현재의 SQL은 개발자만의 언어가 아니라 분석가, 마케터, 영업 직무까지. 필요하다면 누구나 직접 데이터를 효율적으로 활용하도록 돕는 도구입니다. 특히 AI를 사용하면 빠르게 쿼리를 만들 수 있지만 그만큼 데이터가 왜 그렇게 나왔는지 설명하고 검증하는 능력의 중요도도 함께 높아집니다. 

Part 2에서는 『퀵스타트 SQL with 챗GPT』정미나 저자가 직접 겪은 튜닝 경험, 같은 쿼리를 반복해서 해체하는 쿼리 분석 훈련법, 그리고 생성형 AI가 발전한 뒤 SQL 실무가 향할 방향을 들어봅니다.

Q7. 데이터 분석가나 마케터처럼, 개발자가 아닌 사람에게도 SQL은 여전히 유효한가요?

요즘엔 오히려 데이터 분석가나 마케터 분들에게 SQL이 더 핫하다고 느껴질 정도로 비개발자 분들의 배우고자 하는 니즈가 매우 커졌음을 느낍니다. 불과 몇년 전까지만 해도 데이터 추출은 개발자들의 몫이었는데요, 이제는 직접 필요한 데이터를 추출하시는 비개발자 분들이 굉장히 많아졌어요. 얼마 전 강의에서 만난 수강생 분은 강의 시간에 대답도 너무 잘 하시고 SQL도 잘 작성하셔서 당연히 개발자일거라고 생각했는데 알고보니 영업 직무를 하고 계신다고 하더라구요. 깜짝 놀랐습니다.

이렇듯 SQL은 앞으로도 더욱 많은 분들에게 매력적인 언어일 것이라고 생각해요.

 

Q8. 저자님께서 직접 경험하신 SQL 성능 문제 중, 가장 인상 깊은 ‘튜닝 사례’가 있다면 들려주세요. 그 경험이 이 책의 어떤 부분에 녹아 있는지도 궁금합니다.

튜닝의 매력이 극대화 되는 순간은 아주 조금 고쳤을 뿐인데 엄청나게 속도가 빨라졌을 때이죠. 실제로 WHERE 절만 살짝 수정하여 5분 넘게 걸리던 쿼리를 0.5초로 바꾼 적이 있는데요, 매우 짜릿한 순간이었습니다. 자세한 내용은 『퀵스타트 SQL with 챗GPT』의 ‘인덱스를 타지 못하게 하는 비효율 SQL’ 파트를 참고해 주세요!

 

Q9. 다양한 프롬프트 예제가 담겼지만, 프롬프트보다 ‘직접 쿼리를 분석할 줄 아는 능력’을 더 강조하셨어요. 그런 능력은 어떻게 기를 수 있을까요?

쿼리 분석 능력은 새로운 걸 많이 학습하기보다는 같은 쿼리를 반복해서 해체해보는 연습으로 길러집니다.

제가 실제로 트러블 슈팅을 하며 썼던 방법인데요,

• WHERE 절의 조건문을 하나씩 지워보면서 결과가 어떻게 바뀌는지 확인
• JOIN을 INNER에서 LEFT OUTER로 바꿨을 때 데이터가 어떻게 달라지는지 확인
• GROUP BY 컬럼을 하나씩 줄이거나 늘리면서 통계의 의미가 어떻게 달라지는지 확인

이런 식으로 의도적으로 쿼리를 해체해가며 연습을 하는 거죠.

프롬프트 실력은 단기간에 늘 수 있지만 쿼리를 분석하는 능력은 쿼리를 직접 읽고, 고쳐보고, 설명해보는 시간을 반드시 가져야 생길 수 있다고 생각합니다.

 

Q10. 그간 해오신 유튜브 강의와 수험서, 또 이 책 역시 ‘독자들이 이해하기 쉽게 전달’하는 구성이 돋보입니다. 어려운 SQL 개념을 독자들이 직관적으로 이해하게 하는 저자님만의 설명 방식이나 노하우가 있을까요? 

서당개 삼년이면 풍월을 읊는다고 제가 기나긴 시간을 IT 업계에서 일했기 때문에 여기까지 온 것이지 저도 대학 시절이나 신입 시절에는 개발자로서 매우 부족한 사람이었어요. 컴퓨터공학을 전공한 것도 그냥 점수 맞춰서 간 거라서 당시 컴맹 수준이었던 제게 개발 코드나 데이터베이스, SQL 등은 거의 외계어 수준이었다고나 할까요. 

