🔮 AI는 제품 관리를 어떻게 바꾸는가: 역할은 그대로, 새로운 가능성

"망원경이 발명품이고 목성의 위성들이 발견인 것처럼, 생성형 AI 모델은 그 자체로 최종 해결책이 아니라 새로운 가능성을 발견하기 위한 도구입니다." — Jeff Bezos

프로덕트 매니저(PM)의 업무는 세 가지 핵심 책임으로 요약됩니다. 바로 고객 문제를 이해하고, 어떤 문제를 해결할지 우선순위를 정하며, 해결책을 촉진하는 것입니다. AI가 이러한 핵심 책임을 바꾸지는 않지만, 각각을 실행하는 방식은 근본적으로 변화시킵니다.

AI가 PM의 역할을 바꾸는 방식

Wix, Patreon, Riverside 등에서 PM으로 일했던 Tal Raviv는 LinkedIn에 이렇게 썼습니다. "AI를 사용하지 않는 것과 효과적으로 사용하는 것의 차이는 손에 닿지 않는 특별한 지식에 있는 것이 아니라, 몇 가지 핵심 습관에 익숙해지는 것에 있습니다." 기술 자체는 로켓 과학처럼 복잡할 수 있지만, 그것을 받아들이는 과정은 그렇지 않습니다.

다음과 같이 생각해 볼 수 있습니다.

AI는 문제 공간(problem space)과 해결책 공간(solution space)을 모두 확장합니다.
이전에는 해결할 수 없었던 문제들을 이제 고려해야 합니다.
이전에는 불가능했던 해결책들이 이제 현실적으로 가능해집니다.
이는 문제를 이해하고, 우선순위를 정하고, 해결책을 촉진하는 당신의 접근 방식이 진화해야 함을 의미합니다. 그리고 그 파급력은 엄청납니다. AI 제품과 기능이 고객의 마음을 사로잡으면, 그 반응은 폭발적입니다.

Cursor는 12개월 만에 ARR(연간 반복 매출) 100만 달러에서 1억 달러로 성장했습니다. 이로써 역사상 가장 빠르게 성장한 SaaS 기업이 되었죠. 이례적인 경우일 수 있지만, 지난 1년여 동안 AI SaaS 기업들이 폭발적으로 성장하는 트렌드가 있습니다. Lovable은 60일 만에 ARR 0달러에서 1,000만 달러를 달성했고, Bolt는 5개월 만에 4,000만 달러에 도달했습니다. 이들은 신생 기업이지만, AI 기능을 출시하는 기존 기업들도 같은 순풍을 타고 있습니다. Ramp의 Economic Lab에 따르면 Figma, Canva, Descript는 AI 기반 기능 덕분에 빠르게 성장하는 대표적인 기업들입니다.

AI에 대한 베팅은 비대칭적인 경향이 있습니다. 엄청난 성공을 거두거나, 아무런 성과도 얻지 못하죠. 바로 여기서 PM의 역할이 차이를 만들 수 있습니다.

우리가 현재에 이르기까지: 간략한 기술 역사 수업

지금이야말로 AI가 정확히 무엇을 잘하는지에 대한 지식을 다지기에 좋은 시점입니다. 이러한 배경지식은 AI가 PM의 역할을 어떻게 바꾸고 있는지 생각하는 데 훌륭한 기반이 됩니다.

Tinder, Meta, Tripadvisor, Xbox에서 프로덕트 리더를 역임한 Ravi Mehta는 Reforge의 최근 AI 전략 과정(AI Strategy course)을 이끌었습니다. 그는 이 과정에서 우리가 현재 어디에 있는지 이해하는 데 매우 유용한 간략한 역사 수업을 제공합니다.

컴퓨팅의 진화는 네 가지 뚜렷한 시대를 통해 추적할 수 있습니다. 각 시대는 우리가 기술과 상호작용하는 방식을 근본적으로 바꾸었고, 완전히 새로운 비즈니스 기회를 창출했습니다.

