3일간의 AI 챔피언 블루 심화과정 교육 후기
케이브레인 컴퍼니는 최근 비대면으로 3일간 진행된 AI 챔피언 블루 연계 과정에 참여했습니다.
이번 과정은 단순히 AI 이론을 듣는 수준을 넘어,
까지, “실제 업무에 바로 가져다 쓸 수 있는” 단계까지 가보는 실습 중심 교육이었습니다.
1. 비대면 3일 과정, 하지만 밀도는 오히려 더 높았다
이번 교육은 전면 온라인(비대면) 으로 진행되었습니다. 화면을 통해 강사와 소통하고, 실습 코드와 자료를 각자 PC에서 따라 하는 방식이었지만, 느껴지는 밀도는 결코 가볍지 않았습니다.
ZOOM/화상 플랫폼을 통해 이론·실습을 번갈아 진행하고
실시간 채팅과 화면 공유로 코드와 결과를 같이 확인하며
과제와 수행평가를 통해 스스로 이해도를 점검하는 구조로 설계된 덕분에
단순히 “듣고 지나가는 교육”이 아니라 직접 손을 움직이면서 체득하는 과정에 가까웠습니다.
저는 비대면 교육의 가장 큰 장점으로
“집중할 수 있는 환경만 제대로 만들면, 오히려 오프라인보다 더 몰입해서 실습을 해볼 수 있다”
는 점을 다시 느꼈습니다.
2. AI를 활용한 데이터 분석 & 코드 풀이 – 데이터와 조금 더 친해지다
첫 번째 축은 AI를 활용한 데이터 분석과 코드 기반 문제풀이였습니다.
주어진 데이터셋을 바탕으로,
이 함께 진행되었습니다.
이 과정에서 인상적이었던 점은,
단순히 “코드를 외우는” 것이 아니라 AI 도구를 옆에 두고 코드를 이해·수정·보완하는 연습을 했다는 점입니다.
예를 들어,
이를 통해
“코딩을 완벽히 다 할 줄 알아야만 데이터를 다룰 수 있는 건 아니다.
AI를 적절히 활용하면 진입장벽을 낮추면서도 깊이 있는 분석을 시도할 수 있다.”
는 걸 몸으로 느꼈습니다.
우리 업무에 바로 연결해 보자면,
교육 참여 데이터, 설문, 성과 지표 등을 AI의 도움을 받아 빠르게 전처리하고 분석한 뒤
중요한 패턴만 추려서 보고서나 인사이트로 정리하는 방식으로
데이터 분석 업무의 시간과 난이도를 동시에 낮출 수 있겠다는 가능성을 확인했습니다.
3. 생성형 AI로 분석자료 보고서 작성 – “결과를 설명하는 힘” 기르기
두 번째 축은 생성형 AI를 활용한 분석 보고서 작성입니다.
이 파트에서는 단순한 문서 작성이 아니라,
를 중심으로, 생성형 AI를 보고서 작성 파트너로 활용하는 방법을 배웠습니다.
실습에서는
데이터 분석 결과(표, 그래프, 주요 수치)를 정리하고
생성형 AI에게 “정책 담당자에게 설명하듯이 작성해 달라”, “교육 담당자 입장에서 필요한 인사이트를 중심으로 다시 써달라” 등
다양한 프롬프트를 설계해 보고
그 결과물을 사람이 다시 검토·수정하면서 완성도를 높이는 과정을 반복했습니다.
이 과정에서 크게 느낀 점은,
“결국 중요한 건 도구가 아니라 질문(프롬프트)이다.”
라는 사실입니다.
동일한 데이터를 가지고도,
앞으로 케이브레인 컴퍼니는
4. 지도·히트맵 기반 서비스 구현 – 분석 결과를 한 눈에 보이게 만들기
세 번째 축은 보고 자료를 매핑하거나 지도에 히트맵 형태로 표현하는 서비스 구현 파트였습니다.
여기서는 단순히 숫자와 표로 보는 분석을 넘어,
“어디에서 어떤 일이 벌어지고 있는지”를 시각적으로 보여주는 법을 배웠습니다.
