6. PM/PL 역할 (하) - 2026 AI 실무 플레이북

6.7 AI 시대의 PM/PL 역할 변화

핵심: AI 도구의 급속한 발전은 PM과 PL의 역할을 근본적으로 재정의하고 있습니다. "코딩하는 PM", "AI 오케스트레이터 PL"이 새로운 표준이 되어가고 있습니다.

PM 역할의 진화

영역	기존 PM (2020~2023)	AI 시대 PM (2024~)
프로토타입	디자이너에게 요청, 와이어프레임 피드백	바이브 코딩으로 직접 MVP 제작, 아이디어 즉시 검증
시장 조사	리서치팀 의뢰 또는 수동 검색 (2~3주)	AI 검색 도구로 당일 초안, PM이 검증 및 보완 (1~2일)
문서 작성	PRD/기획서 처음부터 수동 작성 (3~5일)	AI 초안 생성 → PM이 맥락 반영 및 검토 (반나절)
데이터 분석	데이터 분석가에게 의뢰, SQL 작성 불가	AI에게 분석 요청, 자연어로 데이터 탐색
개발팀 소통	기술 이해도에 따른 소통 한계	AI로 기술 스펙 초안 작성, 개발팀과 동일 언어로 소통

PL 역할의 진화: "일정 관리자"에서 "AI 오케스트레이터"로

영역	기존 PL	AI 시대 PL
일정 관리	엑셀/MS Project로 수동 관리	AI가 일정 초안 생성, PL은 리스크 기반 조정에 집중
보고서 작성	매주 2~3시간 수동 작성	AI가 Jira/Notion 데이터 기반 자동 생성, PL은 인사이트 추가 (30분)
리스크 관리	경험 기반 예측, 사후 대응 중심	AI가 패턴 분석 기반 사전 경고, PL은 전략적 대응에 집중
팀 관리	수동 업무 배분, 현황 파악에 시간 소모	AI가 업무량 분석 및 배분 제안, PL은 팀원 코칭에 집중
핵심 역량	일정/원가/품질 관리 전문성	AI 도구 활용 능력 + 전략적 판단력 + 변화 관리 리더십

"코딩하는 PM"의 부상

바이브 코딩의 등장으로 PM이 직접 제품 프로토타입을 만들 수 있게 되었습니다.

구분	장점	주의사항
아이디어 검증	개발팀 의뢰 없이 즉시 프로토타입 제작 가능	프로토타입과 프로덕션 코드는 다름을 인식
커뮤니케이션	동작하는 데모로 아이디어를 설명하여 오해 감소	"PM이 만들었으니 그대로 쓰자"는 압력 경계
속도	의사결정 → 검증까지 리드타임 대폭 단축	PM이 코딩에 시간을 쓰느라 본업(전략/사용자)을 소홀히 하지 않기
기술 이해	개발 프로세스와 제약사항을 체감으로 이해	깊은 기술 지식 없이 기술 의사결정을 하는 위험

AI 활용 전후 업무 시간 배분 비교

업무 영역	AI 도입 전 (비율)	AI 도입 후 (비율)	변화
문서 작성/정리	30%	10%	AI가 초안 생성, 사람은 검토/수정
데이터 수집/분석	20%	8%	AI가 수집/분석, 사람은 해석/판단
회의/커뮤니케이션	25%	22%	AI 회의록 자동화로 소폭 감소
전략적 사고/의사결정	15%	35%	절약된 시간을 본질적 업무에 투자
이해관계자 관리	10%	25%	대면 소통/리더십에 더 많은 시간 투자

핵심 메시지: AI는 PM/PL의 업무를 "없애는" 것이 아니라 "재배분"합니다. 반복적인 작업에서 해방된 시간을 전략적 사고, 사용자 공감, 팀 리더십이라는 본질적 역할에 투자하는 것이 AI 시대 PM/PL의 경쟁력입니다.

