[빠숑 김학렬의 이슈로 읽는 부동산] ⑨ 부동산 정보편. 부동산 정보 과잉 시대 – 유튜브·AI·빅데이터, 무엇을 믿어야 하나

[빠숑 김학렬의 이슈로 읽는 부동산] ⑨ 부동산 정보편. 부동산 정보 과잉 시대 – 유튜브·AI·빅데이터, 무엇을 믿어야 하나 정보가 많아질수록 왜 더 헷갈릴까 2010년대 초반만 해도 부동산 정보를 얻는 방법은 단순했다. 공인중개사 사무소에 가거나, 부동산 신문을 보거나, 주변 지인에게 물어보거나. 선택지가 적었다. 불편했지만 헷갈리지는 않았다. 지금은 다르다. 유튜브에서 ‘서울 아파트’를 검색하면 수천 개의 영상이 나온다. 네이버 부동산 카페에는 매일 수만 건의 글이 올라온다. AI 챗봇에 물어보면 그럴듯한 분석이 쏟아진다. 빅데이터 플랫폼은 실거래가, 전세가율, 낙찰가율을 실시간으로 보여준다. 정보는 무한정 늘었다. 그런데 이상하다. 정보가 많아질수록 사람들은 더 확신을 갖는 게 아니라 더 혼란스러워한다.유튜브 A는 “지금 사야 한다”라고 하고, 유튜브 B는 “아직 더 떨어진다”라고 한다. 빅데이터는 상승 신호를 보내는데 AI는 하락 리스크를 경고한다. 다 보고 나면 처음보다 더 모르겠다. 왜 그럴까. 이 칼럼은 그 질문에서 시작한다. 정보의 양이 문제가 아니다. 정보의 질과 정보를 읽는 방법이 문제다. 부동산 정보 과잉 시대에 무엇을 믿어야 하는지, 무엇을 의심해야 하는지, 그리고 진짜 쓸모 있는 정보를 어떻게 가려내는지를 정리한다. 읽고 나면 주변 사람들에게 꼭 한 번 이야기하고 싶어질 내용으로 채웠다. 부동산 유튜브 화면 뒤에 무엇이 있을까 유튜브가 부동산 정보 시장을 바꾼 방식 2015년을 전후로 부동산 유튜브가 본격적으로 성장했다. 구독자 수십만 명을 거느린 부동산 채널들이 생겨났고, 주간 부동산 시황, 지역별 분석, 투자 전략 영상들이 넘쳐났다. 과거에는 비싼 강의를 들어야 알 수 있었던 정보들이 무료로 풀렸다. 이것은 분명 좋은 변화였다. 정보의 민주화라고 할 수 있다. 강남 중개사무소에 인맥이 있는 사람만 알던 정보를 이제는 누구나 볼 수 있게 됐다. 실제로 유튜브를 통해 부동산 공부를 시작하고 좋은 투자 결정을 내린 사람들이 많다. 그러나 동시에 유튜브가 만들어낸 새로운 문제들이 있다. 이것을 알고 봐야 한다. 유튜브의 구조적 문제 1. 알고리즘은 자극적인 제목을 좋아한다 유튜브 알고리즘은 클릭률(CTR)과 시청 지속 시간을 기반으로 영상을 추천한다. 클릭률을 높이는 가장 효과적인 방법은? 자극적인 제목이다. 이런 제목들이 클릭을 부른다. 서울 아파트 내년에 반 토막 납니다.지금 당장 사지 않으면 후회합니다.이 지역 폭등 임박, 모르면 손해. 클릭이 많으면 알고리즘이 더 많이 추천한다. 더 많이 추천받으면 구독자가 늘고, 광고 수익이 늘고, 협찬이 들어온다. 이 구조에서 콘텐츠 크리에이터의 인센티브는 ‘정확한 정보 제공’이 아니라 ‘더 많은 클릭’이다. 냉정하게 “잘 모르겠다”고 말하거나 “지역마다 다르다”고 신중하게 분석하는 영상보다, “무조건 오른다” 또는 “무조건 떨어진다”라고 단정하는 영상이 더 많이 클릭된다. 