실습에서는 예시 데이터를 활용해,
이를 실제 업무에 연결해보면,
데이터를 ‘보여주는 방식’만 바꿔도 전달력과 설득력이 크게 달라진다는 가능성을 확인한 셈입니다.
케이브레인 컴퍼니 입장에서는,
향후 데이터 기반 행정·교육 컨설팅을 진행할 때
이러한 시각화 기법을 서비스에 녹여내어,
클라이언트가 한눈에 이해할 수 있는 대시보드·리포트를 만드는 데 활용할 계획입니다.
5. 셀프스터디와 수행평가 – 스스로 채워 넣는 성장의 마지막 퍼즐
3일간의 교육은 단순히 “가르쳐주는 시간”으로 끝나지 않았습니다.
셀프스터디 시간과 AI 챔피언 자격증 수행평가를 통해
학습자가 스스로 부족한 부분을 점검하고 채워가는 과정이 함께 설계되어 있었습니다.
셀프스터디 시간에는
강의에서 다뤘던 예제를 다시 따라 해 보거나
변형된 데이터셋으로 응용 분석을 해 보고
생성형 AI에게 추가 예시와 설명을 요청하며
스스로 학습 범위를 확장해 나갈 수 있었습니다.
수행평가에서는
실제 문제를 직접 풀어보며,
“내가 정말 이해하고 있는가, 아니면 그냥 따라만 한 것인가?”
를 냉정하게 확인하게 됩니다.
정답을 맞히는 것 이상으로,
6. 교육을 마치며 – 우리의 다음 실험들
이번 3일간의 비대면 AI 챔피언 블루 연계 과정은,
저에게 AI를 ‘배운다’에서 ‘써본다’를 넘어 ‘업무에 녹인다’로 넘어가는 징검다리와 같았습니다.
이 교육을 통해 저는,
코드를 완벽히 다루지 못해도 AI를 활용하면 데이터 분석의 문턱을 낮출 수 있다는 것,
생성형 AI는 단순한 글쓰기 도구가 아니라 사고를 정리해 주는 파트너가 될 수 있다는 것,
지도·히트맵과 같은 시각화는 의사결정의 속도와 정확도를 동시에 높여주는 언어라는 것을 배웠습니다.
앞으로 케이브레인 컴퍼니는 이번 경험을 바탕으로,
사내에서 AI·데이터 활용 셀프스터디 문화를 더 확산시키고
프로젝트별로 AI 기반 분석·보고·시각화 프로세스를 단계적으로 도입하며
AI 챔피언 자격을 갖춘 인력이 내부·외부 교육 및 컨설팅의 허브가 될 수 있도록 역할을 강화할 계획입니다.
비대면이라는 형식에도 불구하고,
끝까지 밀도 있게 교육을 이끌어 준 관계자분들께 감사의 마음을 전하며,
이번 과정을 시작점으로 삼아 AI·데이터 기반 행정 역량을 한 단계 더 끌어올리는 실험을 계속 이어가 보려 합니다.
3일간의 AI 챔피언 블루 심화과정 교육 후기
케이브레인 컴퍼니는 최근 비대면으로 3일간 진행된 AI 챔피언 블루 연계 과정에 참여했습니다.
이번 과정은 단순히 AI 이론을 듣는 수준을 넘어,
AI를 활용한 데이터 분석 및 코드 기반 문제풀이
생성형 AI를 활용한 분석자료 보고서 작성
분석 결과를 지도·히트맵 형태로 시각화하는 서비스 구현
스스로 학습하는 셀프스터디와
AI 챔피언 자격증 수행평가 문제풀이
까지, “실제 업무에 바로 가져다 쓸 수 있는” 단계까지 가보는 실습 중심 교육이었습니다.
1. 비대면 3일 과정, 하지만 밀도는 오히려 더 높았다
이번 교육은 전면 온라인(비대면) 으로 진행되었습니다. 화면을 통해 강사와 소통하고, 실습 코드와 자료를 각자 PC에서 따라 하는 방식이었지만, 느껴지는 밀도는 결코 가볍지 않았습니다.
