[태그:] Notebook LM

AI 시대, PM(Product Manager)의 업무 변화

부제: 생성형 AI가 PM 역할을 어떻게 다시 설계하는가

 

서론

2025년, 생성형 AI는 더 이상 PM 업무를 ‘지원하는 도구’가 아니라 업무 구조 자체를 재설계하는 요인이 되었습니다.
아이디어 발굴, 시장 조사, 사양 초안 작성처럼 시간이 가장 많이 들던 반복 작업들은 AI가 빠르게 처리합니다.
반대로 PM은 전략적 판단, 조율, 제품 방향성 같은 비정형적 결정의 밀도를 높여야 하는 역할로 이동하고 있습니다.

이 글은 Perplexity → Notebook LM → ChatGPT 워크플로우로 분석된
① 역할 변화, ② 필요한 역량, ③ 전략적 시사점을 실무 관점에서 재구성한 것입니다.

정리하면, AI 시대 PM의 핵심 경쟁력은 세 가지로 수렴됩니다.
① AI를 활용한 빠른 실행 속도,
② 조직·기술·요구사항을 연결하는 정교한 조율,
③ 제품을 실제로 ‘동작’하게 만드는 의사결정 역량입니다.

본론

1. PM 역할 변화 — 반복 업무에서 전략적 리더십으로

AI는 시장 분석, 피처 초안, 사용자 시나리오 작성 등 기존의 ‘PM 노동시간’을 잠식하고 있습니다.
결과적으로 PM은 문서를 만드는 사람이 아니라 제품 방향과 의사결정을 설계하는 사람이 되고 있습니다.

특히 다음 네 가지 변화가 뚜렷합니다.

  1. 초안 생산 자동화 → 방향성 검증 중심의 일로 이동
  2. PDLC(Product Development Life Cycle) 단계의 경계가 희미해지고, 엔드투엔드 책임 증가
  3. 내부·외부 Stakeholder를 잇는 조율자의 비중 증가
  4. Time-to-Market 단축 → 빠른 판단이 곧 경쟁력

그리고 이 전환은 실무에서도 체감됩니다.

👉저도 예전에는 초안의 구조부터 문장까지 모두 직접 작성해 나가는 방식이었지만, 최근에는 기본 골격만 빠르게 만들고 AI 피드백을 반영해 방향성과 논리를 조율하는 방식으로 바뀌었습니다. 문서의 완성도보다 ‘맥락(Context)의 빠른 검증’이 더 중요해졌습니다.

AI가 많은 작업을 대신하면서, PM의 실제 가치는
“무엇을 더 빨리 판단하고 더 정확하게 방향을 잡느냐”에 집중되고 있습니다.

2. AI 시대 PM에게 필요한 핵심 역량 — 무엇이 PM을 구분 짓는가

Notebook LM 요약을 기반으로, AI 시대 PM에게 요구되는 핵심 역량은 다음 5가지입니다.

① AI Literacy + 머신러닝 기본기

  • 신경망·NLP·벡터 검색·Transformer 원리
  • 모델 수명주기(MLOps) 이해
  • 데이터 기반 의사결정 역량

👉 이 부분은 저도 그동안 엔지니어 도메인이라고 생각해 깊게 보지 않았지만, 실제 AI 챗봇 프로젝트를 해보니 PM의 판단 정확도를 위해 반드시 필요한 영역이라는 걸 체감했고, 지금도 지속적으로 학습하고 있습니다.

② 프롬프트 엔지니어링 & 고속 프로토타이핑

  • 구조화된 요청 → 즉시 와이어프레임/문서 초안 생성
  • LLM을 활용한 기능 정의 실험
  • Low-code/No-code를 통한 빠른 MVP 검증

👉 몇 번의 구조화된 프롬프트만으로도 바이브코딩 형태의 프로토타이핑이 가능해지면서, 빠른 버전으로 방향성을 검증하는 시간이 크게 단축되었습니다. 초기 가시성이 논의 속도를 높이는 데 큰 도움이 되었습니다.

③ 윤리·규제·AI 거버넌스 이해

특히 금융/모빌리티/헬스케어 등 한국 규제 산업에선 필수.

  • 편향 방지
  • 개인정보 처리
  • AI Basic Act 대응

④ 전략적 비전 & 제품 직관 강화

  • 반복 업무 자동화 → 상위 레벨 판단 비중 확대
  • 증거 기반 의사결정(Evidence-based Decision)

⑤ 교차 기능 협업(Orchestration)

  • AI 엔지니어, 데이터 과학자, BE/FE, 디자인
  • 조직 간 의사결정 구조 설계

👉 최근 진행한 AI 챗봇 프로젝트에서도 기능 정의보다 ‘R&R 기반의 빠른 결정’이 훨씬 중요한 순간이 많았습니다. 결국 PM은 기술 자체보다 의사결정 구조를 설계하고 조율하는 역할이 핵심이었습니다.

