이번 글은 PM이 성장하는 지점에 대해 정확하게 설명하기 위해 역설적으로 접근하려고 합니다. “우리가 어떤 상황에 놓여 있다면 성장 지점에 도달하지 못하는가, 왜 PM으로서 성장하지 못할 것이라고 생각하는가”에 대해 얘기해 보기로 합시다. 누군가 “우리의 삶은 RPG 게임이 아닌데, 꼭 성장을 해야만 하는가”라고 반문할 수도 있습니다. 물론 어떠한 애니메이션이나 게임들처럼 꼭 성장이 없더라도 얼마든지 모험을 즐길 수 있죠. 하지만 성장하는 시점을 발견하고, 또 제품을 산출하는 즐거움을 느껴보는 것 역시 아주 큰 경험이 될 수 있습니다. 글은 제품 개발 프로세스의 전반부와 후반부로 나누었습니다. 1편은 제품의 형상화와 코덱, 2편은 제품의 산출과 PM의 성장을 다뤄보겠습니다.

대부분의 개발자들은 비동기 파이썬이 더 높은 동시성을 제공한다는 것을 알고 있죠. 그래서 동적 웹사이트나 웹 API를 서빙하는 것과 같은 일반적인 작업에서 더 좋은 성능을 보일 거라고 생각하기 쉽습니다. 하지만 안타깝게도 비동기는 파이썬 인터프리터의 성능을 마법처럼 높여주는 해결책이 아닙니다. 실제 상황(아래 참조)에서 테스트해 보면, 비동기 웹 프레임워크는 처리량(초당 요청 수) 면에서 오히려 약간 더 안 좋은 성능을 보이고, 지연 시간의 변동 폭은 훨씬 더 큰 것으로 나타났습니다.

챗GPT 메인 화면 하단을 보면 이런 메시지가 쓰여 있다. ‘ChatGPT는 실수를 할 수 있습니다. 중요한 정보를 확인하세요.’ 자세히 보지 않으면 쉽게 지나칠 만큼 작은 글씨로 쓰여있지만, 이는 사실 대규모 언어 모델을 사용할 때 가장 주의해야 하는 점이다. AI가 때로 사실이 아닌 정보를 그럴듯하게 꾸며내어 말하는 현상, LLM의 고질적인 문제인 할루시네이션 현상 때문이다. 따라서 AI의 답변이 사실인지 아닌지 확인하기 위해서는 근거나 출처를 직접 확인해 봐야 한다. 도구별, 상황별로 실행할 수 있는 여러 답변 검증 방법을 정리해 봤다.

“ChatGPT 美 변호사 시험 상위 10%로 통과”, “Claude 3, AI 첫 IQ 100 돌파” 위와 같이 AI의 능력을 홍보하는 문구들을 자주 접하셨을 것 같습니다. 이러한 성과들이 대단해 보이기는 하지만, 한편으로는 그 수준이 어느 정도인지 체감이 안 될 때가 있는데요. 마침 지난주 목요일 치러진 2025 대학 수능 시험을 통해 AI 능력을 시험해 보기로 했습니다. 평가 과목으로는 국어, 영어, 수학을 선택했는데요. 그 이유는 AI의 언어 처리 능력과 수리적 사고력을 종합적으로 평가하기 위함이고, 특히 한국어 능력 수준이 어느 정도 되는지 가늠해 보기 위함입니다.

제안서를 작성하거나, 기획 업무를 할 때 필요한 이미지를 찾느라 고생해 본 경험… 한 번쯤 있지 않으신가요? 제안서 또는 랜딩 페이지에 들어갈 딱 맞는 이미지를 찾기 위해, 스톡 이미지 사이트를 둘러봐도 원하는 느낌을 한 번에 찾기란 쉽지 않죠. 이번 글에서는 원하는 이미지를 만들기 위한 프롬프트 작성법, 무료로 높은 수준의 AI 이미지를 생성할 수 있는 방법, 그리고 이미지에 모션 효과를 넣을 수 있는 방법을 살펴보겠습니다.

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?

프로덕트 매니저(이하 PM)가 ‘로드맵’이라는 단어보다 더 자주 쓰는 말이 있다면, 아마도 ‘가치’일 것입니다. 예를 들어, 고객 가치, 비즈니스 가치, 가치 제안, 가치 흐름, 가치 창출 등이 있죠. 하지만 많은 PM들이 자신이 회사에 제공할 가치나 그 가치를 극대화할 방법에 대해서는 충분히 고민하지 않습니다. PM에게는 개발, 영업, 마케팅, 경영진 등 여러 부서의 다양한 요구가 쏟아집니다. 이러한 상황에서 자신이 맡은 일을 근본적으로 어떻게 개선할 수 있을지, 또 회사에 필수적인 존재로 어떻게 자리 잡을 수 있을지 제대로 평가해 볼 여유가 없습니다. 그렇다면 이 역할을 잘 수행하기 위한 핵심 요건은 무엇일까요? 제품에 대한 올바른 결정을 내리고, 조직 전체가 제품을 성공적으로 마케팅, 판매 지원할 수 있도록 하려면, PM은 무엇을 해야 할까요?

한 달 전, 한강 작가의 노벨 문학상 수상으로 세간이 떠들썩했습니다. 하지만 인공지능 업계 종사자들에게는 그보다 훨씬 더 가슴 뛰는 사건이 하나 있었습니다. 바로 노벨 과학상(물리학, 화학 부문) 수상자가 모두 인공지능 발전사의 한 획을 그은 인물들로 채워졌다는 것입니다. 2024년은 인공지능이 주도하는 과학 혁명의 원년이라고 할 수 있습니다. 딥러닝이 어떻게 기존의 과학 연구 패러다임을 혁신적으로 바꾸고 있는지, 노벨 화학상 수상의 중심에 놓인 딥마인드 알파폴드(AlphaFold)의 사례를 살펴보겠습니다. 도대체 인공지능은 어떻게 과학 연구 분야의 난제들을 해결하고 있는 것일까요?

기획자의 모든 업무는 해결할 문제를 배경으로 시작하게 된다. 명확한 문제가 있어야 해결이라는 목표가 성립되며, 방향성을 더 견고하게 설정할 수 있다. 그러나 현업에서 안타깝게도 명확한 문제가 배경이 아닌 상태로 기획이 시작되는 경우가 종종 있다. 이번 글에서는 기획의 시작이 ‘명확한 문제’가 되어야 하는 이유와 명확한 문제를 찾는 방법을 이야기해 보려고 한다.

앞서 글에서는 “서비스향으로 AI 모델을 개발한다”라고 할 때, 무엇이 다를지 설명했습니다. 들여다봤더니 정말 많은 일이 있죠? 그 많은 업무는 결국 기술팀에서 감당해야 합니다. 그래서 “효율적으로 이를 잘 감당하려면 조직 구성을 어떻게 하면 좋겠느냐”라는 물음에 대한 답을 제 개인적인 의견을 담아 만들어 봤습니다. 또, 이런 조직 구조를 바탕으로 AI 쪽에서 커리어를 시작하거나, 직종을 전환하려는 개발자를 위한 조언을 몇 가지 준비했습니다.