설문 100건이 든 파일을 AI에게 맡겼더니 “기능을 한 번도 쓰지 않은 응답자가 38%예요”라는 요약이 나왔어요. 계산 자체는 맞아도, 빈칸 38개를 모두 0으로 셌다면 결론은 틀려요.
어떤 빈칸은 아직 답하지 않은 항목이고, 어떤 빈칸은 질문 대상이 아니라 건너뛴 항목이에요. 가져오기 과정에서 값이 빠진 경우도 있어요. 반면 0은 횟수를 확인한 결과가 정말 0이었다는 관측값이에요. 빈칸은 데이터의 상태이고, 0은 관측한 결과예요. AI에게 계산을 다시 시켜도 원래 업무 규칙이 없다면 이 차이를 복구할 수 없어요.
생성형 AI만의 문제도 아니에요. pandas 공식 문서는 데이터 형식에 따라 결측값을 NaN, NaT, NA 등으로 다르게 표현한다고 설명해요. 집계 연산은 보통 결측값을 건너뛰고, 결측값 하나만 든 Series에 sum()을 실행하면 기본 결과가 0이 되는 예도 보여 줘요. 프로그램은 설계대로 정확히 움직였지만 어떤 행을 분모에 넣었는지에 따라 전혀 다른 질문에 답할 수 있어요.
채우기 전에 세 가지 상태로 나눠요
처음부터 “0으로 채울까, 행을 버릴까”를 고르면 안 돼요. 열마다 세 상태를 정해요. 관측된 0은 이번 주 반품 0건이나 “전혀 사용하지 않음”처럼 실제로 확인한 값이라 유효 분모에 남길 수 있어요. 알 수 없음은 미응답, 동기화 실패, 원본 필드 누락이에요. 0으로 만들지 말고 개수와 확인 책임자를 남겨요. 해당 없음은 비사용자에게 월 이용 횟수를 묻는 것처럼 그 행이 질문 대상이 아닌 상태예요. 작은 숫자가 아니라 질문의 경계예요.
영국 Government Analysis Function의 스프레드시트 지침은 빈칸만으로는 왜 데이터가 없는지 알 수 없어 독자가 0이나 입력 실수로 오해할 수 있다고 지적해요. 기계가 읽는 표에서는 데이터가 없는 셀을 비워 둘 수 있지만, 그 이유를 metadata에 적으라고 권해요. AI 분석에서도 이 설명은 차트 아래에 붙이는 면책 문구가 아니라 계산 전에 필요한 결측 사전이에요.
계산보다 뜻을 먼저 확정해요
한 파일 안에 빈칸, N/A, 대시, 명시적인 0이 함께 있을 수 있어요. 같은 기호도 열과 원본 시스템에 따라 뜻이 달라져요. 파일 전체를 한꺼번에 찾아 바꾸지 말고, 답에 사용할 열마다 이 분기를 통과시켜요.
- 원래 업무 과정에서 이 빈칸은 무엇을 뜻했나요?
- 관측 결과가 0이라고 확인됨0을 유지하고 근거를 남겨 유효 분모에 포함해요
- 값을 받지 못했거나 가져오기에 실패함알 수 없음으로 따로 세고 보정하거나 결론 내리지 않아요
- 이 행은 질문 대상이 아니었음해당 없음으로 표시하고 제외 조건을 기록해 그 분모에서 빼요
열 설명, 설문 건너뛰기 규칙, 원본 시스템 문서, 데이터 책임자에게서 뜻을 확인할 수 없다면 알 수 없음에서 멈춰요. 주변 행이 비슷해 보인다는 이유로 값을 만들어서는 안 돼요.
W3C의 CSV on the Web 권고안이 표, 열, 셀에 metadata를 붙이고 null 표시를 해석하는 규칙을 제공하는 이유도 여기에 있어요. CSV에는 기본적으로 셀 문자열만 들어 있고, 값이 없는 업무상 이유까지 담기지 않아요. schema와 metadata가 있어야 자동 처리기의 그럴듯한 추측을 사람이 검토할 수 있는 규칙으로 바꿀 수 있어요.
결과 옆에 분모와 결측 개수를 붙여요
100건 가운데 62명이 유효한 사용 횟수를 제출했고, 그중 24명이 명시적으로 0을 적었다고 해요. 질문 대상이 아니라 건너뛴 기록은 28건이고, 아직 답하지 않은 기록은 10건이에요.
“접수된 100건 중 24%가 사용 0회”와 “유효 응답 62건 중 38.7%가 사용 0회”는 모두 계산할 수 있어요. 하지만 앞 문장은 전체 접수 건을, 뒤 문장은 유효 관측만 분모로 삼아 서로 다른 질문에 답해요. 실제 이용을 알고 싶다면 뒤 문장이 유용할 수 있고, 수집 품질을 점검한다면 미응답 10건이 핵심 결과예요. 어느 질문을 채택할지 AI가 대신 결정하게 두면 안 돼요.