국내 AI 시장 변화 — 2024~2026 개발자 생태계

2026년 현재: 국내 IT 채용 시장은 AI로 인해 근본적 변화를 겪고 있습니다. 단순 코딩 역할은 줄어드는 반면, AI 활용 능력을 갖춘 PM/PL의 가치는 급상승하고 있습니다.

지표	2023년	2026년	변화
주니어 개발자 채용	기업당 평균 5~8명/년	기업당 평균 2~4명/년	AI 코딩 도구로 생산성 향상 → 인력 수요 감소
AI 활용 가능 PM 연봉	5,000~7,000만원	7,000~1억원	AI 기획/프로토타이핑 능력이 프리미엄
바이브 코딩 활용 기업	얼리어답터 5% 미만	스타트업 60%+, 대기업 30%+	PM이 직접 프로토타입 제작하는 문화 확산
AI 도구 도입 기업	대기업 위주 20%	전체 기업 70%+	GitHub Copilot, Claude Code 등 보편화
정부 AI 정책	AI 윤리 가이드라인 수립	AI 기본법 시행, 공공 AI 의무 도입	규제와 진흥 동시 추진

주니어 개발자 역할 변화 — 위기인가, 기회인가?

graph TD A["AI 코딩 도구 보편화"] --> B["단순 코딩 작업\nAI가 대체"] A --> C["코드 리뷰/QA\nAI 보조로 효율화"] B --> D["주니어 개발자\n역할 재정의"] C --> D D --> E["AI 활용 개발자\n프롬프트+코드 검증 능력"] D --> F["풀스택 PM/PL\nAI로 직접 구현+기획"] D --> G["AI 엔지니어\n에이전트 설계+운영"] E --> H["생존 전략:\n코드를 '작성'이 아닌\n'검증·설계'하는 역할"] F --> H G --> H style A fill:#4a9eff,color:#fff style D fill:#ff9800,color:#fff style H fill:#4caf50,color:#fff

역할	AI 이전	AI 이후 (2026)	실무 시사점
주니어 개발자	기능 구현, 버그 수정	AI 생성 코드 검증, 테스트, AI 프롬프트 작성	채용 시 AI 활용 능력 필수 평가 항목
시니어 개발자	설계, 코드 리뷰, 멘토링	AI 아키텍처 설계, 에이전트 오케스트레이션	기술 의사결정 파트너로서 더 중요해짐
PM	요구사항 정의, 일정 관리	AI로 프로토타입 제작, 데이터 분석, 문서 자동화	"코딩하는 PM"이 경쟁 우위
PL	일정/리소스 관리	AI 도구 선정, 팀 AI 역량 육성, 에이전트 워크플로우 설계	AI 오케스트레이터 역할 필수
디자이너	UI/UX 디자인	AI 생성 디자인 검수, 디자인 시스템 관리	디자인 QA를 AI+PM이 협업 가능

글로벌 개발자 시장 동향

graph LR subgraph 감소추세["📉 수요 감소"] A["단순 CRUD 개발"] B["매뉴얼 QA 테스터"] C["주니어 프론트엔드"] end subgraph 증가추세["📈 수요 증가"] D["AI/ML 엔지니어"] E["프롬프트/컨텍스트 엔지니어"] F["AI 프로덕트 매니저"] G["보안/컴플라이언스 전문가"] end style A fill:#ffebee,color:#c62828 style B fill:#ffebee,color:#c62828 style C fill:#ffebee,color:#c62828 style D fill:#e8f5e9,color:#2e7d32 style E fill:#e8f5e9,color:#2e7d32 style F fill:#e8f5e9,color:#2e7d32 style G fill:#e8f5e9,color:#2e7d32

실무 액션 아이템:

팀 구성 시 AI 활용 능력을 핵심 평가 기준에 추가하세요
주니어 개발자에게 AI 도구 교육을 필수로 제공하세요
바이브 코딩으로 PM이 직접 프로토타입을 만들어 검증 속도를 높이세요
AI 도입 시 팀원의 역할 재정의와 변화관리를 병행하세요

6.8 AI 거버넌스 및 윤리 가이드라인

AI 도구가 팀에 도입되면 실무자는 기술 활용뿐 아니라 조직 차원의 정책과 윤리 기준을 수립하는 역할도 맡게 됩니다.

