베팅에 대한 책임
88비용이 큰 제품 결정이 틀린 것으로 드러났을 때 누군가는 답을 내놓아야 한다. 모델은 선택지를 제안할 수는 있어도 그 선택의 결과를 책임질 수는 없다.
프로덕트 매니지먼트는 기술적 실행보다 판단력을 기반으로 하는 직업치고는 언어모델 자동화에 유독 많이 노출되어 있다. 하루 업무 결과물의 상당 부분이 텍스트, 즉 명세서, 조사 요약, 로드맵 업데이트, 팀 간 협상을 위한 이메일이기 때문이다. 이런 텍스트를 초안 작성하고 요약하고 분석하는 도구는 이미 많은 프로덕트 매니저의 일상 업무 흐름에 들어와 있다.
그렇다고 해서 이 일의 전략적 핵심이 자동화에 가까워졌다는 뜻은 아니다. 아래 내용은 이미 AI 도구에 의해 재편되고 있는 부분과, 지금까지 모델에게 넘기기가 훨씬 어려운 것으로 드러난 부분을 나눠 살펴본다.
중간
기계가 대신할 수 있는 업무의 비율
명세서 초안, 사용자 인터뷰 요약, 일상적인 경쟁사 조사 등 프로덕트 매니저의 글쓰기와 분석 업무 중 상당 부분은 이제 AI 도구가 그에 견줄 만큼 빠르게 처리할 수 있다. 여전히 자동화하기 어려운 것은 애초에 어떤 문제가 풀 가치가 있는지 결정하고, 의견이 엇갈리는 사람들 사이의 절충안을 협상하고, 베팅이 실패했을 때 책임을 지는 일이다.
직함이 아니라 업무 단위로 산정했다. 낮을수록 안전하다.
AI가 대체하지 못하는 직업 →기계가 가져가지 못하는 것
어떤 문제가 풀 가치가 있는지 결정하기
80그럴듯한 수십 가지 아이디어 중 어느 것이 팀의 다음 분기를 걸 만한 가치가 있는지 저울질하는 데는 모델이 옳게 맞힐 이해관계가 없는 전략과 타이밍에 대한 판단이 필요하다.
부서 간 협상
76엔지니어링, 영업, 불만 있는 임원을 하나의 계획에 합의시키는 것은 정치적이고 대인관계적인 기술이지 텍스트 생성 작업이 아니다.
사용자가 말하지 않는 것을 읽어내기
70실시간 사용자 조사 세션에서 망설임, 혼란, 우회적인 행동을 알아채는 것은 여전히 녹취록만으로는 온전히 포착되지 않는 인간의 주의력에 달려 있다.
데이터가 오도하고 있는지 판단하기
66지표가 조작되고 있는지, 표본이 편향되어 있는지, 실험 결과가 상식과 모순되는지 아는 데는 모델이 덜 안정적으로 적용하는 맥락적 판단이 필요하다.
이미 가져가고 있는 것
명세서 초안 작성
68AI 도구는 이제 대략적인 문제 설명을 몇 분 만에 구조화된 요구사항 문서 초안으로 바꿀 수 있어, 사람은 백지에서 시작하는 대신 이를 수정하고 다듬는 역할을 맡는다.
사용자 조사 종합
72수십 건의 인터뷰 녹취록이나 설문 응답을 반복되는 테마로 요약하는 일은 한때 수 시간의 수작업이었지만, 이제는 AI 도구가 그 일부의 시간에 처리한다.
경쟁사 및 시장 조사
60경쟁사가 무엇을 제공하고 어떤 가격을 매기며 무엇을 내세우는지에 대한 첫 초안을 모으는 일은 며칠짜리 조사 프로젝트가 아니라 점점 빠른 AI 보조 작업이 되고 있다.
일상적인 데이터 조회 및 보고
55지표가 어떻게 움직이고 있는지에 대한 단순한 질문에 답하는 데 더 이상 분석가를 기다릴 필요가 없다. AI 도구가 직접 대시보드를 조회하고 결과를 요약해준다.
일이 변해가는 방식
명세서를 쓰는 일에서 편집하는 일로
프로덕트 매니저의 글쓰기 업무 중 점점 더 많은 부분이 백지에서 작성하는 것이 아니라 AI가 작성한 명세서 초안을 검토하고 고치는 일이 되고 있다.
