[연구 자동화 #14] "코딩 못해도 자동화 가능한가요?" AI를 연구실 선배처럼 부려먹는 기술

 

어느 날 한 대학원생이 제게 물었습니다. "선배님이 알려주신 파이썬, 정말 좋아 보여요. 그런데 저는 문법 하나 외우는 것도 벅차고, 코드를 직접 짤 엄두가 안 납니다. 저 같은 사람도 자동화를 할 수 있을까요?"

제 대답은 "당연히 YES"입니다. 이제는 파이썬의 모든 문법을 머릿속에 집어넣고 '코딩'을 하는 시대가 아니라, 나보다 코딩을 100배 잘하는 AI에게 '지시'를 하는 시대이기 때문입니다. 오늘은 챗GPT를 활용해 코딩 초보자도 하루 만에 전문가 수준의 자동화 스크립트를 뽑아내는 '치트키'를 공유합니다.

## [SCENARIO 01] 무(無)에서 유(有)를 만드는 법: "대신 짜줘"

많은 분이 AI에게 "파이썬으로 실험 데이터 합치는 코드 짜줘"라고 짧게 물어봅니다. 하지만 이렇게 물으면 AI는 여러분의 데이터가 어떤 구조인지 몰라 엉뚱한 대답을 하기 일쑤죠.

질문의 기술: '데이터의 증명사진'을 보여주세요. AI에게 질문할 때는 아래와 같은 양식을 지켜보세요. 결과가 180도 달라집니다.

1. 나의 상황: "나는 생물학 연구원이고, 50개의 CSV 파일을 처리해야 해."

2. 데이터 구조: "파일의 첫 줄은 헤더이고 'Time', 'Value', 'Status' 열이 있어."

3. 목표: "'Status'가 'Success'인 데이터만 골라서 'Value'의 평균을 계산해줘."

4. 출력 형태: "결과는 'final_report.xlsx'라는 파일로 저장하고 싶어."

이렇게 지시하면 AI는 여러분의 데이터를 완벽하게 이해하고, 복사해서 붙여넣기만 하면 바로 돌아가는 코드를 짜줍니다.

## [SCENARIO 02] "에러가 났는데, 뭐가 문제인지 모르겠어요"

코드를 돌렸는데 빨간 글씨가 화면을 덮으면 심장이 덜컥 내려앉죠? 예전에는 이 에러 메시지를 구글에 검색해 수많은 블로그를 헤매야 했지만, 이제는 AI에게 그냥 **'빨간 글씨'**를 통째로 던지면 됩니다.

에러 탈출의 기술: "왜 안 돼?"가 아니라 "고쳐줘" 실제로 제가 겪은 사례입니다. 코드가 작동하지 않아 AI에게 에러 메시지를 복사해 주며 물었습니다. AI의 답변은 명쾌했습니다. "사용자님의 데이터 14번째 줄에 쉼표가 하나 빠져서 숫자가 아닌 문자로 인식되고 있네요. 이 코드를 쓰면 그 줄을 건너뛰고 처리할 수 있습니다."

AI는 코드의 문법뿐만 아니라, 여러분의 데이터 안에 숨어있는 오류까지 찾아내는 훌륭한 탐정이 됩니다.

## [SCENARIO 03] 남의 코드를 내 것으로 만드는 기술

연구실에 내려오는 '전설의 코드'가 있나요? 전임자가 쓰고 나간 정체불명의 파이썬 파일을 열었을 때의 막막함, 다들 아실 겁니다. 이때 AI에게 이렇게 부탁해 보세요.

"이 코드의 각 줄이 무엇을 의미하는지 한글로 주석을 달아줘. 그리고 내가 이 코드를 수정해서 '온도' 데이터가 아니라 '습도' 데이터를 처리하게 하려면 어느 부분을 고쳐야 하는지 짚어줘."

그 순간, 외계어 같던 코드는 한글 설명서가 딸린 훌륭한 학습 교재로 변합니다. 직접 짜지 않아도 코드를 읽고 이해하는 능력이 비약적으로 상승하는 마법 같은 순간이죠.

## AI를 대하는 우리의 자세

AI는 강력하지만 100% 완벽하진 않습니다. 가끔 있지도 않은 함수를 지어내거나(환각 현상), 보안이 중요한 데이터를 외부에 유출할 위험도 있죠.

• 데이터 보안: 중요한 실험 데이터 자체를 업로드하지 마세요. "데이터의 구조(컬럼명)"만 알려줘도 충분합니다.

• 교차 검증: AI가 준 코드를 실행한 뒤, 결과값이 엑셀로 계산한 값과 일치하는지 한두 번은 꼭 직접 확인해 보세요. 도구의 주인은 어디까지나 연구자인 여러분입니다.

## 마치며: 코딩은 도구일 뿐, 본질은 연구입니다

이제 "코딩을 못 해서 자동화를 못 한다"는 말은 핑계가 되었습니다. AI는 여러분의 손과 발이 되어 단순 노동을 대신할 준비가 되어 있습니다. 여러분은 AI가 벌어다 준 소중한 시간에 더 깊이 있는 논문을 읽고, 창의적인 가설을 세우는 데 집중하세요.

여러분의 연구실에 AI라는 든든한 조교 한 명을 들이는 것, 오늘 바로 챗GPT를 켜는 것부터 시작해 보시는 건 어떨까요?

## 핵심 요약

• 구체적 상황 제시: 데이터 구조와 목표를 상세히 설명할수록 AI는 더 완벽한 코드를 제공합니다.

• 에러 역추적: 발생한 에러 메시지를 AI에게 공유하면 원인 분석부터 코드 수정까지 한 번에 해결됩니다.

• 코드 해석기 활용: 이해하기 어려운 코드를 AI에게 주석 처리 부탁하여 본인만의 분석 역량을 키울 수 있습니다.

## 다음 편 예고

드디어 대망의 마지막 편입니다. 지금까지 배운 모든 조각을 하나로 합쳐, 여러분의 연구를 24시간 자동으로 돌아가게 만드는 [연구 자동화 파이프라인 최종 구축 로드맵]을 그려보겠습니다.

## 소통 질문

오늘 당장 AI에게 시켜보고 싶은 연구 업무가 있다면 무엇인가요? (예: 특정 수식 계산, 파일 형식 변환 등) 댓글로 남겨주시면 AI에게 던질 최적의 '프롬프트(명령어)'를 제가 대신 짜드릴게요!