AI가 준 숫자를 그대로 믿을 뻔했습니다 — 트렌드 MCP를 붙여본 하루

AI가 준 숫자를 그대로 믿을 뻔했습니다 — 트렌드 MCP를 붙여본 하루

AI에 실시간 데이터를 연결하는 건 이제 정말 쉬워졌습니다. 어려운 건 그 다음입니다. 어제 저는 블로그 소재를 찾으려고 실시간 트렌드 데이터를 MCP로 클로드 코드에 붙여 봤습니다. 연결에 걸린 시간은 5분. 그런데 받아 든 첫 숫자를 그대로 믿었다면, 저는 정확히 반대되는 글을 쓸 뻔했습니다. 어디서 어긋났는지, 그리고 그 뒤로 무엇을 규칙으로 삼았는지 정리해 드립니다.

바이브코딩으로 직접 만든 것들에서 "코드를 몰라도 만들 수 있다"는 이야기를 했다면, 이번 글은 만들고 난 다음의 이야기입니다. 도구를 붙이는 건 쉬워졌는데, 그래서 더 위험해진 지점에 대해서요.

연결은 정말 5분이면 끝났습니다

MCP를 한 줄로 설명하면 AI에게 바깥 데이터를 물려주는 표준 규격입니다. 예전에는 서비스마다 개발자가 따로 붙여야 했는데, 지금은 설정 몇 줄이면 됩니다. 콘센트 규격이 통일된 것과 비슷합니다.

제가 붙인 건 트렌드 MCP(TrendsMCP)였습니다. 구글 트렌드, 레딧, 깃허브, 틱톡, 스팀, 위키피디아까지 25종이 넘는 플랫폼의 인기 순위를 실시간으로 불러오고, 키워드를 넣으면 5년치 관심도 추이까지 뽑아 줍니다. 플랫폼마다 API 키를 따로 발급받지 않아도 된다는 게 핵심입니다.

연결도 간단했습니다. 사이트에서 무료 키를 받고 'Add to Claude' 버튼을 누르면 별도 설정 없이 붙습니다. 클로드 말고도 커서, 윈드서프, 깃허브 코파일럿 같은 도구를 같은 방식으로 지원합니다. 무료 키는 월 100회까지 쓸 수 있어서 감을 잡기엔 충분했습니다.

붙이자마자 감탄했습니다. "지금 뭐가 뜨는지 물어보면 바로 답이 나오네." 여기까지는 좋았습니다.

그런데 제가 찾던 건 거기 없었습니다

미국주식 글감을 찾을 생각이었습니다. 실시간 인기 검색어 50개를 불러왔습니다. 목록은 이랬습니다.

비행기 비상착륙, 통신사 장애, 스파이더맨 신작, 일본 지진, 복권 당첨금, 어느 배우 이름… 쭉 내려가다 32위에 테슬라, 33위에 구글이 있었습니다. 50개 중 주식 관련은 그 둘뿐이었습니다.

레딧 인기글은 더했습니다. 케밥 모양으로 만든 컴퓨터, 밈, 또 밈. 투자 이야기는 한 줄도 없었습니다.

여기서 첫 번째 교훈을 얻었습니다. 실시간 인기는 세상 전체의 인기지, 내 주제의 인기가 아닙니다. 도구가 잘못된 게 아니라 제 기대가 틀렸던 겁니다. 실시간 순위판은 "지금 다들 뭘 보나"에 답하지, "내 분야에서 뭐가 뜨나"에는 답하지 않습니다.

그래서 방향을 바꿨습니다. 순위판을 뒤지는 대신, 제가 후보 키워드를 직접 만들어 넣고 추이를 확인하기로요.

검색어를 조금만 길게 쓰면 "데이터 없음"

그런데 여기서도 걸렸습니다. 평소 쓰던 말 그대로 넣으면 자꾸 빈손으로 돌아왔습니다. 조금 줄여서 넣으니 그제야 값이 나왔습니다. 검색량이 아주 적은 긴 문구는 아예 집계 대상이 아니었던 겁니다.