그래서 유튜브 부동산 채널은 구조적으로 극단적 전망을 선호하게 된다. 이것은 개별 크리에이터의 문제가 아니라 플랫폼의 구조적 문제다. 유튜브의 구조적 문제 2. 확증 편향의 함정 유튜브 알고리즘의 또 다른 특성이 있다. 내가 많이 보는 콘텐츠와 비슷한 콘텐츠를 추천해준다. 내가 ‘집값 상승’ 관련 영상을 여러 개 보면, 알고리즘은 상승론자들의 영상을 계속 추천한다. 반대로 ‘집값 하락’ 영상을 많이 보면 하락론자들의 영상을 계속 추천한다. 시간이 지나면 나는 상승론 또는 하락론에 완전히 둘러싸인 정보 환경에 놓이게 된다. 반대 의견을 접할 기회가 사라진다. 이것을 필터 버블(Filter Bubble)이라고 한다. 알고리즘이 나만을 위한 정보 거품을 만들어주는 것이다. 내가 믿고 싶은 것만 보여주기 때문에 확신은 강해지지만, 그 확신이 현실과 맞지 않을 수 있다. 2021년 부동산 급등기에 유튜브에서 상승론 영상을 주로 본 사람들은 하락 신호를 보지 못했다. 2022년 하락기에 하락론 영상을 주로 본 사람들은 2023년 반등을 예상하지 못했다. 유튜브의 구조적 문제 3. 협찬과 이해충돌 부동산 유튜브 채널들의 수익 구조를 알아야 한다. 광고 수익 외에 많은 채널들이 다음과 같은 수익원을 갖는다. 시행사·건설사 협찬 영상, 분양 홍보 콘텐츠, 유료 강의, 컨설팅 서비스, 부동산 중개 연계 등이 있다. 이 수익 구조에서 특정 단지나 지역을 추천하는 영상은 순수한 분석이 아닐 수 있다. 협찬을 받았거나 분양 수익을 공유하는 구조일 수 있다. 법적으로 협찬 표시를 해야 하지만, 실제로 모든 협찬이 투명하게 공개되지는 않는다. 그리고 협찬이 없어도 “단지 추천 → 임장 투어 모집 → 강의 판매”라는 수익 연결 고리가 있는 경우도 있다. 그럼, 유튜브는 어떻게 봐야 할까? 유튜브를 쓸모없다고 말하는 게 아니다. 올바르게 활용하는 방법이 있다. 전망이 아니라 분석 방법을 배워라.“이 지역이 오릅니다”라는 결론보다 “이 데이터를 이렇게 해석합니다”라는 방법론을 가르쳐주는 채널이 진짜 유익하다. 물고기를 주는 게 아니라 낚시하는 법을 알려주는 채널. 정반대 의견의 채널도 함께 봐라.상승론자를 보면 하락론자도 찾아봐라. 두 관점을 동시에 접해야 균형 잡힌 시각이 생긴다. 필터 버블을 의도적으로 깨야 한다. 발언의 track record를 확인하라.1년 전, 2년 전에 뭐라고 했는지 확인해 보라. 맞힌 것과 틀린 것의 비율이 어떻게 되는가. “항상 오른다”라고만 말한 채널은 상승장에서는 맞지만, 하락장에서는 틀린다. 시장 상황에 따라 판단이 달라지는 채널이 더 정직한 채널이다. 협찬 여부를 확인하라.영상 설명란에 협찬·광고 표시가 있는지 확인하라. 특정 단지 분양 영상은 기본적으로 마케팅 콘텐츠로 간주하고 봐야 한다. AI 부동산 분석, 똑똑하지만 모르는 것이 있다 AI가 부동산 시장에 들어온 방식 2023년 이후 GPT를 필두로 AI 챗봇들이 폭발적으로 성장하면서 부동산 정보 시장에도 AI가 깊숙이 들어왔다. “강남 아파트 전망이 어때?”