핵심 요약

  • 로비 스타인은 AI로 제품을 만드는 일이 쉬워질수록 제품 관리자의 핵심 역량은 실행 조율보다 좋은 결정을 내리는 능력에 있다고 본다.
  • 사용자가 제품에 기대하는 일을 알려면 구매나 사용이 일어난 구체적인 상황을 깊이 살펴야 한다.
  • 출시 후에는 사용자가 목표한 행동을 하지 않는 이유를 모으고, 우선순위를 매겨 제품을 고쳐야 한다.
  • 제품이 제대로 작동하는지와 사용자가 어떤 느낌을 받는지까지 살피는 완성도 작업에도 AI를 활용할 수 있다.

제품 관리자의 역할은 의사결정에 있다

인스타그램과 구글 검색에서 제품을 만들어 온 로비 스타인은 제품 관리자(PM)의 가치를 의사결정에서 찾는다. 과거에는 일을 조직하고 팀에 추진력을 만드는 역할이 컸다. 그는 그런 역할이 여전히 필요한 경우도 있지만, AI 도구로 여러 일을 만들 수 있는 지금은 무엇을 얼마나 잘 만들지 판단하는 역량이 더 중요해졌다고 말한다.

스타인이 제시한 제품 개발의 흐름은 세 단계다. 사람의 필요를 깊이 이해하고, 제품이 기대에 못 미치는 근본 원인을 진단하고, 마지막으로 작동 방식과 사용감을 다듬는 것이다. 그는 이 방식이 여러 유효한 제품 개발법 중 하나이며, 자신과 팀이 경험에서 얻은 패턴이라고 설명한다.

사용자가 제품에 맡긴 일을 파악한다

스타인은 ‘잡스 투 비 던’ 관점을 소개한다. 사용자는 제품 자체를 쓰기보다 어떤 일을 해결하려고 제품을 선택한다는 뜻이다. 그 일을 알아내려면 사용자가 선택한 순간의 상황을 자세히 되짚어야 한다.

그가 아내와 침대를 고를 때 여러 제품의 느낌은 비슷했다. 결정을 가른 것은 그가 침대에서 움직여도 아내가 깨지 않는지였다. 냉각 기능, 친환경성, 가격도 고려할 수 있지만, 그날 두 사람에게 결정적인 조건은 움직임이 옆으로 전달되는 정도였다. 제품팀이 구매 상황을 듣지 않았다면 이 조건을 놓쳤을 수 있다는 설명이다.

구글의 초기 AI 경험에서도 스타인의 팀은 사람들이 물건을 고를 때 영감을 얻으려 한다고 봤다. 글로만 소파를 설명하는 방식에는 한계가 있었다. 팀은 이미지가 포함된 답변과 후속 대화를 통해 색상이나 질감, 쿠션 같은 세부 사항을 탐색하는 경험에 투자했다. 구글 검색의 AI 모드에서는 음식점에 관해 대화하면서 지도상의 위치, 별점, 영업 종료 시간, 음식 종류, 가격대 같은 정보를 함께 볼 수 있도록 했다. 스타인은 이를 사용자가 구글에서 기대하는 정보와 장소를 직접 확인하는 경험을 반영한 사례로 제시한다.

그는 사용자 인터뷰 기록에서 제품에 맡긴 일을 추출하거나, 같은 방식으로 사용자를 인터뷰하는 AI 에이전트에도 관심을 보였다. 이는 더 시도해 보고 싶은 아이디어로 소개했으며, 이미 효과가 입증된 방법으로 말하지는 않았다.

사용하지 않는 이유를 묻고 고친다

초기 제품은 대개 부족한 상태로 나온다고 스타인은 말한다. 그래서 사용자가 목표한 행동을 하지 않는 이유를 모아 유형별로 정리하고, 중요한 문제부터 고친 뒤 다시 확인하는 반복이 필요하다.

인스타그램 스토리는 출시 직후 반응을 얻었지만 모두가 편하게 공유하지는 않았다. 팀이 이유를 물었을 때 두드러진 문제는 게시물을 보는 사람이었다. 전 연인, 교사, 친척처럼 여러 관계의 사람이 한곳에 있어 일상의 가벼운 모습을 올리기 어렵다는 답변이 나왔다. 팀은 수천 명을 대상으로 한 조사로 문제의 비중을 확인하고 약 2년 동안 여러 해법을 시험했다. 프로필과 피드까지 포함한 복잡한 시도는 이해하기 어려웠고, 스토리 안에서만 쓰는 ‘친한 친구’ 방식이 효과를 보였다고 스타인은 설명한다.

릴스의 초기 브라질 출시에서는 반대의 문제가 드러났다. 팀은 춤 같은 영상을 프로필에 오래 남기고 싶지 않을 것이라고 생각해 하루 뒤 사라지는 형식으로 내놓았지만 실패했다. 스타인의 설명에 따르면 영상을 만드는 사람들은 들인 노력이 사라지기보다 콘텐츠가 계속 남고 널리 퍼지기를 원했다. 팀은 릴스를 지속해서 볼 수 있는 별도 형식으로 바꿨다. 두 사례 모두 팀의 첫 가정보다 실제 사용자의 목적을 확인하는 일이 중요했음을 보여준다.

AI로 피드백을 정리하고 결함을 찾는다

스타인은 구글에서 공유에 동의한 사용자의 제품 피드백을 모아 AI로 살피는 사례도 소개했다. 배낭을 고르는 사용자는 제품별 크기를 알려주는 답변을 좋게 평가하면서도, 아이의 키를 먼저 묻지 않으면 배낭이 너무 무거울 수 있다고 지적했다. 팀은 비슷한 피드백의 우선순위를 확인하고, 답을 바로 제시하기 전에 필요한 정보를 묻는 대화 방식에 투자했다. 스타인은 이 변화가 참여와 사용, 유용성 측면에서 팀이 본 큰 개선 중 하나였다고 평가한다.

그는 AI 에이전트가 실제로 제품에 질문하고 후속 질문까지 한 뒤 화면을 기록·평가하는 내부 도구도 만들었다. 수학식이 깨져 보이는지, 발광 생물처럼 시각 정보가 필요한 질문에 이미지가 빠졌는지 등을 정한 기준에 따라 살피는 방식이다. 팀은 이런 에이전트를 활용해 사양과 다른 동작이나 고장 난 부분을 찾고 있으며, 점차 자동으로 수정하는 방향도 시도하고 있다고 설명한다.

작동 품질과 사용감까지 다듬는다

스타인이 말하는 제품의 완성도에는 두 요소가 있다. 쓰는 동안 불편이나 오류가 없는지, 그리고 사용하면서 어떤 느낌을 받는지다. 그는 사용자가 만든 사람이 제품에 신경 썼는지를 알아차릴 수 있다고 본다.

구글 검색창을 바꾼 사례에서 팀은 파일·영상·사진의 맥락을 받아들이는 AI 경험을 담으면서도 구글다운 느낌을 유지하려 했다. 커서는 구글의 여러 색으로 바뀌며 깜박이고, 검색창을 누르면 움직임과 촉각 반응이 이어진다. 스타인은 이런 색, 움직임, 촉감의 세부 사항도 제품이 주는 인상에 영향을 준다고 설명한다.

스타인의 결론은 AI 시대에도 제품 개발의 기본 과제는 이어진다는 것이다. 사용자가 해결하려는 일을 이해하고, 원하는 경험을 막는 원인을 찾아 고치고, 제품이 편하게 작동하도록 다듬어야 한다. AI는 그 과정의 인터뷰 분석, 피드백 정리, 품질 점검을 확장하는 수단으로 제시됐다.