1. 연산의 시대 (1940년대): 트랜지스터를 가져왔습니다. 입력을 제공하고, 미리 정의된 규칙을 적용하면, 출력을 얻습니다. 이 간단한 개념은 기하급수적으로 확장되었습니다. 오늘날의 컴퓨터는 초당 수조 개의 입력에 대해 수조 개의 규칙을 실행합니다.
2. 네트워킹의 시대 (1980~90년대): 고립된 개인용 컴퓨터들을 인터넷을 통해 연결했습니다. 이 변화로 Google, Facebook, Amazon과 같은 인터넷 네이티브 기업들이 Microsoft, Intel과 같은 초기 PC 시대의 승자들에게 도전할 수 있었습니다. '연결'이 새로운 경쟁 우위가 되었습니다.
3. 유비쿼티 시대 (2000년대): 모든 사람의 주머니에 항상 연결되고 위치를 인식하는 컴퓨터를 넣었습니다. 모바일 기기는 Uber(운전자와 승객이 항상 근처에 기기를 가지고 있음)나 Netflix(주머니 크기의 화면으로 스트리밍)처럼 이전에는 존재할 수 없었던 기업들을 가능하게 했습니다. '접근성'이 보편화되었습니다.
4. 학습의 시대 (현재): 연산 문제에서 학습 문제로의 근본적인 전환을 의미합니다. AI는 미리 프로그래밍된 명령을 따르는 대신, 예시와 데이터로부터 규칙을 생성합니다. Tesla는 자율주행차가 안전하게 운행하도록 충분한 지침을 제공할 수 없지만, AI는 예시로부터 학습하여 스스로 규칙을 작성할 수 있습니다.

연산 문제는 규칙을 코드로 작성할 수 있는 작업을 포함합니다. 학습 문제는 코드로 쉽게 표현할 수 없지만 AI가 예시로부터 학습할 수 있는 작업을 포함합니다.

이러한 진화가 중요한 이유는 각 시대가 만들 수 있는 제품의 종류를 바꾸었기 때문입니다. 우리는 이제 명시적인 규칙을 작성할 수 없어서 이전에는 불가능했던 문제들을 AI가 해결할 수 있는 시대에 살고 있습니다.

"충분한 시간과 데이터만 있다면 불가능한 제품 기능은 거의 없을 것입니다. 우리는 이제 한계 없이 고객의 문제를 진정으로 해결할 수 있습니다." — Ravi Mehta

이러한 배경을 바탕으로, PM의 세 가지 핵심 책임인 고객 문제 이해, 해결할 문제 우선순위 지정, 그리고 해당 문제에 대한 해결책 촉진이 어떻게 변하고 있는지 살펴보겠습니다.

변화 #1: 고객 문제 이해는 더 쉬워지는 동시에 더 어려워졌다

AI는 기존 문제를 해결하는 데 도움을 줄 뿐만 아니라, 해결 가능한 문제의 영역 자체를 확장합니다. 이는 당신의 문제 공간이 더 이상 과거의 한계에 얽매이지 않음을 의미합니다.

동시에 AI는 통화 녹음, 지원 티켓, 챗봇 대화 등을 통해 PM이 고객에 대한 훨씬 더 많은 정성적 데이터를 수집할 수 있게 해줍니다. 이는 좋은 일이지만, 동시에 분석해야 할 파편화된 데이터가 산더미처럼 쌓인다는 의미이기도 합니다. (이것이 바로 Reforge Insights가 해결하는 핵심 문제 중 하나입니다. 데모를 원하시면 제가 직접 보여드리겠습니다.)

고객은 무엇이 가능한지 모릅니다

많은 고객은 불가능하다고 믿는 해결책을 요구할 줄 모릅니다. 당신의 역할 중 하나는 그들이 해결 불가능하다고 받아들인 문제를 식별하고, AI가 이를 실현 가능하게 만드는지 판단하는 것입니다.