라고 물으면 AI는 수백 단어의 그럴 듯한 분석을 내놓는다. “이 단지를 사야 할까요?”라고 물으면 장단점을 조목조목 정리해 준다. AI의 능력이 인상적인 것은 사실이다. 방대한 데이터를 학습해서 개념 설명, 용어 해석, 일반적인 원칙들을 빠르고 정확하게 제공한다. 공시지가가 뭔지, 재건축 절차가 어떻게 되는지, DSR 계산 방법이 무엇인지. 이런 것들은 AI가 잘 설명한다. 그러나 AI로 부동산 투자 결정을 내리려 할 때 반드시 알아야 할 한계들이 있다. AI의 한계 1. 지식 컷오프와 실시간 데이터 없음 대부분의 AI 모델은 특정 시점까지의 데이터로 학습된다. 학습 이후의 시장 변화, 정책 변화, 실거래 데이터를 모른다. 2024년 8월까지 학습한 AI에게 2026년 6월 현재의 서울 아파트 시황을 물으면, AI는 자신이 아는 범위에서 답하지만 그것은 최신 정보가 아니다. 부동산은 시간에 매우 민감한 자산이다. 6개월 전 분석과 지금 분석이 완전히 달라야 하는 시장이다. 실시간 거래 데이터 없이 내놓는 전망은 과거 데이터를 바탕으로 한 짐작에 불과하다. 웹 검색 기능이 연동된 AI는 이 한계를 부분적으로 극복한다. 그러나 검색 결과를 해석하는 과정에서 또 다른 오류가 생길 수 있다. AI의 한계 2. 환각(Hallucination) – AI가 거짓말을 한다 AI의 가장 위험한 특성은 모르는 것을 아는 척 말한다는 것이다. 이것을 AI 용어로 할루시네이션(환각)이라고 한다. “강남구 반포동 아크로리버파크 최근 실거래가를 알려줘”라고 물으면, AI가 구체적인 금액을 답하는 경우가 있다. 그런데 그 금액이 실제 거래된 가격이 아니라 AI가 ‘그럴듯하게 만들어낸’ 숫자인 경우가 있다. 형식은 정확한 데이터처럼 보이지만 내용이 틀린 것이다. 이것이 특히 위험한 이유는, AI의 답변 스타일이 워낙 자신감 있고 정확해 보이기 때문이다. “제가 확인한 바에 따르면…”이라는 말 뒤에 틀린 정보가 오는 경우가 있다. AI는 자신이 틀렸다는 것을 모른다. 부동산에서 잘못된 정보는 큰 금액의 의사결정에 악영향을 줄 수 있다. AI가 말한 실거래가를 기준으로 매수가를 결정했는데, 실제 시세와 1억원 차이가 났다면? AI는 그 책임을 지지 않는다. AI의 한계 3. 현장 감각이 없다 부동산의 가장 중요한 정보 중 상당 부분은 데이터로 잡히지 않는다. 그 단지에 아침에 가보면 일조가 어떤지. 그 상가 앞 유동 인구가 점심시간에 얼마나 되는지. 그 동네 주민들의 연령대와 분위기가 어떤지. 공사 소음이 얼마나 심한지. 학원 버스가 몇 대 다니는지. 편의점 매출이 어느 정도인지. 이런 것들은 직접 발로 뛰어야 알 수 있는 정보다. AI는 이것을 알 방법이 없다. 임장(현장 방문)의 가치를 AI가 대체할 수 없는 이유다. AI를 올바르게 활용하는 방법 AI는 전문가가 아니라 ‘매우 똑똑한 보조자’로 사용해야 한다. 개념 이해에 탁월하다.재건축 초과이익환수제가 뭔지, 용적률과 건폐율의 차이가 뭔지, 전세 보증보험 가입 조건이 어떻게 되는지 — 이런 개념 설명은 AI가 빠르고 정확하게 해준다. 