사소해 보이지만 여기에 함정이 하나 숨어 있습니다. "데이터 없음"을 "관심 없음"으로 읽기 쉽다는 점입니다. 둘은 완전히 다른 말인데, 화면에는 똑같이 빈칸으로 보입니다. 실제로는 사람들이 그 표현을 안 쓸 뿐, 주제 자체는 뜨거울 수 있습니다.

이때까지는 그래도 알아채기 쉬운 함정이었습니다. 진짜는 다음이었습니다.

3주 만에 3분의 1로 줄어든 숫자

AI 자동화 쪽 소재를 찾으려고 관련 키워드들의 추이를 뽑았습니다. 그중 하나가 "코딩 에이전트"였는데, 결과가 이랬습니다.

3주 전 관심도 82. 가장 최근 29. 3주 만에 3분의 1 토막입니다.

숫자만 보면 결론은 뻔합니다. 열기가 식었다는 거죠. 하마터면 "AI 코딩 열풍은 꺾였다" 같은 글을 쓸 뻔했습니다. 데이터도 있겠다, 그럴듯하지 않습니까.

그런데 이상한 게 하나 있었습니다. 같이 뽑은 다른 키워드 여덟 개가 전부 똑같이 떨어져 있었습니다. 하나가 떨어지면 그 주제가 식은 거지만, 성격이 다른 여덟 개가 같은 폭으로 동시에 떨어질 이유는 없습니다. 그건 주제 문제가 아니라 데이터 문제일 가능성이 큽니다.

그래서 끝에서 3주를 잘라내고, 똑같은 6개월 구간으로 다시 계산했습니다. 결과가 이렇게 달라졌습니다.

같은 키워드, 같은 도구, 같은 6개월 구간이었습니다. 끝 3주를 포함해 계산하면 164% 성장, 잘라내고 계산하면 925% 성장이었습니다. 같은 데이터인데 성장세가 5분의 1로 눌려 보인 겁니다.

식기는커녕 반년 만에 열 배 가까이 커진 주제였습니다. 제가 본 급락은 실제 하락이 아니라 아직 집계가 덜 끝난 최근 구간이었습니다.

AI는 "없음"과 "아직 안 들어옴"을 구분해 주지 않습니다

이 일에서 배운 핵심은 이겁니다. AI가 준 숫자는 틀리지 않았습니다. 29는 정말 29였습니다. 다만 그 29가 완성된 값인지, 아직 채워지는 중인 값인지를 아무도 알려주지 않았을 뿐입니다.

사람이 자료를 직접 뒤질 때는 이런 걸 자연스럽게 눈치챕니다. 페이지 어딘가에 "최근 데이터는 변동될 수 있음" 같은 안내가 붙어 있고, 그걸 보면서 감을 잡으니까요. 그런데 AI를 통하면 숫자만 깔끔하게 도착합니다. 맥락과 주석은 오는 길에 떨어져 나갑니다.

깔끔해서 더 위험합니다. 표로 정리되어 나오면 검증이 끝난 것처럼 느껴지거든요.

관련해서 자주 인용되는 실험이 하나 있습니다. 숙련 개발자들이 AI를 쓰면서 실제로는 19% 더 느려졌는데, 정작 본인들은 20% 더 빨라졌다고 답했다는 연구입니다(METR, 2025). 결과가 좋아 보이는 것과 실제로 좋은 것은 다른데, 그 차이를 스스로 알아채기는 무척 어렵다는 이야기입니다. 제가 겪은 일도 결이 같았습니다.

그래서 세 가지를 규칙으로 만들었습니다

거창한 게 아니라, 30초면 되는 것들입니다.

규칙	이유
끝에서 두세 칸은 자르고 본다	가장 최근 구간은 대개 집계 중이라 실제보다 낮습니다
항상 여러 개를 같이 본다	전부 같은 방향이면 주제가 아니라 데이터를 의심합니다
결론이 놀라울수록 한 번 더 본다	"열풍이 꺾였다" 같은 결론일수록 재확인 비용이 가장 쌉니다

세 번째가 특히 중요합니다. 놀라운 결론은 글감으로 매력적이라 그대로 쓰고 싶어집니다. 그런데 놀랍다는 건 기존에 알려진 것과 다르다는 뜻이고, 대개는 내가 뭔가를 잘못 본 경우가 더 많습니다.

