비전공자도 가능? 구글·메타가 꼽은 AI PM 취업 실전 가이드

단순한 서비스 기획 시대는 끝났습니다. 이제는 AI를 활용해 기존에 풀지 못했던 문제를 해결하고 사용자 경험을 혁신하는 'AI 프로덕트 매니저(PM)'가 IT 업계의 생태계를 주도하고 있습니다. 기존의 PM이 정해진 규칙에 따라 작동하는 소프트웨어를 기획했다면, AI PM은 AI 기술의 불확실성을 관리하며 혁신적인 제품을 만들어내는 직무입니다.

AI 프로덕트 매니저, 왜 지금 당장 준비해야 할까요?

AI 기술이 대중화되면서 기업들의 채용 트렌드가 급격히 변하고 있습니다. 일반적인 기획자 채용은 줄어드는 반면, AI 기술을 서비스에 녹여낼 수 있는 전문 PM의 수요는 폭발적으로 증가했습니다. 최근 글로벌 빅테크 기업들의 채용 트렌드에 따르면, 글로벌 빅테크 기업들은 이미 AI 전문성을 PM의 필수 역량으로 요구하고 있습니다.

해외뿐만 아니라 국내 시장의 변화도 빠릅니다. 글로벌 OTT 서비스 넷플릭스는 사내 AI 기반 업무 도구인 '프로덕티비티 어시스턴트'를 총괄할 생성형 AI PM을 대대적으로 채용했습니다. 국내에서도 뱅크샐러드, 에이블리코퍼레이션 등 굴지의 IT 스타트업들이 AI PM 채용을 적극적으로 늘리고 있는 추세입니다.

"당근의 경우 AI 챗봇을 활용해 서비스 문구를 작성하고 데이터 분석 야근을 획기적으로 줄였습니다. 이제 PM은 프로덕트 매니저가 아니라 프롬프트(명령어) 매니저입니다." (국내 IT 기업 실무자 사례 중)

시작하기 전에

본격적으로 AI PM의 로드맵을 따라가기 전, 아래의 준비물과 국내 환경의 특성을 먼저 확인해야 합니다. 비용이 많이 들지 않으니 가벼운 마음으로 준비해 보세요.

• 대화형 AI 계정 ChatGPT, Claude 등 글로벌 AI 서비스의 무료 계정이 필요합니다. 국내 이메일로도 1분 만에 가입할 수 있습니다.
• 국내 특화 AI 도구 경험 뤼튼(Wrtn)이나 클로바X 같은 한국어에 최적화된 도구도 함께 써보는 것이 좋습니다. 무료로 접근 가능하며 한국 시장 타겟팅 기획에 유리합니다.
• 데이터 분석의 기초 마인드셋 복잡한 코딩보다 사용자 데이터를 보고 어떤 부분에 AI를 접목할지 고민하는 습관이 필요합니다.

국내 기업을 위한 특별 할인 혜택을 제공하는 AI 도구들도 많아, 향후 실무 도입 시 비용 절감 포인트를 기획안에 녹여내는 것도 좋은 전략입니다.

1단계 - AI 플라이휠과 데이터 파이프라인 설계

최근 경쟁력 있는 AI PM이 되기 위해 가장 강조되는 첫 번째 요소는 바로 데이터 흐름의 이해입니다. AI 제품은 사용자가 데이터를 생산하고, 이 데이터가 모델을 학습시켜 다시 사용자 경험을 개선하는 'AI 플라이휠(The AI Flywheel)' 구조를 갖습니다.

1. 사용자 행동 정의하기 여러분이 기획하고 싶은 가상의 서비스를 하나 정하세요. 사용자가 이 서비스에서 어떤 데이터를 남길지 (예: 검색어, 클릭, 체류 시간 등) 목록을 작성합니다.
2. 데이터 파이프라인 스케치하기 수집된 데이터가 어떤 머신러닝 알고리즘이나 생성형 AI 모델로 전달될지 화살표로 연결해 봅니다. 이 과정이 AI 제품 아키텍처의 뼈대가 됩니다.
3. 가치 창출 루프 완성하기 AI가 분석한 결과가 어떻게 다시 사용자에게 돌아가 서비스 질을 높이는지 한 문장으로 정리합니다.

여기까지 완료했다면, 일반적인 소프트웨어 기획을 넘어 스스로 학습하고 발전하는 AI 제품의 기본 구조를 완성한 것입니다.

우수한 AI 제품은 기능이 많은 제품이 아니라, 초기 사용자의 데이터가 서비스 성능을 지속적으로 개선하는 강력한 플라이휠을 가진 제품입니다.

2단계 - RAG 시스템 적용과 AI 성능 평가(Evals)

AI 모델은 가끔 거짓말을 하거나(할루시네이션) 최신 정보를 모르는 치명적인 단점이 있습니다. AI PM은 이 불확실성을 통제하기 위해 '검색 증강 생성(RAG)' 기술을 이해하고, 모델의 성능을 측정하는 'AI 평가(Evals)' 지표를 설계해야 합니다.

