AI가 낮춘 구현 장벽과 PM의 3대 핵심 역량

코드를 직접 작성하지 않고도 앱을 만들거나 업무를 자동화하는 '바이브 코딩(Vibe Coding)'과 AI 에이전트의 보급으로 소프트웨어 제작의 진입 장벽이 급격히 낮아졌다. 하지만 구현 도구가 흔해졌다고 해서 누구나 좋은 제품을 만들 수 있는 것은 아니다. 베네딕트 에반스(Benedict Evans)는 최근 분석을 통해 도구를 사용하는 능력과 새로운 도구를 설계하는 능력은 완전히 다른 영역임을 강조했다.

제품 개발 과정에서 AI가 대체하기 어려운 PM의 첫 번째 역량은 '문제 발견(Problem Discovery)'이다. 이는 사용자가 느끼는 단순한 불편함이나 단편적인 아이디어에서 그치지 않고, 더 일반적이며 해결할 가치가 있는 본질적인 문제를 찾아내는 능력이다. 솔루션을 먼저 정의하고 도구를 찾는 것이 아니라, 해결해야 할 진짜 문제가 무엇인지 정의하는 단계가 제품의 성패를 결정한다.

두 번째는 '고객 가치(Value)'의 실현이다. 좋은 문제를 찾았더라도 이를 고객이 실제로 사용하고 싶어 하는 해결책으로 전환하는 과정에는 정교한 설계가 필요하다. 예를 들어 영업 전문가가 영업 소프트웨어를 가장 잘 만들 수 있는 것은 아니다. 영업 업무를 잘 아는 것과, 그 업무를 효율화하는 소프트웨어의 가치를 설계하는 것은 별개의 역량이기 때문이다. 이는 제품 개발의 '솔루션 디스커버리(Solution Discovery)' 단계에서 고객이 실제로 이 해결책을 선택할 것인가를 검증하는 과정에 해당한다.

마지막은 '사업 성립 가능성(Viability)'의 확보이다. 고객에게 매력적인 해결책이라도 조직 내부의 영업, 마케팅, 재무, 법무, 컴플라이언스 체계 안에서 작동하지 않으면 제품으로 성립될 수 없다. 특히 규제 대상 데이터를 다루거나 기존 레거시 시스템과 통합해야 하는 기업 환경에서는 회사 전반의 운영 모델을 이해하고 사업적으로 실행 가능한 지점을 찾아내는 능력이 필수적이다.

'툴 빌더'의 부재와 소프트웨어 시장의 생존 논리

약 1년 전 업계에서는 AI 도구가 디스커버리와 딜리버리 과정을 획기적으로 개선해 수많은 '프로덕트 크리에이터(Product Creator)'가 등장할 것이라는 기대가 있었다. 그러나 실제 시장의 변화는 예상보다 더디게 나타났다. 구현 능력을 쉽게 얻었다고 해서 제품을 만드는 사고방식까지 자동으로 습득되는 것은 아니기 때문이다.

대부분의 개인과 기업은 스스로를 '툴 빌더(Tool Builder)'로 생각하지 않는다. AI가 업무 자동화 도구를 직접 만들 수 있는 환경을 제공하더라도, 대다수는 도구를 직접 구축하기보다 이미 만들어진 최적의 도구를 선택해 사용하는 방식을 선호한다. 이는 도구를 만드는 사고방식 자체가 훈련된 소수의 영역이며, 구현 비용이 낮아진다고 해서 이 사고방식의 격차가 사라지지 않음을 의미한다.

이러한 흐름은 소프트웨어 회사와 컨설턴트의 존재 이유를 더욱 공고히 만든다. AI가 구현 비용의 임계점을 낮추면서 경쟁의 축이 '누가 더 빠르게 기능을 구현하는가'에서 '누가 더 정확하게 문제를 정의하고 사업적 가치를 설계하는가'로 이동하고 있다. 구현 비용이 0에 수렴할수록, 역설적으로 무엇이 존재해야 하는지, 왜 필요한지, 어떤 형태여야 하는지를 결정하는 PM의 판단력이 시장의 핵심 차별화 요소가 된다.

AI 실무자가 경계해야 할 '구현의 함정'과 관찰 지점

AI를 활용해 빠르게 프로토타입을 만들 수 있는 PM이나 개발자가 가장 주의해야 할 지점은 '자신의 경험을 고객에게 투사하는 것'이다. 내가 AI로 앱을 만들고 업무를 자동화할 수 있다고 해서, 고객 역시 같은 방식으로 행동할 것이라고 가정하는 것은 위험하다. 고객은 도구 제작자가 아니며, 그들이 원하는 것은 '만드는 도구'가 아니라 '해결된 문제'이기 때문이다.

한국의 AI 실무자와 기업들이 주목해야 할 실질적인 산출물은 단순한 기능 리스트가 아니라 '비아빌리티(Viability) 체크리스트'다. AI로 구현 가능한 기능이 많아질수록 법무적 리스크, 재무적 타당성, 기존 시스템과의 통합 비용 등 사업적 제약 조건을 먼저 정의하는 능력이 제품의 생존율을 결정한다. 구현은 AI가 돕지만, 그 구현이 회사의 운영 모델과 충돌하지 않도록 조율하는 것은 여전히 인간 PM의 몫이다.

앞으로 관찰해야 할 신호는 AI 도구의 보급률이 아니라, 제품 개발 프로세스에서 '문제 정의'와 '가치 검증' 단계에 소요되는 시간의 비중이다. 구현 시간이 단축된 만큼 이 단계에 더 많은 자원을 투입하고 있는 팀이 결국 시장에서 선택받는 제품을 만들 가능성이 높다. 결국 AI 시대의 PM은 코딩하는 사람이 아니라, 비즈니스와 고객의 접점에서 최적의 해결책을 정의하는 '전략적 설계자'로 재정의되고 있다.