제가 그랬기 때문에 공부하시는 분들이(특히 비전공자 분들) 어느 부분에서 헤맬지가 너무 눈에 보이고 어떻게 설명을 해야 쉽게 이해가 될 것인지도 대략적으로 예상이 가서 그걸 책이나 강의에 많이 녹이는 편입니다. 

독자분들께 감사 인사를 받을 때마다 제 방식이 어느 정도 통한 것 같아 뿌듯함을 느끼고 있어요.

 

Q11. SQL과 AI의 결합은 이제 막 시작된 변화처럼 보입니다. 향후 챗GPT나 코파일럿 같은 생성형 AI가 발전하면, SQL 실무 환경은 어떤 방향으로 진화할 거라 예상하시나요?

앞으로 실무에서의 SQL은 '작성'의 시대에서 '검증과 설계'의 시대로 완전히 넘어갈 것입니다. 쿼리문을 직접 타이핑하는 시간보다 AI와 대화하며 논리를 정교화하는 시간이 늘어날 것이고 "Text-to-SQL" 기술이 고도화되면서 비개발 직군도 데이터에 직접 접근하기가 훨씬 쉬워질 거라고 생각해요.

AI가 데이터 배포 패턴을 실시간으로 학습하여 인덱스를 자동으로 생성하거나 쿼리를 리팩토링하는 자율 주행 데이터베이스의 비중도 커지지 않을까 예상이 되는데요, 이제 AI가 데이터의 맥락을 오해하지 않도록 데이터 카탈로그를 잘 관리하고 비즈니스 로직을 설계하는 데이터 아키텍트로서의 역량이 더욱 중요해질 것으로 생각됩니다.

 

Q12. 마지막으로『퀵스타트 SQL with 챗GPT』를 통해 독자들이 궁극적으로 무엇을 얻어가길 바라시는지, 그리고 독자들에게 전하고 싶은 메시지가 있다면 자유롭게 말씀해주세요.

이 책을 통해 독자들이 궁극적으로 얻어가길 바라는 것은 기술적인 장벽의 해소와 비즈니스 가치 창출에 집중할 수 있는 시간입니다. 

SQL 문법은 AI가 더 잘 알 수 있습니다. 하지만 어떤 데이터를 어떤 목적으로 추출할지 파악하는 것은 여전히 인간의 몫이죠. 독자들이 단순히 쿼리를 작성하는 법을 넘어, AI에게 올바른 비즈니스 맥락을 전달하는 프롬프트 설계 능력을 갖추기를 바랍니다.

잘못 작성된 SQL로 시스템 장애가 났을 경우 AI는 거기에 대한 책임을 져주지 않습니다. 반드시 SQL 학습이 동반되어야 하는 이유예요. AI가 주는 답을 그대로 복사해 붙이는 사람이 될 것인지, AI를 활용해 1시간 걸릴 작업을 1분 만에 끝내고 더 가치 있는 인사이트를 뽑아내는 사람이 될 것인지는 오직 여러분의 활용 능력에 달려 있습니다. 이 책이 그 여정의 든든한 가이드가 되길 소망합니다.

우리는 매일 데이터를 조회하고, 집계하고, 분석하고, 성능 문제로 고민합니다. AI의 등장으로 작업 시간은 줄었지만, 마음 한편엔 걱정도 있습니다. 'AI가 만들어준 SQL을 우리는 얼마나 이해하고, 얼마나 믿고 사용할 수 있을까?'

『퀵스타트 SQL with 챗GPT』는 단순히 SQL 문법을 대신 써주는 AI 사용법이 아닙니다. SQL과 생성형 AI를 접목해 업무 생산성을 끌어올리는 방법을 알려주는 실전 가이드입니다. 기본 SQL 구문부터 튜닝 개념까지 자연스레 연결해 데이터베이스 지식을 빠르게 익힐 수 있죠.  또한 프롬프트 설계 → SQL 생성 → 실행 계획 분석 → 튜닝과 리팩터링으로 이어지는 실무 흐름 전체를 하나의 학습 경험으로 따라갑니다.

AI 시대에 중요한 것은 쿼리를 대신 써주는 도구가 아니라, 쿼리를 이해하고 판단할 수 있는 사람의 기준입니다. 이 책은 챗GPT를 맹신하지도, 배제하지도 않습니다. SQL 실무자를 위한 가장 현실적인 AI 협업 가이드입니다.