Orc Hwang's Wiki

개발 학습 기록과 기술 지식을 체계적으로 관리하는 개인 위키입니다.

프로덕트 역할의 새로운 정의: AI가 도구를 공짜로 만들어도 남는 것 (Marty Cagan)

articles product-management ai-industry career discovery
누구나 망치를 쥔 대장간 — 빛나는 건 '무엇을 벼릴지' 아는 한 사람 AI가 망치를 공짜로 나눠준 대장간 누구나 망치를 쥔다 · can build 누구나 망치를 쥔다 · can build ? 이 검이 존재해야 하는가? — 어떤 모양이어야 하는가 · decide
기술적 문턱이 사라져도, 정작 빛나는 건 '무엇을 벼려야 하는지'를 아는 한 사람이다.

원문 정보

프로덕트 매니지먼트의 정전(正典)이라 할 Inspired · Empowered의 저자 Marty Cagan이, “AI가 도구를 누구나 만들 수 있게 한다면 프로덕트 역할은 사라지는가?”라는 질문에 정면으로 답한 글이다. AI가 직업과 역할의 가치를 어떻게 재배치하는지를 다루므로 Articles/AI-Industry에 담는다.

한 줄 요약 (TL;DR)

AI는 ‘도구를 만드는 일’을 값싸게 만들지만, 정작 어려운 일 — 어떤 것이 존재해야 하는지, 그리고 어떻게 존재해야 하는지를 아는 일 — 은 값싸게 만들지 못한다. 프로덕트 역할의 본질은 도구 제작이 아니라 문제 발견·솔루션 검증·조직 실현 가능성 판단에 있고, 이 셋은 여전히 소수만이 잘하는 기술이다.

한눈에 보기

flowchart TB
    AI["AI가 도구 제작을<br/>민주화한다"]
    AI -->|"낮춘다"| Build["기술적 문턱 · 도구 제작<br/>(build)"]
    AI -->|"낮추지 못한다"| Decide["무엇을 만들지 아는 일<br/>(decide)"]
    Build --> Floor["문턱 ≈ 0<br/>누구나 만들 수 있음 (can build)"]
    Decide --> P1["① 문제 발견<br/>통증 뒤의 진짜 문제"]
    Decide --> P2["② 솔루션 검증<br/>가치 리스크 (value risk)"]
    Decide --> P3["③ 실현 가능성<br/>조직 제약 안에서 작동"]
    P1 --> Moat["벤치마크할 수 없는 craft<br/>= 남는 가치"]
    P2 --> Moat
    P3 --> Moat

기술적 문턱은 바닥으로 내려가지만, 그 옆의 세 기둥 — 문제 발견·솔루션 검증·실현 가능성 — 은 그대로 서 있다.

왜 이 글을 골랐나

“AI가 코드를/도구를 공짜로 만든다”는 서사는 이 위키의 여러 글이 이미 다뤄 온 주제다. 다만 대부분은 엔지니어의 가치가 어디로 이동하는가에 초점을 맞췄다. Cagan의 글은 같은 질문을 프로덕트 역할에 던진다는 점에서 결이 다르다.

그리고 이 구분이 중요한 이유가 있다. AI 시대에 “누구나 만들 수 있다”는 말이 사실이 되어 갈수록, 병목은 제작(build)에서 판단(decide)으로 옮겨간다. 무엇을 만들지 결정하는 일 — 그게 정확히 프로덕트의 일이다. Cagan은 이 이동을 프로덕트 역할의 위기가 아니라 오히려 본질의 재확인으로 읽어낸다. 엔지니어든 디자이너든 창업자든, “그래서 무엇을 만들 것인가”를 고민하는 모든 사람에게 적용되는 프레임이다.

핵심 내용

프로덕트 정의는 일종의 로르샤흐 테스트

Cagan은 “당신은 프로덕트의 역할을 어떻게 정의하는가?”라는 질문 자체가 진단 도구라고 말한다. 사람마다 내놓는 정의가 제각각인데, 그 대답에는 그 사람이 팀에 무엇을 기여한다고 믿는지, 어떤 운영 모델(operating model)로 일하는지가 그대로 드러난다는 것이다. 정의가 곧 그 사람의 직업적 가치관을 비추는 잉크 얼룩(로르샤흐)이다.

