AI 시대를 맞아 프로덕트 매니저(PM)과 프로덕트 오너(PO)의 역할은 더 정교하게 세분화되고 있다.
PM은 정해진 목표를 일정과 리소스에 맞춰 인도(delivery)하는 책임을 지고 있다. ‘어떻게 효율적으로, 제때, 약속한 산출물을 낼 것인가’가 핵심이다. 반면, PO는 ‘정해진 목표’ 자체를 정의한다. 어떤 문제를 풀지, 누구를 위해 풀지, 무엇을 성공으로 볼지, 의사결정의 기준이 무엇인지를 수립하고 그 결과에 책임을 진다.
원티드랩에서도 PO는 제품의 핵심 의사결정을 소유하는 역할로 정의하고 있으며, PM과 PO는 대체 관계가 아니라 상호 보완적인 관계라고 강조했다.
장수지 원티드랩 PO는 13일 서울 코엑스에서 열린 ‘원티드 하이파이브 2026’ 현장에서 ‘AI 프로덕트, PO는 무엇을 설계하는가’를 주제로 발표하며 AI 시대에 변화하는 PO의 실무적 지향점을 제시했다.
■ 기존 모델과의 차별 위해 '모델 시험지' 도입
장수지 PO는 “실제 개발 과정에서도 어려웠던 부분은 제미나이 등 기존에 출시된 글로벌 AI 모델과의 차별화였다”라며 “같은 프롬프트를 넣어도, 원티드랩에서 개발한 에이전트가 더 도메인에 특화하고 개인화, 차별화된 답변을 내놓아야 하기 때문”이라고 말했다.
이를 위해 원티드랩은 실제로 ‘모델 시험지’를 제작했다. 대표 케이스 5개를 정의한 뒤, 주요 AI 모델에 프롬프트를 입력해 그 결과를 평가하는 방식이다.
점검 항목은 ▲입력의 명확성 ▲사용자 의도 분류 ▲검색 및 참조 데이터의 적절성 ▲프롬프트 구성 ▲모델의 한계 ▲가드레일 작동 여부 ▲평가 기준의 누락 등 8가지에 달한다.
■ 결정론적 설계에서 '확률적 시스템' 설계로
이러한 설계 방식의 변화는 PO가 다뤄야 할 의사결정 영역이 구조적으로 변했음을 의미한다. 실무적으로는 3가지 변화가 두드러진다.
우선, 결정의 단위가 달라진다. 기존 제품이 ‘입력 A에 출력 B’라는 결정론적 명세를 설계했다면, AI는 확률적 시스템이다. 따라서 상세 명세 대신 ‘응답의 범위와 기준’을 설계하는 것이 PO의 역할이다.
품질의 정의도 변한다. 성공과 실패(Pass/Fail)로 나뉘던 기존 품질 평가와 달리, AI 프로덕트는 정확성, 안전성, 페르소나 부합도 등을 동시에 고려하는 다차원 평가가 필수적이다.
마지막으로는 기업 자산의 재정의가 필요하다. 모델과 프롬프트는 계속 바뀌지만, 평가 기준과 데이터셋, 가드레일 등은 모델이 교체되어도 남는 고유 자산이다. 이 자산을 구축하는 데 우선순위를 두는 것이 AI PO의 전문성이다.
기존 제품과 ‘AI 에이전트’ 프로덕트를 비교하면 그 차이가 더 두드러진다. 기존 제품에서는 ‘시스템 동작 정의’가 주된 업무라면, AI 에이전트에서는 ‘판단 환경 설계’가 주요 업무라는 설명다.
■ AI 에이전트 설계를 위한 3단계 절차는
기존의 ‘시스템 동작 정의’ 업무가 AI 에이전트 시대에는 ‘판단 환경 설계’로 전환된다고 설명하며, 이를 위한 3단계 절차도 제시했다.
▲기존 방식(룰 베이스)으로 풀 수 없는지 ▲비용, 속도, 운영 복잡도를 감당할 만큼 에이전트가 더 나은지 등 문제 정의부터 따져봐야 한다.
이어 가드레일과 범위 설정이 필요하다. ▲페르소나 ▲대화 범위 ▲대표 시나리오 ▲평가 기준 등을 정해야 한다.
마지막으로 차별성 확보와 개선이 이뤄져야 한다. ▲어떤 데이터를 어떤 맥락에서 끌어와야 하는지 ▲무엇이 우리 제품만이 줄 수 있는 가치인지 등을 판단하고 배포 후에도 모니터링을 지속해야 한다.
장수지 PO는 “개인적으로는, AI라는 도구가 발전할수록 PO가 해야 하는 ‘인간의 고민’은 줄어드는 게 아니라 오히려 더 많아지고, 더 깊어진다고 본다”라고 말했다. “AI는 ‘어떻게 만들 것인가’에 대한 고민 비용을 빠르게 낮추고 있지만, 제품의 차별화 포인트도 ‘무엇을 만들고, 누구를 위해, 어떤 기준으로 만들 것인가’로 옮겨가고 있다”라는 설명이다
마지막으로 “윤리적 판단과 비용 구조, 데이터 활용 범위 같은 의사결정 영역은 사람이 비즈니스, 사용자, 윤리 등을 종합해 판단해야 한다”라고 밝혔다.
그는 “결국, 도구가 발전할수록 사람만이 할 수 있는 판단의 영역이 더 깊어지고 있으며, 직관과 데이터를 잘 결합해 AI의 성공 가능성을 더 빠르게 검증할 수 있어야 한다”라고 강조했다.
장세민 기자 semim99@aitimes.com