# [PGF 1기-허유정] 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? 팀 스크럼을 AI 중심 워크플로우로 전환 - 최근 새 프로젝트(랜딩페이지)를 시작하면서 기획-디자인-개발 전 과정에 AI를 붙이는 워크플로우를 팀에 도입함 - 기존: 기획 도구 → [사람이 읽음] → 디자인 도구 → [사람이 읽음] → 코드 — 사람이 매번 맥락을 전달하는 구조 - 변경: 기획 문서를 모두 Markdown으로 작성하고, Git으로 버전 관리하며, 모든 산출물을 한 저장소에 둠. 뒷단(디자인, 개발)에서 중간에 맥락 손실 없이 md 파일을 그대로 활용할 수 있는 구조 - _기획서 merge 시 변경점을 비교하여 Jira 티켓 자동 생성_ - AI가 이전 단계 산출물을 바로 참조해서 다음 단계를 생성하고, 사람은 검수에 집중함 - 의료기기라 형상 관리가 필수인데, Git 중심으로 일하면 버전 싱크와 규제 요구사항을 동시에 해결할 수 있다는 점이 결정적이었음 _바이브코딩으로 프로토타입 직접 제작 → PoC → 개발팀에 네이티브 구현 요청_ 가설이 생기면 기획서를 쓰는 대신 그날 바로 프로토타입을 만들어 사용자 반응을 확인할 수 있게 된 게 가장 큰 변화임 - 사이드 프로젝트 co-diary: 교환 일기 서비스를 React+Supabase로 직접 구현, 실제 세션을 운영하고 사용 데이터를 수집한 뒤 프로덕션 레포에 통합함 - 그치만 상세한 GUI 디자인은 여전히 언어보다는 GUI로 수정하는게 빠르긴 함 - _규제 대상이 아닌 가벼운 운영 도구는 직접 만들어서 사용_ - 임상 순응률 대시보드, 블라인드 실험에서 주요 지표 예측 분석 도구 등 - AI가 워낙 잘 발전하다 보니... 구현 자체의 난이도보다 커뮤니케이션 리소스가 더 큰 경우가 생김 — 요구사항 설명, 우선순위 조율, 일정 잡는 과정이 실제 만드는 시간보다 오래 걸림 데이터 분석과 대시보드 구축 - 직접 데이터를 보거나 대시보드를 구축하는 과정에서 AI에게 SQL 쿼리 작성이나 데이터 구조 설계를 보조받고 있음 - 작년에 태블로 도입을 설득했는데 - 직접 할 수 있는 업무 범위가 늘어나고 있음 - 설문으로 수집한 유저 데이터 분석 - 가령 목표 지표에 영향을 주는 인풋 지표에 뭐가 있는지 예측하려는 모델도 만들어보긴 함 - 임상 시험을 블라인드로 진행하여, 결과 예측을 하는 모델을 개인적으로 만들어보고도 있음 문서 작성과 리서치 - QA 시나리오 작성, 임상 관련 문서 초안, 경쟁사 리서치 등에서 ChatGPT와 Claude 활용 - QA 시나리오를 상당히 잘 짜주는 것 같음 - 특히 엣지케이스를 잘 생각해줘서 너무 좋음 - 규제 환경(디지털 치료제)에서는 문서 작업 비중이 높은데, 초안 작성 시간을 크게 줄일 수 있지 않을까 기대 중 - 유저 리서치에서도 초벌 분석 하거나 - 가상 페르소나 만들어서 초벌 인터뷰 진행하기도 하고... 