ZOOM/화상 플랫폼을 통해 이론·실습을 번갈아 진행하고
실시간 채팅과 화면 공유로 코드와 결과를 같이 확인하며
과제와 수행평가를 통해 스스로 이해도를 점검하는 구조로 설계된 덕분에
단순히 “듣고 지나가는 교육”이 아니라 직접 손을 움직이면서 체득하는 과정에 가까웠습니다.
저는 비대면 교육의 가장 큰 장점으로
“집중할 수 있는 환경만 제대로 만들면, 오히려 오프라인보다 더 몰입해서 실습을 해볼 수 있다”
는 점을 다시 느꼈습니다.
2. AI를 활용한 데이터 분석 & 코드 풀이 – 데이터와 조금 더 친해지다
첫 번째 축은 AI를 활용한 데이터 분석과 코드 기반 문제풀이였습니다.
주어진 데이터셋을 바탕으로,
기본적인 통계량을 확인하고
패턴과 이상치를 찾아보고
간단한 모델이나 로직을 코드로 구현해 보는 실습
이 함께 진행되었습니다.
이 과정에서 인상적이었던 점은,
단순히 “코드를 외우는” 것이 아니라 AI 도구를 옆에 두고 코드를 이해·수정·보완하는 연습을 했다는 점입니다.
예를 들어,
코드에서 오류가 날 때 생성형 AI에게 “이 에러의 의미와 해결 방법”을 질문하고
특정 분석 로직을 개선하고 싶을 때 “이 부분을 더 효율적으로 바꾸는 방법”을 조언받는 식으로
AI와 함께 디버깅하고 개선하는 경험을 할 수 있었습니다.
이를 통해
“코딩을 완벽히 다 할 줄 알아야만 데이터를 다룰 수 있는 건 아니다.
AI를 적절히 활용하면 진입장벽을 낮추면서도 깊이 있는 분석을 시도할 수 있다.”
는 걸 몸으로 느꼈습니다.
우리 업무에 바로 연결해 보자면,
교육 참여 데이터, 설문, 성과 지표 등을 AI의 도움을 받아 빠르게 전처리하고 분석한 뒤
중요한 패턴만 추려서 보고서나 인사이트로 정리하는 방식으로
데이터 분석 업무의 시간과 난이도를 동시에 낮출 수 있겠다는 가능성을 확인했습니다.
3. 생성형 AI로 분석자료 보고서 작성 – “결과를 설명하는 힘” 기르기
두 번째 축은 생성형 AI를 활용한 분석 보고서 작성입니다.
이 파트에서는 단순한 문서 작성이 아니라,
분석 결과를 어떻게 스토리로 엮을지
어떤 흐름(배경 → 분석 방법 → 결과 → 시사점)으로 구성할지
어떤 표현을 쓰면 이해관계자들이 더 쉽게 이해할지
를 중심으로, 생성형 AI를 보고서 작성 파트너로 활용하는 방법을 배웠습니다.
실습에서는
데이터 분석 결과(표, 그래프, 주요 수치)를 정리하고
생성형 AI에게 “정책 담당자에게 설명하듯이 작성해 달라”, “교육 담당자 입장에서 필요한 인사이트를 중심으로 다시 써달라” 등
다양한 프롬프트를 설계해 보고
그 결과물을 사람이 다시 검토·수정하면서 완성도를 높이는 과정을 반복했습니다.
이 과정에서 크게 느낀 점은,
“결국 중요한 건 도구가 아니라 질문(프롬프트)이다.”
라는 사실입니다.
동일한 데이터를 가지고도,
프롬프트를 어떻게 쓰느냐에 따라
강조되는 포인트와 전달 방식이 완전히 달라지기 때문입니다.
앞으로 케이브레인 컴퍼니는
제안서·보고서의 초안 작성,
길게 늘어진 회의록과 메모의 핵심 요약,
교육 결과와 분석 지표를 이해관계자에게 설명하는 스토리라인 구성 등에
생성형 AI를 적극 활용함으로써,
‘내용은 탄탄하게, 작성 속도는 더 빠르게’라는 두 마리 토끼를 잡는 방향으로 나아가려고 합니다.
