간략 요약:
이 영상에서는 Linear의 제품 책임자 난 유(Nan Yu)와 함께, AI가 프로덕트 매니저(PM)들의 핵심 역량에 어떤 변화를 가져오는지, 어떤 역량이 여전히 중요한지, 또 앞으로 PM들이 새롭게 길러야만 하는 능력은 무엇인지 깊이 있게 다룹니다. Linear의 실전 사례와 최신 AI 기능 데모를 통해, AI와 인간이 협업하는 미래 제품 개발의 실질적인 전환점과 방향성을 구체적으로 살펴봅니다. PM, 스타트업, AI 트렌드에 관심 있는 누구나 필독할 내용입니다!

1. Linear는 왜 단 2명의 PM으로 1조 원 기업이 되었을까?

Linear는 단 두 명의 PM만 두고도 15,000개 이상의 기업(예: OpenAI, Ramp 등)에 서비스를 제공하며, 고속 성장세를 기록하고 있습니다. 이런 경영 모델이 가능했던 배경에는 엔지니어·디자이너 등 다른 직군의 역량이 뛰어나 기존 PM의 역할 일부를 자연스럽게 분담한 점이 있습니다. 또한 "AI가 이미 대체할 수 있는 반복적·기계적 업무에 더 많은 인력을 채용하는 것은 오히려 비효율적"이라고 판단, 고의적으로 PM 채용 속도를 천천히 가져갔습니다.

"우린 이미 3년 전부터, 이런 업무 상당 부분이 AI에 의해 대체될 거라 예측했어요. 그래서 그저 여러 PRD를 관리하고, 업데이트하는 일을 위해 PM을 늘리진 않았죠. 그보다, 스스로 성장할 수 있는 영역을 가진 분들을 뽑고 싶었어요."

이처럼 Linear는 AI 시대에 불필요할 역할은 미리 피하고, 앞으로 꼭 필요한 역량 중심으로 조직을 설계한 점이 명확하게 드러납니다.

2. AI 시대에 여전히 중요한 PM 역량 5가지

AI가 많은 업무를 대체하고 있지만, 여전히 "AI가 쉽게 따라올 수 없는 인간만의 PM 역량"이 존재합니다. 두 화자는 이를 다섯 가지로 정리하면서 실제 경험을 바탕으로 설명합니다.

1) 제품 감각(Product Taste)

제품 감각은 숫자나 논리로 설명되지 않는, 사용자 경험을 직감적으로 평가하고 개선할 수 있는 '감'입니다.

"좋은 제품 감각을 가진 사람은 일단 뭐가 별로고 멋진지 본능적으로 알아요. 그리고 왜 그런지를 역으로 논리화할 수 있게 되죠."

제품을 많이 접하며 성장시킨 이 직관력은, 아직 AI가 대체하기 어려운 '감성적 통찰'에서 비롯됩니다.

2) 브랜딩(Branding)

제품 브랜딩과 퍼스널 브랜딩, 둘 다 중요해졌습니다. 이름을 비롯해 작은 터치포인트 하나까지 압축적으로 메시지를 전하는 능력이 필요합니다. 그리고 퍼스널 브랜딩, 즉 PM 개인이 곧 회사의 피팅을 좌우하는 시대라는 점도 강조합니다.

"나조차 써본 적 없는 어떤 서비스도, 브랜딩이 좋아서 모두의 입에 오르내릴 수 있죠."

3) 소유감과 도전 정신(Ownership & Risk Appetite)

PM은 자신이 맡은 결과를 온전히 책임지는 동시에, 최고의 결과를 위해 위험도 감수할 줄 알아야 성장할 수 있습니다.

"결국 실패도 맞닥뜨려야 하고, 다시 일어서야 하는, 뭐 그런 반복이죠. 회사라는 조직에서 이 과정은 더 어렵지만, 누군가는 해야죠."

4) 이해관계자 관리(Stakeholder Management)

대규모 기업일수록, 서로 다른 부서와 끊임없이 협업하며 예산이나 자원을 따내고, '얼마나 내 의견을 밀어붙일 수 있는지'의 수위를 계산해야 합니다.

"얼마나 다른 사람 의견을 무시하다가도, 결과가 좋으면 모여서 술 한잔하며 웃을 수 있는지, 그 계산이 PM의 몫이죠."

