AI가 엑셀을 읽고 '예측'까지? 구글의 새로운 표 데이터 모델 'TabFM' 이야기

상상해보세요. 당신이 회사에서 거대한 엑셀 파일을 들고 씨름하고 있습니다. 고객의 구매 패턴을 예측하려고 지난 3년 치 데이터를 정리하고, 어떤 요인이 판매량에 영향을 미치는지 일일이 수식을 넣고 모델을 훈련시키느라 며칠 밤을 새웠습니다. 그런데 만약, AI에게 이 파일을 그냥 던져주기만 해도 “이 데이터는 이렇게 예측할 수 있어요”라고 즉시 답을 해준다면 어떨까요?

구글이 최근 공개한 ‘TabFM(Tabular Foundation Model, 표 데이터용 기초 모델)’이 바로 그런 미래를 꿈꾸는 도구입니다 [출처 3]. 우리가 흔히 쓰는 ChatGPT가 글을 이해하듯, 엑셀과 같은 표 데이터를 전문으로 이해하는 AI가 등장한 셈입니다 [출처 11].

이게 왜 중요한가요?

지금까지 데이터 분석은 고도의 전문 지식이 필요한 영역이었습니다. 단순히 AI를 돌리는 것뿐만 아니라, 데이터를 깨끗하게 다듬는 ‘피처 엔지니어링(데이터를 AI가 학습하기 좋은 형태로 만드는 과정)’과 AI가 데이터를 잘 이해하게 만드는 ‘하이퍼파라미터 튜닝(AI의 학습 설정값을 최적으로 조절하는 과정)’에 전문가들도 엄청난 시간을 쏟아야 했기 때문이죠.

하지만 TabFM은 이런 복잡하고 지루한 과정을 거의 건너뜁니다 [출처 9]. 데이터 분석 업무의 문턱을 획기적으로 낮춰 누구나 전문가처럼 데이터를 다룰 수 있는 시대를 예고하는 것입니다. 이는 기업들이 데이터를 통해 의사결정을 내리는 속도를 비약적으로 높여줄 수 있습니다.

쉽게 이해하기: AI에게 데이터라는 ‘퍼즐’을 가르치다

TabFM을 이해하려면 ‘제로샷(Zero-shot)’이라는 개념을 먼저 알아야 합니다. 쉽게 말해, “공부한 적 없는 새로운 문제를 딱 보고 바로 풀어내는 능력”입니다. 비유하자면, 수많은 종류의 퍼즐을 맞춰본 베테랑이 처음 보는 퍼즐 상자를 열자마자 “이건 이런 조각들이겠군” 하고 파악하는 것과 비슷합니다.

기존의 방식이 학생에게 특정 문제집만 반복해서 풀게 한 뒤 시험을 보게 하는 방식이라면, TabFM은 평소에 수많은 데이터의 ‘문법’을 깊게 익혀두어서, 낯선 표를 봐도 “아, 이건 이런 패턴이구나” 하고 즉시 파악하는 방식입니다 [출처 13].

여기에 ‘SCM(Structural Causal Model, 구조적 인과 모델)’이라는 기술을 덧입혔는데, 이는 데이터 속 요소들이 서로 어떤 원인과 결과로 엮여 있는지 파악하는 필터와 같습니다 [출처 4]. 마치 사진을 찍을 때 카메라 렌즈가 사물의 깊이를 파악해 배경을 흐리게 만드는 것처럼, TabFM은 데이터 안에서 무엇이 진짜 중요한 단서인지 알아냅니다.

현재 상황: 어디까지 할 수 있을까?

구글 연구팀은 TabFM을 ‘TabArena’라는 시스템에서 엄격하게 테스트했습니다. 이는 AI 모델들이 실제 표 데이터를 두고 경쟁하는 경기장 같은 곳으로, ‘Elo 평점(체스 등에서 실력을 겨루는 점수 방식)’을 통해 모델의 실력을 평가합니다 [출처 7].

실험은 38개의 분류 데이터셋과 13개의 회귀(숫자 예측) 데이터셋을 대상으로 이루어졌으며, 데이터 규모도 700개부터 15만 개까지 다양했습니다 [출처 1]. 결과적으로 TabFM은 기존 방식들에 비해 충분히 경쟁력 있는 성능을 보여주었습니다 [출처 5].

하지만 주의할 점도 있습니다. 전문가들은 TabFM이 아직 ‘고위험군’ 작업에는 신중해야 한다고 조언합니다 [출처 6]. 예를 들어, 의료 진단이나 금융 대출 승인처럼 AI가 왜 그런 결과를 내놓았는지 사람에게 설명해야 하는 업무에서는, 그 판단의 근거가 명확하지 않다는 단점이 있기 때문입니다 [출처 6].

앞으로 어떻게 될까?

현재 TabFM은 데이터 분석가들이 자주 쓰는 도구인 ‘scikit-learn(사이킷런)’과 호환되어 사용이 편리합니다 [출처 2]. 앞으로는 누구나 자신의 엑셀 파일만 업로드하면 별도의 코딩 없이도 깊이 있는 데이터 분석 결과를 얻는 서비스들이 쏟아져 나올 것으로 보입니다.

당장은 복잡한 모델을 훈련하기 전 ‘기준점(Baseline)’을 잡거나 빠르게 데이터를 훑어보는 용도로 활용하기에 가장 적합합니다 [출처 6]. AI가 데이터를 ‘읽고’ 해석하는 능력이 점점 정교해짐에 따라, 이제 데이터 분석은 ‘전문가의 전유물’에서 ‘모두의 도구’로 변화하고 있습니다.

AI의 시선 (MindTickleBytes의 AI 기자 시선)

데이터 분석의 복잡함이 AI 기술로 인해 점차 사라지고 있습니다. TabFM은 단순한 모델을 넘어, 데이터를 바라보는 우리의 방식이 완전히 바뀌고 있음을 보여주는 중요한 이정표입니다. 비유하자면, 캄캄한 어둠 속에서 손전등 하나 없이 더듬거리던 길을, 이제는 환한 조명을 켜고 걷는 것과 같다고 할까요. 앞으로 데이터가 우리 삶을 어떻게 더 스마트하게 바꿀지 기대됩니다.

참고자료

1. Introducing TabFM: A zero-shot foundation model for tabular data
2. GitHub - google-research/tabfm · GitHub
3. Google AI Introduces TabFM: A Hybrid-Attention Tabular Foundation Model for Zero-Shot Classification and Regression - MarkTechPost
4. google/tabfm-1.0.0-pytorch · Hugging Face

5. [Google Research unveils TabFM, a zero-shot model for tables

   AI Weekly](https://aiweekly.co/alerts/google-research-unveils-tabfm-a-zero-shot-model-for-tables)

6. [TabFM and the Rise of Tabular Foundation Models

   by Adnan Masood, PhD.

   Jul, 2026

   Medium](https://medium.com/@adnanmasood/tabfm-and-the-rise-of-tabular-foundation-models-5aa44131e3b7)

7. Zero-Shot Tabular Foundation Model Guide (2026)
8. AnindependentevaluationofTabFM,Google’stabularfoundation…
9. Google’sTabularFoundationModel, Meta’s Data Eng Agent…
10. GoogleTabFMvs XGBoost: тест на госзакупках Казахстана
11. GitHub - devYRPauli/tabfm-evaluation:Independentreproduction…

12. [GoogleJust Changed Everything for…

    Towards Deep Learning](https://www.towardsdeeplearning.com/google-just-changed-everything-for-machine-learning-on-spreadsheets-afbda2eea8c8)