모든 데이터 분석 여정에는 어색한 순간이 있습니다. 데이터 세트를 열었고, 질문도 어느 정도 이해했는데, 그 다음엔 아무것도 진행되지 않습니다. 통계가 어려워서가 아니라, "데이터를 얻었다"에서 "분석을 시작한다"로 가는 과정이 불필요하게 복잡하게 느껴지기 때문입니다. 어떤 메뉴를 선택해야 할까요? 어떤 변수를 어디에 넣어야 할까요? 이 분석은 도대체 뭐라고 부르는 걸까요?
JMP Assistant는 학생 대신 생각함으로써 그 딜레마를 해결하는 것이 아닙니다. 오히려 작업 을 충분히 빠르게 처리하여 수업 시간을 실제로 중요한 것, 즉 결과의 의미를 파악하고, 올바른 질문에 대한 답인지 확인하고, 다음에 무엇을 해야 할지 판단하는 데 집중할 수 있도록 함으로써 문제를 해결합니다.
두 가지 도구, 한 가지 분명한 차이점
더 자세히 살펴보기 전에, 2화에서 소개했던 LearnBot과 Assistant의 차이점을 명확히 하는 것이 중요합니다. 두 기능의 차이점은 간단하면서도 핵심적입니다.
- LearnBot [4]은 JMP와 통계 전반에 대한 튜터입니다. 일반적인 질문("VIF란 무엇을 의미합니까?", "어떤 분석을 사용해야 합니까?")에 대해 쉬운 언어로 답변합니다. 텍스트 전용이며 도움말 메뉴에 있습니다. 데이터와 상호 작용하지 않으며 JMP에서 아무것도 실행하지 않습니다.
- 어시스턴트 [3]는 근본적으로 다릅니다. Assistant는 작동합니다 . Assistant는 사용자의 공개 데이터 세트와 공개 분석을 인식하고, 문맥에서 사용자의 질문을 이해하고, 백그라운드에서 JMP 스크립팅 언어(JSL) 코드를 생성하고, JMP에서 직접 분석을 실행하여 사용자가 검토, 수정 및 구축할 수 있는 실제 출력을 생성합니다. LearnBot은 사용자가 직접 따라 할 수 있도록 안내합니다. Assistant는 사용자가 직접 작업을 수행합니다.
어시스턴트가 하는 일은 무엇인가요?: 미스터리는 없다
Assistant [3]는 JMP Marketplace에서 무료로 제공됩니다. 설치 후 JMP 메뉴의 추가 기능 아래에 나타납니다. 기본값인 실행 모드에서의 기본 워크플로는 간단합니다.
- JMP 학생용 버전에서 데이터 테이블을 열고 어시스턴트를 실행하세요.
- 창 컨텍스트 패널에서 작업할 데이터 세트와 열려 있는 분석을 선택합니다.
- 분석 질문을 쉬운 언어로 입력하거나, 제시된 시작점 중에서 선택하세요.
- 보내기를 클릭하세요 . 어시스턴트가 JSL 코드를 생성하고 즉시 실행한 다음, 수행된 작업, 출력에서 찾아야 할 사항 및 제안된 다음 단계에 대한 설명과 함께 결과를 반환합니다.
어시스턴트는 분석 대화 기록을 보관합니다. 이전 대화는 왼쪽 패널에서 확인할 수 있지만, 이전 대화를 다시 열려면 전체 맥락을 복원하기 위해 관련 JMP 창을 열어 두어야 할 수 있습니다.
이미 생성한 출력 결과에 대한 해석 질문이 있는 경우, '질문하기 ' 모드로 전환하세요. '질문하기' 모드는 새로운 코드를 실행하지 않고, 현재 분석 컨텍스트를 알고 있는 상태에서 사용자가 설명하는 내용에 응답합니다. 두 모드는 모두 '보내기' 버튼을 클릭하기 전에 선택한 동일한 창에서 사용할 수 있습니다.
개인의z경험을 쌓다
어시스턴트 설정에서 사용자는 역할 (엔지니어 또는 과학자), 분야 (항공우주, 생의학, 화학, 환경 등 다양한 분야 중에서 선택), JMP 경험 수준 (1~5)을 구성할 수 있습니다. 이러한 설정은 어시스턴트가 응답하는 방식, 즉 사용하는 언어, 예시, 세부 정보 수준에 영향을 미칩니다.