예를 들어, Canva의 AI 기능은 누구나 간단한 프롬프트만으로 전문가 수준의 영상과 그래픽을 만들 수 있게 해줍니다. 고품질 시각 콘텐츠를 제작하는 장벽이 낮아진 것을 넘어, 많은 경우 사실상 사라졌습니다. Canva의 고객들은 항상 더 쉽고 빠르게 디자인을 만들기를 원했지만, Canva가 이 기능을 출시하기 전에 얼마나 많은 사람들이 적극적으로 이를 요구했을까요? Canva는 흔한 문제를 가져와 해결책을 초강력하게 만들었습니다.

고객의 기대치는 빠르게 변하고 있습니다

고객의 기대치는 B2B 엔터프라이즈 툴뿐만 아니라 그들이 사용하는 모든 소비자 앱에 의해 형성됩니다. 특히 훌륭한 소비자 소프트웨어 경험에 끊임없이 노출될 때, 투박한 경험에 대한 그들의 인내심은 낮습니다. ChatGPT가 좋은 예입니다. AI를 매우 쉽고 접근하기 쉽게 만들어 널리 사용되면서, 고객들이 사용하는 다른 모든 제품에서 AI의 사용 편의성에 대한 기준을 높여 놓았습니다.

또한 고객의 기대치는 점진적으로 진화하는 것이 아니라, 새로운 기술 역량이 등장할 때 극적으로 급증합니다. 제가 '기대치 리셋: AI가 고객 기대를 재정의하는 7가지 방법(The Expectation Reset: 7 Ways AI Is Redefining Customer Expectations)'에서 썼듯이, 고객 기대가 어떻게 진화하는지에 대한 명확한 패턴이 나타나고 있습니다. 우리가 확인한 7가지 패턴은 다음과 같습니다.

경쟁사뿐만 아니라 모든 소프트웨어 카테고리에서 기대치의 변화를 추적해야 합니다. 예를 들어, Lex와 같은 글쓰기 전문 도구에서 AI 기반 글쓰기 지원을 사용하는 고객은 Notion, Asana, ClickUp과 같은 범용 도구에서도 비슷한 기능을 기대하기 시작할 것입니다.

핵심 요약: 고객 리서치를 실시간 인사이트로 전환하라

대부분의 회사는 여전히 2015년 방식처럼 고객 리서치에 접근합니다. 팀이 매월 또는 분기별로 여러 소스에서 수집된 고객 피드백을 수동으로 종합합니다. 누군가는 지원 티켓을 검토하여 주제를 파악하고, 다른 누군가는 영업 통화 기록으로 같은 작업을 합니다. 각 팀이 기회를 찾지만, 많은 수작업이 필요합니다.

이러한 접근 방식은 네 가지 주요 문제를 야기합니다.

1. 드문 업데이트: 월별 또는 분기별 주기는 항상 오래된 인사이트로 작업하고 있음을 의미합니다.
2. 단편적인 인사이트: 각 소스는 서로 다른 정보를 제공하므로 패턴을 연결하기 위해 추가적인 수작업이 필요합니다.
3. 뉘앙스 손실: 수동 종합 과정에서 상위 수준의 주제를 만들기 위해 구체적인 인용문과 세부 정보가 제거됩니다.
4. 큰 주제에만 집중: 사람의 분석은 자연스럽게 가장 흔한 문제에 초점을 맞추므로, 작지만 잠재적으로 영향력 있는 문제를 놓치게 됩니다.

그 결과, 제품 팀은 실행하기 어려운, 정제되고 지연된 인사이트를 얻게 됩니다. Reforge Insights와 같은 AI 도구는 이러한 한계 각각을 직접 해결합니다.

• 실시간 분석: AI는 대화 소스에 직접 연결되어 주제를 업데이트하고 새로운 문제가 발생할 때 감지합니다.
• 연결된 소스: 모든 피드백 소스가 단일 분석으로 통합되어 단편적인 보고서가 아닌 완전한 그림을 만듭니다.
• 뉘앙스 보존: 상위 수준의 패턴을 보면서도 특정 인용문과 세부 정보까지 드릴다운할 수 있습니다.
• 포괄적인 범위: AI는 주요 주제뿐만 아니라 수동 분석이 일반적으로 놓치는 작고 미묘한 문제까지 식별합니다.
• 비즈니스 영향: AI는 정성적 인사이트를 정량적 지표와 연결하여 잠재적인 비즈니스 영향을 즉시 보여줍니다.