Benedict Evans의 도구 제작 이야기에서 빌려온 프레임

이 글의 출발점은 기술 분석가 Benedict Evans가 팟캐스트에서 한 ‘도구 제작(tool-building)’ 논의다. 핵심 관찰은 이렇다.

“AI는 누구나 도구를 만들 수 있게 해준다… 다만 대부분의 사람과 기업은 도구 제작자가 아니고, 그렇게 사고하지 않으며, 그렇게 할 수도 없고 하지도 않을 것이다.”

즉 “만들 수 있게 됨(can build)”과 “만드는 사람이 됨(are builders)”은 전혀 다른 이야기다. 기술적 문턱이 사라져도 대부분의 사람과 조직은 여전히 도구 제작자로 사고하지 않는다. 그리고 바로 그 간극 위에 프로덕트 역할이 서 있다.

프로덕트 역할을 이루는 세 가지 기술

Cagan은 이 프레임을 빌려 프로덕트의 본질을 세 가지 기술로 정리한다.

1) 문제 발견 (Problem Discovery)

대부분의 사람은 통증(pain)을 느끼거나 표면적인 아이디어 정도는 낸다. 하지만 뛰어난 프로덕트 담당자는 구체적인 불평 뒤에 있는 더 깊고 더 일반적인 진짜 문제를 찾아낸다. “이 버튼을 여기 놔달라”는 요청 밑에 깔린 실제 니즈를 읽어내는 능력이다.

2) 솔루션 발견 = 가치 리스크 (Solution Discovery / Value Risk)

“도구를 정말 잘 쓰는 사람과, 그 도구를 정말 잘 만드는 사람은 같은 사람이 아니다.”

무언가를 잘 사용하는 것과 그것을 효과적으로 설계하는 것은 근본적으로 다른 능력이다. 사용자가 원한다고 말하는 것을 그대로 만드는 게 아니라, 실제로 가치를 주는(고객이 사고 쓰는) 솔루션인지를 검증하는 일 — 이게 가치 리스크를 다루는 기술이다.

3) 실현 가능성 판단 (Viability Assessment)

뛰어난 프로덕트 담당자는 조직의 복잡성을 이해한다. 솔루션이 영업·마케팅·재무·컴플라이언스·법무, 그리고 기존 레거시 시스템과 어떻게 맞물리는지를 안다. 아무리 좋은 솔루션도 조직 전체의 제약 안에서 실제로 돌아갈 수 있어야 한다.

결론: 기술 문턱은 바뀌어도 인간의 과제는 그대로다

AI는 창작 도구를 민주화한다. 그러나 프로덕트의 craft — 진짜 문제를 알아보고, 효과적인 솔루션을 설계하며, 조직의 제약을 헤쳐 나가는 일 — 는 대부분의 사람이 갖지 못한 특정한 사고방식을 요구한다. Cagan의 마무리 문장이 이 논지를 압축한다.

“어려운 부분은 그것이 존재해야 한다는 것을 아는 일, 그리고 그것이 어떻게 존재해야 하는지를 아는 일이다. 그리고 그건 (도구를 만드는 사람과는) 다른 사람이다.”

AI는 기술적 문턱을 바꿀 뿐, 무엇이 존재해야 하고 어떻게 존재해야 하는지를 아는 근본적으로 인간적인 과제는 바꾸지 못한다.

분석과 인사이트

여기서부터는 원문 요약이 아니라 내 관점이다.

“can build ≠ are builders”는 이 글의 진짜 못이다. AI 담론이 흔히 저지르는 오류는 “가능해짐”과 “실제로 함”을 같은 것으로 취급하는 것이다. 스프레드시트가 누구나 모델링을 할 수 있게 했지만 모두가 재무 분석가가 되지는 않았고, 카메라가 누구나 사진을 찍게 했지만 사진의 값어치가 0이 되지는 않았다. 병목이 ‘제작 역량’에서 ‘무엇을 만들지 아는 안목’으로 이동했을 뿐이다. Cagan은 이 오래된 진실을 프로덕트 역할에 정확히 적용한다.