3. 전략적 시사점 — 앞으로 PM이 가져가야 하는 관점

Notebook LM의 인사이트를 실무 기준으로 재구성하면 다음 다섯 가지가 가장 중요합니다.

① PM은 실행자에서 전략적 설계자로 이동한다.

PM이 직접 문서·사양을 만드는 비중은 줄고,
방향·비전·고객 문제 정의 같은 상위 레이어의 중요도가 극대화된다.

② PDLC 자체가 재정의되고 있다.

AI 기반 시나리오 생성과 프로토타이핑으로
시장 출시 속도(Time-to-Market)가 제품 경쟁력의 핵심이 된다.

③ PM은 기술보다 조직을 조율하는 역할이 커진다.

AI 기능 통합, 데이터, 백엔드, UX, 운영팀을 연결하는
오케스트레이터 역할이 필수 역량으로 자리잡는다.

④ 윤리·규제 고려는 선택이 아니라 기본값이다.

특히 한국은 규제 변화 속도가 빠르기 때문에
PM이 규제·윤리를 고려한 IA/UX를 설계할 수 있어야 한다.

⑤ 엔드투엔드 책임이 더 넓어진다.

AI는 기능 간 경계를 흐리고,
PM에게 더 넓은 지식과 의사결정 책임을 요구한다.

결론

AI는 PM을 대체하지 않습니다.
다만 PM이 어떤 방식으로 사고하고 결정해야 하는지를 근본적으로 다시 설계하고 있습니다.

그리고 이러한 변화 속에서,
AI 시대 PM의 핵심 경쟁력은 결국 세 가지로 명확하게 정리됩니다.
① AI를 활용한 실행 속도,
② 여러 조직을 연결하며 방향을 잡는 조율 능력,
③ 제품을 실제로 ‘움직이게’ 만드는 의사결정 역량.

이 세 가지는 단순한 “능력의 목록”이 아니라,
AI 환경에서 PM이 스스로를 증폭시키는 핵심 레버리지입니다.

이 변화는 이미 한국 IT 조직 곳곳에서 시작되었고,
Smart PM, AI-native PM, AI Orchestrator 같은 역할들이
곧 표준적인 PM 역할로 자리 잡게 될 것입니다.

삼성·네이버·현대차의 LLM 전략 비교

 

— 생성형 AI 시대, 세 기업은 어디로 가고 있을까

서론

2025년 현재, 생성형 AI는 더 이상 기술 부서의 실험이 아니라 기업 전략의 핵심 축이 되었습니다.
특히 국내 각 분야의 대표 기업인 삼성전자·네이버·현대자동차그룹은 각자의 산업 영역과 강점을 바탕으로 서로 다른 LLM 전략을 펼치고 있죠.

이번 글은 실제 AI 리서치 워크플로우(Perplexity → Notebook LM → ChatGPT) 를 통해 세 기업의 접근법을 조사하고 정리한 결과입니다.
요즘 저도 기업별 LLM 활용 구조를 유심히 보고 있는데, 같은 ‘AI 전략’이라도 산업별로 이렇게 다르다는 게 꽤 흥미롭더군요.
정보의 최신성(Perplexity) + 정밀한 요약(Notebook LM) + 스토리텔링(ChatGPT)을 결합해, AI PM 시점에서 본 전략적 차이와 시사점을 정리했습니다.
국내 대표 기업들이 생성형 AI를 어떻게 바라보는지 궁금했고, 앞으로 각 기업의 전략과 방향성도 함께 확인해보고자 합니다.

본론

🧠 삼성전자 — “온디바이스 AI로 내부 효율 최적화”

삼성의 Gauss AI 전략은 내부 생산성 혁신과 온디바이스 통합에 초점이 맞춰져 있습니다.

  • 핵심 방향: 문서 요약·메일 작성·번역 등 반복 업무 자동화 및 사내 의사결정 지원.
  • 기술 구조: 자체 파운데이션 모델 ‘Gauss 2’ 개발 → 스마트폰, 가전, TV 등 모든 제품에 탑재.
  • 보안 전략: 외부 모델(GPT 등) 사용을 제한하고 내부 모델 로컬 운용으로 보안 강화.

요약 인사이트:
삼성은 AI를 ‘클라우드 기능’이 아닌 ‘제품 기능’으로 내재화한다.
하드웨어 중심 기업으로서 AI를 제품 경쟁력의 핵심 요소로 삼는 전략이다.
결국 AI를 ‘제품 속에서 작동하게 만드는’ 데 초점을 맞춘 점이 가장 인상적이다.

🌐 네이버 — “초거대 모델 기반 서비스 플랫폼 확장”

네이버는 LLM을 플랫폼 전체의 엔진으로 활용합니다.

  • 핵심 방향: 검색·쇼핑·콘텐츠 등 모든 서비스에 ‘HyperCLOVA X’ 적용.
  • 기술 전략: 초거대 자체 모델 기반 + 오픈소스화(SEED) → 개발자 생태계 확장.
  • 비즈니스 확장: 클라우드 기반 B2B 챗봇·AI 솔루션 사업 확대.