AI는 수많은 파편화된 데이터를 수집하고 분석하는 데 탁월하므로 이를 적극 활용하세요. 이는 당신의 삶을 더 쉽게 만들고 사용자에게 더 많은 가치를 창출할 온갖 종류의 기회를 발견하게 해줄 것입니다.

변화 #2: 해결책이 거의 무한할 때 고객 문제의 우선순위를 정하는 방법

대부분의 제품 우선순위 결정 프레임워크는 네 가지 차원을 고려합니다.

1. 실현 가능성 (Feasibility)
2. 영향력 (Impact)
3. 리스크 (Risk)
4. 비용 (Cost)

AI는 우선순위 결정의 각 요소에 새로운 변수를 도입하여, 다음에 무엇을 만들지 평가하는 방식을 근본적으로 바꿉니다.

실현 가능성이 극적으로 확장되었습니다

과거에는 너무 복잡하거나 기술적으로 불가능했던 해결책들이 이제 달성 가능해졌습니다. Cursor나 Claude Code와 같은 도구는 복잡한 코드 생성을 가능하게 하여, 어떤 기능을 우선순위에 둘지에 대한 계산을 바꿉니다. 몇 달이 걸렸을 기능이 이제 몇 주 만에 가능해집니다.

전통적인 질문인 "이것을 만들 수 있는가?"는 "이것을 만들어야 하는가?"로 바뀝니다. 이러한 변화는 우선순위 결정 과정에서 훨씬 더 넓은 범위의 가능한 해결책을 고려해야 함을 의미합니다.

제품을 깊이 있게 개인화할 수 있습니다

대규모 개인화를 가능하게 하는 AI의 능력 덕분에 특정 문제들은 이전보다 훨씬 더 큰 영향력을 갖게 됩니다. Spotify의 AI DJ는 실시간으로 개인의 취향에 맞춰 음악을 선곡하여, 개인화를 '있으면 좋은 기능'이 아닌 전략적 우선순위로 만듭니다.

Duolingo도 마찬가지입니다. AI를 사용하여 개별 사용자를 위한 강좌의 난이도를 실시간으로 평가합니다. 사용자가 어려워하면 수업을 더 쉽게 조정하고, 도전이 필요할 때는 더 어렵게 만들 수 있습니다. 좋은 고객 리서치를 했다면 일부 사용자가 수업이 너무 어려워질 때 힘들어한다는 것을 발견했을 것입니다. Duolingo의 PM들은 흔한 문제가 최근까지 불가능했던 방식으로 마침내 해결될 수 있다는 것을 인식했습니다. 이 경우 고객들은 AI가 이 문제를 해결했다는 사실조차 깨닫지 못할 것입니다. 그저 앱에서 더 나은 경험을 하게 될 뿐입니다.

새로운 리스크 범주가 등장합니다

AI는 할루시네이션(hallucination), 편향, 허위 정보와 같은 전통적인 소프트웨어 개발에는 없었던 리스크 고려사항을 도입합니다. AI가 실수를 하면 어떻게 될까요? AI 출력물의 편향은 어떻게 처리해야 할까요? AI 기반 기능의 규제적 함의는 무엇일까요? 이러한 리스크는 우선순위 결정 프레임워크에 새로운 평가 기준을 요구합니다.

고객이 실제로 AI를 원하는 부분과 원하지 않는 부분도 고려해야 합니다. Canva의 AI 생성 이미지나 Duolingo의 개선된 강좌는 명백한 성공 사례이지만, 당신의 모든 사용자는 자신이 사용하는 일부 제품에서 좋지 않은 AI 기능이 강제로 추가된 경험이 있을 것입니다. ZDNET/Aberdeen 설문조사에 따르면, 많은 사용자가 자신이 사용하는 제품에 AI가 억지로 추가되는 것에 지쳐 있습니다.

• AI 기능 중 가장 원하지 않는 용도는 "업무 관리를 위한 AI 어시스턴트"였으며, 64%가 사용하지 않거나, 가능하다면 기능을 끄거나, 이 기능이 있는 제품 사용을 중단할 것이라고 답했습니다.