아주 사소한 팀의 생산성 증진을 위한 미니 툴을 시간이 남을 때 직접 빌딩 - (이제는 필요 없지만) 슬랙 내 채팅을 통해 기획서 기반으로 답변을 주는 봇 - CS 답변 생성기 - 구내식당 메뉴 알림 봇 - 경기 통근러를 위한 버스 알림 메뉴바 앱 - 오늘은 전체 조직 강점 검사 후 이를 기반으로 조직 네트워크 지도를 만들어서 공유 개인적으로는 - 학습 시 notebook lm 반대로 AI를 활용해보고 싶지만 아직 시도하지 못한 영역이나, 시도했지만 기대만큼 효과를 보지 못한 경우가 있다면 그 이유도 함께 공유해 주세요. - 지금 워크플로우 상 디자인이 파이프라인에서 나갔다 오는 것 같아서, 이를 어떻게 편입할지 고민 필요 - pencil.dev 도입 - PRD - 코드 - 규제문서 얼라인 - 창의적인 디자인과 인터랙션 설계: 기존 패턴을 조합하거나 레이아웃을 잡는 정도는 해내지만, 해당 서비스에 딱 맞는 마이크로인터랙션이나 맥락에 맞는 창의적인 UX 설계는 아직 사람의 감각이 필요함... 이걸 할 수 있는 디자이너는 대체되지 않을 확률이 높지 않을까 - AI 산출물에 대한 QA: AI가 "반영했다"고 한 것이 실제로는 빠져 있거나 의도와 다르게 구현된 경우가 생각보다 많음. 믿고 넘어갔다가 큰일 나는 경험을 한 적이 있음. AI를 쓸수록 오히려 QA는 예전보다 더 신중하게 해야 한다는 걸 체감하고 있음 (QA 팀이 없는 작은 조직에서) ### 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? - PM의 차별화된 가치는 '무엇을 만들 것인가'를 결정하는 힘, 그중에서도 제품과 사용자 사이의 간극을 좁히는 일에서 나오지 않을까? - AI가 '어떻게 만들 것인가'의 실행 속도를 극적으로 높여주면서, 제품과 메이커 사이의 간극은 이미 크게 줄어듦. 바이브코딩으로 가설을 그날 바로 프로토타입할 수 있고, AI가 코드와 디자인을 뽑아주니 "만들 수 없어서 못 하는" 상황 자체가 사라지고 있음 - 오히려 더 중요해지는 건, 제품과 사용자 사이의 간극 - "만든 것이 의도한대로 정말 쓰이는가?에 focus - 연구팀의 근거, 규제의 요구사항, 리소스 제약, 사용자의 실제 행동 등 다양한 충돌 지점에서 트레이드오프를 판단하고 팀을 한 방향으로 정렬시키는 것이 PM이 해야 하는 일 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? 문제 정의력 - AI가 한 분야를 깊게 파는 일을 이미 잘 해내고 있고, 덕분에 전문적으로 실행할 수 있는 사람은 앞으로 더 많아질 것 - PM에게 더 중요해지는 건 '무엇이 진짜 문제인가'를 포착하고 '이것이 진짜 문제인가'를 의심하는 태도이지 않을까 모호함을 견디는 힘 - AI 시대에는 변화 속도가 빠르고, 정답이 없는 상황에서 방향을 잡아야 하는 순간이 많아짐 - 이렇게 정답이 없는 상황에서 여러 시나리오를 분석하고 A/B 테스트로 검증 가능한 형태로 만들어가는 과정 자체가, PM이 갖춰야 할 모호함 내성이라고 생각함 그럼에도 불구하고 작동 방식을 끝까지 이해하려는 집요함 - AI가 "반영했다"고 답해도 실제로 빠져 있거나, 겉은 맞는데 내부 로직이 다른 경우가 빈번함. 속도가 빨라진 만큼 검증 없이 넘어가는 리스크도 커짐 - AI가 만들어준 결과물을 "되니까 넘어가는" 것과 "왜 이렇게 작동하는지 이해하는" 것은 다르다 - AI가 만든 산출물이 의도대로 작동하는지 끝까지 확인하고 질문하는 습관 의도를 언어로 구조화하는 능력 - AI에게 하는 모든 인풋은 결국 언어임 - 같은 요청이라도 맥락과 판단 기준을 얼마나 정확히 담느냐에 따라 산출물의 질이 완전히 달라짐 - 팀 워크플로우를 AI 중심으로 전환하면서 체감한 것 — "이렇게 만들어줘"가 아니라 "이런 목적이야"를 문서에 담아야 AI가 제대로 작동함. 