# [PGF 1기-김장호] AI 시대, PM의 역할 사전과제

### 1. AI를 활용한 각자의(대표, PM, 개발 등) 업무 활용

- 현재 여러분은 AI 도구를 어떤 업무에 어떻게 활용하고 계신가요? 구체적으로 어떤 작업에서 어떤 도구를 사용하고, 어떤 효과를 보셨나요?

    - **활용 중인 툴**

        - AI 챗봇 : Claude, ChatGPT, Gemini

        - 코딩 에이전트: Claude Code, Cursor

        - 프로토타이핑: Google AI Studio (Build 기능)

    - **활용 분야**

        - 초기 기획 고도화 (문제 정의, 기획안 발전)

        - UI/UX 관련 질의응답

        - QA 자동화 ← 현재 가장 큰 효용

        - 가상 개발팀/디자이너팀으로 기획안 사전 리뷰

        - 메일이나 메신저 초안 작성

AI 챗봇은 주로 Claude와 ChatGPT를 주로 사용하고,  Gemini는 컨텍스트 윈도우가 커서 대용량 문서 분석이나 긴 기획 히스토리를 한번에 검토할 때 활용하고 있습니다. 코딩 에이전트는 Claude Code와 Cursor를 활용하고 있습니다. 프로토타이핑이 필요할 때는 Google AI Studio의 Build 기능이나 Claude Code활용해서 직접 구현해보고 있습니다.

활용 영역 같은 경우, 로우한 초기 기획을 기반으로 기획안을 고도화하거나 UI/UX 관련 질의응답, 메일 초안 작성 등에 쓰고 있습니다. 그 중에 개인적으로 흥미롭게 쓰고 있는 방식 하나는, 프롬프트를 활용해서 가상의 개발팀과 디자이너팀을 구성해서 실제 리뷰 전에 제 기획안을 미리 평가받아보기도 하고 있습니다. 실제 팀 리뷰 전에 제가 미처 보지 못한 관점들을 사전에 발견하는 데 꽤 유용하게 쓰고 있습니다.

현재 AI 활용에 대한 효용을 가장 크게 체감하고 있는 건 QA 자동화입니다. Jira나 저희 서비스와 같은 프로젝트 관리 도구는 이슈 생성/수정/삭제, 상태 전환, 알림 등 매일 매순간 반복되는 필수 워크플로우에서 장애가 발생하면 사용자 경험에 치명적인 영향을 줄 수 있습니다. 그래서 dev(개발)-stage(최종 QA)-prod(운영) 환경에서 항상 동일한 필수 시나리오를 체크리스트 기반으로 매번 수동 검증해왔습니다.

그런데 서비스가 복잡해지고 업데이트 주기가 빨라질수록, 이 모든 과정을 사람의 손으로만 감당하는 데 한계가 왔습니다. 반복되는 테스트에 지치기도 하고, 기존에 잘 동작하던 기능에서 예상치 못한 버그가 터지기도 했습니다. 그래서 정형화된 테스트는 자동화 시스템에 맡기고, 사람이 직접 하는 테스트는 자동화로는 커버하기 어려운 복잡한 시나리오에 집중해 더 넓은 테스트 커버리지를 확보하자는 생각으로, 코딩 에이전트(Claude Code, Cursor)와 Playwright라는 오픈소스 웹 애플리케이션 테스트 및 자동화 라이브러리 기반의 QA 자동화를 도입하게 됐습니다.

간단하게 자동화 파이프라인을 소개해드리면, Claude Code를 활용하여 기획서 내의 기능 명세와 정책을 기반으로 테스트 시나리오를 작성하도록 합니다. 그리고 작성된 테스트 시나리오를 기반으로 Playwright MCP나 CLI를 연동하여 테스트 코드를 작성하게 합니다. 작성된 테스트 코드에 대하여 실행 환경을 변수로 설정(TEST_ENV={환경})하여 동일한 테스트 시나리오를 각 환경에서 실행합니다.

이를 통해서 기존에는  각 환경에서 필수 워크플로우를 수동으로 검증하면 최소 3시간이 소요됐는데(* 각 환경 마다 약 1시간), 자동화 이후에는 약 23분으로 줄었습니다. 단순히 시간 절감만이 아니라, 그 시간 동안 다른 업무를 병행할 수 있고, 매 배포마다 필수 워크플로우가 안정적으로 검증되다 보니 운영 배포 이후 CS도 눈에 띄게 줄어서 가장 크게 효과를 보고 있는 것 같습니다.

관련 자료 : [https://brunch.co.kr/@janghok/16](https://brunch.co.kr/@janghok/16)

- 반대로 AI를 활용해보고 싶지만 아직 시도하지 못한 영역이나, 시도했지만 기대만큼 효과를 보지 못한 경우가 있다면 그 이유도 함께 공유해 주세요.