사람들이 원하지 않는 무작위 AI 기능을 추가하는 것은 리스크입니다. 고객 충성도를 해치고 싶지는 않을 것입니다. 특히 경쟁사들이 기존 경험에 AI를 덧붙이는 대신, AI로 새로운 가치나 고객을 창출하는 방법을 찾고 있다면 더욱 그렇습니다.

비용 복잡성이 증가합니다

AI는 모델 사용량, 규모, 복잡성에 따라 비용을 증가시키기도 하고 감소시키기도 합니다. LinkedIn의 무료 AI 기반 직무 설명 생성 기능은 사용자에게는 훌륭하지만, 사용하기 너무 쉬워서 제대로 관리하지 않으면 LinkedIn에 막대한 비용을 초래할 수 있습니다. 프롬프트나 모델 선택에서 작은 최적화만으로도 연간 비용을 수백만 달러 절감할 수 있습니다.

비용이 비교적 예측 가능한 전통적인 개발과 달리, AI 비용은 사용량에 따라 예측 불가능하게 증가할 수 있습니다. 적은 양에서는 비용 효율적으로 보이는 기능이 대규모로 사용되면 엄청나게 비싸질 수 있습니다.

번들링 주기가 경쟁 구도를 바꿉니다

Jim Barksdale은 "비즈니스에서 돈을 버는 방법은 번들링(bundling)과 언번들링(unbundling) 두 가지뿐이다"라는 유명한 말을 남겼습니다. 우리는 지금 번들링 단계에 있으며, AI 역량은 기업들이 인접 기능으로 확장할 수 있게 해줍니다.

이전에는 전혀 경쟁하지 않았던 기업들이 이제 같은 고객의 니즈를 충족시키며 서로 경쟁하게 됩니다. Unsolicited Feedback 팟캐스트에서 논의했듯이, 이제는 '모두가 모두와 경쟁하는(everyone vs. everyone)' 구도입니다. 이는 우선순위 결정 과정에서 경쟁 위협을 평가하는 방식을 바꿉니다. 비즈니스 구매자들은 점점 더 여러 기능을 통합하여 벤더와의 관계를 줄이는 도구를 선호합니다.

핵심 요약: 우선순위 결정 프레임워크를 업데이트하라

당신의 우선순위 결정 프레임워크는 이러한 새로운 고려사항들을 포함해야 합니다.

• 이전에는 해결할 수 없었지만 이제 해결할 수 있는 문제는 무엇인가?
• AI 역량은 기존 문제의 잠재적 영향력을 어떻게 바꾸는가?
• AI 솔루션이 우리 고객과 비즈니스에 어떤 새로운 리스크를 가져오는가?
• AI 구현 비용은 전통적인 개발 방식과 어떻게 비교되는가?
• 이 기능이 더 많은 가치를 번들링하는 데 도움이 되는가, 아니면 전문화된 상태를 유지해야 하는가?

이번 달에 이러한 강화된 기준을 사용하여 현재 로드맵을 재평가하세요. 실현 가능성, 영향력, 리스크, 비용 계산에 AI 관련 요소를 포함하도록 우선순위 결정 프레임워크를 업데이트하세요.

변화 #3: 무엇을 만들 가치가 있는가?

기술적 제약이 크게 완화되었기 때문에, 이제 만들 수 있는 새로운 것들이 생겨났습니다. 이전에는 엄청나게 기술적이거나 비쌌던 해결책들이 때로는 단 한 번의 API 호출로 가능해졌습니다.

새로운 질문은 "무엇을 만들 가치가 있는가?"입니다. 이것은 AI가 PM 역할에 미치는 가장 극적인 변화이며, 아마도 적응하기 가장 어려운 부분일 것입니다.

개발자 병목 현상이 넓어지고 있습니다

AI는 코드 작성에 매우 능숙하며, 이는 개발자 시간이 예전만큼 제약받지 않는다는 것을 의미합니다. 무엇을 만들지 결정하는 것은 항상 중요했지만, 한정된 개발자 리소스를 "낭비한다"는 생각은 예전만큼 절박하지 않습니다. 개발자 병목 현상이 완화됨에 따라 어떤 새로운 것들이 가능한지 생각할 수 있습니다.