교육적인 측면에서 이러한 선택 사항들은 중요합니다. 강사는 학생들이 자신의 경험 수준과 수업 맥락에 맞춰 연구 방향을 설정하도록 유도할 수 있습니다. 레벨 1 학생과 레벨 5 연구자는 동일한 질문에 대해 서로 다른 답변을 내놓을 것입니다. 이러한 차이 그 자체만으로도 수업 시간에 토론해 볼 가치가 있습니다.
실제 적용 사례는 다음과 같습니다.
다음 예시에서는 JMP를 통해 이용 가능한 유명한 교육 자료인 팔머 펭귄 데이터 세트를 사용하여 질문에서 인사이트에 이르는 실제 어시스턴트 워크플로가 어떻게 진행되는지 보여줍니다.
한 학생이 펭귄 종별 부리 크기 사이의 관계를 알아보고 싶어 다음과 같이 입력했습니다. " 펭귄 종별로 부리 길이와 부리 깊이 사이에 관계가 있나요? 모든 종을 함께 보여주는 하나의 그래프가 있으면 좋겠습니다."
Step 1: Assistant recognizes the open data set and open analyses; it explains its analytical approach before running anything.1단계: 어시스턴트가 공개 데이터 세트와 공개 분석을 인식하고, 분석을 실행하기 전에 분석 접근 방식을 설명합니다.
조교는 먼저 접근 방식을 제시하며, 그래프 빌더가 여러 종의 산점도를 겹쳐 그리는 데 적합한 플랫폼이라고 설명합니다. 또한 심슨의 역설, 즉 전체적인 부정적 추세가 각 종 내의 긍정적 추세를 가릴 수 있다는 위험성을 경고합니다. 학생은 결과보다 논리를 먼저 보게 됩니다.
그런 다음 프로그램이 실행됩니다. 산점도는 JMP 학생용 버전에서 종별 회귀선과 신뢰 구간과 함께 나타납니다.
Step 2: Assistant executes the analysis in JMP: Graph Builder output with species-colored scatter plot and JSL code available for inspection.2단계: 담당자가 JMP에서 분석을 실행합니다. 그래프 빌더를 통해 종별 색상이 표시된 산점도와 JSL 코드를 출력하여 검토할 수 있습니다.
그래프를 생성한 JSL 코드는 공개적으로 확인할 수 있으며, 이는 대부분의 초급 학습자에게는 부수적인 내용일 수 있지만, 고급 과정에서는 진정한 학습 자료가 될 수 있습니다.
모든 실행 모드 응답에서 어시스턴트는 항상 두 가지 구조화된 후속 섹션을 생성합니다. "JMP 결과에서 무엇을 찾아야 합니까?" 와 "다음으로 어떤 분석을 실행해야 합니까?"입니다 . 각 섹션은 구체적이고 번호가 매겨져 있으며, 다음에 실행할 수 있는 질문으로 구성되어 있습니다.
Step 3: Suggested next steps keep the analytical conversation moving and update as the Window Context changes.3단계: 제안된 다음 단계는 분석적 논의를 지속적으로 진행하고 창 컨텍스트가 변경될 때마다 업데이트됩니다.
메뉴를 뒤적일 필요도 없고, 탭을 전환할 필요도 없습니다. 질문, 분석, 그리고 명확한 진행 방향만 있으면 됩니다.
문제는 실력이다.
학생들이 어시스턴트를 사용하면서 금방 알게 되는 사실은, 결과물의 질이 전적으로 입력의 질에 달려 있다는 것입니다. 정확하고 의미 있는 분석적 질문을 구성하는 것은 더 이상 예비 단계가 아니라 핵심적인 기술이 되었습니다 .
다음 두 가지 질문을 비교해 보세요.
- ✘ "내 펭귄 데이터 분석"은 모호한 결과와 제한적인 통찰력만 제공합니다.