가장 해보고 싶지만 아직 못 하고 있는 건 데이터 분석에서의 AI 활용 입니다.
제가 아닌 전 기획자들이 해두고 간게 있어서 GA와 Mixpanel이 세팅은 되어 있지만, DAU/MAU 정도만 볼 수 있는 수준이고 실질적인 사용 패턴 분석이나 기능별 사용률 측정은 하지 못하고 있습니다.

아직 시도해보지 못한 이유는 핑계일 순 있지만.. 시간 부족인 것 같습니다. 기획안 작성하고 개발하는 사이에 운영 이슈와 QA까지 일상처럼 끼어드는 상황에서, 데이터 설계하고 태그 달고 분석 환경을 마련하는 건 당장 우선순위를 두기가 어려운 것 같습니다. 거기에 더해 현재 조직이 데이터보다는 상위 결정권자의 직관이나 판단에 의존하는 경향이 강하다 보니, 이걸 먼저 도입하자고 선뜻 이야기를 꺼내기도 쉽지 않은 상황입니다.

시도해보고 싶은 부분은 이벤트 설계나 세팅을 AI의 도움을 받아 빠르게 구성하고, AI가 Raw 데이터를 지속적으로 수집/추적하도록 하는 방식을 시도해보고 싶습니다. 이를 통해 서비스 플로우에서 반복 작업이나 이탈이 발생하는 지점을 데이터 기반으로 파악하고, 자동화 포인트를 도출하거나 기능 추가/제거와 같은 의사결정 시 실제 사용률을 근거로 활용해보고 싶습니다.

### 2. AI 시대 PM의 핵심 역량

- AI가 문서 작성, 데이터 분석, 프로토타이핑 등 많은 업무를 보조하거나 대체할 수 있게 되면서, 당신의(PM, 대표, 개발 등) 차별화된 가치는 어디에서 나올까요?

AI가 대체하기 어려운 맥락 판단과 의사결정에 개입할 수 있는 PM이 앞으로 더 큰 메리트를 가질 것 같습니다.

AI가 문서 작성, 데이터 분석, 프로토타이핑 등 반복적이고 정형화된 업무를 빠르게 처리해주는 만큼, 이런 영역에서의 실행력은 점점 차별화 포인트가 되기 어려워지지 않을까 생각합니다.

현재까지의 경험을 기반으로 보았을 때 아직까지는 조직에서 리더는 전략적 의사결정과 비전에 집중하고, PM과 기획자는 그것을 실행 가능한 형태로 만드는 역할에 집중하는 경우가 많은 것 같습니다.

그리고 저 역시 아직은 전략적 의사결정을 주도할 만한 경험과 역량이 충분하지 않고, 현재 조직에서도 의사결정은 상위 결정권자들이 하고 실무 레벨에서는 요구사항을 개발로 풀어내는 역할에 국한되어 있는 편입니다.

하지만 AI 자동화로 프로덕트 매니징에 드는 공수가 줄어드는 만큼, 기존에 우리가 반복적으로 해오던 영역은 자동화해두고, 그렇게 확보된 시간과 여력을 단순 실행을 넘어 프로덕트 오너처럼 좀 더 전략적인 관점으로 넓혀가는 것이 앞으로 PM의 차별화된 가치가 되지 않을까 생각합니다. 결국 AI를 잘 쓰는 PM이 아니라, AI를 활용해서 더 넓은 시야를 가지고 조금 더 비전의 영역에 많은 의견을 제시할 수 있는 PM이 차별화된 가치를 가지지 않을까 생각합니다.

- AI의 빠른 발전과 적용 앞에서 당신의 역할을 수행하는데 있어 반드시 갖춰야 할 핵심 역량은 무엇이라고 생각하시나요? 그리고 그 역량을 키우기 위해 현재 어떤 노력이 필요할까요?

당연한 얘기겠지만, 계속해서 새롭게 나오고 또 시시각각 변화하고 있는 AI 도구 활용 능력이 중요할 것 같습니다. 

Cursor나 Claude Code 같은 터미널 기반 작업은 더 이상 개발자만의 영역이 아니라고 생각합니다. 저희 팀에서는 실제로 Confluence 위키에서 관리하던 문서들을 API로 추출해 마크다운 파일로 변환하고, 오픈소스 wiki docs로 재구성해 Git으로 버전 관리를 하고 있습니다. 개발팀에서는 필요할 때 기획안을 직접 pull해서 개발에 참고하기도 하고, 기획팀에서는 이 문서들을 RAG로 활용해 정책서 챗봇을 만들어 쓴 적도 있습니다. 앞으로는 이처럼 마크다운 기반의 문서를 Git으로 관리하고, AI 에이전트가 기획서와 개발 코드를 함께 참조할 수 있는 구조가 점점 중요해질 것이라 생각합니다.