어떤 고객 문제들은 해결하기 너무 어려워서 전혀 해결하지 않았습니다. 어떤 문제들은 너무 비싸서 만들지 않았습니다. 어떤 문제들은 명백했지만 해결책이 너무 복잡하고 비싸서 감히 접근할 생각조차 하지 못했습니다.

AI 어시스턴트는 이미 구시대적입니다

많은 기업이 10%의 생산성 향상을 찾는 방식으로 AI를 "도입"하는 것처럼, AI 제품 기능의 첫 번째 물결은 피상적이었습니다. 이는 Microsoft Office 97의 Clippy 기능처럼 불분명한 가치를 제안하는 AI 어시스턴트 무리와 같았습니다. 이제 대부분의 사람들이 AI의 변혁적인 가능성을 보게 되면서, 일부 기업들은 고객 가치를 렌즈 삼아 무엇을 만들지 검토하고 있습니다.

• Ramp는 AI를 사용하여 비용 분류 및 정책 준수를 자동화하여, 이전에는 광범위한 수작업이 필요했던 지루한 프로세스를 단순화합니다. 이 솔루션은 사용자 경험을 능동적인 작업에서 수동적인 혜택으로 근본적으로 바꿉니다. AI가 자동으로 처리하므로 사용자는 비용 카테고리에 대해 생각할 필요가 없습니다.
• Grammarly는 기본적인 문법 교정에서 벗어나 사용자 의도, 톤, 독자에 맞춰 문장을 다시 작성하는 문맥적 제안을 제공하도록 진화했습니다. 이 솔루션은 5년 전에는 기술적으로 불가능했습니다. 인간 커뮤니케이션의 모든 문맥적 변형에 대한 규칙을 작성할 수 없었기 때문입니다.
• Shopify는 제품 사진과 기본 정보만으로 제품 설명, SEO 콘텐츠, 개인화된 이메일 캠페인을 자동으로 생성하기 위해 AI를 활용합니다. 이 접근 방식은 판매자가 상품을 등록하고 마케팅하는 방식을 바꾸어, 비싼 카피라이터나 상당한 시간 투자가 필요했던 문제를 해결합니다.

각 경우에서 제품은 고객에게 AI를 사용하라고 요청하는 것이 아니라, 그들에게 주어진 새로운 해결책 공간에 기대어 새로운 가치를 추가하고 있습니다.

"모두가 모두와 경쟁하는" 구도는 당신의 전략을 어떻게 바꾸는가?

너무나 많은 회사가 새로운 기능을 출시하고 있어서, 아마도 새로운 경쟁자들이 생겼을 것입니다. 통화 녹음 및 노트 필기 분야는 거의 하룻밤 사이에 평온한 시장에서 치열한 전쟁터로 변한 좋은 예입니다.

지난 5년간 Fathom, Grain, Otter 등 몇몇 특화된 도구들이 사람들의 노트 필기를 도와왔습니다. 그동안 Gong과 같은 도구들은 특정 유형의 통화(영업 통화)에 맥락과 분석을 더하는 기능으로 나타났습니다. 그리고 모든 CRM이 통화 녹음 및 노트 필기 기능을 출시했습니다. 더 최근에는 Granola가 이에 대한 새로운 해석을 내놓았고, 그 후 ChatGPT와 Notion도 비슷한 도구를 출시했습니다.

기술은 상품화되었지만, 이들 각 회사는 통화 녹음을 필수 기능으로 보고 있습니다. 왜일까요? 그 데이터가 각 도구의 성장하는 "기억(memory)"에 더해지기 때문이며, 이것이 요즘 해자(moat)를 구축하는 유일한 방법 중 하나이기 때문입니다.

