# AI 시대 PM의 역할은 팀의 방향과 판단을 맞추는 일

> 2026-11-22 · Lenny Rachitsky · 큐레이션 김태우
> https://challengekim.com/insights/ai-시대-pm의-역할은-팀의-방향과-판단을-맞추는-일
> 원문: https://www.youtube.com/watch?v=hRtmV1mCBSE

## 핵심 요약

- 아틀라시안은 PM과 디자이너를 모두 AI 빌더로 일하게 하는 팀을 실험했다. 초기에는 개발 속도가 빨라졌지만 약 한 달 뒤에는 방향을 정할 사람이 필요해지면서 기존 역할로 돌아갔다.
- PM의 핵심 책임은 모든 결정을 직접 내리는 것이 아니라 **팀의 의사결정 속도를 높이는 것**이다. 고객, 제품·시장, 사업에 관한 정보를 함께 이해하도록 돕는 일이 출발점이다.
- AI 도구가 보편화돼도 전문성은 필요하다. 새로운 작업 방식에 익숙한 주니어와 결과물의 품질을 판단할 수 있는 시니어가 서로를 보완한다.
- 기존 제품에서는 고객이 이미 수행하는 업무에 AI를 단계적으로 붙이는 접근이 유효하다. 자유롭게 쓰는 채팅과 에이전트에서 반복되는 용도를 발견해 전용 기능으로 만들 수도 있다.

## 모두가 만들 수 있게 된 뒤 드러난 병목

전 에어비앤비 제품 리더이자 팟캐스트 진행자인 레니 라치츠키는 아틀라시안의 AI 및 제품 역량 책임자 셰리프 만수르와 AI 시대의 제품 관리를 논의했다. 소프트웨어를 만드는 일이 쉬워졌을 때 제품 관리자(PM)가 어디에 시간을 써야 하는지가 대화의 중심이었다.

아틀라시안은 PM과 디자이너 일부를 몇 개 팀으로 옮겨 직무 구분 없이 AI로 소프트웨어를 만드는 실험을 했다. 모두가 AI 빌더로 일하는 방식이었다. 초기 반응은 좋았다. 한 PM은 끊임없이 만들 수 있고 이전보다 훨씬 빠르게 움직인다고 전했다.

그러나 약 한 달 뒤 같은 PM은 모두가 전통적인 역할로 돌아갔다고 말했다. 만드는 양보다 무엇을 만들지 정하는 일이 문제였기 때문이다. 만수르는 이를 배를 직접 젓기보다 방향을 잡아야 하는 상황으로 설명했다.

이 방식이 적합한지는 조직의 조건에 따라 달라진다. 만수르는 스타트업이나 처음 제품을 만드는 초기 프로젝트에서는 누구든 필요한 일을 해야 하며 AI 빌더 방식도 적합하다고 봤다. 반면 이미 개발자가 충분한 조직에서는 PM이 코드를 더 보태는 것보다 팀이 어디로 가야 할지 분명히 하는 일이 더 중요할 수 있다.

## PM이 공유해야 할 세 가지 맥락

만수르는 특히 중대형 조직에서 PM이 팀과 함께 판단할 수 있도록 맥락의 빈틈을 채우는 일을 가장 중요하게 봤다. 그가 구분한 맥락은 고객, 제품과 시장, 회사가 운영하는 사업의 세 가지다.

PM이 어떤 작업을 다른 작업보다 우선해야 한다고 생각한다면 그 판단의 근거를 팀도 알고 있는지 살펴야 한다. 고객에 관한 정보나 전략적 전제를 PM만 알고 있다면 팀은 작은 결정마다 PM을 기다리게 된다. **PM은 모든 결정의 소유자가 아니라 의사결정 속도를 책임지는 사람**이라는 뜻이다.

그는 고객 인터뷰에 가능하면 엔지니어를 함께 참여시킨다. 인터뷰 뒤 AI로 요약한 보고서를 전달하는 것과 고객의 말을 같은 자리에서 듣는 것은 다르기 때문이다. 엔지니어는 직접 관찰하면서 이해와 공감을 쌓고 판단을 바꾼다.

