7-2 연습 문제 — 마지막 연습,
정답이 아니라 적용을 결정합니다
강의의 마침표를 찍는 연습입니다. 직접 짜본 SQL만 머리에 남듯, 직접 판단해본 시나리오만 실무에서 작동해요. 채점할 정답을 맞히는 게 아니라 — 본인의 실무에서 어떻게 적용할지를 결정하는 시간입니다.
완료 ✓
완료 ✓
완료 ✓
지금 여기
🎉
2-4에서 만든 AI 과외 선생님 세션을 마지막까지 그대로 씁니다. 습관도 그대로 — 막히면 정답이 아니라 힌트만 요청, 다 푼 뒤에는 “내 SQL 검증해줘” 요청. 이번 연습은 SQL 대신 판단 문제이니, 본인의 판단을 먼저 정한 뒤 “내 판단 검증해줘” 라고 보내서 AI의 의견과 비교해보세요.
문제 1. 데이터 보안 시나리오 판단
다음 시나리오 각각에서 — “안전 / 주의 / 위험” 으로 판단하세요.
| # | 시나리오 | 판단? |
|---|---|---|
| A | 회사 DB 의 스키마 (테이블·컬럼명·관계) 를 AI 에 주고 SQL 요청 | ? |
| B | 실제 회원 100 명의 이름·이메일을 AI 에 주고 “이상한 데이터 찾아줘” | ? |
| C | 회사 직원 평균 연봉을 AI 에 보내 “분포 분석해줘” | ? |
| D | 익명화된 가짜 데이터 (회원1, 회원2…) 로 AI 와 SQL 테스트 | ? |
| E | 본인 개인 사이드 프로젝트의 더미 DB 로 AI 와 SQL 실습 | ? |
판단 가이드
| # | 판단 | 이유 |
|---|---|---|
| A | ✅ 안전 | 스키마만 — 실제 데이터 X. AI 학습 우려 X |
| B | ❌ 위험 | 개인정보 직접 노출. 법적·정책적 문제 |
| C | ⚠️ 주의 | 익명화돼도 “우리 회사 직원 N 명의 평균 연봉” 은 회사 기밀일 수 있음. 회사 정책 확인 |
| D | ✅ 안전 | 가짜 데이터라 노출 위험 X |
| E | ✅ 안전 | 본인 데이터 / 더미 |
원칙:
- 개인을 식별 가능한 정보 (이름·이메일·전화 등) — 절대 AI 에 X
- 회사 기밀 / 영업 비밀 — 회사 정책 확인 후 X 기본
- 익명화된 통계 / 가짜 샘플 — 일반적으로 OK
- 본인 사이드 프로젝트 / 학습 데이터 — 자유
문제 2. 검증 책임 시나리오
본인이 다음 상황에 있다고 가정하세요:
“마케팅 이사님이 출장 가시면서 — 내일 아침 임원 회의에 들어갈 매출 데이터를 준비해달라고 하셨어요. 본인이 AI 와 함께 SQL 을 짜고, DBeaver 로 결과를 받았어요. 시간은 30 분 남았고, 임원 회의에 정확한 숫자가 들어가야 해요.”
1. 검증 없이 그대로 임원 회의에 들어갔는데, 매출이 2 배 부풀어진 결과였다. 누구의 책임이고, 어떻게 됐을까?
2. 30 분 안에 어떤 검증을 했어야 할까? 우선순위 정해보세요.
가이드
1. 책임
본인의 책임. AI 가 책임지지 않음.
- 사장 / 임원이 받는 보고에 잘못된 숫자 → 잘못된 의사결정
- “AI 가 만든 SQL 인데요” 는 변명 안 됨
- 회사에 따라 — 인사 평가에 큰 영향
2. 30 분 안 검증 우선순위
1순위 (5분) — JOIN 행 수 검산
COUNT(*) FROM (메인 쿼리의 JOIN 부분)
→ 가장 자식 테이블 행 수와 같은지
2순위 (5분) — 단순 SQL 로 한 값 교차 검증
메인 쿼리의 "이번 분기 매출" 단일 값을
- 카테고리 무관 단순 SUM 으로 한 번 더
- 다른 단순 SQL 결과와 비교
3순위 (10분) — AI 에 검산 요청
"방금 만든 SQL — JOIN 뻥튀기 검산해줘.
+ 다른 방식으로 같은 값을 구하는 SQL 도 줘"
4순위 (5분) — 결과 "상식 점검"
- 작년 같은 분기 매출과 비교 — 2 배 차이 나면 의심
- 동료에게 "이 숫자 말 되나" 한 마디 확인
5순위 (5분) — 보고 직전 한 번 더
- 출력된 숫자 단위 (원/천원/만원) 명확
- 컬럼명·정렬·합계 한 번 더핵심: 30 분이라도 — 검증을 “안 한다” 가 아니라 “우선순위로” 한다. 0 분이면 0 분 검증, 30 분이면 30 분 안에 가능한 검증.
문제 3 (자기 점검). 본인의 AI 의존도
본인의 AI 사용 습관을 점검해보세요. 솔직하게.
점검 항목
- AI 없이 — 본 강의의 3-1 SELECT 부터 3-7 JOIN 함정 까지 — 직접 SQL 짤 수 있나?
- AI 가 잠시 못 쓸 때 — 본인 업무가 멈추지 않나?
- AI 가 만든 SQL 을 받기 전에 — “이 SQL 이 어떻게 생겼을지” 머릿속에 그릴 수 있나?
- AI 가 만든 SQL 을 “왜 이렇게 짰지” 라고 본인이 설명할 수 있나?
- AI 가 만든 SQL 을 — 한 줄씩 읽고 어디가 부정확할 수 있는지 의심할 수 있나?
자가 평가
| 체크 수 | 해석 |
|---|---|
| 0-1 개 | AI 의존도 위험. 본 강의 + 3 개월 연습 |
| 2-3 개 | 평균. 의식적으로 “AI 없이” 연습 추천 |
| 4-5 개 | AI 시대 SQL 실력자. 우리 강의의 목표 도달. |
“AI 를 도구로 쓰되, AI 결과를 의심하고 검증할 수 있는” 수준이 목표입니다. 체크 4-5 개라면 — 본 강의의 메인 메시지 “AI 시대 진짜 SQL 실력” 을 손에 잡으신 상태예요.
강의 전체 완료 🎉
여기까지 따라오신 분 — 진심으로 박수.
이 강의에서 손에 잡으신 것들:
| 기둥 | 한 줄 |
|---|---|
| 모델링 | 부모-자식만 알면 AI 가 SQL 다 만들어준다 (4-2) |
| SQL 핵심 | AI 검증을 위한 도구함 (섹션 3) |
| AI 협업 | 컨텍스트 + 단계 분해 + 검증 사이클 (섹션 5) |
| AI 의심 | 5 패턴 + 검증 체크리스트 (섹션 6) |
“AI 시대에 진짜 배워야 할 건 — 데이터 구조를 읽는 눈과, AI 결과를 의심하는 능력.”
3-4 시간 전과 지금의 여러분은 — 다른 사람이에요. 본인 자리로 돌아가, SQL 한 줄 짜보세요. “오, 진짜 되네” 라는 순간이 — 이 강의의 진짜 종착점입니다.
수강해주셔서 진심으로 감사합니다. 본인 자리에서 응원하겠습니다.