체크리스트 작성에 활용하라.“아파트 매수 전 확인해야 할 사항 목록 만들어줘”처럼 구조화된 질문에 AI는 잘 답한다. 직접 판단이 아니라 판단을 위한 프레임 구성에 쓰는 것이다. 실시간 데이터는 반드시 직접 확인하라.AI가 말한 실거래가, 시세, 정책 내용은 반드시 원본 소스(국토교통부 실거래가 공개시스템, KB부동산, 부동산원)에서 직접 확인해야 한다. “AI가 그렇게 말했다”를 투자 근거로 삼지 마라.AI는 정보를 제공하는 도구지 투자 결정자가 아니다. 최종 판단은 항상 사람이 해야 한다. 빅데이터, 같은 숫자에 다른 해석 부동산 빅데이터의 혁명 10년 전만 해도 부동산 데이터는 전문가들만 접근할 수 있었다. KB부동산 시세 데이터는 금융기관에서 주로 썼고, 한국부동산원 통계는 일반인이 해석하기 어려웠다. 지금은 다르다. 아실(아파트실거래가), 호갱노노, 부동산 빅데이터 플랫폼들이 누구나 쓸 수 있는 형태로 방대한 데이터를 제공한다. 실거래가, 전세가율, 매물 증감, 거래량 추이, 낙찰가율, 미분양 현황 — 이런 지표들을 클릭 몇 번으로 볼 수 있다. 이것은 부동산 투자의 민주화를 한 단계 더 진전시켰다. 데이터를 볼 수 있는 능력이 있다면 과거 전문가만 알던 정보를 누구나 접할 수 있다. 그러나 데이터를 볼 수 있는 것과 데이터를 올바르게 해석하는 것은 전혀 다른 능력이다. 빅데이터의 함정 1. 같은 데이터, 다른 해석 실제 있었던 일이다. 2023년 하반기, 서울 아파트 거래량이 급증했다. 구분 상승론자들의 해석하락론자들의 해석 현상 서울 아파트 거래량이 급증했다.서울 아파트 거래량이 급증했다. 해석 수요가 살아나고 있다.• 거래량이 늘었지만, 급매 위주다.• 가격이 싸진 덕분에 거래된 것이지 수요가 강해서가 아니다. 결론 집값 상승의 신호다.본격적인 반등 신호로 보기 어렵다. 같은 거래량 증가 데이터를 두고 정반대의 결론이 나왔다. 둘 다 데이터에 기반하고 있지만 해석이 다르다. 실제로 이후 서울 아파트는 반등했다. 하지만 그것이 그 시점의 거래량 데이터가 상승을 ‘증명’했다는 뜻은 아니다. 다른 요인들이 복합적으로 작용했다. 데이터는 과거를 보여주지만, 미래를 보장하지 않는다. 그리고 과거 데이터도 해석하는 사람의 관점에 따라 전혀 다른 이야기가 된다. 빅데이터의 함정 2. 후행 지표와 선행 지표를 구분하지 못한다 부동산 데이터에는 두 종류가 있다. 이미 일어난 일을 보여주는 후행 지표와 앞으로 일어날 일을 예측하는 데 도움이 되는 선행 지표다. 대부분의 빅데이터 플랫폼이 보여주는 것은 후행 지표다. 이미 체결된 실거래가, 이미 완료된 전세 계약, 이미 발생한 거래량. 이것들은 과거의 기록이다. 초보 투자자가 흔히 하기 쉬운 실수 중 하나가 후행 지표를 선행 지표로 착각하는 것이다. “실거래가가 많이 올랐다. 앞으로도 오르겠다”라는 논리가 그것이다. 가격이 이미 올랐다는 것은 과거의 사실이지, 앞으로도 오른다는 증거가 아니다. 진짜 선행 지표는 따로 있다. 