5) 감정지능(EQ, Emotional Intelligence)

고객이든 내부 동료든, 상대의 동기, 두려움, 기대를 정말로 이해하고 공감할 수 있는 능력이 필요합니다. 논리식만 따지는 'AI'와 달리, 이건 여전히 사람만이 할 수 있습니다.

"내가 고객 입장이었다면 뭐가 제일 나를 움직일까, 이걸 있는 그대로 느껴보는 데서 감정지능이 시작됩니다."

3. AI에 의해 대체(Disrupted)되는 PM 역량들

AI가 가장 빠르게 잠식해버릴 PM 업무 5가지가 명확히 정리됩니다.

1) 전략적 사고·우선순위화(Strategy & Prioritization)

의외로, AI가 앞으로 가장 파괴적으로 대체할 영역으로 꼽습니다. 기존의 '2x2 그리드 그리고 논리적으로 우선순위 정하기' 같은 작업은 AI가 더 빠르고, 더 광범위하게 해낼 수 있다는 것이죠.

"이제 '전략 세울 때 방에 혼자 콕 들어가 머리 싸매던' 오랜 관행은 끝났어요. AI에 자료 집어넣고, 조언받으면서 전략을 짜는 게 더 효율적이죠."

2) 데이터 분석·통합(Data Analysis & Synthesis)

비즈니스 상 반복되는 쿼리, 데이터 인사이트 추출 등 보일러플레이트 업무는 AI가 훨씬 잘하고, 쉽고 빠르게 습득합니다.

"예전엔 SQL만 잘해도 그게 엄청난 차별점이었죠. 이제는 그 차가 거의 사라지고 있어요."

3) 시장 조사(Market Research)

표면적이면서도 1차 자료가 아닌, 남들이 다 아는 수준의 리서치는 AI에 맡기는 게 훨씬 빠르다는 체감입니다.

"대학생 컨설팅 클럽에서 리서치 해주겠다고 해도, 요즘은 그냥 AI 쓰는 게 더 나아요."

단, 고도로 인간적인 관계(장기적 네트워킹, 이너 서클 인터뷰 등)는 아직 차별점.

4) 프로젝트 관리(Project Management)

세세한 업무 추적, 문서 업데이트, 백로그 관리 등 디테일 집착 업무는 '컴퓨터가 할 수 있는 것' 그 자체입니다.

"예전엔 최고의 PM을 디테일 집착형이라 칭송했는데, 이젠 그 묘사가 진짜 AI랑 더 어울려요."

5) 리서치 요약 및 문서화(Summarizing & Documentation)

요약, 문서 통합, 업데이트 등 반복적 diligence가 필요한 업무 역시 자동화가 거의 완성 단계에 접어든 영역입니다.

"피드백 받아서 문서화할 때도 그냥 AI로 부탁하고, 수정사항만 굵게 표시해서 검토만 하면 끝이죠."

4. 미래 PM이 반드시 갖춰야 할 새로운 역량

이제 PM이 "AI를 제대로 활용하고, AI-인간 혼합 환경에서 전문성을 잃지 않으려면" 완전히 새로운 역량을 쌓아야 한다고 강조합니다.

1) 컨텍스트 엔지니어링(Context Engineering)

단순 프롬프트 작성이 아니라, "AI가 최상의 결과를 내도록 어떤 정보를 언제, 어떻게 넣어줘야 하는지"를 잘 아는 것이 관건입니다.

"이젠 문서 하나 쓸 때, 첫 독자가 사람이 아니라 AI란 걸 상정하고 써야 해요. 자동화가 제대로 작동하려면 AI가 핵심 정보를 빠짐없이 받아야 하니까요."

2) AI Workflow 디자인 & 에이전트 관리(Agent Management)

AI가 완전히 의도대로 일하도록 워크플로우를 설계하고, 마치 '여러 명의 조수'처럼 AI 에이전트들을 관리하는 능력이 요구됩니다.

"이제는 PRD랑 프롬프트가 혼합되는 느낌이에요. 사람 대신 AI가 문서를 읽고 행동하며, 실전에서는 수십 개 작업을 한 번에 에이전트에게 위임할 수도 있죠."

AI에의 '과도한 상세 명령'과 '최소 지시' 그 균형점을 조절하는 노하우, 여러 개 에이전트 동시 관리 등도 실제 중요한 스킬이 되었습니다.

