특강) AI 시대, PM은 어떻게 AI를 활용해야 할까?

• AI 활용 역량 / PM의 문제정의 / 좋은 프롬프트 작성법

[게시글 목차]

1. AI 시대에 PM의 경쟁력 갖추기

2. AI 프로덕트 팀에서 PM의 역할

3. 실무에서 PM은 AI를 어떻게 활용할 수 있을까?

4. 좋은 프롬프트 엔지니어링

5. AI 결과물을 비판적으로 검토하기

 

+) 오늘의 Q&A - 답변은 하단에

Q1. AI에게 먼저 제안을 받는 것보다 내가 먼저 의견을 내는 것이 좋을까?
Q2. PM은 SQL을 어디까지 알아야 할까?
Q3. 이력서나 포트폴리오에 AI 활용 능력을 적어도 될까?
Q4. 보안 때문에 외부 API를 사용하지 않는 회사도 있을까?
Q5. ChatGPT와 Claude는 어떤 차이가 있을까?
Q6. AI 프로덕트 팀이 없으면 AI 기능 출시가 어려울까?
Q7. 외부 유료 API를 연동해서 AI 기능을 만들기도 할까?

 

---

 

오늘의 특강
-
우리는 빠르게 변화하는 AI 시대에서 어떤 PM이 되어야 할까?

 

 

1. AI 시대에 PM의 경쟁력 갖추기

• AI 시대에 PM이 갖춰야 할 경쟁력은 크게 두 가지로 볼 수 있다.

구분	설명
업무 생산성 향상	문서 작성, 기획안 정리, 보고서 작성 등 반복 업무의 효율을 높이는 것
AI 기반 서비스 기획 역량	검색, 추천, 회원, 결제 등 서비스 기능에 AI를 어떻게 반영할지 판단하는 것

• AI를 잘 쓰는 것은 이제 특정 직무만의 장점이라기보다 기본 역량에 가까워지고 있다.
• 특히 PM은 기획, 리서치, 문서화, 데이터 분석, 커뮤니케이션 등 텍스트 기반 업무가 많기 때문에 AI 활용도가 높은 편이다.
• AI를 통해 어떤 업무의 부가가치를 높일 수 있는지 판단하는 것이다.
  즉, 단순 업무 자동화를 넘어 업무 결과물의 질을 높이는 방향으로 활용해야 한다.

 

2. AI 프로덕트 팀에서 PM의 역할

• 조직 구조

조직 형태	설명
목적 조직	특정 프로덕트나 서비스 단위로 움직이는 팀
기능 조직	기획, 디자인, 개발, 데이터 등 직무 단위로 구성된 팀
AI 프로덕트 팀	AI 기능이나 AI 기반 서비스를 기획·개발하는 팀

• AI 프로덕트 팀에서 PM을 뽑는다고 해서 PM이 반드시 AI 기술 자체를 깊게 개발할 줄 알아야 하는 것은 아니다.
• 물론 AI와 데이터에 대한 기본 지식은 필요하다.
  but, 더 중요한 것은 도메인 지식과 문제정의 능력이다.
• 결국 AI는 문제를 해결하기 위한 수단이고,
  PM은 그 수단을 어디에, 왜, 어떻게 적용할지 판단하는 사람에 가깝다.

 

3. 실무에서 PM은 AI를 어떻게 활용할 수 있을까?

• PM이 실무에서 AI를 활용할 수 있는 영역은 생각보다 넓다.

업무 영역	AI 활용 예시
문서 작성	기획안, 보고서, 회의록, PRD 초안 정리
리서치	시장 상황, 경쟁사 정보, VOC, 뉴스 요약
데이터 분석 보조	데이터 해석, 쿼리 방향 검토, 분석 관점 도출
설문/인터뷰	질문지 초안 작성, 응답 패턴 정리
아이디어 구체화	기능 아이디어 정리, 사용자 시나리오 확장
커뮤니케이션	이해관계자별 설명 문구 정리

• 특히 텍스트 기반 산출물이 많은 PM 업무에서는 AI가 꽤 강력한 보조 도구가 될 수 있다.
• 다만 AI가 만든 결과물을 그대로 사용하는 것은 위험하다(할루시네이션 주의).
• AI는 맥락을 잘못 이해하거나, 중요하지 않은 내용을 그럴듯하게 강조할 수 있기 때문이다.

 

4. 좋은 프롬프트 엔지니어링

• 좋은 프롬프트는 단순히 질문을 길게 쓰는 것이 아니다.
• AI가 정확히 어떤 역할을 해야 하는지, 어떤 맥락에서 답해야 하는지, 어떤 형식으로 결과를 내야 하는지 알려주는 과정이다.

GOOD 프롬프트 구성 요소
지시	AI가 수행해야 할 작업
맥락	현재 상황, 목적, 대상, 배경
입력 데이터	분석하거나 참고해야 할 자료
출력 형식	표, 리스트, 보고서, 요약문 등 결과물 형태
참고 기준	좋은 결과물의 조건, 주의해야 할 점
ex. 단순히 '설문지 만들어줘'라고 요청하면 범위가 너무 넓어 원하는 답변이 나오지 않을 가능성이 크다. 구체적이고 뾰족하게 질문해야 뾰족한 결과가 나온다. → 프롬프트는 결국 AI에게 일을 맡기기 위한 업무 요청서에 가깝다. 업무 요청이 구체적일수록 결과물도 좋아진다.