요약 인사이트:
네이버는 AI를 ‘하나의 서비스’가 아닌 ‘플랫폼 전반의 연결 조직’으로 활용한다.
자사 생태계를 넓히는 국산 파운데이션 모델 플랫폼 전략이며,
결국 모델을 비즈니스 인프라로 전환하는 방향을 가장 명확하게 보여준다.

🚘 현대자동차그룹 — “모빌리티 전환을 이끄는 하이브리드 AI”

현대차는 LLM을 SDV(소프트웨어 기반 차) 전략의 핵심으로 위치시켰습니다.

  • 핵심 방향: 차량 내 인포테인먼트·디지털 어시스턴트 등 모빌리티 AI 기능 강화.
  • 기술 전략: 자체 모델 ‘글레오’ + 네이버 ‘HyperCLOVA X’ 협업 → 하이브리드 접근.
  • 인프라 기반: 엔비디아 블랙웰 칩을 활용한 AI 팩토리 구축 및 보안 강화.

요약 인사이트:
현대차는 AI를 ‘서비스’가 아닌 ‘제품 진화의 동력’으로 활용한다.
완성차 기업의 한계를 넘어 소프트웨어 기업으로 전환하려는 명확한 의지다.
실제로 네이버·엔비디아와의 협업 구조를 보면, 가장 유연하면서도 실행 속도가 빠른 형태다.

⚖️ 비교 요약 표

구분삼성전자 (Gauss AI)네이버 (HyperCLOVA X)현대차 그룹 (HMG AI)
전략 목표내부 효율 + 제품 AI 통합플랫폼 혁신 + B2B 생태계 확장SDV + 모빌리티 혁신
기술 구조자체 파운데이션 모델, 온디바이스 중심자체 초거대 모델 + 오픈소스 생태계하이브리드(자체 + 협업) 구조
강점하드웨어 연동, 보안 통제데이터 풍부, 개방적 생태계명확한 시장 집중 및 유연성
약점외부 연동 제약, 플랫폼 한계하드웨어 접점 부족전환 속도·내부 조직 부담

결론

🔍 핵심 차이와 공통 패턴

  • 차이점: 삼성은 하드웨어, 네이버는 플랫폼, 현대차는 모빌리티 중심.
    즉, 각자의 기존 강점을 더 강화하는 방향으로 전략을 설계하고 있습니다.
  • 공통점: 세 기업 모두 ① 내부 업무 자동화, ② 고객 응대 AI, ③ AI 조직 강화 를 핵심 축으로 삼고 있음.
    즉, “AI 내재화 → 운영 효율화 → 서비스 고도화” 단계를 공통적으로 밟는 중입니다.

🔍 인사이트

차이점과 공통점에서 볼 수 있듯이,
AI를 통한 업무 효율화 및 개선은 모든 산업에서 공통적인 필수 영역이며,
각 회사마다의 핵심 강점을 더욱 차별화하고 강화하는 방향으로 작동해야 합니다.
결국 기업의 LLM 전략은 “AI를 어디에, 얼마나 깊이 통합하느냐”로 요약될 수 있습니다.

💬 AI PM 입장에서 본 시사점

  1. AI는 이제 ‘기능’이 아니라 전략 레이어다.
    세 기업 모두 AI를 제품·서비스·조직 전반에 녹이는 방식을 택했습니다.
    PM에게 요구되는 역량은 ‘AI 기획 능력’ 그 자체보다 AI를 통한 서비스 재설계 감각입니다.
  2. AI 도구 활용이 사고 방식을 바꾼다.
    예컨대, Perplexity → Notebook LM → ChatGPT 의 조합은
    단순 검색·요약이 아니라 ‘문제를 정의하고 스토리를 조립하는 사고 루틴’을 만듭니다.
    이것이 곧 AI 시대의 기획자 및 PM의 새로운 리서치 프레임워크입니다.
  3. 앞으로의 기획자는 ‘AI 생태계 조율자’가 된다.
    모델·데이터·UX·윤리까지 모두 교차하는 지점을 연결해야 합니다.
    즉, 기획은 더 이상 문서를 작성하는 일이 아니라 AI와 함께 사고 구조와 전략을 설계하는 일이 됩니다.

✍️ 이 글은 Perplexity로 자료를 수집하고, Notebook LM으로 분석한 뒤, ChatGPT로 정리했습니다.
세 도구를 하나의 워크플로우로 활용하면, 단순한 정보 요약이 아닌 ‘AI 리서치 루틴’을 구현할 수 있습니다.
결국 중요한 건 도구가 아니라, 그걸 통해 어떻게 사고하느냐겠죠.
다음 글에서는 이 루틴을 ‘AI PM의 업무 변화’ 관점에서 확장해보겠습니다.