시장은 여러 유형의 회사가 당신의 Zoom 통화에서 같은 자리를 차지하기 위해 경쟁하는 혼란스러운 상태입니다. 이는 모든 카테고리에서 일어나고 있습니다. 프로젝트 관리 도구가 AI 기반 콘텐츠 생성을 추가하여 콘텐츠 플랫폼과 경쟁합니다. CRM이 AI 기반 재무 분석을 추가하여 비즈니스 인텔리전스 도구와 경쟁합니다. 이커머스 플랫폼이 AI 고객 서비스를 추가하여 고객 지원 소프트웨어와 경쟁합니다.

B2B 구매자에게 이는 통합된 도구에 대한 선호를 낳을 수 있습니다. 특히 데이터 프라이버시와 보안에 신중하게 접근하며 AI 기능이 있는 도구를 채택하는 대규모 팀의 조달팀에게는 더욱 그렇습니다.

이 모든 것은 당신의 로드맵에 대한 전략적 질문을 던집니다.

• 인접 시장으로 확장하는 AI 기능을 만들어야 하는가?
• 전문화된 상태를 유지해야 하는가, 아니면 번들링을 수용해야 하는가?
• 다른 산업의 기업들이 우리 영역에 진입할 때 어떻게 경쟁해야 하는가?

답은 당신의 시장 위치에 따라 다릅니다. 강력한 고객 관계를 가진 기존 강자들은 AI 기능을 번들링함으로써 이익을 얻을 수 있습니다. 신생 기업들은 전문성을 유지하고 AI로 한 가지를 탁월하게 수행함으로써 성공할 수 있습니다.

핵심 요약: 가치 창출 기회를 위해 로드맵을 감사하라

이번 주에 현재 제품 로드맵을 감사하세요. 12개월 전에는 "불가능"했지만 이제는 실현 가능한 기능들을 식별하세요. 단순한 효율성 개선이 아닌, 가치 창출 기회에 집중하세요.

AI로 만들어진 제품뿐만 아니라 AI 역량 자체를 연구하세요. 새로운 고객 가치를 창출할 수 있는 기존 AI 역량의 미개척 응용 분야를 찾으세요. 새로운 AI 역량으로 무엇이 가능해졌는지 정기적으로 검토하는 프로세스를 구축하세요.

새로운 경쟁사 분석을 통해 누가 당신의 영역으로 슬금슬금 들어오고 있는지, 그리고 당신이 누구의 영역으로 확장할 수 있는지 확인하세요.

프로덕트 마켓 핏 붕괴(최악의 시나리오)를 피하라

PM들은 AI 기반 신 경제의 최전선에 서 있습니다. 그들은 제품의 방향을 이끌고, GTM 팀과 협력하며, 새로운 경쟁 구도를 정리하는 사람들입니다. 적응에 실패하는 것은 명백한 경력상의 리스크를 수반하지만, 그들을 고용한 회사 자체도 위험에 빠뜨립니다.

GitHub Copilot은 2022년 6월에 공개되었고, CEO인 Thomas Dohmke에 따르면 3년 만에 1,500만 명의 사용자를 확보했습니다.

완벽한 프로덕트 마켓 핏처럼 느껴졌습니다. 그러다 Cursor가 등장하여 역사상 가장 빠르게 성장하는 SaaS 회사가 되었습니다. 거의 하룻밤 사이에 GitHub Copilot의 확고했던 시장 점유율이 흔들렸습니다. Cursor는 PLG에 전념했고 대부분의 개발자들의 기존 스택에 쉽게 통합되었습니다. 사용자들은 믿을 수 없는 속도로 채택했습니다. 우리 모두는 Clay Christensen의 파괴적 혁신 이론이 말 그대로 눈앞에서 일어나는 것을 목격했습니다.

2025년 6월, Ramp의 Economic Lab 책임자인 Ara Kharazian은 X에 다음과 같이 게시했습니다. "지난달, Ramp 데이터에 따르면 Cursor가 비즈니스 지출에서 GitHub Copilot을 추월했습니다. 두 서비스 모두 계속해서 사용자와 지출을 늘리고 있으며, 이 시장에는 모두를 위한 충분한 공간이 있습니다. 하지만 이는 선발주자가 시장 지배를 의미하지는 않는다는 것을 보여줍니다."

