AI와 함께 진화하는 제품 기획자의 일하는 방식

블로그 제목: 제품 기획자의 AI 활용기 — 일의 방식이 바뀌고 있다

안녕하세요! 요즘 'AI'라는 단어, 하루에 몇 번이나 듣고 계신가요? 얼마 전까지만 해도 먼 미래 이야기 같던 인공지능이 이제는 우리 일상 깊숙이 들어왔죠. 저는 제품 기획자로 일하고 있는데요, 오늘은 제가 직접 경험한 AI 도입 이야기와 그 과정에서 느낀 점들을 솔직 담백하게 공유해보려고 해요.

📌 이 글은 제품 기획(PM)과 AI에 관심 있는 분들, 특히 업무에 AI를 효과적으로 접목시키고 싶은 분들에게 도움이 될 수 있을 거예요! 🙂

AI, 도구가 아닌 ‘동료’가 되기까지

처음부터 AI를 적극적으로 도입한 건 아니었어요. 과거에는 시장조사, 경쟁사 분석, 사용자 피드백 정리 등 정말 많은 일을 손으로 직접 했죠. 엑셀, 피피티, 회의록 작성… 야근은 기본이었습니다😓.

그러다 어느 날, 자연어 처리(NLP)를 활용해 고객 리뷰를 분석하는 툴을 접하게 됐어요. “이게 진짜 가능해?” 반신반의하며 써본 툴에서 바로 놀라운 결과가 나왔습니다. 수천 개의 리뷰 속에서 반복적으로 등장하는 이슈를 몇 분 만에 확인할 수 있었고, 이 데이터를 바탕으로 제품 개선 방향을 잡을 수 있었죠.

그 뒤로 저는 점점 더 많은 AI 도구들을 업무에 적극적으로 도입하게 됐습니다. 가장 큰 변화는 ‘감’에 의존하던 의사결정이 점차 ‘데이터 기반’으로 바뀌었다는 점이에요.

예시로 보는 AI 활용법 — 바로 이런 게 가능해요!

여기서 AI를 활용한 구체적인 사례 몇 가지를 소개해볼게요. 실무에서 직접 사용해보고 “오, 이건 진짜다!” 싶었던 도구들입니다.

1. 고객 피드백 자동 분류:
   이전에는 셀 수 없이 많은 리뷰를 일일이 읽어야 했지만, 이제는 GPT 기반 파이프라인으로 자동 분류가 가능해요. 예를 들어, “배송이 느려요”, “앱이 자주 꺼져요”처럼 자주 등장하는 불만을 AI가 군집화해서 알려주니까, 제품 개선 우선순위 정하기가 한결 수월해졌죠.

2. 회의록 자동 작성:
   회의에 몰입해야 할 때, 동시에 회의록도 작성해야 한다면 정말 피곤하죠. 그런데 Notion AI나 ChatGPT를 활용하면 회의 음성을 자동으로 받아쓰기하고 요약해줍니다. 저희 팀에서는 회의 종료 후 10분이면 깔끔한 회의록이 딱! 특히 기술 팀과 협업할 때 스펙 정리하는 데 큰 도움이 되고 있어요.

3. 기능 우선순위 예측:
   통계 모델이나 AI 모델을 활용하면 어떤 기능이 실제로 사용자의 이탈을 막는지 예측할 수 있는데요, 놀랍게도 이게 꽤 정확합니다. 과거에는 “그냥 다 넣자”는 식으로 결정했지만 이제는 데이터로 설득할 수 있어서 자원 배분이 훨씬 효율적으로 이뤄지고 있어요.

4. 프로토타입 디자인:
   Figma에 연결된 AI 플러그인을 사용해본 적 있으신가요? 버튼 배치나 컬러 조합을 AI가 추천해주고, 심지어 자동으로 수십 개의 레이아웃을 제안해줘요. 디자인 초안이 10분 만에 뚝딱 만들어지니 디자이너들과 회의할 때 훨씬 구체적인 화면을 가지고 이야기할 수 있었죠.

이런 경험을 통해 저는 AI가 단순히 시간을 아껴주는 도구를 넘어, 제품의 방향성과 전략을 근본적으로 바꿔줄 수 있는 ‘디지털 동료’라고 느꼈어요.

하지만… AI에도 함정은 있다?

물론 AI는 만능이 아니에요. 멋져 보이지만 무턱대고 도입해서는 안 되는 이유가 분명 존재합니다. 아래는 제가 실제로 겪거나 동료와 토론하며 나왔던 리스크들이에요.

