AI 프로덕트 기획과 운영 (4. AI PM의 업무+구글 AI PM 인터뷰)

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다

 

Ch4. AI PM의 업무

AI PM의 커리어 패스

1. 4-5년차. 실무단계 AI PM

AI 모델의 성능을 지속적으로 모니터링하고, 데이터 품질 관리.

 

AI/ML 엔지니어와 협업. 새로운 AI 기능을 실질적으로 출시하는 역할.

목표 및 핵심결과(OKR)을 설정하고, 프로덕트-시장 적합성을 파악하고, 프로덕트 개발 사이클 전반을 이끌어나간다.

 

2. 5-7년차. AI/ ML PM

AI 프로덕트 전략 개발, 적용 사례의 우선순위를 정해 배포 파이프라인 관리.

AI 프로덕트의 기획부터 실제 배포까지 전과정 주도.

 

단순히 프로덕트를 만드는것을 넘어 비즈니스 목표를 정확히 이해하고 구제적인 AI 전략으로 전환하는 능력 요구.

기술적인 역량과 장기적인 비즈니스 목표 간의 균형을 잡아가며 전략적으로 접근하는 역량.

 

3. 8-9년차. 전략적 리더십

프로덕트 전략을 수립하고 조직을 이끄는 역할로 전환.

전체 비즈니스 전력과 연계하고 전체관리

AI프로덕트 총괄이나 최고 AI 책임자 같은 역할. 

 

AI PM의 역할

1. 데이터 중심 의사결정

데이터는 모든 의사결정의 중심.

어떤 데이터를 활용할지 먼저 고민한다.

사용가능한 데이터의 품질과 양을 평가하고, 필요한 경우 추가 데이터수집 전략수립 

 

실험설계. 다양한 프롬프트와 파라미터를 실험해서 사용자 경험에 미치는 영향 평가.

MVP범위지정. AI시스템 성능은 배포전까지 정확히 예측하기 어렵기 때문에.

실제 운영환경의 데이터가 학습데이터와 다르고, 사용자들의 행동패턴도 예상과 다를수 있다.

 

데이터를 이해하고 해석하는 능력도 중요.

<아냐 웰린더 인터뷰>

기능을 정의하고, 디자이너 엔지니어와 협업해서 프로덕트를 구체화하는 일.

고객과 대화하며 어떻게 하면 더 나은 방향으로 발전시킬수 있을지 인사이트를 얻는 일.

최신 트렌드,모델, 도구를 계속 파악하면서 기본기를 탄탄하게 다져야한다. 

무엇보다 실제 문제를 해결하는 프로덕트를 만드는데 집중해야한다. 

 

2. 빠른 반복과 지속적 개선

직접 프롬프트 체인을 개발하고, 최신 모델 실험하기

새로운 모델이 출시될때마다 기존 시스템을 어떻게 업그레이드할지 전략 필요. 

지속적인 학습 필요. AI 논문. 최신트랜드. 

초록과 결론을 먼저 일고 프로덕트에 적용 가능성이 있는지 파악.

새로운 모델이 현재 프로덕트에 어떤 영향을 미칠지 빠르게 평가.

 

<제미나이API, 구글API 스튜디오개발을 이끈 구글AI랩 PM, 재클린 콜젤만 인터뷰>

빠르게 변하는 환경에서 지속적인 학습이 필수적이다. 

AI에 대한 실전감각을 기르세요.모델은 결국 확률적으로 작동하는 모델.

직접 다양한 도구를 사용해보고, 무엇이든 만들어보거나, 일상에 AI를 접목해보는 경험이 필요하다.

 

AI 제품 전략 수립 시 주의할 점은 무엇인가요?

AI를 만든기술로 생각하지 않아야한다. 사용자 문제 해결에 AI가 최선일때만 사용해야한다. 

 

<구글 AI/ML 프로덕트매니저, AI 프로덕트 허브 공동 창립자 디에고 그라나도스 인터뷰>

실험에 사용할 데이터를 이해하고, 데이터 과학자와 함께 실험 및 지표에 대해 브레인스토밍하는시간

프로덕트나 기능에 머신러닝을 적용하고 싶어하는 다양한 이해관계자를 만나 해결하려는 문제를 파악하고, 머신러닝이 필요한지 검토

 

어떤 데이터를 활용할지 고민하고, 가능하다면 책임이 있는 AI 프레임워크를 찾아 개발방향을 설정.

그리고 사용자와 함께 데이터를 어떻게 이해하고 해석할지 고민하는 시간을 많이 갖는다. 

머신러닝의 기술적인 특성과 언제 그리고 어떤 방식으로 AI/ML을 프로덕트에 도입해야하는지 판단하는 원칙을 이해하는게 중요

 

3. 조직내 AI 교육.

단순히 AI를 도입했다가 아니라 구체적으로 어떤 비즈니스 가치를 창출할수 있을지, 경쟁우위를 어떻게 확보할수 있을지 설명.

AI 툴을 활용한 생산성 향상 방법 교육. 업무에 AI 접목하는 방법 공유. 

 

4. 우선순위와 리소스 관리

다양한 이해관계자의 요구가 겹치는 지점을 찾아야함. 교집합 영역에 집중해서 한정된 자원으로 최대의 영향력 만들어내기. 

컴퓨팅자원, 데이터라벨링 비용, 모델학습시간 등 리소스 대비 효과 평가. 최적의 배분율 결정.

 

<메타 생성형 AI 프로덕트 리드, 아룬 라오>

매주 최소 2편에서 5편정도 AI논문을 효율적으로 읽으려고 함.

한주의 성공은 3~5개의 최우선과제를 실제로 진전시키는것.

10개 이상의 영역에서 다른사람들에게 최대한 도움이 되는 것.

모든 요청을 다 들어줄수 없을때 정중하게 미루거나 거절하는 일도 중요.

 

AI란 결국 사람이 진정으로 원하는 무언가를 만들어내기 위한 한가지 방법일뿐. 

PM의 본질은 가장 중요한 고객군을 선정하고, 그들의 핵심문제를 해결하는데 있다. 

 

<스팬포드 대학교 시니어 AI/ML 프로덕트 매니저, 마크 크레이머>

AI 프로덕트 MVP 범위를 정의하기 매우 어렵다.

애플리케이션의 성능을 사전에 명확히 알수 없다.

실제 결과는 학습 데이터의 양과 품질 등 수많은 요인에 따라 달라진다.

실전에서 개발된 모델이 이론과 다를수 있다.

상당한 경험없이는 판단하기 어려워서 머신러닝 기반 MVP를 정의할땐 신중해야한다.