누었습니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/9bq8E1Lk2Cg ■ 팟빵에서 듣기 https://www.podbbang.com/channels/1771386/episodes/25175220 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

"AI 안 하면 망한다"는 표현이 과장이 아닌 시대가 되었습니다. 대학들이 AI 도입에 대해 느끼는 절박함은 상상 이상입니다. 교수들은 사설 학원에서 AI 강의를 듣고, 학교에서는 AI 활용 수업에 인센티브를 주고 있습니다. 지식 전달자로서의 교수 역할은 이미 한계에 도달했고, 학생들은 교수보다 ChatGPT를 더 신뢰하는 상황이 벌어지고 있습니다. 생존을 위해서는 AI를 적극적으로 도입할 수밖에 없는 대학들의 현실을 HR 데이터 분석 전문가 이중학님과 함께 들여다보았습니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/qYotEPG2ivw ■ 팟빵에서 듣기 https://www.podbbang.com/channels/1771386/episodes/25158304 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

"우리도 AI 혁신해야 한다"고 외치는 기업들, 정작 제대로 된 데이터는 갖고 있을까요? 한글 파일과 셀 병합한 엑셀 파일을 AI에게 던져주고는 "왜 이해 못 해?" 하는 상황들이 벌어지고 있습니다. 디지털 트랜스포메이션도 제대로 안 된 상황에서 AI 트랜스포메이션을 외치는 현실, 진짜 AI 혁신이 가능한 조직의 조건을 HR 데이터 분석 전문가 이중학님과 냉정하게 짚어봅니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/I5iGrJyIC-A ■ 팟빵에서 듣기 https://www.podbbang.com/channels/1771386/episodes/25158296 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

AI가 일자리를 대체한다는 막연한 이야기는 많이 들었지만, 실제로 어떤 순서와 방식으로 일어나고 있을까요? HR 데이터 분석 전문가 이중학님과 함께 AI가 직무가 아닌 '과업' 단위로 일자리를 대체해나가는 구체적인 메커니즘을 살펴봤습니다. 고인지 직업부터 시작되는 대체 순서, 과업의 다양성이 생존에 미치는 영향, 그리고 의미 중심의 일 접근법이 왜 중요한지까지. 단순히 '대체될 것이다'가 아니라, 현재 진행 중인 변화의 실제 데이터와 패턴을 분석하고, 개인이 실질적으로 준비할 수 있는 방향에 대해 심도 있게 이야기 나누었습니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/EJl4IWf9iwU ■ 팟빵에서 듣기 https://www.podbbang.com/channels/1771386/episodes/25153881 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

학부생이 ChatGPT로 쓴 보고서가 박사가 쓴 보고서보다 나을 수 있는 시대입니다. 기업들은 이미 알고 있습니다. 높은 학력에 높은 연봉을 주느니, AI 잘 쓰는 학부생을 뽑는 게 경제적이라는 것을요. 실제로 미국 기업들의 채용 현장에서는 충격적인 변화가 일어나고 있습니다. 예전에는 석박사를 요구했던 자리에 학부생을 채용하거나 심지어 대학 졸업자 대신 고등학교 졸업자를 채용하는 '학력 다운그레이드' 현상이 뚜렷해지고 있습니다. 이번 방송에서는 HR 데이터 분석 전문가 이중학님과 함께 급변하는 채용 시장의 현실에 대해 이야기 나누었습니다! ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/qjtZyr1e2Ts ■ 팟빵에서 듣기 https://www.podbbang.com/channels/1771386/episodes/25151703 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

AI로 논문을 작성하는 것, 과연 정당한 일일까요? 네이처가 실시한 대규모 서베이 결과를 보면 놀랍게도 연구자들의 의견이 극명하게 갈립니다. 박사과정생 상당수는 AI 사용을 긍정적으로 보는 반면, 시니어 연구자들은 부정적 의견이 압도적입니다. AI를 쓰는 연구자와 쓰지 않는 연구자, 그들의 운명은 어떻게 달라질까요? 네이처 서베이 결과를 살펴보며 학계의 패러다임 전환을 전망해 봅니다. 참고 자료: Is it OK for AI to write science papers? Nature survey shows researchers are split. (2025, May 22). Nature. https://www.nature.com/articles/d41586-025-01463-8 ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/9VdKCPmv_ME ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=25134867 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