2010년 컨플루언스 고객 인터뷰가 한 사례다. 고객들은 회의록에 빨간 별과 초록 별을 넣어 미완료 작업과 완료 작업을 구분했다. 사용 데이터만 보면 아이콘 종류를 늘려야 한다고 생각할 수 있었다. 하지만 인터뷰에 참여한 엔지니어는 문서에 체크박스를 넣어 직접 완료 표시를 하게 하자고 제안했다. 고객이 아이콘으로 해결하던 일을 함께 봤기에 나온 발상이었다.

AI 활용도 이 순서에서 출발한다. 비전이 불분명하면 시제품을 만들어 방향을 구체화할 수 있고 시장 이해가 부족하면 에이전트로 분석한 내용을 팀과 함께 검토할 수 있다. 먼저 팀의 판단을 막는 정보가 무엇인지 찾고 그다음 AI의 용도를 정하는 방식이다.

## 도구가 쉬워져도 PM의 전문성은 같아지지 않는다

만수르는 누구나 시제품을 만들 수 있다는 사실과 누구나 좋은 해결책을 설계한다는 주장을 구분했다. 과거 화면 모형 제작 도구가 널리 쓰였을 때도 모든 PM이 좋은 설계자가 되지는 않았다. AI 역시 강점을 키우는 동시에 약점도 키울 수 있다고 봤다.

아틀라시안은 PM의 성향을 세 가지로 나누는 틀을 활용한다. 과학자형은 가설과 실험을 중심으로, 사업 책임자형은 시장 규모·매출·수익성을 중심으로, 예술가형은 비전과 사용자 경험을 중심으로 제품을 탐색한다. 같은 제품의 개선안을 물어도 각자가 출발하는 지점이 다르다.

이 구분은 서열이 아니라 배치의 기준이다. 작은 초기 팀에는 여러 일을 일정 수준 이상 해내는 사람이 유용하고 조직이 커지면 특정 제품의 성장 지표에 집중하는 사람을 둘 여유가 생긴다. 만수르는 잘 맞지 않던 PM이 프로젝트를 바꾼 뒤 성과와 활력을 되찾은 경우도 여러 차례 봤다고 말했다.

그는 AI 시대에 사용자 경험의 가치를 판단하는 감각이 더 중요해진다고 봤다. 비슷한 지능과 기능을 활용할 수 있다면 경험이 차별점이 될 수 있기 때문이다. 그렇다고 모든 PM을 예술가형으로 채워야 한다는 뜻은 아니다. 경험을 중시하는 사람과 데이터를 강하게 따지는 사람이 함께 있을 때 필요한 긴장이 생긴다. 각 영역의 기본 역량은 갖추되 강점을 더 발전시키고 약점은 동료와 보완하는 접근이다.

## 주니어의 실험과 시니어의 품질 판단

만수르는 AI가 주니어의 일을 대신하므로 신입을 뽑을 필요가 없다는 주장에도 반대했다. 기존 인력이 많은 조직에는 새로운 도구만큼 새로운 작업 방식이 필요하며 주니어가 그 변화를 가져올 수 있다고 봤기 때문이다.

그는 열두 살 아들이 시각적 코딩 도구인 스크래치에서 곧바로 자연어로 AI에 요청해 게임을 만드는 방식으로 넘어갔다고 소개했다. 아들은 과거라면 며칠 걸렸을 결과에도 크게 놀라지 않았다. 처음부터 그런 속도를 당연하게 여겼기 때문이다.

새로운 도구에 익숙한 것과 결과의 품질을 아는 것은 별개다. 주니어는 해당 분야의 경험이 부족해 AI가 만든 부실한 결과물을 가려내기 어렵다. 반면 시니어는 전문성을 바탕으로 문제를 발견할 수 있지만 익숙한 작업 방식을 버리고 다른 도구를 시도하는 데에는 덜 적극적일 수 있다.

