AI 통합으로 확장되는 제품 관리자의 역할

불과 몇 년 전만 해도 여러 직군의 전문가들은 인공지능이 자신의 일자리를 없앨 것이라고 우려했습니다.

업계에서는 이제 전통적인 역할이 겹치고 'AI 빌더'라는 패러다임이 등장하는 중요한 흐름을 보고 있습니다. 스타트업들은 전문화된 PM이나 디자이너보다 '빌더'를 점점 더 우선시하고 있으며, 이 개념은 모든 규모의 기업에서 일상화되고 있습니다.

제품 관리자의 근본적인 목표는 변하지 않습니다. 제품-시장 적합성을 찾고, 고객이 가치를 느끼는 제품을 만들고, 그 제품의 상업적 타당성을 확보하는 것입니다.

AI가 빠르게 발전하더라도 PM은 소셜 미디어에서 본 새로운 AI 트렌드를 서둘러 따라가기보다 실제 고객의 필요를 우선해야 합니다.

회의록 작성, 실행 항목 추적, 진행 상황 보고 같은 행정 업무는 점점 더 AI 도구가 맡고 있어, PM은 전략적인 일에 집중할 수 있게 되었습니다.

애틀라시안 CEO 마이크 캐논-브룩스는 사내 AI 도구 '로보(Rovo)'를 사용해 프로젝트 상황을 빠르게 파악했고, PM의 수동 보고에 의존하지 않았습니다.

PM의 새로운 핵심 책임은 AI 도구 도입에 따른 조직 변화를 관리하는 것입니다. AI 모델의 지능과 회사 고유의 운영 맥락을 결합해 PM이 가속의 촉매 역할을 하게 되는 것입니다.

애틀라시안은 여러 실험을 진행했습니다. 팀을 다양한 구성으로 꾸리고 여러 산출물을 측정하며 속도를 높이는 방법을 찾았습니다. 그 결과 PM에게 가장 적합한 방식은 상황에 따라 크게 달라진다는 결론에 이르렀습니다.

PM의 구체적인 역할은 제품 유형과 수명 주기 단계에 따라 고정되지 않고 달라집니다. 논의는 세 가지 시나리오에 초점을 맞췄습니다. 새로운 기능, 제로에서 하나를 만드는 제품, 그리고 대규모 기존 코드베이스의 개선입니다.

컨플루언스는 AI 도구를 효과적으로 활용해 'Remix'와 'Slides' 기능을 성공적으로 출시했고, 개발 과정을 크게 간소화했습니다.

한 PM은 단순화된 코딩 하네스를 만들어 준 엔지니어링 파트너의 도움으로 한 달 동안 풀 리퀘스트를 26건 제출했습니다. 이는 팀 내 대부분의 엔지니어보다 많은 코드 기여였습니다.

이 PM은 사용자 경험 문제 해결에 집중했습니다. 그 덕분에 엔지니어들은 더 복잡하고 상위 수준의 과제에 집중할 수 있었고, 새 기능의 반복 주기는 6개월에서 6주로 줄었습니다.

제품 관리자들은 모델 평가를 직접 관리했고, Arise 플랫폼을 활용해 프롬프트 디버깅을 효율화하여 처리량을 두 배로 늘렸습니다.

회사는 Figma 디자인을 해당 코드에 직접 연결하는 AI 코딩 에이전트를 활용해 디자인 버그를 자동으로 수정하는 방식을 도입했습니다.

엔지니어의 테스트 작성 시간은 반나절에서 10분으로 줄어, 개발 주기가 빨라졌습니다.

제품 관리자의 역할은 직접 코딩을 포함하도록 확장되었습니다. 이때 PM은 메인 코드베이스의 무결성을 지키기 위해 분리된 저장소 안에서 작업했습니다.

이 방식이 성공한 이유는 의도적인 기여 모델과 기존 프로세스에 의문을 제기하려는 자세 덕분입니다. 엔지니어링 매니저는 비엔지니어의 기여를 위해 적절한 가드레일이 마련되도록 했습니다.

'로보(Robo)' 프로젝트는 PM 조시와 디자이너 케빈이 이끈 제로에서 하나를 만드는 이니셔티브로 시작했습니다. 두 사람은 '바이브 코딩'으로 기능하는 알파 버전을 빠르게 만들었습니다.

이 알파 버전은 사내 고객들이 사용했습니다. 덕분에 추가 엔지니어가 합류하기 전에 초기 피드백을 받고 반복 개선할 수 있었습니다.

PM 조시는 처음에 프로젝트에 코드를 기여했지만, 그것이 팀을 가속하는 데 가장 레버리지가 큰 활동은 아니라는 점을 깨달았습니다.

그는 방향 설정, 작업 우선순위 지정, 팀의 막힌 부분 해소에 집중할 수 있는 조율자 역할로 옮겨갔습니다. 이 전환으로 진행이 크게 빨라졌고, 그의 기술적 배경은 장애물을 더 깊이 이해하고 엔지니어와 소통하는 데 도움이 되었습니다.

지라는 20년 된 코드베이스를 갖고 있으며, 데이터 센터, 클라우드 환경, FedRAMP 같은 고도의 보안 기준에 걸친 복잡한 요구 사항을 충족해야 합니다.

제품 관리자들은 지라 안에서 소프트웨어 개발 수명 주기를 근본적으로 재구상하는 AI 우선 기능을 통합하는 데 집중했습니다.

팀은 처리량을 세 배로 늘렸습니다. Loom 녹화를 작업 항목으로 바꾸고 이를 자동 코딩 에이전트로 처리해 프로토타이핑을 간소화한 결과, 10주 동안 사용자 대상 기능 22개를 출시했습니다.

AI 기반 분류는 효율을 더 높였습니다. 에이전트가 Slack 피드백과 900개가 넘는 고객 인사이트 영상을 처리해 엔지니어링 수정 작업의 우선순위를 효과적으로 정했습니다.

이러한 변화로 연구 자료 정리, 처음부터 프레젠테이션 만들기, 수동 업데이트 같은 수작업이 사라지고 있습니다. 전반적인 목표는 애틀라시안의 '팀워크 그래프'를 통해 조직의 맥락을 이해하는 AI 도구를 활용하여 동기식 회의를 줄이는 것입니다.

지수의 등급은 1(호기심 단계)에서 5(선구자 단계)까지입니다. 이는 성과 지표가 아니라 전문성 개발 도구로 쓰입니다. PM은 모든 항목에서 3단계에 도달하는 것을 기대받으며, 5단계는 특정 전략적 역할을 위해 남겨 둡니다.

이 프로그램에는 외부 게스트 연사의 인사이트가 포함되며, 사내 동료 간 멘토링을 장려합니다. 참가자는 에이전트를 만들거나 코드를 체크인하는 등 프로젝트를 완료해 새로 익힌 기술을 적용해야 합니다. 이 프로그램에는 1,000명이 넘는 직원이 참여했고, 120개 이상의 새로운 운영 워크플로가 만들어졌습니다.

애틀라시안의 지표는 작성한 풀 리퀘스트 수보다 운영 환경에 성공적으로 배포된 풀 리퀘스트 수에 주로 초점을 둡니다. 결과는 기능이 처음 구상되는 단계부터 출시와 고객 사용에 이르기까지 추적해 측정합니다.

회사는 개별 팀 수준과 조직 전체에서 처리량을 측정하는 것이 중요하다고 강조합니다. 매 분기마다 여러 지표를 지속적으로 실험해 성공과 속도를 가장 잘 보여 주는 지표를 찾고 있습니다.