4. 지도·히트맵 기반 서비스 구현 – 분석 결과를 한 눈에 보이게 만들기
세 번째 축은 보고 자료를 매핑하거나 지도에 히트맵 형태로 표현하는 서비스 구현 파트였습니다.
여기서는 단순히 숫자와 표로 보는 분석을 넘어,
“어디에서 어떤 일이 벌어지고 있는지”를 시각적으로 보여주는 법을 배웠습니다.
실습에서는 예시 데이터를 활용해,
특정 지역별 수치를 지도에 매핑하고
값의 크기에 따라 색을 달리 표현하여
한눈에 “어디가 집중 구간인지” 보이도록 히트맵을 구성하는 방법을 따라가 보았습니다.
이를 실제 업무에 연결해보면,
교육 지역별 참여도나 만족도 분포를 지도상에 표현하거나
특정 정책·서비스의 수요가 높은 지역을 히트맵으로 보여주어
담당자가 직관적으로 이해하고 의사결정을 할 수 있게 만드는 등,
데이터를 ‘보여주는 방식’만 바꿔도 전달력과 설득력이 크게 달라진다는 가능성을 확인한 셈입니다.
케이브레인 컴퍼니 입장에서는,
향후 데이터 기반 행정·교육 컨설팅을 진행할 때
이러한 시각화 기법을 서비스에 녹여내어,
클라이언트가 한눈에 이해할 수 있는 대시보드·리포트를 만드는 데 활용할 계획입니다.
5. 셀프스터디와 수행평가 – 스스로 채워 넣는 성장의 마지막 퍼즐
3일간의 교육은 단순히 “가르쳐주는 시간”으로 끝나지 않았습니다.
셀프스터디 시간과 AI 챔피언 자격증 수행평가를 통해
학습자가 스스로 부족한 부분을 점검하고 채워가는 과정이 함께 설계되어 있었습니다.
셀프스터디 시간에는
강의에서 다뤘던 예제를 다시 따라 해 보거나
변형된 데이터셋으로 응용 분석을 해 보고
생성형 AI에게 추가 예시와 설명을 요청하며
스스로 학습 범위를 확장해 나갈 수 있었습니다.
수행평가에서는
실제 문제를 직접 풀어보며,
“내가 정말 이해하고 있는가, 아니면 그냥 따라만 한 것인가?”
를 냉정하게 확인하게 됩니다.
정답을 맞히는 것 이상으로,
왜 이 방법이 적절한지,
다른 관점에서 접근한다면 어떤 선택이 가능한지
를 고민하게 해 준다는 점에서 의미 있는 경험이었습니다.
6. 교육을 마치며 – 우리의 다음 실험들
이번 3일간의 비대면 AI 챔피언 블루 연계 과정은,
저에게 AI를 ‘배운다’에서 ‘써본다’를 넘어 ‘업무에 녹인다’로 넘어가는 징검다리와 같았습니다.
이 교육을 통해 저는,
코드를 완벽히 다루지 못해도 AI를 활용하면 데이터 분석의 문턱을 낮출 수 있다는 것,
생성형 AI는 단순한 글쓰기 도구가 아니라 사고를 정리해 주는 파트너가 될 수 있다는 것,
지도·히트맵과 같은 시각화는 의사결정의 속도와 정확도를 동시에 높여주는 언어라는 것을 배웠습니다.
앞으로 케이브레인 컴퍼니는 이번 경험을 바탕으로,
사내에서 AI·데이터 활용 셀프스터디 문화를 더 확산시키고
프로젝트별로 AI 기반 분석·보고·시각화 프로세스를 단계적으로 도입하며
AI 챔피언 자격을 갖춘 인력이 내부·외부 교육 및 컨설팅의 허브가 될 수 있도록 역할을 강화할 계획입니다.
비대면이라는 형식에도 불구하고,
끝까지 밀도 있게 교육을 이끌어 준 관계자분들께 감사의 마음을 전하며,
이번 과정을 시작점으로 삼아 AI·데이터 기반 행정 역량을 한 단계 더 끌어올리는 실험을 계속 이어가 보려 합니다.