대학 과제에 AI를 사용하는 것은 이제 당연한 일처럼 느껴집니다. 하지만 일본 게이오 대학의 한 교수가 학생들의 AI 사용을 적발하기 위해 강의 자료에 '보이지 않는 함정'을 설치했습니다. PDF에 흰색 글자로 숨겨진 프롬프트, 그리고 이를 그대로 복사해 ChatGPT에 넣은 학생들에게 일어난 황당한 상황은 무엇이었을까요? AI 시대, 학생들에게 어떤 과제물을 제출해야 할까요? 교육의 목적은 무엇이고, 평가는 어떻게 이루어져야 할까요? 데이터홀릭에서 고민해봤습니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/lLejVQBvpoc ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=25126232 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

AI에게 모든 것을 맡기는 시대가 왔습니다. '무지성 AI 사용자들'은 생각하는 과정을 건너뛰고 문제를 통째로 ChatGPT에 복붙합니다. 놀라운 점은 이런 방식이 실제로 잘 작동한다는 것입니다. AI는 점점 더 똑똑해지고, 사람들은 점점 더 생각을 포기하고 있습니다. 생각하지 않아도 된다면 굳이 생각할 필요가 있을까요? AI 시대에 사람은 과연 무엇을 해야 하는지, 생각하지 않아도 되는 시대에 생각의 가치는 무엇인지 이야기 나누었습니다! ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/AKD79tIHzwk ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=25118327 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

온갖 AI 도구들이 등장하고 있지만 정작 업무에 적극적으로 사용하는 사람들은 많지 않습니다. AI는 워낙 쉬운 도구이기 때문에 누구나 쉽게 쓸 수 있다는 생각이 사실 착각은 아니었을까요? AI를 쓰기 어려운 이유, 데이터 홀릭에서 이야기 나누었습니다! ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/DdGeCRYBPNc ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=25098437 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

AI 기반 도구가 등장한 이후, 많은 사람들이 혁신적인 변화가 일어날 것처럼 이야기합니다. 하지만 실제로 AI를 적극적으로 활용하는 사람들은 일부에 불과합니다. 조사 결과를 보면, AI를 업무에 활용하는 직원 비율은 절반도 되지 않습니다. 왜 이런 일이 벌어지는 걸까요? AI 사용법이 어려워서? 신뢰하기 어려워서? 아니면 그냥 귀찮아서? AI를 적극적으로 활용하지 않는 진짜 이유와 이를 극복할 방법, 데이터홀릭에서 이야기 나누어 보았습니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/Xzn3vOmiOSo ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=25095077 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

위기의 순간, 데이터와 기술로 대한민국의 민주주의를 지키고자 하는 시민 개발자들이 있습니다. 밤을 새워가며 웹사이트를 개발하는 시민 개발자들. 이들은 왜 키보드 앞에 앉았을까요? 시민들의 참여로 만들어진 다양한 프로젝트들을 소개하고 AI와 데이터가 어떻게 민주주의를 지탱하는 도구가 되는지 이야기 나눕니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/zPiPEy1Y7iE ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=25072728 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

인간만이 할 수 있다고 생각했던 창의적인 연구 아이디어 제안, AI가 더 뛰어난 성과를 보였습니다. 스탠포드 AI 연구팀이 100명 이상의 NLP 연구자들과 함께 진행한 대규모 연구에서, AI가 제안한 연구 아이디어가 독창성과 영향력 면에서 인간 연구자를 앞섰습니다. AI 시대, 연구자의 역할은 어떻게 변화할까요? 스탠포드 대학교 AI 연구팀의 놀라운 발견을 함께 살펴봅니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/ylG16vIdAEA ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=25066894 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

AI와 협업하면 업무 성과가 높을 것 같지만 MIT 집단지성센터의 최신 연구에 따르면 꼭 그렇지만은 않다고 합니다. 370개의 실험 결과를 분석한 결과, 일의 종류에 따라 AI 단독이 오히려 더 효과적일 수 있다는 사실이 밝혀졌습니다. AI를 어떻게 활용해야 효과적일까요? Nature Human Behaviour에 실린 연구 결과를 바탕으로 알아봅니다! 이번에도 재밌겠죠? 완전 꿀잼입니다! ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/OHThr5soKE8 ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=25051936 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

2024 미국 대선을 앞두고 각종 언론사들이 예측 결과를 쏟아냈는데요, 다양한 시각화의 핵심은 다름 아닌 '불확실성'을 보여주는 것이었습니다. 우리의 예측이 '확실하지 않다'고 말하는 것이 왜 중요할까요? 이번 데이터 홀릭 에피소드에서는, 불확실성을 전달하기 위한 다양한 시도들을 탐구하고, 더 나아가 불확실성을 시각화하는 것과 수용자의 신뢰 간 관계를 탐구한 연구를 소개하였습니다. 영상을 통해 확인해 보세요! 참고 논문) https://dl.acm.org/doi/full/10.1145/3613904.3642371 ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/qTpFhSOzKC4 ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=25031162 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