전세가 변동(매매가보다 6~12개월 선행), 미분양 증감 추이, 인허가 물량, 착공 실적, 준공 예정 물량, 인구 이동 통계. 이 지표들이 지금 시장이 어디로 가는지를 먼저 알려주는 신호다. 빅데이터의 함정 3. 표본의 함정 통계는 항상 표본의 문제를 안고 있다. 예를 들어 “이번 달 강남구 아파트 평균 실거래가 25억”이라는 데이터가 있다고 하자. 이 숫자는 무엇을 의미하는가? 이번 달 강남구에서 거래된 아파트들의 평균이다. 그런데 이번 달에 고가 단지 위주로 거래가 많이 됐다면, 평균이 높게 나온다. 반대로 소형 평수 위주로 거래됐다면 평균이 낮게 나온다. 시장 전체 가격이 오르지 않았어도 평균이 오를 수 있고, 내리지 않았어도 평균이 내릴 수 있다. 거래량 자체가 적을 때 평균 가격의 변동은 더욱 신뢰하기 어렵다. 거래가 10건 미만인 달의 평균 실거래가는 1~2건의 특수한 거래에 크게 흔들린다. 이것을 모르면 “이번 달 평균 거래가가 전달보다 3,000만원 올랐다”는 통계를 보고 시장이 상승세라고 잘못 판단하게 된다. 진짜 쓸모 있는 데이터 소스 – 공신력 있는 1차 데이터 화려한 빅데이터 플랫폼보다 오히려 국가가 공개하는 1차 데이터가 가장 신뢰할 수 있다. 국토교통부 실거래가 공개시스템(rt.molit.go.kr)계약 후 30일 이내에 신고된 실거래 데이터. 가장 원본에 가까운 데이터. 공식적으로 신고·공개되는 거래 데이터다. 단, 해제 거래(계약 후 취소된 거래)도 올라오므로 이후 삭제 여부를 확인해야 한다. 한국부동산원 부동산통계정보(reb.or.kr)주간 아파트 가격 동향, 전세 가격 동향, 매매거래량, 미분양 현황. 정부 공식 통계로 가장 공신력 있다. KB부동산(kbland.kr)금융기관에서 주로 활용하는 시세 데이터. 전국 아파트 시세와 전세가율을 지역별로 볼 수 있다. 국토교통부 건설공사 현황(seumter.go.kr)인허가, 착공, 준공 데이터. 향후 공급량을 예측하는 데 필수적인 선행 지표. 통계청 인구이동통계(kostat.go.kr)지역 간 인구 이동 데이터. 어느 지역에서 어느 지역으로 인구가 이동하는지를 보여준다. 수요 변화를 예측하는 핵심 선행 지표. 이것들은 일반인도 무료로 확인할 수 있는 공개 정보다. 화려한 UI는 없지만 원천 데이터를 직접 확인할 수 있다는 장점이 있다. 전문가를 고르는 기준 누구나 ‘전문가’라고 외치는 시장 유튜브와 SNS가 만들어낸 가장 큰 부작용 중 하나는 ‘전문가’의 인플레이션이다. 구독자 10만 명이 넘으면 전문가로 대접받는다. 책을 한 권 내면 전문가다. 방송에 두 번 나오면 권위자가 된다. 그러나 부동산 시장에서 진짜 전문성은 화려한 경력이나 구독자 수로 측정되지 않는다. 시장을 얼마나 오래, 얼마나 다양한 사이클을 통해 봐왔는지, 그리고 자신의 주장이 틀렸을 때 얼마나 솔직하게 인정하는지가 진짜 전문성의 척도다. 진짜 전문가를 구별하는 세 가지 기준 기준 1. 틀렸을 때 어떻게 하는가. 신뢰할 수 있는 전문가는 자신의 예측이 틀렸을 때 솔직하게 인정하고, 무엇이 틀렸는지를 분석한다. 