5. Linear만의 '제품 장인정신(Craft)'과 속도 규칙

Linear는 흔히 '애플식 장인정신=1년 퇴고 후 한 번에 대단히 완성도 있게!'라는 오해와 다르게, "10% 규칙"이라는 자체 원칙을 갖고 있습니다.

"모든 프로젝트마다 전체 기간의 10% 안에 무조건 동작하는 버전을 만들고, 최대한 많은 실사용 피드백을 통해 지속 개선합니다. 실제 시장/실전에서 얻는 데이터가 사내검토보다 훨씬 의미가 크기 때문이에요."

내부→선별 베타→전체 베타→릴리즈 순으로 러시안 인형(Russian Doll) 구조의 계단식 배포도 큰 특징입니다.
이방식은 소수 인력으로도 품질과 속도를 모두 잡는 비결로 밝혀집니다.

6. AI 제품(특히 Linear)의 실제 적용과 자동화 사례 데모

실제 Linear와 Claude 같은 AI툴이 어떻게 실무를 바꾸고 있는지를 생생히 보여주는 '라이브 데모'는 이 영상의 압권입니다.

1) MCP를 활용한 '고객 피드백 분석 자동화'

MCP 연결만 하면 AI가 모든 고객 요청, 이슈를 직접 찾아내고, 분석 결과 요약까지 자동 보고합니다.

"이건 누구나 두 번 클릭으로 할 수 있어요. 커피 한 잔 마시면 몇십건의 이슈와 피드백이 한눈에 정리돼요."

2) AI 기반 티켓/백로그 관리, 이슈 중복 및 관리

AI 에이전트가 중복 티켓, 적합한 담당자, 팀 자동 배정까지 제안합니다. PM 잡무라고 여겨지던 '백로그 가지치기'가 크게 단순화됩니다.

"이제는 슬랙에서 누구한테 물어봐야 할지 고민 안 해도 돼요. AI가 자동 추천해주거든요."

3) 코드베이스 리딩 및 코드 작성 자동화

별도의 AI 코딩 에이전트에게 간단한 명령만 하면, 실제 코드리딩, 문서 검색, 기능 추가까지 수행합니다.
사람이 직접 코드를 읽거나, 동료에게 부탁하는 대신, AI가 코드 상태를 체계적으로 분석하고, Pull Request(PR)까지 생성합니다.

"예전엔 엔지니어에게 '이 기능 있는지' 찾아달라고 부탁했지만, 이제 AI에게 물어보는 게 더 빠르고 효율적이에요."

4) 백로그 대량 자동 위임

수십 개 이슈를 한 번에 선택→AI 위임해서, 거의 '백명 PM을 데리고 있는 듯한' 분업 구조가 현실화됩니다.

"Ctrl+A로 전체 선택해서 AI에게 한 번에 다 맡길 수도 있죠. 그 결과는 전부 기록되고, 한 명의 책임자만 붙으면 돼요."

7. Linear의 미래, 인간과 AI가 함께 일하는 운영체제로

마지막으로, Linear는 앞으로 "인간-에이전트 혼합 시대의 작업 운영체제"가 되는 것이 목표임을 강조합니다.

"직원의 일과 AI 에이전트의 행동 방식을 하나로 아우르는 시스템, 바로 그 운영체제가 Linear의 다음 단계라고 봐요."

충분히 신뢰할 수 있는 자동화와, 여전히 인간의 책임이 살아있는 '혼합 협력 구조'가 새로운 업무 환경의 표준이 된다는 확신도 느껴집니다.

마무리

이 영상은 AI 시대 PM의 역할 변화, 미래 대응 전략, 실제 자동화 사례까지 폭넓게 다루면서, '지금 PM·스타트업·AI에 관심있는 모든 사람'에게 엄청난 인사이트를 전해줍니다.
살아남는 PM이 되기 위해선 감정, 통찰, 컨텍스트 활용과 AI 활용 설계, 그리고 에이전트 관리능력을 반드시 갖춰야 하며,
'반복적 기계 업무'는 AI가 책임지고, 인간만의 감성과 책임경영이 진짜 가치로 부상한다는 관점을 보여줍니다.
Linear의 사례는 실질적으로 AI 도입으로 일할 방식이 어떻게 달라질 수 있는지 생생하게 증명하고 있으니,
지금 바로 자신만의 변화 전략을 설계해보길 추천합니다! 🚀