- ✔ "펭귄 종별로 꼬리 길이와 꼬리 깊이 사이에 관계가 있나요? 이 그래프를 하나의 그래프로 보여주세요."라는 질문은 위 스크린샷과 같은 분석 결과를 정확하게 보여줍니다.
두 번째 프롬프트는 학생이 1단계에서 입력한 것입니다. 이를 제대로 표현하지 못하는 학생은 아직 문제를 이해하지 못한 것이며, 어떤 AI 도구도 대신 표현해 줄 수는 없습니다.
| "훌륭한 분석은 훌륭한 질문에서 시작됩니다."어떤 AI 도구도 당신 대신 그 질문을 하지 않을 겁니다. |
중요한 현실 점검 하나
JMP Assistant는 데이터 과학자가 아닙니다. 연구 맥락을 이해하지 못하며, 단지 질문을 분석 결과로 바꿔줄 뿐입니다. 질문이 잘못되면 결과도 잘못될 수 있습니다. JMP Assistant는 출발점일 뿐, 최종적인 결론으로 받아들이지 마세요. 모든 Assistant 세션에 표시되는 AI 생성 콘텐츠 고지 사항은 분석 과정의 최종 판단은 학생 본인의 몫이라는 점을 다시 한번 상기시켜 줍니다.
이것이 강사들에게 의미하는 바는 무엇일까요?
가장 즉각적인 이점은 시간 절약입니다. 학생들은 더 이상 적절한 메뉴를 찾는 데 20분을 허비하지 않습니다. 몇 초 만에 분석을 시작할 수 있으므로, 진정으로 중요한 것, 즉 결과를 이해하는 데 시간을 집중할 수 있습니다.
학생들이 분석 결과를 가지고 수업에 오면, 토론은 "어떻게 하는 거죠?"에서 "우리가 올바른 질문을 했을까?"로 바뀝니다. 이 결과는 실제로 무엇을 의미할까요? 다른 접근 방식을 사용하면 결론이 달라질까요?
4화에서는 이 문제의 다른 측면, 즉 교실에서의 AI가 만들어내는 실제 위험과 강사가 논리적 추론의 건전성을 유지하기 위해 구축할 수 있는 안전장치에 대해 다룹니다.
이것을 시도해 보세요
JMP 마켓플레이스에서 JMP Assistant [3]를 무료로 설치하세요. 수업에서 이미 사용하고 있는 데이터 세트를 엽니다. 학생들이 가장 자주 막히는 질문을 Assistant에게 물어보세요. 그런 다음 답변에 집중하는 대신 다음과 같이 질문해 보세요. 이 출력을 어떻게 토론으로 바꿀 수 있을까? 이러한 관점의 변화가 바로 이 도구의 교육적 가치가 명확해지는 지점입니다.
참고 자료
[1] JMP 학술 프로그램 , jmp.com/academic
[2] JMP 학생용 에디션 , jmp.com/student
[3] JMP 어시스턴트(JMP 마켓플레이스) , marketplace.jmp.com
[4]LearnBot (JMP 마켓플레이스) , marketplace.jmp.com
[5] 자연어 기반 분석 워크플로를 통해 JMP의 시각적 인터페이스가 어떻게 강화되는지 , D. Valente, JMP 커뮤니티 블로그
[6]GAISE 대학 보고서 개정 작업 (진행 중, 2025년)
저자 소개
볼커 크라프트는 JMP 글로벌 학술팀의 일원으로서 JMP Statistical Discovery(SAS 계열사)의 유럽, 중동 및 아프리카(EMEA) 지역 수석 학술 홍보대사로 활동하고 있습니다. 2011년부터 유럽 전역의 대학들이 JMP를 교육 및 연구에 통합할 수 있도록 지원해 왔습니다. 그의 전공 분야는 음성 기술 연구이며, 이 분야는 인공지능(AI)이 보편화되기 훨씬 이전부터 통계적 엄밀성과 공학적 실용성이 공존해야 했던 분야입니다. JMP 커뮤니티 또는 LinkedIn을 통해 그에게 연락할 수 있습니다.
5부작 중 3화 • 다음 편: AI를 활용한 책임감 있는 교육:위험, 안전장치, 그리고 내가 뼈아픈 경험을 통해 배운 것들