1. 과도한 자동화 의존:
   언젠가 고객 피드백을 AI로만 분석하다가, 미묘한 뉘앙스 하나를 놓쳤던 적이 있어요. 예컨대 “좋다”는 말도 컨텍스트에 따라 다르게 해석되어야 하는데, AI는 이걸 잘 파악하지 못했죠. 그래서 중요한 판단은 결국 사람이 마무리해야 한다는 생각을 하게 됐습니다.

2. 데이터 편향 문제:
   AI는 학습된 데이터에 따라 움직입니다. 만약 편향된 샘플로 학습되었다면 결과 역시 불공정해질 수 있어요. 실제로 여성 사용자 데이터가 적어서, 그들이 중요하게 여기는 기능이 우선순위에서 밀리는 사례도 있었습니다. AI를 쓰되, 데이터 관리는 더 철저하게 해야겠다는 교훈을 얻었죠.

3. 설명 가능한 결과가 중요:
   “왜 이런 추천을 하는 거지?” 아무리 정확한 예측을 해도 이유를 설명하지 못하면 현업에선 의심하게 돼요. '설명 가능성(Explainability)'은 앞으로 AI 도입이 늘어날수록 함께 검토해야 할 아주 중요한 기준입니다.

전문가도 이렇게 말하더라구요. 맥킨지(McKinsey)의 2023년 AI 트렌드 리포트를 보면, 기업의 67%가 AI 도입에서 ‘신뢰성과 투명성’을 최우선 과제로 꼽았다고 합니다. (출처: McKinsey Global Survey, 2023)

Mac에서 AI 모델을 직접 실행해본 후기: Ollama 설치기

최근엔 제가 사용하는 MacBook에서 직접 대형 언어모델(Large Language Model), 그러니까 ChatGPT 같은 모델을 실행해보는 실험을 했는데요. 도구는 Ollama라는 플랫폼이었어요.

👉 설치는 생각보다 너무 쉬워서 깜짝 놀랐습니다.

간단하게 요약드리면:

• Ollama 공식 홈페이지에서 맥용 앱 다운로드
• 다운로드한 zip 파일을 압축해제 후 Applications 폴더로 이동
• 앱 실행 후 터미널에서 모델 실행 명령어 사용: ⌨️ ollama run llama3
• 초기에는 모델 다운로드 때문에 약간의 시간이 걸리지만, 한 번 설치되면 오프라인 환경에서도 쓸 수 있음!

처음엔 명령어를 입력해야 해서 약간 겁났지만, 친절한 셋업 마법사와 함께라면 무리 없이 설치 가능해요. 노션으로 돌아다니며 정리해둔 가이드(http://www.metriccoders.com/post/how-to-install-and-run-ollama-on-macos)도 꼭 한 번 참고해보세요.

💭 여러분은 어떻게 생각하세요?

AI가 너무 당연하게 일의 중심에 자리잡는 요즘, "앞으로 어느 정도까지 맡겨야 할까?", "나는 어떻게 AI에 적응해야 할까?" 같은 질문이 머릿속을 맴돌게 됩니다.

여러분의 업무에도 변화가 생기고 있나요? 아니면 아직 AI 도입이 망설여지시나요?

개인적으로 제 결론은 ‘AI는 팀의 스마트한 구성원’이라는 생각이에요. 무조건 맹신하기보다는, 장점은 최대한 활용하되 단점은 사람이 보완하는, 그런 입체적인 접근이 필요하다는 것이죠.

마치며 — 우리 모두 AI와 함께 성장하기를

AI와 함께한 지난 1년은 정말 정신없이 빠르게 흘러갔어요. 하지만 그만큼 의미 있는 변화도 많았습니다. 업무 속도는 물론이고, 제품 전략의 정합성과 사용자 중심성도 눈에 띄게 좋아졌으니까요.

앞으로도 AI는 계속 진화할 거고, 우리는 이 변화 속에서 끊임없이 배우고 적응해야 하겠죠. 제 경험이 여러분 상황에서 ‘AI를 어디부터 어떻게 도입할까?’ 고민하는 데 작은 참고가 되었길 바랍니다.

📌 미래의 PM은, 기술에 강한 ‘기획자’이자 인간 중심적인 사고를 놓치지 않는 ‘철학자’여야 한다고 생각해요. 여러분은 어떻게 생각하시나요?

긴 글 끝까지 읽어주셔서 고맙습니다! 🙇‍♀️🙇‍♂️
궁금하신 점 댓글이나 이메일로 언제든 환영해요!
(키워드: AI 도입, 제품 기획, 생산성 향상, Ollama 설치법, 사용자 중심 혁신, 챗GPT 활용법 등)

— 제품기획자 민지 드림 ✨

#AI #제품관리 #PM #생산성Tool #Mac에서AI모델실행 #Ollama #GPT활용 #실무팁 #디지털전환 #업무혁신