데이터 분석하려면 코딩이 필수였던 시대가 저물고 있습니다. ChatGPT와 Cursor 같은 AI 도구의 등장으로 이제는 자연어로 데이터를 분석할 수 있는 시대가 왔으니까요. 통계 분석 도구 SPSS로 시작해 R, Python을 거쳐 AI 기반 분석 도구까지, 데이터 분석의 도구와 방법론이 어떻게 변화해왔는지 살펴봤습니다. 그리고 앞으로 데이터 분석가들의 업무는 어떻게 변할지, AI가 바꾸어 놓을 데이터 분석의 미래를 그려봤습니다. 솔직히 쫌 재밌을거 같죠? 맞아요. 재밌습니다! ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/1E-lH4ka6CA ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=25026676 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

데이터 레이크하우스, 데이터 웨어하우스, 데이터 파이프라인, 데이터 매쉬 등 도대체 용어가 이렇게 많을 수 가 있을까요? 그 중의 하나인 데이터 파이프라인에 대해 살펴봤습니다. 박박사는 회사에서 파이프라인을 어떻게 보고 있고, 어떻게 구성해놨을까요? 2024년 끝나가고 있는 시점에 박박사가 한번 살펴봤습니다. ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/Rdd5khdewVs ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=25022714 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc □ 페이스북 | https://www.fb.com/dataholic4

평소 파워포인트를 이용해 데이터 시각화할 일 많으신 분들께 희소식입니다. 노코드 데이터시각화 도구 Datawrapper가 파워포인트에도 진출했습니다! 이번 데이터홀릭 에피소드에서는 새로 출시된 datawrapper add-in을 직접 이용하며 해당 도구의 장단점을 탐색하는 시간을 가져보았습니다. • 참고 사이트 Introducing Datawrapper for PowerPoint https://blog.datawrapper.de/create-data-visualizations-in-powerpoint/ Datawrapper Academy https://academy.datawrapper.de ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/7i0AX0ukTOA ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24995541 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

그동안 많은 전문가들이 사회과학 연구에서 LLM의 잠재력에 대해 논의해왔지만, 일각에서는 좀 망설이는 목소리도 있었습니다. 신뢰 및 편향의 문제로 인해 실제 연구에 적용하기를 주저하는 분위기였죠. 그러나 최근 아주 흥미로운 연구 결과가 나왔습니다. 바로 LLM이 사회과학 도메인 텍스트를 분석하고 실험 결과를 예측하는데 꽤나 효과적으로 쓰일 수 있다는 연구입니다. 이번 에피소드를 통해 자세한 연구 내용과 함께 앞으로 사회과학 연구 분야에서 LLM이 새로운 도구로 자리 잡을 수 있는 가능성에 대해서 함께 이야기해 보아요! 참고 논문) Rathje et al. (2024). GPT is an effective tool for multilingual psychological text analysis. PNAS, https://www.pnas.org/doi/10.1073/pnas.2308950121 Ashokkumar, Hewitt, Ghezae, & Willer (2024). Predicting Results of Social Science Experiments Using Large Language Models. https://docsend.com/view/ity6yf2dansesucf 데모 어플리케이션) Demo: Predicting social science experimental results using LLMs https://www.treatmenteffect.app/ ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/VxqXAmPyfck ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24983904 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc ● 페이스북 | https://www.fb.com/dataholic4

엑셀 파일을 받았을 때, 이 데이터를 어떤 차트로 보여줄지부터 고민하셨나요? 하지만, 표(table)야말로 데이터 시각화의 근본 중의 근본이라고 할 수 있죠. 이번 에피소드를 통해 표를 기반으로 한 다양한 시각화 사례들을 살펴보면서, 더 많은 정보를 효과적으로 전달하기 위해 신경 써야하는 요소들을 확인해보세요! ──────────────────────── ■ 유튜브에서 보기 https://youtu.be/8eg0cQU1NHg ■ 팟빵에서 듣기 http://www.podbbang.com/ch/1771386?e=24973945 ──────────────────────── ● 유튜브 | https://www.youtube.com/dataholic4 ● 팟빵 팟캐스트 | http://bit.ly/dataholic ● 애플 팟캐스트 | https://apple.co/2M3yFyc □ 페이스북 | https://www.fb.com/dataholic4