조직 AI 사용 정책 체크리스트

정책 영역	주요 질문	권장 기준
데이터 보안	어떤 데이터를 AI에 입력할 수 있는가?	고객 개인정보, 내부 기밀은 입력 금지. 익명화 후 사용
도구 승인	팀에서 사용할 수 있는 AI 도구는?	보안팀 승인된 도구 목록 운영. 개인 계정 사용 제한
결과물 검증	AI 생성물의 검증 프로세스는?	외부 공유 전 반드시 사람이 검토. 중요 수치는 원본 확인
출처 표기	AI 사용 사실을 밝혀야 하는가?	팀 내부: 선택. 고객/외부 전달: 조직 정책에 따름
비용 관리	AI 도구 사용 예산은 어떻게 관리하는가?	팀별 월간 예산 할당, 사용량 모니터링

AI 생성물의 저작권 및 지적재산권

이슈	현재 상황 (2025~2026)	실무 대응
AI 생성 텍스트	대부분의 국가에서 저작권 보호 대상이 아님	AI 초안을 기반으로 사람이 실질적 수정을 가해야 저작물로 보호
AI 생성 코드	법적 판례 형성 중. 라이선스 리스크 존재	오픈소스 라이선스 확인, 핵심 코드는 개발팀이 검토
AI 학습 데이터	입력 데이터가 AI 학습에 사용될 수 있음	기밀 정보 입력 금지, Enterprise 플랜(학습 제외) 사용 권장

AI 도구 도입 시 변경 관리 (Change Management)

현황 진단
팀의 AI 도구 사용 현황, 기대와 우려 사항을 파악합니다. 설문조사나 1:1 면담을 활용합니다.
파일럿 운영
소규모 팀에서 1~2개 AI 도구를 시범 운영합니다. 효과를 측정하고 사용 가이드를 작성합니다.
교육 및 온보딩
팀 전체를 대상으로 AI 도구 교육을 실시합니다. 실습 위주로 진행하면 수용도가 높아집니다.
정책 수립 및 공유
사용 가능 도구, 데이터 보안 기준, 검증 프로세스 등을 문서화하여 공유합니다.
피드백 수집 및 개선
정기적으로 사용 경험을 수집하고 정책을 업데이트합니다.

AI 사용 정책 초안 생성 프롬프트

우리 팀/조직의 AI 도구 사용 정책 초안을 작성해주세요.

## 조직 정보
- 조직: 50명 규모 IT 서비스 기업
- 주요 업무: B2B SaaS 제품 개발 및 운영
- 사용 예정 도구: ChatGPT, Claude, GitHub Copilot

## 정책에 포함할 항목
1. AI 도구 사용 목적 및 범위
2. 승인된 도구 목록 및 계정 관리
3. 데이터 보안 가이드라인
   - 입력 가능 데이터 / 입력 금지 데이터
4. AI 생성물 검증 및 품질 관리 기준
5. 저작권 및 지적재산권 가이드
6. 비용 관리 및 예산 기준
7. 위반 시 대응 절차
8. 정책 업데이트 주기 및 담당자

실습 과제

여러분의 팀/조직에 적합한 AI 사용 정책을 AI를 활용하여 작성해보세요. 특히 데이터 보안 항목에서 "입력 가능한 데이터"와 "입력 금지 데이터"를 구체적으로 분류하는 것이 핵심입니다.