암묵지를 형식지로 바꿀 수 있어야 함 - 좋은 PM이 원래 해야 하는 "요구사항을 명확히 전달하는 일"의 확장 ### 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~ '일하는 방식'을 바꾸는 것에 대한 팀의 합의 - 도구를 도입하는 건 쉽지만, 그게 실제 워크플로우에 녹아들려면 팀원들이 "이렇게 해도 괜찮다"고 느끼는 심리적 안전감이 먼저 필요. - 도구 자체보다 '이걸 써서 뭐가 달라졌는지'를 보여주는 작은 성공 사례가 조직 도입의 핵심 트리거라고 느끼고 있음. 여백 - 업무에 20% 정도의 여유가 있을 때 AI를 더 잘 받아들이고, 더 좋은 유스케이스가 나온다고 생각 - 당장 눈앞의 업무에 쫓기는 상태에서는 새로운 도구를 실험할 엄두가 나지 않음. 조직이 AI 도입을 원한다면, 구성원에게 시도할 여백을 주는 것 자체가 전제 조건 "되니까 넘어가는" 관성 - AI가 만든 결과물이 잘 작동하면 더 이상 안 파보게 됨. - 실제로는 로직이 잘못 박혀 있는 경우가 있음 - AI 산출물에 대한 QA 기준을 더 깊게 팀 차원에서 세워야 함 현재 조직에서 AI 도입에 장애물이 되는 요소가 있다면 무엇인가요? 그리고 어떻게 극복할 수 있을까요? 한 사람이 여러 역할을 겸하는 작은 조직에서는 AI 도입을 리딩하고 교육하는 전담 역할을 두기 어려움 - 우리 팀에서는 일부 사람들이 내가 먼저 도구를 써서 결과물(대시보드, 프로토타입)을 만들고, "이거 이렇게 만들었다"를 보여주는 방식으로 확산하고 있음... 변화에 적응하지 못하는 구성원 - 솔직히 가장 어려운 장애물이라고 생각합니다ㅠㅠ - 새로운 도구나 방식을 싫어하고, 기존에 하던 대로만 하려는 구성원이 있음 - AI 전환이 가속화되면 팀 전체의 속도를 한 명이 잡아끄는 상황이 생기기 때문 텍스트 친화적이지 않은 팀 문화 - 여러 모달리티가 있겠지만, AI 전환이라 하면 LLM을 일컫는다 가정 - AI 중심 워크플로우의 인풋은 결국 텍스트임. 그런데 팀원들이 글로 의도를 전달하는 데 익숙하지 않으면, AI를 도입해도 제대로 작동하지 않음 - 글로 생각을 정리하는 습관이 정말 중요함을 느끼는 중 계획과 추정의 불확실성이 구조적으로 커짐 - AI가 실행 속도를 바꾸면서, PM이 일정을 잡고 공수를 추정하는 기본 단위 자체가 흔들리고 있음 - 바이브코딩으로 프로토타입을 반나절 만에 만들 수 있는데, 같은 걸 네이티브로 개발하면 일주일이 걸림. 같은 기능인데 "누가, 어떤 도구로 만드느냐"에 따라 비용이 완전히 달라지니, 기존의 추정 경험치가 안 통함(스토리포인트) - 개발자분들과 이야기를 나눠본 결과 워크플로우 전환을 통해 개발 자체의 속도는 빨라졌으나, 검수에 더 많은 시간을 쏟는다고 하심. (개인적으로는 퀄리티 컨트롤이 예전보다 잘 된다고 체감 중) For the site tree, see the [root Markdown](https://slashpage.com/pgf.md).