넘길 수 있는 요약은 원본 행 수와 필터 범위, 유효 관측, 명시적 0, 알 수 없음, 해당 없음, 정확한 분모, 분류 근거를 한곳에 보여 줘요. 기간 비교에는 규칙 버전도 남겨요. 이번 달부터 대시를 결측으로 읽어서 추세가 움직였을 수도 있어요. 이는 AI가 회사 숫자에 답하기 전에 기준 출처와 정의를 고정하는 방법을 열 하나에 적용한 방식이에요.
NIST AI RMF Playbook의 MAP 1.1은 목적, 맥락, 가정, 한계를 문서화하라고 해요. 여기서는 누구의 무엇을 세는지, 누가 분모에 들어가는지, 어떤 값이 아직 불명인지 답해야 해요. 답이 없다면 AI는 결측을 정리할 수 있지만 비율이나 성과 판단을 발표해서는 안 돼요.
원본 파일은 그대로 보존해요
빈칸을 0으로 처리해도 좋다고 확인해도 원본을 덮어쓰지 않아요. 원본 열을 남기고 변환 열, 규칙, 버전, 시각, 승인자를 기록해요. 의료, 신용, 보험, 채용, 인사 평가, 안전 데이터는 범용 AI가 추정해 채우게 하거나 승인되지 않은 도구에 올리지 않아요. 비식별화한 작은 표본으로 시험하고 데이터 책임자와 분야 책임자가 범위를 승인하게 해요.
결과를 다음 담당자에게 넘긴다면 전달 가능한 AI 요약에 필요한 출처, 범위, 제한 조건도 함께 적어요. 차트를 보고 분모를 역추적해야 하는 자료는 재사용 가능한 분석이 아니에요.
AI 정리 카드
허용된 통합 문서만 읽기 전용으로 조사해요. 빈칸 채우기, 행 삭제, 수식·서식 변경, 덮어쓰기, 최종 비율 제시는 하지 않아요. 시트, 사용 범위, 열, 수식, 빈칸, 명시적 0, N/A, 대시, 원본 시스템 코드를 확인해요. 관련 열마다 데이터 형식, 행 수, 비어 있지 않은 값, 명시적 0, 특수 코드, 빈칸의 각 개수와 찾은 열 정의, 설문 건너뛰기 규칙, 원본 문서를 보여 줘요. 후보를 ‘0으로 확인됨’, ‘알 수 없음’, ‘해당 없음’, ‘뜻 확인 필요’로 분류하고 분자와 분모 영향을 적어요. 근거가 없으면 확인 필요로 남기고 주변 행에서 추정하지 않아요. 마지막으로 책임자 질문을 최대 다섯 개와 원본을 보존하는 파생 열 방안을 제시하고, 규칙 확인 전에는 멈춰요.
네 컷으로 보는 빈칸 부풀리기
- 분석가는 고리 모양으로 표시된 명시적 0과 아직 뜻을 정하지 않은 빈칸이 섞인 작은 설문지 묶음을 AI에게 줘요.
- AI가 모든 빈칸을 0 집계로 밀어 넣어 파란 계수 조각과 차트가 크게 부풀고 원래 작업 범위가 무너져요.
- 분석가는 손을 들어 컨베이어를 멈추고 산호색 칸막이로 관측된 0, 빈칸, 해당 없음 기록을 나눠요.
- 확인된 0만 사용해 작은 결과 하나를 완성하고, 알 수 없는 카드는 하나도 버리지 않은 채 옆 검토 쟁반에 남겨요.
매대의 빈자리는 품절, 보충 대기, 애초에 상품을 놓지 않는 칸일 수 있어요. 꼼꼼한 재고 조사는 이 셋을 모두 “판매 0”으로 적지 않아요. AI에게 표를 맡길 때도 빈칸의 차이를 먼저 보존해요.
참고 자료
- pandas documentation: Working with missing data — https://pandas.pydata.org/docs/user_guide/missing_data.html [accessed: 2026-07-28]
- UK Government Analysis Function: Releasing statistics in spreadsheets — https://analysisfunction.civilservice.gov.uk/policy-store/releasing-statistics-in-spreadsheets [published: 2021-06-30]
- W3C Recommendation: Metadata Vocabulary for Tabular Data — https://www.w3.org/TR/tabular-metadata/ [published: 2015-12-17]
- NIST AI Resource Center: AI RMF Playbook, MAP 1.1 — https://airc.nist.gov/airmf-resources/playbook/map [accessed: 2026-07-28]
