AI 시대 PM의 실무, 문제 정의부터 시제품 검증까지
PM이 AI로 시제품을 만들 때 정리할 네 가지 작업을 설명합니다. 문제 정의, 작은 구현 범위, 생성 코드 검토, 사용자 피드백을 연결합니다.
AI로 제품 초안을 만들 수 있어도 문제 선택과 검증은 남습니다. 아래 네 가지는 PM의 역할을 정리하는 실무 제안이며, 특정 직무의 소멸이나 생산성 배수를 예측하는 주장은 아닙니다.
역할을 불안 대신 작업으로 나누기
“PM의 절반이 사라진다”거나 “코딩을 몰라도 누구나 100배 빨라진다”는 말에는 측정 범위와 근거가 필요합니다. 이 글에서는 그런 수치를 제시하지 않고 문제 정의·작은 시제품·검토·사용자 피드백이라는 작업 흐름을 제안합니다.
1. 만들 기능보다 해결할 상황을 적기
“AI 고객센터를 만든다”보다 “배송 상태 문의에 필요한 주문 정보를 고객이 찾기 어렵다”로 시작합니다. 대상 사용자, 현재 행동, 불편, 완료 기준을 적으면 어떤 부분을 먼저 확인할지 정하기 쉽습니다. 회의나 문서도 이 결정을 남기는 목적이라면 제품 작업의 일부입니다.
2. 시제품의 범위를 작게 정하기
첫 시제품은 고객 정보 없이 화면 흐름만 보여 주는 형태여도 됩니다. 실제 주문 조회까지 연결할지는 별도 단계에서 정합니다. AI에게 기능을 요청할 때 입력·출력·실패 상황을 함께 전달하세요.
배송 조회 화면의 시제품을 만들어 줘.
가상 주문 데이터만 사용한다.
주문 있음 / 조회 중 / 주문 없음 / 오류 상태를 구분한다.
실제 결제·메일 발송·고객 데이터 연결은 하지 않는다.
완료 뒤 동작한 부분과 아직 구현하지 않은 부분을 적어 줘.
3. 생성 결과의 검토 항목 만들기
GitHub의 Copilot 안내는 생성 코드가 부정확하거나 보안 문제를 포함할 수 있어 검토와 테스트가 필요하다고 명시합니다. 화면이 그려졌다는 사실만으로 접근 권한·데이터 처리·오류 대응까지 검증되지는 않습니다. PM은 필요한 검토 항목을 정하고, 이해하기 어려운 구현은 적절한 개발 담당자와 확인할 수 있습니다.
4. 실제 사용자에게 확인할 질문 정하기
시제품을 보여 주며 “좋나요?”만 묻기보다, 사용자가 어디를 눌러 목적을 달성하는지 관찰하세요. 사용자 수·과제·관찰 내용과 해석을 분리해 기록합니다. 소수의 긍정 반응을 시장 검증 완료로 확대하지 않습니다.
빌더라는 말의 범위
이 글에서 말하는 빌더는 코드를 얼마나 많이 작성하는지보다 문제를 구체화하고 작게 구현해 결과를 확인하는 태도를 뜻합니다. 경력·협업·도메인 지식을 무의미하게 만드는 뜻은 아닙니다. 팀과 업무에 맞게 실제로 할 수 있는 범위를 넓혀 가면 됩니다.
자주 묻는 질문
PM도 모든 코드를 직접 작성해야 하나요? 팀 구성과 역할에 따라 다릅니다. 구현을 검토하고 적절한 담당자에게 연결할 기준을 갖추는 것이 출발점입니다.
AI가 만들면 검증 기간도 자동으로 줄어드나요? 작업별로 다릅니다. 생성 시간과 검토·수정·운영 시간을 따로 기록해야 판단할 수 있습니다.
이어서 읽기
시제품 이후 검토 범위를 정하려면 AI 코딩 뒤에 남는 일.
문제와 완료 기준을 정리하려면 요청 브리프.
공식 자료
- GitHub Copilot 인라인 제안의 책임 있는 사용 — 생성 코드에 부정확성·보안 문제가 있을 수 있어 검토·테스트가 필요함을 명시합니다. 확인일: 2026-10-15.