6.9 애자일/스크럼 실무 심화

많은 IT 프로젝트가 애자일 방법론을 채택하고 있습니다. AI를 활용하면 스크럼 이벤트의 효율을 높이고, 데이터 기반 프로젝트 관리가 가능해집니다.

칸반 vs 스크럼 선택 가이드

기준	스크럼	칸반
적합한 프로젝트	명확한 목표와 일정이 있는 제품 개발	지속적 운영, 유지보수, 지원 업무
작업 단위	스프린트 (2~4주 고정 주기)	WIP 제한 기반 연속 흐름
역할	스크럼 마스터, PO, 개발팀 (명확한 역할)	특별한 역할 없음 (유연한 구조)
변경 대응	스프린트 중 범위 변경 지양	언제든 우선순위 변경 가능
측정 지표	Velocity (스프린트당 완료 스토리 포인트)	리드 타임, 사이클 타임
PL 역할	스프린트 계획/리뷰 퍼실리테이션, 임피디먼트 제거	흐름 최적화, 병목 제거, WIP 제한 관리

스크럼 이벤트별 AI 활용 상세 가이드

이벤트	주기	AI 활용 방법
스프린트 플래닝	스프린트 시작 시	백로그 아이템의 스토리 포인트 추정 지원, 과거 Velocity 기반 스프린트 용량 계산, 의존관계 분석
데일리 스크럼	매일 15분	전일 커밋/작업 로그 자동 요약, 블로커 패턴 분석, 스탠드업 메모 자동 정리
스프린트 리뷰	스프린트 종료 시	완료 항목 요약 리포트 생성, 데모 시나리오 스크립트 작성, 스프린트 성과 시각화
스프린트 회고	스프린트 종료 후	이전 회고 액션 추적, 스프린트 데이터 분석(번다운 패턴, 지연 원인), 개선 포인트 제안
백로그 리파인먼트	주 1회	사용자 스토리 상세화, 수용 기준(AC) 도출, 유사 과거 이슈 참조

스프린트 회고 분석 프롬프트

다음 스프린트 데이터를 분석하고 회고 자료를 준비해주세요.

## 스프린트 정보
- 스프린트: #14 (2026.03.25 ~ 04.07, 2주)
- 계획 스토리 포인트: 34
- 완료 스토리 포인트: 28
- 캐리오버(미완료): 6포인트 (2개 스토리)

## 데이터
- 번다운 차트: 첫 주는 계획대로, 둘째 주에 지연 발생
- 지연 원인: 외부 API 연동 이슈 (2일 블로킹)
- 팀원 피드백: "요구사항이 스프린트 중간에 변경됨"

## 요청사항
1. 잘한 점 (Keep) 3가지
2. 개선할 점 (Problem) 3가지
3. 시도할 것 (Try) — 구체적 액션 아이템
   | 액션 | 담당 | 기한 | 기대효과 |
4. Velocity 트렌드 분석 (최근 5스프린트: 30, 32, 35, 31, 28)
5. 다음 스프린트 용량 권고치

번다운 차트 Mermaid 코드 생성 프롬프트

다음 스프린트 데이터로 번다운 차트를 Mermaid xychart 코드로 생성해주세요.

## 스프린트 데이터
- 기간: 10일 (영업일 기준)
- 총 스토리 포인트: 34
- 일별 잔여 포인트: 34, 31, 28, 25, 23, 23, 20, 16, 10, 6

이상적 번다운 라인(매일 3.4포인트 감소)과
실제 번다운 라인을 함께 표시해주세요.
차트 제목: "Sprint #14 Burndown Chart"

실습 과제

가상의 스프린트 데이터를 만들어(또는 실제 데이터를 사용하여) AI에게 회고 자료를 생성하고, 번다운 차트를 Mermaid 코드로 만들어보세요. Velocity 트렌드 분석을 통해 다음 스프린트의 용량을 추정해보세요.

← 이전 6. PM/PL 역할 (하) 다음 →