이 세 줄을 적용하는 데 든 시간은 1분이 안 됐습니다. 그리고 그 1분이 완전히 틀린 글 한 편을 막았습니다. 작업마다 다른 모델을 부르는 방법은 멀티모델 파이프라인 편에, 모델을 고르는 기준은 AI 모델 비교 편에 정리해 두었습니다. 도구를 늘릴수록 이런 확인 습관이 같이 붙어야 합니다.

자주 묻는 질문

MCP가 정확히 무엇인가요?

AI에게 외부 데이터나 도구를 연결하는 표준 규격입니다. 예전에는 서비스마다 따로 개발해야 했지만 지금은 설정 몇 줄로 붙일 수 있어, 코드를 몰라도 연결할 수 있습니다.

트렌드 데이터의 최근 수치는 왜 낮게 나오나요?

집계가 아직 끝나지 않았기 때문입니다. 가장 최근 한두 주는 데이터가 계속 들어오는 중이라 실제보다 낮게 보입니다. 시간이 지나면 값이 올라옵니다.

그럼 AI가 데이터를 잘못 준 건가요?

아닙니다. 받은 숫자 자체는 정확합니다. 다만 그 숫자가 완성된 값인지 집계 중인 값인지를 따로 알려주지 않을 뿐입니다. 그 판단은 사람 몫으로 남습니다.

비개발자도 이런 데이터 도구를 쓸 수 있나요?

연결 자체는 어렵지 않습니다. 다만 받은 숫자를 그대로 쓰지 말고, 최근 구간을 잘라 보고 여러 키워드를 함께 확인하는 습관을 같이 갖추는 것이 훨씬 중요합니다.

참고 자료

• Anthropic, "Model Context Protocol" 공식 문서 — AI에 외부 데이터·도구를 연결하는 개방형 표준 규격
• METR (2025), "Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity" — 실제 19% 지연, 본인 추정 20% 단축
• METR (2026), "We are Changing our Developer Productivity Experiment Design" — 1년 뒤 18% 단축으로 반전, 개인별 편차 확대
• TrendsMCP — 이번에 연결해 사용한 실시간 트렌드 데이터 MCP, 25종 이상 플랫폼 지원 (trendsmcp.ai)

핵심 정리 — 숫자를 받기 전에 기억할 것

1	AI에 데이터를 붙이는 건 5분이면 됩니다. 어려운 건 그 다음입니다.
2	실시간 인기는 세상의 인기지, 내 주제의 인기가 아닙니다.
3	같은 데이터도 끊는 위치에 따라 성장세가 5분의 1로 눌려 보입니다.
4	AI는 "값이 없음"과 "아직 안 들어옴"을 구분해 주지 않습니다.
5	끝을 자르고, 여러 개를 같이 보고, 놀라운 결론은 한 번 더 봅니다.

앞으로 AI에 데이터를 붙이는 일은 점점 더 쉬워질 겁니다. 클릭 몇 번이면 되는 날도 머지않았습니다. 그런데 연결이 쉬워질수록 받은 숫자를 검증하는 사람과 그냥 쓰는 사람의 격차는 오히려 벌어집니다. 도구는 모두에게 똑같이 주어지지만, 확인하는 습관은 그렇지 않으니까요.

20년간 IT 기획자로 일하며 개발자에게 부탁만 하던 사람이었지만, 지금은 필요한 데이터를 직접 붙여 매일 자동 발행 파이프라인을 돌리고 있습니다. 무엇을 연결하고 무엇을 직접 확인해야 하는지, 여러분의 작업에 맞게 1:1로 함께 설계해 드립니다.

→ 크몽에서 만나기: 비개발자 AI 바이브코딩 1:1 코칭 — 서비스 런칭까지