이 위키의 다른 글들과 놀랍도록 정합적이다. The Untrainable은 “측정할 수 있는 일은 학습 가능하고 따라서 commodity가 된다 — 해자는 벤치마크할 수 없는 곳에 있다”고 말한다. Cagan의 세 기술(문제 발견·가치 검증·실현 가능성)은 정확히 벤치마크하기 어려운 일이다. 취향과 판단, 그리고 AI의 ‘판단은 이전되지 않는다’는 논지, AI는 왜 엔지니어를 대체하지 못했나의 decide-execute-deliver 프레임에서 ‘decide’가 남는다는 관찰과도 같은 방향을 가리킨다. 서로 다른 저자들이 각자의 직군에서 같은 결론에 도달하고 있다는 게 인상적이다.

다만 한 가지 이견 혹은 경계. Cagan의 논지는 “프로덕트 역할은 안전하다”로 오독되기 쉽다. 하지만 글이 지키는 것은 역할(craft)이지 자리(headcount)가 아니다. 세 기술을 실제로 갖춘 프로덕트 담당자는 귀해지지만, “고객 요청을 티켓으로 옮기고 로드맵을 관리하던” 사무적 프로덕트 매니저는 오히려 AI에 더 빠르게 흡수된다. 이 글은 프로덕트 직군에 대한 안심이 아니라 자기 검증표로 읽는 게 맞다 — 나는 통증을 접수하는 사람인가, 문제를 발견하는 사람인가?

엔지니어에게도 그대로 적용된다. ‘도구를 잘 쓰는 사람 ≠ 도구를 잘 만드는 사람’은 그대로 ‘코드를 잘 짜는 사람 ≠ 무엇을 만들지 아는 사람’으로 번역된다. AI가 코딩을 값싸게 만든 시대에 엔지니어가 프로덕트 감각(문제 발견·가치 판단)을 갖추는 일이 왜 커리어 방어책이 되는지를, 이 글은 프로덕트 쪽에서 거울처럼 보여준다.

적용 포인트

  • 자기 정의를 한 문장으로 써 보라. “나는 프로덕트/엔지니어링에서 무엇을 기여하는가?” 그 대답이 ‘요청 처리·기능 배송’에 머문다면, 그건 AI가 가장 먼저 흡수할 층이다.
  • ‘통증’과 ‘문제’를 분리하라. 이해관계자가 가져오는 것은 대개 통증이나 이미 정해진 해법이다. 그 뒤의 더 일반적인 진짜 문제를 한 단계 더 파고드는 습관을 들여라.
  • “사용 잘함”을 “설계 잘함”으로 착각하지 말라. 파워 유저의 요구를 그대로 만들지 말고, 그것이 실제로 가치를 주는 솔루션인지(value risk) 별도로 검증하라.
  • 실현 가능성을 초기에 끌어와라. 영업·법무·컴플라이언스·레거시 제약을 설계가 끝난 뒤가 아니라 발견 단계에서 함께 본다.
  • 벤치마크 불가능한 근육을 키워라. 측정·자동화가 쉬운 일일수록 commodity가 된다. 나의 시간을 ‘무엇을 만들지 아는 일’에 재배치하라.

마무리

Cagan의 글은 새로운 이론을 제시하지 않는다. 오히려 AI라는 렌즈를 통해 프로덕트 역할의 가장 오래된 본질을 다시 비춰 보인다. 도구를 만드는 문턱이 낮아질수록, “무엇이 존재해야 하고 어떻게 존재해야 하는가”를 아는 사람의 값어치는 오히려 선명해진다. 이것은 프로덕트에만 국한된 이야기가 아니다 — 코드가, 디자인이, 콘텐츠가 값싸진 모든 영역에서 병목은 제작에서 판단으로 옮겨가고, 그 판단을 감당할 수 있는 사람이 남는다.

더 읽어보기