AI PM 채용공고에서 가장 많이 요구하는 역량 7가지는?

AI PM 채용공고에서 반복되는 역량 7가지는 문제 정의, 요구사항 정리, 실행 흐름 설계, 평가 기준 수립, 결과 분석, 작동 검증, 기록 구조화입니다. 이 7가지는 필요한 정보를 정하고, AI와 사람이 움직일 조건을 설계하며, 결과와 판단 근거를 다시 확인할 수 있게 만드는 능력이기도 하죠.

저는 AI PM 채용공고에서 발견한 역량을 제 업무 기록과 하나씩 맞춰 보면서, 제가 필요한 정보를 정하고, 실행 조건을 설계하고, 작동 여부를 확인하고, 판단 근거를 다시 볼 수 있게 나눠보았습니다.

AI PM 역량에 대한 상세한 내용은 AI PM 채용공고 기반 : 포트폴리오는 어떻게 준비해야 할까?에 따로 정리했습니다. 이 글에서는 그 분석을 바탕으로 여섯 벌의 포트폴리오를 다시 살펴보며, 제가 실제 업무에서 AI PM 역량을 어떻게 발휘했는지 하나씩 이야기해 보겠습니다.

기존 업무에서 문제 정의 역량을 어떻게 찾을 수 있나요?

문제 정의는 큰 문제를 새로 찾는 일이 아니라, 판단에 필요한 정보와 먼저 고칠 지점을 정하는 일입니다. 트리플하이엠 콘텐츠팀에서 콘텐츠 제작 요청서 양식을 전면 개편할 때도 문서 모양부터 손보지 않았습니다. 작업을 시작하기 전에 받아야 할 정보가 무엇인지 살피고, 자주 누락되는 항목과 작성하며 빠지기 쉬운 내용을 잘 체크할 수 있도록 수 있도록 질문의 순서와 항목을 다시 배치했습니다.

같은 구간에서 질문이 반복되면 그때마다 답만 하지 않았습니다. 설명이 부족했는지, 작업 흐름이 끊겼는지 살핀 뒤 다음에 고칠 자리를 정했습니다. 요청서 개편 이야기를 여기서 꺼낸 이유도 이 때문입니다. 겉으로는 운영 문서를 고친 일이지만, 공고의 언어로 보면 요구사항을 모으기 전에 무엇을 알아야 하는지 정한 문제 정의 경험이었습니다.

스폰지클럽에서 개인 OS의 첫 부품인 애드메이커를 만들 때도 비슷했습니다. 광고 소재를 기획할 때마다 레퍼런스를 찾는 데 시간이 많이 들었고, 수집한 자료를 다시 활용하기 쉽게 정리하는 일도 어려웠습니다.

저는 이 단순한 페인포인트에서 출발해 레퍼런스를 배경, 헤드라인 형식, 강조한 혜택으로 상세히 나누고, 필요할 때 쉽게 찾아볼 수 있도록 분류 기준을 세웠습니다. 실제 자료를 보며 구분할 말을 붙였고, 두 달 뒤 분류에 쓰는 라벨은 300여 개 이상의 단어로 늘었습니다. 처음부터 분류표를 완성한 것이 아니라, 자료를 쌓으며 무엇을 구분해야 하는지 찾아갔습니다.

실행 순서를 설계한 경험도 AI PM 역량이 될 수 있나요?

설계는 통과 조건과 중단 조건을 정하고, 그 조건이 실제 작업 순서에서도 지켜지게 만드는 일입니다. 여러 AI 도구를 비교할 때는 결과물을 먼저 늘어놓지 않고 공통 평가 기준부터 마련했습니다. 기준이 없으면 어떤 도구가 왜 통과했는지 설명할 수 없고, 도구가 바뀔 때마다 판단도 흔들리기 때문입니다.

