[모의고사 유형 예시] 3급 '데이터와 AI·실무 사례' 과목 샘플 3문항 + 해설 — 데이터 품질, 리뷰 분석, 비식별과 대조

아카데미 운영팀입니다. 네 번째 샘플은 4과목 데이터와 AI와 3과목 실무 사례입니다. 아래 3문항은 운영팀이 새로 만든 모의고사 유형 예시이며 정식 검정 문항이 아닙니다. 형식은 정식 검정과 같습니다(보기 5개, 문항에 따라 정답 1~3개).

문항 1 — 고객 이탈 예측 모델을 만들었는데, 학습에 쓴 데이터의 30%에 가입일이 비어 있고 일부 지역 코드가 잘못 입력되어 있었다. 이 상황에 대한 설명으로 가장 적절한 것은?

• ① 데이터 양이 많으면 오류는 자동으로 상쇄되므로 문제없다
• ② 모델 알고리즘을 바꾸면 데이터 오류와 무관하게 정확해진다
• ③ 결측·오류 데이터는 모델 결과의 신뢰도를 떨어뜨리므로 학습 전에 정제가 필요하다
• ④ 비어 있는 값은 모두 0으로 채우면 해결된다
• ⑤ 예측 결과가 나왔다면 데이터 품질은 더 이상 중요하지 않다

정답 ③. 모델은 데이터에서 패턴을 배우므로 입력이 틀리면 결과도 틀립니다. 양이 많다고 오류가 사라지지 않고, 알고리즘 교체로 데이터 문제가 해결되지 않습니다. 결측값을 일괄 0으로 채우면 "가입일이 0"이라는 새로운 오류를 만들 수 있습니다.

문항 2 — 온라인 매장 리뷰 1,000건에서 개선 과제를 찾으려 한다. 생성형 AI를 활용하는 첫 단계로 가장 적절한 것은?

• ① AI에 "개선 과제를 정해 달라"고 요청하고 그 답을 그대로 실행한다
• ② 리뷰를 긍정·부정과 주제(배송·품질·응대 등)별로 분류·집계하게 한 뒤 담당자가 원문 일부를 확인한다
• ③ 부정 리뷰는 분석에서 제외하고 긍정 리뷰만 요약한다
• ④ 리뷰 작성자의 이름과 연락처를 포함해 전체를 입력해 정확도를 높인다
• ⑤ 리뷰 분석은 AI로 할 수 없으므로 전부 사람이 읽는다

정답 ②. 대량 텍스트의 분류·집계는 생성형 AI가 잘하는 작업이고, 그 결과를 사람이 원문으로 확인하는 절차가 따라야 합니다. 결정을 통째로 맡기거나(①), 부정 의견을 빼거나(③), 개인정보를 넣는 것(④)은 부적절하며, 전부 수작업(⑤)은 AI의 이점을 버리는 선택입니다.

문항 3 — 사내 데이터를 AI 분석에 활용할 때 지켜야 할 원칙으로 옳은 것을 모두 고르시오. (정답 2개)

• ① 개인정보는 이름·연락처 등 식별 정보를 제거하거나 가명 처리한 뒤 사용한다
• ② 분석 결과의 수치는 AI가 계산했으므로 별도 검증 없이 보고한다
• ③ 분석에 쓴 데이터의 출처·기준일·범위를 결과와 함께 기록한다
• ④ 분석 편의를 위해 접근 권한이 없는 부서의 데이터도 복사해 사용한다
• ⑤ 결과가 기대와 다르면 데이터를 수정해 기대와 맞춘다

정답 ①, ③. 비식별 처리와 출처·기준일 기록은 데이터 활용의 기본입니다. AI가 낸 수치도 원본 데이터와 대조해야 하고(② 오답), 권한 밖 데이터 사용(④)과 결과에 맞춘 데이터 수정(⑤)은 보안·윤리 위반입니다.

풀이 팁

• 데이터 과목은 "데이터가 틀리면 결과도 틀린다", "AI가 낸 수치도 대조한다", "개인정보는 비식별" 세 기준으로 보기를 지우면 대부분 풀립니다.
• 실무 사례 과목은 "AI가 1차 처리 → 사람이 확인 → 공유"의 순서를 묻습니다. 확인 단계를 빼는 보기는 거의 항상 오답입니다.
• 무료 모의고사와 3급 강의노트에서 이어서 연습하세요.

다음 샘플은 8·9과목 'ROI 분석·전략적 활용'입니다.