 

5. AI 결과물을 비판적으로 검토하기

• AI를 잘 쓰는 것만큼 중요한 것은 AI 결과물을 그대로 믿지 않는 것이다.
• 특강에서도 결과가 편향적이지 않은지 비판적으로 검토해야 한다는 내용이 있었다.
• AI는 입력한 정보와 학습된 패턴을 바탕으로 답변을 만들기 때문에,
  누락된 맥락이나 잘못된 전제가 있으면 결과도 흔들릴 수 있다.

◾검토할 부분

확인 항목	질문
사실성	이 내용이 실제 근거를 가지고 있는가?
맥락 적합성	내 프로젝트 상황에 맞는 답변인가?
편향 가능성	특정 관점으로만 설명하고 있지는 않은가?
실행 가능성	실제 팀 리소스로 실행 가능한가?
의사결정 연결성	이 답변이 다음 행동으로 이어지는가?

• 결국 AI를 활용할 때도 PM의 판단력이 필요하다.
• AI가 답을 대신 내려주는 것이 아니라,
  PM이 더 빠르게 검토하고 결정할 수 있도록 도와주는 구조로 봐야 한다.

 

---

오늘의 Q&A

 

 

Q1. AI에게 먼저 제안을 받는 것보다 내가 먼저 의견을 내는 것이 좋을까?

• 한쪽이 무조건 정답이라고 하기보다, 직접 실험해 보는 것을 추천한다.
• 다만 AI는 맥락과 다르게 중요하지 않은 내용을 답할 때도 있기 때문에,
  내가 먼저 생각을 정리한 뒤 AI에게 피드백을 받는 방식이 더 안전할 수 있다.
  → AI를 '정답 생성기'로 쓰기보다 '사고 보조 도구'로 쓰는 편이 좋다.

 

Q2. PM은 SQL을 어디까지 알아야 할까?(내 질문)

• PM이 모든 쿼리를 완벽히 외울 필요는 없다.
  but, 기본적인 JOIN 구조와 자주 쓰는 구문 정도는 이해하고 있어야 한다.
• 특히 테이블 구조를 읽고, 어떤 데이터끼리 연결해야 하는지 판단하는 능력은 중요하다.
• 문법은 그때그때 검색해도 되지만, 데이터가 어떤 구조로 연결되는지는 이해해야 한다.

 

Q3. 이력서나 포트폴리오에 AI 활용 능력을 적어도 될까?

• AI를 활용해 작업했다는 사실 자체가 부정적으로만 보이는 것은 아니다.
• 오히려 업무 생산성을 높이고, 더 나은 결과물을 만들기 위해 AI를 활용했다면 강점이 될 수 있다.
  다만 단순히 'AI를 사용했습니다'라고 쓰기보다는, 아래 내용을 함께 작성하는 것이 좋다.
  
  • 어떤 문제를 해결하기 위해 사용했는지
  • 어떤 작업 시간을 줄였는지
  • 어떤 결과물의 품질을 높였는지
  • 최종 판단은 내가 어떻게 했는지
    → AI에 의존했다는 느낌보다, AI를 도구로 활용했다는 느낌을 주는 것이 중요하다.

 

Q4. 보안 때문에 외부 API를 사용하지 않는 회사도 있을까?

• 핀테크, 은행, 금융권처럼 보안이 중요한 산업은 AI 도입 속도가 느릴 수 있다.
• 하지만 AI 활용 자체를 완전히 배제한다기보다는,
  보안 이슈를 고려해 더 신중하게 접근하는 경우가 많다고 볼 수 있다.
• 텍스트 기반 업무나 내부 문서 자동화처럼 비교적 리스크가 낮은 영역부터 도입될 가능성이 있다.

 

Q5. ChatGPT와 Claude는 어떤 차이가 있을까?(내 질문 - 구독 유저 입장을 듣고 싶었다)

도구	특징
Claude	바이브 코딩, MCP 활용 등 개발 보조에 강점
ChatGPT	문서, 이미지, 분석 등 여러 분야에 두루 활용 가능
→ 즉, Claude는 특정 작업에서 강점을 보일 수 있고, ChatGPT는 전반적으로 범용성이 높은 도구에 가깝다. (저랑 비슷한 생각이시군요...수료 때까지 그냥 둘 다 써야하나...)

 

 

Q6. AI 프로덕트 팀이 없으면 AI 기능 출시가 어려울까?

• 반드시 별도 AI 프로덕트 팀이 있어야 하는 것은 아니다.
• 결국 중요한 것은 팀 여부가 아니라 '우리가 무엇을 만들 것인지,
  현재 팀이 그 기능을 구현할 역량과 리소스를 가지고 있는지'다.
• 요즘은 PM이 기획부터 구현 방향까지 넓게 관장하는 프로덕트 빌더 역할을 요구받기도 한다.

 

Q7. 외부 유료 API를 연동해서 AI 기능을 만들기도 할까?

• 그렇다.
• AI 기능을 만들 때 반드시 자체 모델을 개발해야 하는 것은 아니다.
• 외부 유료 API를 연동해서 빠르게 검증하는 방식도 가능하다.
• 다만 자체 개발이 필요한 경우도 있고, 외부 API 비용이나 보안 이슈 때문에 지속 여부를 다시 검토해야 하는 경우도 있다.
  즉, AI 기능 기획에서는 기술 가능성뿐 아니라 비용 구조와 운영 리스크까지 함께 봐야 한다.