1. RAG 개념 도입하기 단순히 챗봇에게 답을 요구하는 대신, 회사의 내부 데이터베이스나 최신 문서에서 먼저 정보를 '검색(Retrieval)'해오도록 기획합니다.
2. 프롬프트와 지식 결합하기 검색해온 믿을 수 있는 정보를 바탕으로 AI가 '생성(Generation)'하도록 지시하는 프롬프트 구조를 짭니다.
3. 평가(Evals) 지표 설정하기 AI의 답변이 얼마나 정확한지, 윤리적 문제는 없는지 측정할 기준을 만듭니다. '사용자 좋아요 비율'이나 '답변 채택률' 같은 구체적인 지표를 설정하세요.

여기까지 완료했다면, AI의 엉뚱한 답변을 막고 실무에 바로 투입할 수 있는 신뢰도 높은 서비스 기획의 토대를 마련한 것입니다.

RAG 시스템을 올바르게 적용한 AI 서비스는 일반 생성형 AI 대비 사용자 불만(CS) 접수율을 크게 낮추는 효과를 보입니다.

3단계 - 에이전트 워크플로우와 실전 프로토타이핑

마지막 단계는 단순한 챗봇을 넘어 스스로 업무를 수행하는 '에이전트(Agent)'를 설계하고, 이를 실제 작동하는 프로토타입으로 눈앞에 구현하는 것입니다. 최근 글로벌 커뮤니티 Reddit 등에서도 AI PM의 인터뷰 과제로 에이전트형 서비스 기획이 자주 등장하고 있습니다.

1. 자동화 워크플로우 설계하기 사용자의 지시 한 번에 여러 단계의 업무(예: 정보 검색 → 요약 → 이메일 발송)를 스스로 판단하고 실행하는 에이전트의 단계를 나눕니다.
2. AI 도구로 프로토타입 만들기 개발자 없이도 GPTs, Make, Zapier 등 노코드 AI 도구를 활용해 아이디어를 빠르게 실행 가능한 형태로 제작합니다.
3. 결과물 검증 및 협업 준비 만들어진 프로토타입을 AI 연구자나 데이터 엔지니어에게 보여주며 기술적 한계와 개선점을 논의합니다.

여기까지 완료했다면, 아이디어를 구체적인 결과물로 증명할 수 있는 실무형 AI PM의 포트폴리오를 손에 쥐게 된 것입니다.

AI 도구를 활용한 빠른 프로토타이핑은 제품 기획부터 검증까지 걸리는 시간을 기존 대비 크게 단축해 줍니다.

자주 하는 실수

처음 AI PM 직무를 준비하거나 기획을 시도할 때 초보자들이 겪는 대표적인 문제들과 그 해결책을 정리했습니다.

• AI를 마법이라고 착각하는 문제 사용자가 무엇이든 물어보면 AI가 다 알아서 해줄 것이라 기대하는 것은 위험합니다. 해결법은 사용자가 입력할 수 있는 범위를 제한하고 명확한 가이드라인(버튼, 선택지 등)을 제공하는 것입니다.
• 데이터 편향과 윤리성 간과 AI가 생성한 결과물이 특정 성별이나 인종을 차별할 수 있다는 점을 놓치기 쉽습니다. 기획 초기 단계부터 다양한 케이스의 테스트 데이터를 준비해 편향성을 검증하는 단계를 반드시 넣어야 합니다.
• 국내 환경을 고려하지 않은 기획 해외 우수 사례만 참고하다가 한국어 지원이 미흡하거나 국내 규제에 막히는 경우가 많습니다. 사용할 AI 모델이 한국어 토큰을 얼마나 효율적으로 처리하는지, 비용은 적절한지 미리 테스트해야 합니다.

핵심 정리

지금까지 비전공자도 따라 할 수 있는 AI PM 취업 가이드의 핵심 단계를 알아보았습니다. 오늘 다룬 내용을 세 줄로 요약하면 다음과 같습니다.

• AI 생태계 이해 기존의 기능 위주 기획에서 벗어나, 데이터가 AI 성능을 높이는 플라이휠 구조를 이해해야 합니다.
• 불확실성 통제 RAG 시스템과 명확한 평가(Evals) 지표를 통해 AI의 환각을 줄이고 신뢰성 높은 서비스를 설계해야 합니다.
• 실행력 증명 노코드 도구를 활용해 에이전트 워크플로우를 직접 프로토타이핑하며 아이디어를 검증해야 합니다.

가만히 책만 읽어서는 AI PM이 될 수 없습니다. 지금 바로 ChatGPT를 열어 여러분이 자주 쓰는 앱을 AI로 어떻게 개선할 수 있을지 한 줄의 프롬프트부터 작성해 보세요.