마케팅이나 논리학에서 자주 쓰이는 용어 '체리피킹(Cherry Picking)'. 말 그대로 과수원에서 체리를 수확하는 과정에서 유래했습니다. 체리 나무에는 잘 익은 빨간 열매와 덜 익은 파란 열매, 벌레 먹은 열매가 섞여 있습니다.
농부는 당연히 가장 잘 익고 먹음직스러운 체리만 골라(Pick) 바구니에 담습니다. 이때 바구니만 본 소비자는 이렇게 생각하게 되죠. "와, 이 나무에는 이렇게 완벽한 체리만 열리는구나!"
데이터 체리피킹도 원리는 같습니다. 기업은 자신들에게 불리한 데이터(덜 익은 체리)는 감추고, 유리한 데이터(잘 익은 체리)만 선별해 보여줍니다. 바구니 속 체리는 '거짓'이 아니지만, 나무 전체의 '진실'을 보여주지도 않습니다.
우리가 화려한 광고(바구니)를 볼 때, 농부가 나무에 남겨두고 온 것들이 무엇인지 상상해봐야 하는 이유입니다.
* 2026년 7월 직장인 평균 월급은 431만 6천 원으로 1년 전보다 2.5% 올랐습니다. * 물가는 2.8% 올라, 물가를 감안한 실질임금은 넉 달 연속 줄었습니다. * 직장인 열에 여덟이 일하는 300인 미만 사업장은 1.7% 오르는 데 그쳐, 올해 들어 한 분기도 물가를 따라잡지 못했습니다. 평균이 올랐다는 말은, 물가를 빼고 보면 열에
신입 채용 공고에 '경력 우대'가 붙는 일은 이제 낯설지 않습니다. 신입을 뽑는다면서 경험부터 묻는 공고 앞에서, 사회초년생이 들어 온 조언은 대개 하나였습니다. 일단 기회가 많은 서울로 가라는 것. 이 조언에는 근거가 있었습니다. 수도권은 전국 일자리의 절반(51.1%)을 품은 곳이고, 새로운 산업도 대개 이곳에서 먼저 자랐습니다.
AI의 영향은 저숙련 일자리에 먼저 닥친다고 생각하기 쉽습니다. 그런데 한국은행 조사국 연구진이 AI 종류별로 노출도를 계산해 보니, 글을 쓰고 일을 처리하는 AI는 오히려 학력과 소득이 높은 쪽에 더 가까웠습니다. 소득부터 보면, 생성형 AI와 에이전틱 AI 모두 임금이 높을수록 노출도가 올라갔습니다. 에이전틱 AI는 특히 임금 상위 20% 구간에서 두드러지게 높았습니다. 학력도
전방배치기술자(FDE, Forward Deployed Engineer)는 고객사 현장에 직접 들어가 일하는 소프트웨어 개발자입니다. 본사에서 제품을 만들어 넘기는 대신 고객의 공장에 상주하면서, 현장의 노하우를 AI 제품에 녹여 넣고 AI 기술이 실제 업무에 자리 잡도록 양쪽을 잇는 역할을 맡습니다. 이름에 '전방'이 붙은 건 개발자가 본사가 아니라 현장이라는 최전선에 배치되기