신뢰하기 어려운 전문가는 예측이 틀렸을 때 말을 바꾸거나 “원래 그렇게 말한 게 아니다”라고 후퇴한다. 또는 “내 예측은 맞았는데 외부 변수가 끼어들었다”고 책임을 회피한다. 과거 발언을 추적해 보라. 1년 전, 2년 전 영상이나 칼럼에서 무슨 말을 했는가. 맞은 것과 틀린 것의 비율이 어떤가. 그리고 틀린 것에 대해 어떤 입장을 취했는가. 기준 2. “모른다”고 말할 수 있는가. 부동산 시장은 복잡계다. 수십 가지 변수가 상호작용하고, 예측이 근본적으로 어렵다. 진짜 전문가는 이 불확실성을 인정한다. “금리가 이렇게 되면 이런 방향이고, 저렇게 되면 저런 방향이다”라는 시나리오 분석을 한다. 단정적인 예언을 하지 않는다. 반대로 “무조건 이렇게 됩니다”라고 단정하는 사람은 두 가지 중 하나다. 정말 확신에 차서 무모하거나, 사람들의 신뢰를 얻기 위해 지나치게 확신하는 태도를 보이는 것이다. 기준 3. 이해충돌이 없는가. 그 전문가가 특정 단지를 추천할 때 그로부터 수익을 얻는 구조인지를 확인하라. 분양 대행, 컨설팅 수수료, 강의 판매, 협찬. 이런 수익 구조가 있는 전문가의 추천은 순수한 분석이 아닐 수 있다. 이해충돌이 완전히 없는 전문가는 드물다. 중요한 것은 그 이해충돌이 투명하게 공개되는가이다. 나만의 정보 처리를 위한 판단 체계 만들기 정보 처리의 피라미드 정보가 많다고 좋은 판단이 나오는 게 아니다. 좋은 판단은 정보를 올바르게 처리하는 체계에서 나온다. 이 체계를 피라미드로 생각해 보자. 가장 아래층 – 1차 데이터국토부 실거래가, 부동산원 통계, KB시세, 통계청 데이터. 원본이고 가공되지 않은 사실이다. 가장 신뢰할 수 있다. 그러나 해석이 필요하다. 두 번째 층 – 분석1차 데이터를 해석하는 작업. 전세가율이 올라가고 있다는 사실에서 “수요가 살아나고 있다”는 현상 뒤에 숨은 의미를 읽어내는 것. 이 단계에서 전문성이 필요하다. 세 번째 층 – 맥락분석을 현재의 경제 환경, 정책 환경, 인구 구조와 연결하는 작업. 금리가 어떻게 움직이는지, 정부 정책이 어느 방향인지, 공급이 얼마나 오는지. 가장 위층 – 판단앞의 모든 것을 종합해서 “지금 이 물건을 사는 것이 나에게 맞는 선택인가”를 결론 내리는 것. 대부분의 사람이 실수하는 것은 맨 아래층(1차 데이터)을 건너뛰고 유튜브나 AI가 이미 만들어놓은 맨 위층(판단)을 그대로 가져오는 것이다. 그 판단이 어디서 나왔는지, 어떤 데이터에 기반한 것인지를 확인하지 않는다. 적을 수록 좋은 정보의 다이어트 역설적이지만, 부동산 공부에서 정보를 줄이는 것이 더 중요한 경우가 있다. 매일 부동산 유튜브 10개 보고, 커뮤니티 글 50개 읽고, AI에 10번 질문하는 사람보다 일주일에 한 번 부동산원 주간 통계를 직접 확인하고 한 달에 한 번 관심 지역에 임장 나가는 사람이 더 나은 판단을 내리는 경우가 많다. 정보 과잉은 결정 마비(decision paralysis)를 만든다. 너무 많은 정보, 너무 많은 의견이 충돌하면 결국 아무것도 못 하거나 가장 최근에 들은 말에 따라 결정하게 된다. 