아틀라시안은 엔지니어와 디자이너 등 여러 직군이 동시에 한 주 동안 AI를 실험하는 시간을 운영한다. 만수르는 이때 젊은 구성원은 새로운 도구와 시연을 많이 가져오고 시니어는 평가와 품질 문제에 더 집중하는 경향을 보였다고 전했다. 그가 강조한 채용 방향은 한쪽의 대체가 아니라 **서로 다른 강점의 결합**이었다.

## 해결책을 먼저 열어 두면 문제가 보일 때도 있다

문제부터 정의해야 한다는 제품 개발 원칙에도 예외가 있다. 만수르는 사용자가 자유롭게 시도할 공간을 주면 그들이 무엇을 해결하려는지 더 빨리 알 수 있다고 설명했다.

아틀라시안에서는 AI 비서인 로보 챗과 사용자가 만드는 에이전트를 제공할지 논쟁이 있었다. 범용 도구를 주기보다 컨플루언스 페이지의 요약 버튼처럼 구체적인 기능을 만드는 편이 낫지 않느냐는 의견이었다.

하지만 고객들이 자유롭게 쓰는 모습을 보면서 전용 기능의 단서를 찾았다. 고객들은 로보 챗으로 컨플루언스 화이트보드의 메모를 주제별로 묶었다. 채팅창에서 묶을 메모를 일일이 지정하는 경험은 불편했다. 팀은 메모를 화면에서 선택해 AI로 분류하는 기능으로 이를 구체화했다. 고객이 채팅을 쓰는 과정에서 용도를 발견했고 전용 기능으로 그 작업을 더 쉽게 만든 셈이다.

에이전트도 마찬가지다. 고객이 업무에 어떤 에이전트를 넣는지 관찰한 뒤 일부는 자유롭게 만들도록 두고 일부는 제품의 기본 기능으로 발전시킬 수 있다.

만수르는 전략을 세울 때도 기존 해결책에서 출발할 수 있다고 봤다. 회사가 이미 가진 자산과 앞으로의 변화에 관한 믿음을 함께 살펴보면 그 자산으로 풀 수 있는 고유한 문제를 찾을 수 있다. 문제부터 볼지 해결책부터 볼지는 접근의 목적에 따라 달라진다.

## 기존 업무에 AI를 붙이는 전환

만수르는 기존 제품에 AI를 덧붙이는 접근을 무조건 낡은 방식으로 볼 필요는 없다고 봤다. 이미 많은 사용자가 있는 제품이라면 고객이 지금 수행하는 업무를 살펴보는 데서 전환을 시작할 수 있다.

지라에는 고객이 정의해 둔 다양한 업무 흐름이 있다. 아틀라시안은 그 안의 단계에 에이전트를 넣어 업무 분류, 코드 생성, 계약 검토 등을 맡길 수 있게 했다. 제품을 처음부터 다시 만드는 대신 사람이 이미 일하는 과정에서 AI가 가치를 더할 지점을 찾은 것이다.

그는 업무 흐름을 새롭게 상상하는 작업 자체는 필요하다고 강조했다. 동시에 기존 고객이 AI 초보 사용자에서 AI를 자연스럽게 쓰는 사용자로 이동하도록 도와야 한다고 봤다. 고객이 있는 자리에서 단계적으로 AI를 도입하고 효과가 없으면 에이전트를 빼거나 개선하는 방식이다.

만수르는 조언이 어떤 조건에서 작동하는지를 일관되게 살폈다. 초기 프로젝트와 대규모 조직, 새로운 제품과 기존 제품에는 서로 다른 접근이 필요하다. AI 시대 PM의 역할도 코딩 여부 하나로 정해지지 않는다. 팀이 어떤 정보와 판단을 필요로 하는지 파악하고 함께 방향을 정할 수 있도록 돕는 일이 중심에 남는다.

---

원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=hRtmV1mCBSE)
