2022년 말부터 AI 기술 혁명이 시작되었지만, 아직 대부분의 소프트웨어 프로덕트/서비스 사용자는 ‘챗GPT’와 ‘자율 주행 자동차’를 가장 대표적인 AI 서비스로 이해하고 있습니다. 하지만, 현실에서 AI는 이미 우리 생활 곳곳에 깊숙이 들어와 있습니다. ‘AI 추천 엔진’은 머신러닝 알고리즘을 사용하여 사용자 행동 데이터에서 패턴을 찾아 나만을 위한 맞춤형 추천을 생성함으로써 다음에 볼 동영상, 좋아할 만한 노래, 관심 있을 만한 제품을 제안합니다. 추천 엔진은 사용자에게 아이템을 제안하는 AI 시스템으로, 모든 인터넷 서비스에서 이를 성패 요소로 다루고 있습니다. 그렇다면 여러분은 추천 엔진이 어떻게 작동하는지 이해하고 계신가요?

요즘 기술업계에서 가장 핫한 단어는 아마도 AI 에이전트일 겁니다. 지금까지 들었던 에이전트는 영화에서나 나오는 FBI/CIA 에이전트 정도가 다였는데 말입니다. 그렇다고 미리 쫄 필요는 없겠지요. 지금부터 여러분이 저와 딱 10분간만 함께 하면, 그 후에는 AI 에이전트에 대해 잘 이해할 수 있습니다. AI 에이전트란 무엇일까요? 또 무슨 일을, 어떻게 할까요?

시장에는 오픈AI의 챗GPT, 앤트로픽의 클로드, 구글의 제미나이 같은 대표 LLM을 제외하고도 수많은 언어 모델이 거의 매일 새롭게 나타나고 있으며, 각 모델마다 고유한 기능과 전문성을 갖추고 있습니다. 그러다 보니 비즈니스 애플리케이션을 고집하지 않아도 어떤 서비스를 만들고자 할 때, 그 기능 요구 사항에 따라 사용자 쿼리를 해석할 때는 어떤 특정 LLM을 사용하고, 해당 쿼리에 대한 응답을 작성하는 데는 완전히 다른 LLM을 사용하고자 하는 필요성이 생길 수 있습니다. 이럴 땐 어떻게 프로세스 파이프라인을 구축해야 할까요? 이런 워크 프로세스를 요청하는 시나리오가 바로 ‘랭체인(LangChain)’ 탄생에 아이디어를 제공합니다.

소프트웨어 산업에는 하루에도 수십 개의 새로운 약어와 개념이 등장합니다. 특히나 빠르게 변하는 AI 기술 같은 경우라면 더욱 말입니다. AI를 제대로 맛보게 해 준 챗GPT와 같은 LLM이 우후죽순으로 등장하더니, 지금은 또 메타의 라마로 대표되는 SLM 혹은 sLLM이라는 게 나오고, AI를 완성시키는 AGI라는 개념도 이해해야 하는데, 또 검색-증강 생성이라며 RAG라는 말이 심심치 않게 들립니다. 배경 개념을 알고 거기에 쉬운 스토리를 붙이면 이해에 어렵지 않습니다. 최소한 이 글을 끝까지 읽으신다면 RAG에 대한 이해는 제가 책임지겠습니다. 자, 시작합니다.

AI는 인간보다 더 빠르고 효율적으로 작업을 수행하는 것이 아니라 작업을 근본적으로 재정의 합니다. PM 업무뿐만 아니라 UX 디자이너, 개발 매니저의 업무를 대신할 것이며, 이렇게 되면 조직의 역할이 재정의될 것입니다. 시장 격차 파악부터 미래 트렌드 예측까지, AI의 역할은 인간의 영역으로 확장되고 있습니다. 우리는 이 혁신적이고 파괴적인 기술을 동료 파괴용으로 사용해서는 안 됩니다. 대신 그들의 업무와 그 가치를 이해하여 효율성을 극대화하는 데 사용해야 합니다. AI 기술 자체가 좋은 프로덕트를 보장하지 않기 때문니다. 좋은 프로덕트는 여전히 각각의 역할이 균형을 이룰 때 만들어 집니다.

한국의 제조업은 빠르게 발전하는 IT기술을 적용하여 이미 일본의 경쟁력을 추월했으며 그 결과 세계의 원탑 국가가 되었다고 해도 과언이 아닙니다. SI 엔지니어들의 노력으로 만들어낸 자랑스러운 결과입니다. 그런데 그 제조업을 뒷받침하는 IT서비스에 ‘SI서비스’라는 단어가 붙는 순간 우울해지는 이야기가 많이 들려옵니다. 저는 오늘 이 글에서 그런 이야기들의 진위를 다루기보다는 한국의 SI산업이 얼마나 글로벌 경쟁력을 갖추었고, SI엔지니어로서 얼마나 많은 기회가 존재하고 있는지에 대한 이야기를 해보려 합니다.

ChatGPT를 조금씩 깊게 사용해 가면서, 이 생성형 AI는 단순히 긴 내용을 요약하고, 이미지나 음악과 같은 콘텐츠를 만들어 내는 것 외에도 잘 활용하면 전체 프로덕트 개발 라이프사이클에 걸쳐 영향력을 만들 수 있다는 확신이 들었습니다. 그렇다면 언제, 어떤 방식으로 ChatGPT를 프로덕트 매니지먼트 워크플로에 포함시켜야 할까요? 지난 1년간의 저의 실험과 경험을 여러분들과 나누어 볼까 합니다.

제품을 효과적으로 관리하고 개선하기 위해서는 제품에서 생산되는 데이터뿐만 아니라 그 주변 데이터 분석이 PM에게는 매우 중요한 전략 요소가 됩니다. 이번 글에서는 B2B 프로덕트 PM으로서 제가 사랑하는 지표 3개의 레시피를 공개합니다. 이것이 왜 필요하고, 그것을 언제 어떻게 보는 것이 그 환경에서 의미가 있고 중요한 것인지, 무엇을 체크하기 위함인지를 설명하고자 합니다.

2023년 3월은 아마 AI역사에 꽤나 중요한 기간이 될 듯합니다. ChatGPT용 OpenAI 서비스 API 지원 발표를 한지 며칠 만에 지난주 금요일(3월 24일)에 ChatGPT를 위한 써드파티 플러그인 (Third-party Plug-Ins)을 지원한다고 발표했습니다. 이 플러그인이라는 것이 왜 필요하고 무엇을 바꾸려 하는지에 대해서 쉽게 설명해 보겠습니다.

프로덕트 매니저(PM)의 능력은 시간을 얼마나 잘 다루느냐에 달려있다고 합니다. 단순히 시작과 끝을 지정하고 관리하는 것이 아닙니다. 시간 단위를 연결하고, 사용자의 시간에 맞추어서 프로덕트의 동작이 다채로워야 하며, 고객이 원하는 시간에 딜리버리를 해야 하고, 로드맵이란 큰 마일스톤에 따라 잘 분배해야 합니다.