이것이 가장 나쁜 의사결정 방법이다. 핵심 지표 5개를 정하고 그것만 정기적으로 추적하는 것이 모든 것을 다 보려는 것보다 낫다. 추천하는 핵심 지표는 다음과 같다. 전국·서울 아파트 전세가격 동향 (한국부동산원 주간 통계) 서울 아파트 주간 매매가격 동향 (한국부동산원) 전국 미분양 현황 (국토교통부 월간 통계) 관심 지역 실거래 건수 (국토교통부 실거래가 시스템) 기준금리 및 시중 대출 금리 추이 (한국은행 및 각 시중은행) 이 다섯 가지를 매주 또는 매월 꾸준히 보면, 수십 개의 유튜브 영상보다 시장의 방향이 훨씬 더 잘 보인다. 현장이 곧 최종 데이터다 모든 데이터를 분석하고, 전문가 의견을 참고하고, AI에게 물어봤더라도, 최종적으로 그 집에 가보지 않으면 안 된다. 데이터는 평균을 보여주지만 나는 평균을 사지 않는다. 특정한 동, 특정한 단지, 특정한 층, 특정한 향의 집을 산다. 그 집의 실제 채광이 어떤지, 그 단지의 관리 상태가 어떤지, 그 동네 아침 풍경이 어떤지는 직접 가봐야만 알 수 있다. 임장은 단순한 현장 방문이 아니다. 데이터로 잡히지 않는 정보를 수집하는 작업이다. 가장 강력하고 가장 대체 불가능한 정보 수집 방법이다. AI도, 빅데이터도, 유튜브도 이것을 대신할 수 없다. 정보 과잉 시대의 역설 정보가 많아질수록 정보를 가려내는 능력이 더 중요해진다. 이것이 정보 과잉 시대의 역설이다. 10년 전에는 정보를 많이 가진 사람이 유리했다. 지금은 정보를 잘 걸러내는 사람이 유리하다. 쓸모없는 정보를 빠르게 버리고, 신뢰할 수 있는 정보를 깊이 파고드는 능력. 자극적인 전망에 흔들리지 않고 데이터의 의미를 차분하게 해석하는 능력. 전문가처럼 보이는 사람과 진짜 전문가를 구별하는 능력. 이 능력은 공부해서 키울 수 있다. 1차 데이터를 직접 보는 습관, 반대 의견을 의도적으로 찾아보는 습관, 발언의 발자취(track record)를 확인하는 습관, 현장에 직접 가보는 습관. 유튜브와 AI와 빅데이터는 모두 도구다. 좋은 도구를 올바르게 쓰면 도움이 된다. 잘못 쓰면 해가 된다. 망치가 나쁜 게 아니라 망치로 나사를 조이려는 것이 문제인 것처럼. 정보 과잉 시대에 가장 필요한 능력은 더 많은 정보를 처리하는 것이 아니다. 더 적은 정보를 더 잘 처리하는 것이다. 그리고 그 판단의 마지막은 언제나 내가 해야 한다. 유튜브도, AI도, 전문가도 내 돈을 대신 책임지지 않는다. ※ 이 칼럼에 언급된 데이터 소스들은 모두 일반인이 무료로 접근할 수 있는 공개 정보입니다. aboutAUTHOR김학렬부동산 조사 리서치 전문가, 스마트튜브 소장‘빠쑝’ 김학렬, 스마트튜브 부동산조사연구소·경제아카테미 소장.데이터 기반 시장 분석과 강의를 통해 일반인에게 투자 인사이트를 전하는 부동산 전문가.저서와 칼럼을 통해 시장 흐름과 정책 방향을 쉽고 명확하게 전달하고 있다.* 이 칼럼의 내용은 필진 개인의 의견이며, 교보생명 뉴스룸의 공식 입장이나 방향성과는 무관합니다. 빠숑 김학렬의 이슈로 읽는 부동산 시리즈