PM이 AI를 쓴다면

AI를 활용하는 영역에는 크게 3가지가 있다고 합니다. 1)Foundation model을 만드는 것 2)나의 생산성 향상에 AI를 사용하는 것 3)End user를 위한 솔루션에 AI를 사용하는 것. 1)의 현장에 있지 않는 이상, AI를 공부하는 것보다 실제로 사용해보는 것이 중요합니다. 제가 PM으로써 AI를 사용해보고 느낀 바를 써봤습니다.

당연시 여긴 것들에 질문을 던진다

우리가 당연하게 받아들였던 관행을 다시 생각해보아야 합니다. PM으로써 우리는 일상적으로 리소스 부족을 경험합니다. 그래서 솔루션으로 '큰 꿈'을 꾸지 않게 되어요. 당연히 안되겠지?라는 무의식이 솔루션의 창의성을 방해합니다.

저는 중고 시장의 문제를 풀기 위해 위탁판매 중고거래 모델을 런칭했습니다. 이때 가장 중요한 것은 공장의 생산성이었습니다. 수많은 중고옷들을 직접 검수하고 중고 piece에 있는 메타 데이터를 최대한 많이 추출하여 고객이 온라인에서도 중고 옷을 구매결정할 수 있게끔 도와야 했습니다. 이때 사람이 솔루션을 떠올리는 것보다, AI가 솔루션을 떠올리는 게 더 낫습니다. 나와 같은 스쿼드에서 다양한 경험을 갖춘 시니어 엔지니어와 솔루션을 창의적으로 토론한다고 생각하면 됩니다. AI는 나보다 훨씬 '기술이 해결 가능한 것들'에 대한 이해가 높습니다.

왜? – 다양한 질문들

• 왜 중고상품은 착용샷이 없을까? (→ AI가 가상 착용샷을 만들면?)
• 왜 상세페이지 제작에 수많은 리소스가 필요할까? (→ AI가 콘텐츠 초안을 만들면?)
• PM은 왜 제품을 '만들' 수 없는가? (→ AI 툴이 프로토타이핑을 대신하면?)

아이디어가 떠오르면 즉시 AI와 대화를 시작합니다. 혼자서 모든 걸 해결하려 하기보다, AI에게 질문을 던져보며 새로운 시각을 얻는 것이 중요합니다.

저는 사람이 굳이 중고옷의 라벨에서 브랜드를 보고, 글씨를 하나하나 입력해야 하는걸까? 라는 의문이 들었습니다. 그리고 사용자는 XX 하고싶다. 왜냐하면 YY 때문이다. 라는 가설을 입력하고 가설의 타당성을 AI가 비판하게끔 하고, 이 가설이 성공했다는 것을 어떻게 측정하면 좋을지도 AI와 대화했습니다. 제게는 DA가 없었기 때문입니다. 그러나 DA와 논의했던 것과 유사한 퀄리티가 나와 놀랐습니다. 또한 제게는 창의적인 솔루션을 '토론'할 수 있는 엔지니어의 시간 할애가 불가했습니다. 그래서 이 또한 AI와 대화했습니다. 처음 나오는 솔루션에서는 정답을 기대하지 않고 힌트만 얻었습니다. 그 이후 더 깊게 들어가는 방식을 사용했습니다.

내 곁에 있는 DA



다만 허무맹랑한 지표들을 목표로 하면 안되기 때문에, 현실에서의 성공 사례를 참고하여 지표를 검토합니다. 저는 중고 상품의 상품명이 B2C 상품들에 비해 빈약하다는 문제도 풀고 싶었습니다. 그 원인은 상품의 디테일을 사람이 하나하나 다 입력할 수 없기 때문에 메타 데이터가 부족할 것 같았습니다. 그래서 이런 프롬프트를 사용했습니다. "1)상품명을 디벨롭한 사례 2)상품 디테일을 PDP에 기술한 사례로, CVR이 uplift된 커머스 플랫폼 벤치마크 숫자를 기대 임팩트로 계산하면 어떨까 해. 한번 검토해봐줄래?". 이때 국내의 레퍼런스로는 알기 어려웠던 해외 커머스의 success case를 알 수 있게 되었습니다. 제가 직접 검색을 했더라면 발견하기 어려웠을 정보들이 많았습니다.

내 곁에 있는 엔지니어



짧은 시간 안에 간단한 Proof of Concept(PoC)을 만들어 현실성을 검증하고, 결과를 빠르게 맛볼 수 있습니다. 이전에 스쿼드에서 일을 할 때, 저녁이나 주말 시간을 활용해서 해커톤을 했습니다. 실제로 기능으로 나온 사례들도 있었기에, 저는 해커톤이 가지는 가능성을 믿고 있었습니다. 하지만 함께 할 엔지니어는 없는 상황이라, 그냥 제가 AI로 만들어보기로 했습니다. 처음에는 어떻게 구현하지? 테스트 해보기 위해 주말 시간을 투자했습니다. 그리고 대략적인 공식을 찾아낸 이후에는 아이디어 PoC에는 10분만 투자하는 rule을 적용했습니다.

• Playground에서 몇가지 sample case를 AI에게 시켜봅니다. 텍스트, 이미지 생성으로 간단하게 테스트할 수 있습니다.
• AI 모델을 호출해서 테스트해보고 싶을 수 있습니다. 이때는 Google Colab를 통해 bulk 호출을 해볼 수 있죠. 제가 파이썬 코드를 넣지 않았고, AI가 짜줬습니다.
• 테스트 페이지를 만들어 보고 싶을 수 있습니다. 저는 Figma make로 디자인 시스템을 연동시켜 mock page를 만들어봤습니다.

내 뇌를 맥락(Context)으로 넣기

Cursor 같은 도구를 사용해 개인의 지식이나 경험을 AI가 이해할 수 있는 맥락으로 제공하면, AI가 보다 정확하고 개인화된 답변을 제시할 수 있습니다. 진용진 PM님의 유튜브에 자세한 설명이 나와 있어 공유합니다. http://www.youtube.com/watch?v=B8vfQR7UD88. 최근에는 Claude skill을 개발자분들은 자주 쓰시는 것 같습니다.

• 다양한 문제를 해결할 때 AI를 동료처럼 활용하세요. AI는 반복적이거나 자료 조사에 시간을 많이 들여야 하는 작업에서 큰 도움을 줍니다.
• 팀원과 함께 AI를 활용하는 방법을 공유하고, 서로 배운 점을 나누며 협업 효율을 높입니다.
• PoC를 통해 작은 성공을 쌓아가며 AI 도입을 점진적으로 확대합니다.

마무리

이 글은 제품 관리자들이 AI를 어떻게 활용할 수 있는지에 대한 간략한 가이드입니다. 리소스가 없으면 AI를 동료로 찾게 됩니다. 저는 오히려 리소스의 제약이 AI를 더 많이 사용할 수 있는 기회여서 좋았습니다.