또 하나는 빠르게 시도하고 피봇하는 능력입니다. 지금까지는 리서치하고, 문서 작성하고, 방향성 공유하고, 얼라인되면 피그마 와이어프레임 만들고, 개발하는 순서로 진행하는 경우가 많았는데요. 사실 이 과정에서 커뮤니케이션에 드는 시간이 너무 많습니다. 

앞으로는 먼저 프로토타입을 만들어 실제로 써보고, 그 자리에서 바로 수정하고 시도해보면서 논의하는 방식이 글이나 정적인 와이어프레임 기반보다 개발 속도를 훨씬 높일 수 있지 않을까 생각합니다. 문서는 그 이후에 필요할 때 역으로 작성하는 역방향 기획의 흐름으로 갈 것 같습니다.

그리고 이러한 역량을 키우는 데 왕도는 없는 것 같습니다. 책이나 강의보다는 링크드인이나 각종 커뮤니티에서 실제 활용 사례들을 챙겨보면서, 무조건 따라해보고 직접 써보는 것이 가장 빠른 방법인 것 같습니다.

### 3. AI 조직 문화

- AI 도구를 개인 차원이 아니라 팀/조직 차원에서 활용하려면 어떤 변화가 필요할까요? 만약 이미 조직에 도입해 유의미한 성과를 거둔 케이스가 있다면 공유해 주세요~

저는 조직 차원에서 AI를 도입할 때 가장 좋은 방법은 "이 도구가 좋다", "이런 AI 도구로 이런 걸 할 수 있다"라며 비전을 설명하는 것보다 실제 결과물을 직접 보여주는 것이라고 생각합니다. "앞으로 AI가 이런 영역에서 활용될 것입니다"라며 PPT나 자료로 소개하는 것보다, 실제로 동작하는 화면을 눈앞에서 보여드리는 것이 훨씬 빠르게 공감을 이끌어내는 것 같습니다.

저도 앞서 소개한 QA 자동화 사례를 팀에 도입한 후, 전체 주간 회의에서 공유하는 자리를 만들었던 적이 있습니다. 그 이후에 다른 팀에서도 동일한 방식을 활용해보고, 거기서 나온 인사이트를 다시 공유받는 식으로 이어졌습니다. 혼자 알고 혼자 쓰는 것보다, "이런 게 있고 이렇게 써보고 있으니 한번 써보면 좋을 것 같다"라고 공유 했을 때 여러 사람이 써보면서 제가 생각하지 못했던 활용 방식이나 더 나은 방법들이 나오면서 점점 빌드업되는 경험을 해볼 수 있었습니다.

결국 조직 내 AI 활용 문화는 단순한 빠르게 정보를 수집하고, 그 정보를 전파하는 것이 중요한게 아니라, 실제 사용 경험의 공유 → 그 공유를 통한 소통 → 소통에서 나오는 개선 방향의 빌드업, 이런 선순환에서 시작되는 것 같습니다.

- 현재 조직에서 AI 도입에 장애물이 되는 요소가 있다면 무엇인가요? 그리고 어떻게 극복할 수 있을까요?

저희 회사에서는 크게 두 가지가 가장 큰 장애물인 것 같습니다.

첫 번째는 보안입니다. 

게임 회사에서는 미출시 캐릭터나 아이템 정보가 사전에 유출되면 마케팅 임팩트가 반감되고, 드롭률과 같은 게임 경제 시스템 데이터가 노출되면 게임 내 밸런스와 유저 신뢰도에 직접적인 타격이 생깁니다. 뿐만 아니라, 소스코드가 유출될 경우 우리가 흔히 핵이라고 부르는 치트 프로그램 개발에 악용될 수도 있습니다.

이때문에 게임 개발 부서에서는 외부 AI 툴 활용 자체가 엄격하게 제한되는 경우가 많습니다. 아무리 좋은 도구라도 보안 검토를 통과하지 못하면 도입 자체가 불가능하고, 그 검토에만 길게는 수 개월이 걸리기도 합니다. 

두 번째는 구매 프로세스입니다. 

AI 툴이 유료일 경우 개인 비용이 아닌 회사 계정으로 구매해야 하는데, 앞서 언급한 보안 신청과 검토를 통과하더라도  툴을 사용하기 위해서 결재, 승인, 구매까지 이어지는 긴 프로세스는 빠르게 변하는 AI 툴의 흐름을 따라가기 어렵게 만듭니다. 

이러한 구조적인 부분들이 개선되지 않으면, 개인이 아무리 AI를 잘 활용하고 싶어도 조직 차원의 도입은 항상 뒤처질 수밖에 없는 것 같습니다. 보안을 지키면서도 빠르게 검토하고 도입할 수 있는 프로세스를 만드는 것 자체가, 앞으로 풀어야 할 중요한 과제인 것 같습니다.

For the site tree, see the [root Markdown](https://slashpage.com/pgf.md).