아, 이제는 데이터를 잘 다루는 것만으로는 부족하겠구나.
결국 데이터를 지지고 볶아 내 것으로 만들고, 그 안에서 나만의 해석과 인사이트를 뽑아내는 능력이 중요한 것 같다.
숫자를 뽑고, 유형을 나누고, 패턴을 찾는 건 AI가 점점 더 잘해줄 텐데 그 결과를 보고 무엇을 느끼고, 어떻게 판단하고, 실제 행동을 바꿀지는 결국 내 몫이니까.
문제는 매일 쏟아지는 업무를 쳐내는 것만으로도 벅찬데, 그 와중에 분석을 넘어 나만의 관점까지 만들어야 한다는 거다. 시키는 일만 잘해서는 부족하고, 그렇다고 바쁘게 일한다고 반드시 경쟁력이 쌓이는 것도 아니니.
결국 내가 쌓아야 하는 건 데이터를 다루는 기술만이 아니라, 그 데이터에서 의미를 발견하고 내 경험과 판단을 더해 실제 가치를 만들어내는 힘인 것 같다.
열심히 일하는 사람을 넘어, 내가 했기 때문에 만들어진 가치가 있는 사람.
직장인으로서 갈수록 그게 참 어렵고도 중요하게 느껴진다.
내 X 2주치 데이터를 Claude한테 유형별로 나누게 했더니, 노출을 가져간 글과 팔로우가 나온 글이 달랐음. 이걸 보고 글 쓰는 방식을 바꿔 보기로 했음.
원글 186건 중 직장인 공통 고민에 내 경험과 판단을 붙인 글 16건(약 9%)이 원글 노출의 52%를 가져갔음. 근데 노출 1천 번당 팔로우는 0.06명이었음. 일상 글은 1.82명, AI 속보 글은 0.35명.
그 글 중 한 편은 답글까지 합친 계정 전체 노출의 29%였는데, 노출 4만 4,796에 프로필 조회 10, 그 글에서 생긴 팔로우는 3명이었음.
같은 2주에 팔로워는 약 2,819명 늘었는데, 글과 답글에서 직접 생긴 팔로우는 다 합쳐 62명임. 늘어난 팔로워의 약 98%는 어느 글에서 왔는지 안 찍히는데, 그건 내가 선팔을 하고 다녀서 생긴 맞팔임.
반대로 만드는 과정을 세세하게 쓴 글 31건은 노출 중앙값이 159로 적었는데, 노출 1천 번당 북마크는 2.49개였음. 앞의 16건은 0.56개.
특히 조회수가 만이 넘은 글 두 편을 보고 생각이 굳어졌음. 하나는 AI 덕에 남는 시간이 생겨도 일을 더 받진 않더라는 글, 다른 하나는 자소서를 읽어 보니 점수를 가른 건 문장 솜씨가 아니라 사실이 맞는지였다는 글. 둘 다 AI 시대에 내가 겪은 걸 직장인 공통 고민에 붙인 글이었고, 이런 글들을 사람들이 많이 보고 인기가 있다고 생각했음.
그래서 글에서 노릴 건 팔로우보다 노출과 북마크라고 보고 요일을 나눠 보기로 했음. 인기가 있다고 느낀 그 글들은 주 3회, 나머지 날은 로컬 LLM 구축 글로 나눌 생각임. 여러 가지 고민 끝에 정한 거라, 일단 해 보고 판단할 생각임.
그 글들에 공신력 있는 숫자까지 붙이는 게 내 방향인데, 기계한테 맡길 수 있는 건 그 숫자 찾는 것까지라고 봤음. 그래서 그 부분만 자동화했음.
집 맥미니가 네이버 뉴스에서 검색어 9개로 최근 5일 기사를 모으고, 이미 본 기사·칼럼·행사·숫자 없는 기사를 뺌. 그다음 로컬 LLM(gemma4:12b)이 관련도를 0~2점으로 매기면 2점짜리만 후보로 남김. 시험에선 69건이 후보 14건이 됐고 판정은 4분쯤 걸렸음.
숫자를 찾는 것까지만 기계가 하고, 내 경험을 붙이는 '내 자리' 칸은 비워 둔 채 메일로 옴.
월·수·금 6시 50분에 도는데 첫 실행이 10월 21일(수) 아침이라, 21일 0시 기준으론 아직 한 번도 안 돌았음. 10월 30일에 뽑힌 글감 중 실제로 쓴 게 2건 이상인지 볼 예정임.
혹시 다른 좋은 의견 있으면 댓글로 남겨 주면 고맙겠음.