【경기뉴스1/경기뉴스원】 | 몇 년 전만 해도 공상처럼 들리던 말이 이제는 현실이 됐다. 생성형 AI는 자료를 검색하고, 문서를 요약하며, 데이터 분석까지 수행한다. 취재 현장에서도 AI는 더 이상 낯선 기술이 아니다. 오히려 얼마나 잘 활용하느냐가 취재 경쟁력을 좌우하는 시대가 됐다.
최근 삼성언론재단 특강에서 배여운 강사(SBS 탐사보도부 기자)는 ‘AI 시대의 탐사·데이터 저널리즘’을 주제로 기자와 AI의 새로운 협업 방식을 소개했다. 강연을 관통한 메시지는 의외로 단순했다. AI가 아무리 발전해도 저널리즘의 본질은 변하지 않는다는 것이다.
탐사보도의 출발점은 데이터가 아니다. 질문이다.
데이터 저널리즘이라고 하면 흔히 수많은 숫자와 복잡한 분석 기법을 떠올린다. 하지만 데이터는 스스로 의미를 말하지 않는다. 기자가 무엇을 의심하고 어떤 질문을 던지느냐에 따라 같은 데이터도 전혀 다른 이야기를 만들어낸다.
한 공직자의 업무추진비 사용 내역을 예로 들어보자. 특정 식당에서 반복적으로 결제가 이뤄졌는지, 심야 시간에 사용됐는지, 지역구 밖에서 결제가 집중됐는지 의심하는 순간 데이터는 취재원이 된다. 결국 탐사보도의 시작은 엑셀 파일이 아니라 문제의식이다.
AI는 이러한 과정에서 강력한 조력자가 된다.
과거에는 방대한 자료를 수집하고 정리하기 위해 기자가 직접 프로그래밍을 배우고 크롤링 코드를 작성해야 했다. 수개월이 걸리던 작업도 적지 않았다. 그러나 지금은 자연어로 명령을 내리면 AI가 자료를 수집하고 분류하며 초벌 분석까지 수행한다.
지방의회 조례를 전수 조사하거나 정치자금 자료를 분석하는 일도 예전보다 훨씬 짧은 시간 안에 가능해졌다. AI는 기자에게 시간을 돌려준다. 반복적인 작업에 소비되던 시간을 검증과 인터뷰, 현장 취재, 심층 분석에 사용할 수 있게 해주는 것이다.
특히 데이터 저널리즘 분야에서 AI의 영향력은 더욱 크다.
공직자 재산공개 자료와 토지 정보, 업무추진비 사용 내역, 정치자금 수입·지출 자료, 지방의원 겸직 신고서 등 방대한 공공 데이터를 연결해 분석하는 작업은 AI의 도움을 받을수록 효율성이 높아진다. 스캔 문서나 PDF 자료를 텍스트로 변환하는 OCR 기술까지 결합되면서 과거에는 엄두를 내기 어려웠던 규모의 데이터 분석도 가능해졌다.
하지만 여기서 경계해야 할 점도 있다.
AI는 사실과 허구를 구분하지 못할 때가 있다. 충분한 정보가 없으면 그럴듯한 내용을 만들어내는 이른바 ‘할루시네이션’ 현상은 여전히 해결되지 않은 과제다. AI가 제시한 결과를 사실로 믿는 순간 탐사보도는 위험해진다.
그래서 AI 시대일수록 기자의 역할은 오히려 더 중요해진다.
AI는 자료를 모으고 정리할 수 있다. 그러나 무엇을 문제로 볼 것인지, 어떤 가설을 세울 것인지, 분석 결과가 실제 사실인지 검증하는 일은 결국 사람의 몫이다. 책임 역시 기자가 져야 한다.
과거 데이터 저널리즘의 경쟁력이 코딩 능력이었다면 이제는 질문을 설계하는 능력과 검증 역량이 더 중요해지고 있다. AI가 발전할수록 기술의 격차는 줄어들 수 있지만, 좋은 질문을 만드는 능력은 쉽게 대체되지 않는다.
AI는 취재의 속도를 높여주는 도구다. 그러나 저널리즘의 방향을 결정하는 것은 여전히 기자다.
답을 찾는 기계는 많아졌지만, 어떤 질문을 던져야 하는지 아는 사람은 여전히 부족하다. AI 시대에도 기자의 가장 중요한 경쟁력은 기술이 아니라 질문이라는 사실을 다시 생각하게 된다.