근거를 바탕으로 답하는 기능을 만들 때는 평가 기준을 실제 실행 순서에 반영했습니다. 먼저 필요한 근거를 찾고, 근거가 없으면 멈추며, 근거가 있을 때만 답을 만들도록 나눴습니다. AI PM에게 필요한 설계 역량은 화면을 배치하는 능력만을 뜻하지 않습니다. AI가 언제 답을 만들고 어떤 조건에서 멈출지 정하는 능력도 설계 역량에 해당합니다.

설계한 흐름은 배포 뒤 분석으로 이어졌습니다. 개인 OS를 빌딩했을 때에도 텔레그램 봇에서 폰으로 메시지는 갔지만, 폰에서 보낸 답장은 봇으로 들어오지 않았습니다. 50분 동안 다섯 번 답장하며 양쪽 연결을 따로 확인했습니다. 에러 문구만 보는 대신 어느 방향까지 작동했고 어디서 끊겼는지 나눠 봤습니다. 분석은 결과를 평가하는 데서 끝나지 않고, 설계한 흐름이 실제로 멈춘 지점을 찾는 데 쓰였습니다.

기록을 나눈 경험은 어떻게 구조화 역량으로 설명하나요?

구조화는 내용을 보기 좋게 정리하는 일이 아니라, 원본과 판단과 상태를 나눠 다음 판단이 가능하게 만드는 일입니다. 데이터를 다룰 때는 처음 받은 값을 그대로 두고 판정 결과를 별도 칸에 남겼습니다. 잘못됐다고 본 자료도 지우지 않고 상태를 표시했습니다.

원본과 판단 기록을 따로 남기면 무엇을 제외했고, 어떤 기준으로 제외했는지 다시 확인할 수 있습니다. 나중에 기준이 바뀌어도 원본으로 돌아가 다시 판단할 수 있습니다. AI PM에게 구조화는 표를 보기 좋게 만드는 기술이 아니라, 판단의 근거와 과정을 다시 확인할 수 있도록 정보를 나누어 기록하는 역량입니다.

아이엠 AI PM 과정에서 화면을 역기획할 때도 같은 방식으로 쪼갰습니다. PNG 한 장을 4개 층으로 나누고, 화면 요소 12개를 5개 레이어로 정리했습니다. 보이는 화면을 그대로 묘사하지 않고 다른 사람이 다시 만들 수 있는 단위로 나눠 기능 명세서로 옮겼습니다.

공고의 역량은 기존 경험에서 어떻게 찾았나

기존 경험에서 AI PM 역량을 찾으려면 직무명보다 실제로 한 행동을 공고의 동사와 맞춰 봐야 합니다. 요청서 개편, AI 도구 평가, 근거가 없을 때 응답 중단, 원본 보존은 처음에는 서로 다른 일처럼 보였습니다. 하지만 공고에서 반복된 말로 다시 읽으니 판단할 문제를 좁히고, 실행 순서를 정하고, 멈춘 지점을 분석하고, 판단 기록을 나눈 일로 이어졌습니다.

최종적으로는 앞에서 살펴본 경험이 AI PM 역량과 어떻게 이어지는지, 기존에 작성했던 여섯 벌의 포트폴리오를 다시 보며 정리했습니다. 특히 제가 실제로 한 행동이 공고에서 요구하는 역량과 어떻게 이어지는지 살폈습니다. 평가 기준을 마련한 일은 평가 틀 설계로, 요청서 개편은 요구사항 수집 과정 재설계로, 근거가 없으면 답하지 않게 한 일은 근거 기반 응답과 거절 정책 설계로 정리할 수 있었습니다.

결국 제가 확인한 AI PM 역량은 특정 도구를 다루는 능력만이 아니었습니다. 문제를 정의하고, AI와 사람이 움직일 순서를 설계하고, 결과를 검증하며, 판단 과정을 다시 확인할 수 있도록 기록을 구조화하는 능력이었습니다. 제가 실제 사내 업무에 AI를 어떻게 도입했는지는 사내 AI 활용 사례에서 이어서 읽을 수 있습니다.