모든 비즈니스가 즉각적인 프로덕트 마켓 핏 붕괴 위험에 처한 것은 아니지만, AI는 가장 견고해 보이는 프로덕트 마켓 핏조차 약간 불안정하게 만들고 있습니다. 이전에는 이런 일이 충분히 천천히 일어나서 문제를 식별하고 대응할 수 있었습니다. 이제는 기술 변화와 고객 기대 변화가 너무 빨라서 일부 기업들은 속수무책으로 당하고 있습니다.

혁신적인 AI 기능을 출시하는 기업들에게는 리스크가 더 큽니다. Ravi Mehta가 말했듯이, "당신의 고객이 기술 수용 곡선(adoption curve)의 앞쪽에 있을수록 프로덕트 마켓 핏은 더 빨리 무너질 수 있습니다. 이 사용자들은 기꺼이 새로운 도구를 테스트하고, 오래된 습관을 버리며, 명백한 업그레이드가 나타나면 거의 충성도를 보이지 않습니다."

자신의 취약점을 평가하라

우리의 AI 전략 과정에는 AI 리스크 평가 실습이 있으며, Ravi Mehta는 그의 글 '당신의 제품은 AI 파괴의 위험에 처해 있는가?(Is Your Product at Risk of AI Disruption?)'에서 이를 요약했습니다. Ravi는 심지어 재미 삼아 간단히 만들어 본 AI 리스크 평가 도구도 제공하며, 여기서 시도해 볼 수 있습니다.

평가해야 할 몇 가지 요소는 다음과 같습니다.

• 당신의 제품은 뛰어난 품질의 "아웃라이어(outlier)" 결과물을 제공하는 데 사용됩니까, 아니면 "상용(commodity)" 품질로도 사용자들이 만족합니까?
• 당신의 제품/서비스는 인간의 판단에 의존합니까, 아니면 정교한 패턴 인식이 그 자리를 대신할 수 있습니까?
• 고객들은 제품 뒤에 있는 사람들(치료사, 트레이너, 어카운트 매니저 등)을 가치 있게 여깁니까, 아니면 오직 결과에만 신경 씁니까?
• 당신의 고객들은 기술 수용 곡선의 어느 지점에 있습니까?

그리고 프로덕트 마켓 핏 붕괴의 다음과 같은 초기 경고 신호를 주시하세요.

• 고객들이 더 자동화된 솔루션을 요구함
• 사용 패턴이 AI 지원 기능을 선호하는 경향을 보임
• AI 네이티브 대안으로부터의 경쟁 압력
• 수동 프로세스에 대한 고객 불만

핵심 가치 제안을 대체하기보다는 보완하는 AI 역량을 구축하세요. 기존 프로세스를 자동화하는 데 그치지 말고, AI를 사용하여 고객 성과를 향상시키는 데 집중하세요.

이번 달에 취약점 감사를 실시하세요. 핵심 기능을 "사용자가 더 이상 이 작업을 직접 하고 싶어하지 않는다면 어떻게 될까?"라는 질문에 비추어 점검하세요. 지난 12개월 동안 해결 가능해진 문제들을 찾고, 단순한 효율성 개선보다는 새로운 고객 가치를 창출하는 기회에 우선순위를 두세요.

AI는 망원경일 뿐, 별은 아니다

한동안 PM의 역할이 정확히 어떻게 진화할지 불분명했습니다. 2025년이 되자 훨씬 더 명확해졌습니다. 더 어려워지기도, 더 쉬워지기도 했습니다. 흥미진진하면서도 때로는 벅찹니다. AI는 이미 당신의 역할을 완전히 바꾸었거나, 앞으로 바꿀 것입니다.

하지만 기억하세요. AI는 망원경이지, 별이 아닙니다. AI를 사용하여 고객을 관찰하고 데이터를 수집할 수 있습니다. 그러나 AI 자체가 최종 결과물은 아닙니다. AI는 사용자를 이해하고, 더 나은 결정을 내리며, 고객에게 막대한 가치를 제공하기 위해 사용하는 도구입니다.

Reforge