더 작아진 제품 팀이 더 많은 영역을 커버
한때 전담 리서처나 분석가가 필요했던 팀들이 이제는 프로덕트 매니저가 AI 도구를 사용해 그 공백을 직접 메우기를 점점 더 기대한다.
판단력과 안목이 차별점이 되다
초안 작성과 요약이 저렴해질수록, 두각을 나타내는 프로덕트 매니저는 무엇을 만들지에 대한 판단이 더 자주 옳은 사람들이다.
더 빠르고 저렴한 실험이 기준을 높이다
AI 보조 프로토타이핑과 분석 덕분에 팀은 분기당 더 많은 아이디어를 테스트할 수 있게 되었고, 이는 프로덕트 매니저가 더 적은 게 아니라 더 많은 선택지를 만들고 평가할 수 있어야 한다는 기대를 높인다.
갈라져 나오는 새 직업들
AI 프로덕트 매니저
머신러닝 모델의 예측 불가능한 동작을 중심으로 만들어진 제품을 전문으로 다루며, 성공 지표와 사용자 기대치가 전통적인 소프트웨어와 다르다.
그로스 프로덕트 매니저
빠른 실험을 통해 획득, 유지, 수익화 지표에 좁게 집중하는 전문 분야로, 2010년대에 일반 프로덕트 매니지먼트에서 갈라져 나왔다.
프로덕트 오퍼레이션
제품 조직이 규모에 맞게 원활히 운영되도록 프로세스, 데이터 파이프라인, 도구를 구축하는 비교적 새로운 분야로, 프로덕트 매니저가 전략에 집중할 수 있게 해준다.
AI 프롬프트/컨텍스트 엔지니어
AI 기반 기능이 정보를 어떻게 검색하고 어떤 지시를 받는지 설계하는 역할로, 2020년대 초 이전에는 거의 존재하지 않았으며 프로덕트 매니지먼트와 종종 가깝게 맞닿아 있다.
전망
프로덕트 매니지먼트는 향후 10년간도 계속 수요가 있을 가능성이 크지만, 신입 단계의 직무는 이미 변하고 있다. 순전히 명세서를 쓰거나 조사를 요약하기 위한 자리는 줄어들고, 주니어 프로덕트 매니저가 AI 도구를 지휘하고 거의 즉시 그 결과에 책임지기를 기대하는 자리가 늘어날 것이다.
앞으로 우위는 점점 더 올바른 문제를 규정하고, 진짜 불확실성 속에서 방어 가능한 베팅을 하며, 의견이 엇갈리는 이해관계자들의 방을 하나의 결정으로 모을 수 있는 프로덕트 매니저에게 돌아갈 것이다. 이는 AI 도구가 존재하기 전부터 중요했던 판단력이며, 이제 그 밑바탕에 더 빠르고 저렴한 초안이 깔린 채로 적용될 뿐이다.
계속 탐색하기
비즈니스·금융 분야의 다른 직업
🚀
기업가
회사를 세우는 사람 — 틈새를 발견하고 위험을 감수하며 급여 지급까지 책임지는 존재로, 아시리아의 대상 금융업자에서 벤처 투자를 받는 창업자까지 이어진다.
AI 내성 88 💹투자은행가
기업의 가치를 매기고 자본을 움직이는 딜메이커 — 메디치가의 피렌체에서 오늘날의 피치북까지 이어지는 거래로, 수십억 달러가 오갈 때 신뢰의 대가로 보수를 받는다.
AI 내성 42 🧾회계사
장부의 수호자: 문자 자체를 만들어낸 오래된 기술의 계승자이자, 이제는 자신을 자동화하려는 소프트웨어와 협상 중이다.
AI 내성 35 📣마케터
수요를 만들어내는 전문가. 폼페이의 벽화 광고와 P&G의 1931년 브랜드맨 메모에서 경매 기반의 디지털 피드 시대까지.
AI 내성 38 💱경제학자
희소성을 다루는 학자 — 애덤 스미스의 핀 공장에서 중앙은행 결정실까지, 어떤 모형도 완전히 담아내지 못하는 것을 예측하라는 요구를 여전히 받는다.
AI 내성 62