# AI 프로덕트 매니저
← 전체 태그 · 총 6편
AI 시대의 프로덕트 매니저 05｜모호하게 말하면 AI가 알아서 채워 넣는다
「AI 시대의 프로덕트 매니저 되기」 시리즈의 다섯 번째 글입니다. AI에게 「로그인 만들어줘」라고 하면, 당신이 말하지 않은 십수 가지를 한꺼번에 정해버립니다. 이메일이냐 휴대폰 번호냐, 비밀번호 몇 번 틀리면 잠그느냐, 얼마나 잠그느냐, 오류 메시지는 뭐라고 띄우느냐. AI는 사람처럼 되묻지 않습니다. 그저 yes-machine입니다. 당신이 말한 것을 하지, 당신이 원하는 것을 하지 않습니다. 요구가 모호하면 가장 흔한 기본값으로 대신 채워 넣고, 그건 십중팔구 당신이 원한 게 아닙니다. OpenAI의 Sean Grove는 코드가 개발자 가치의 10~20%에 불과하고, 나머지 80~90%는 요구를 분명하게 말하는 일이라고 했습니다. 이 글은 그대로 따라 할 수 있는 네 가지 동작을 다룹니다. 형용사를 숫자로 바꾸기, 상태를 빠짐없이 적기, 경계 상황을 나열하기, 배경 지식 없는 사람으로 자가 점검하기.
AI 시대의 프로덕트 매니저 04 | '만들어야 하는가'의 판단이 처음으로 '만들 수 있는가'보다 비싸졌다
「AI 시대의 프로덕트 매니저 되기」 시리즈의 네 번째 글입니다. METR이 2025년에 무작위 대조 실험을 하나 했습니다. 평균 5년 경력의 베테랑 개발자 16명이 AI로 246개의 실제 작업을 처리했는데, 사전에는 24% 빨라질 거라 예상했고 다 끝낸 뒤에도 20% 빨라졌다고 느꼈지만, 실측해보니 오히려 19% 느려졌습니다. 「AI가 나를 빠르게 해줬는가」라는 가장 단순한 판단조차, 가장 잘 아는 사람들이 거꾸로 짚었습니다. 구현이 빠르고 싸지자, 「만들 수 있는가」는 더 이상 어떤 아이디어도 걸러내지 못하고, 진짜로 비싼 판단은 「만들어야 하는가」로 옮겨갔습니다. 이 글은 그대로 따라 할 수 있는 네 가지 동작을 다룹니다. 난이도를 문턱으로 삼지 말기, 안 만들면 어떻게 되는지 먼저 묻기, 손대기 전에 「만든 뒤 무엇이 진짜가 되는가」를 적기, AI에게 선택지를 펼치게 하되 「느낌상 맞다」를 믿지 말기.
AI 시대의 프로덕트 매니저 03 | AI를 도구가 아니라 동료로 대하라
「AI 시대의 프로덕트 매니저 되기」 시리즈의 세 번째 글입니다. 대부분의 사람은 AI를 자판기처럼 씁니다. 한마디 넣으면 답 하나가 나오고, 다음 대화에서는 또 처음부터 다시 설명합니다. Relay.app의 CEO는 AI 프로덕트 리더 서밋에서 「AI를 도구로 여기지 말고, 당신이 고용한 동료로 대하라」고 했습니다. 이 글은 마음가짐이 아니라, 그대로 따라 할 수 있는 네 가지 동작을 다룹니다. 먼저 인수인계 문서를 써주기, 한 덩어리 일을 맡기되 경계를 못 박기, 주니어 동료의 PR을 보듯 산출물을 검토하기, 그리고 매번의 교정을 문서에 다시 적기. 실제 대화 조각과 함께.
AI 시대의 프로덕트 매니저 되기 02 | 기술을 모르는 것이 왜 오히려 강점인가
「AI 시대의 프로덕트 매니저 되기」 시리즈의 두 번째 글입니다. 코드를 쓸 줄 모르는 어느 부동산 중개 회사 사장이 Claude와 Zapier로 일상 운영을 굴리는 AI agent를 직접 만들었습니다. 2026년 vibe coding 활성 사용자 중 63%는 개발자가 아닙니다. 「아이디어를 실제로 굴러가는 것으로 바꾸는」 이 길 위에서는, 기술을 모르는 사람이 오히려 더 수월하게 가기도 합니다. 엔지니어는 한 줄 한 줄에 책임지려는 본능부터 내려놓아야 하지만, 「이건 너무 어렵다」는 말은 기술을 모르는 사람은 아예 꺼내지 못합니다.
AI 시대의 프로덕트 매니저 되기 01 | 프로덕트 매니저의 어떤 일이 AI에게 넘어갔고, 어떤 일이 오히려 더 비싸졌나
「AI 시대의 프로덕트 매니저 되기」 시리즈의 첫 글입니다. 2026년 적지 않은 AI PM 채용 공고가 「PRD 작성, 프로토타입 제작, 대시보드 구축」을 필수 요건에서 빼고 그 자리에 작품 세 개를 넣었습니다. AI에게 넘어갈 수 있는 일은 채용 요건에서 떨어져 나가고 있고, 남은 문턱은 사람만이 할 수 있는 그 부분입니다. 이 글은 「넘어간 것」과 「더 비싸진 것」을 두 칸으로 나란히 놓아, 시리즈 전체의 총론으로 삼습니다.
AI 업계가 eval로 몰려가면서 정작 진짜 질문은 피하고 있다
2026년, AI에 '평가 체계'를 구축하는 일이 대세가 됐다 — 황금 기준 데이터셋, 채점기, LLM 심판, CI 게이트. AI를 신뢰할 수 있게 만드는 공학적 규율로 포장됐지만, 껍데기를 벗기면 evals의 본질은 '누가 좋음을 정의하고, 누가 책임을 지는가'다. 그리고 그건 아웃소싱이 안 된다.