2030년까지 연20%이상 성장할거라는 이 직무

채용 사이트를 훑다 보면 'AI PM'이라는 직함이 부쩍 눈에 띄어요. 2025년 1분기 미국에서 AI 관련 채용만 3만 5천여 건으로, 1년 전보다 25% 늘었다는 집계도 있어요. 몇 년 전만 해도 낯설던 이름인데, 지금은 가장 몸값 높은 자리 중 하나로 불려요. 그런데 정작 'PM'이 무슨 일을 하는 사람인지 물으면 답이 제각각이에요. 알고 보면 여기엔 서로 다른 두 직무가 섞여 있고, AI 시대에 값이 오르는 쪽은 그중 하나예요.

프로젝트 매니저와 프로덕트 매니저, 같은 PM이 아니라는 것

사실 'PM'이라는 말부터 정리하고 가야 해요. 한국에서는 이 말이 아직 뒤섞여 쓰여서, 같은 'PM'인데 전혀 다른 일을 가리키는 경우가 많아요. 크게 프로젝트 매니저(Project Manager)와 프로덕트 매니저(Product Manager) 둘로 나뉘어요.

겹치는 부분부터 볼게요. 일정 관리, 이해관계자 사이 소통, 팀 커뮤니케이션 같은 능력은 둘 다에게 필요해요. 그래서 비슷해 보이지만, 정작 '무엇을 해내야 하는가'는 꽤 달라요.

프로젝트 매니저는 IT로 치면 개발팀을 이끄는 팀장에 가까워요. 정해진 목표를 일정·인력·범위 안에서 굴러가게 하는 큰 그림 관리가 핵심이라, 개발을 아는 사람이 맡는 경우가 많아요. 무엇을 덜어내고 무엇을 남길지 정해 개발자들에게 전달하고, 개발이 제때 끝나도록 챙기는 자리예요.

프로덕트 매니저는 개발보다 한 단계 앞, 기획 쪽에 무게가 있어요. 고객이 겪는 경험, 진짜 풀어야 할 문제가 무엇인지 본질을 파악하는 일, 제품이 나아갈 방향을 정하는 게 메인이에요. 개발 지식은 팀과 말이 통할 정도면 충분하고, 깊으면 물론 더 좋아요.

그래서 요즘 앞선 기업들은 둘을 나눠 둬요. 프로덕트 매니저가 기획·브랜딩·마케팅 담당자와 함께 제품 방향을 잡아 오면, 프로젝트 매니저와 상의해 무엇을 자르고 무엇을 먼저 할지 정하고, 그렇게 정리된 계획을 개발팀이 만들어가요. 이 구분 없이 한 사람에게 다 떠넘기면 방향도 흐려지고 일정도 무너지기 쉬워요. 많은 팀이 PM을 두고 답답해하는 이유가 여기 있어요.

그럼 AI 시대엔 이 둘이 어떻게 될까요? AI가 가장 먼저 파고드는 건 '실행'이에요. 코드 작성, 일정 조율, 반복되는 개발 관리처럼 프로젝트 매니저가 챙기던 일을 AI 도구가 점점 거들거든요. 반대로 '무엇을 왜 만들지, 이게 진짜 고객 문제를 푸는지'를 판단하는 프로덕트 매니저의 몫은 AI가 대신 정해주기 어려워요. 만들 수는 있어도, 만들 가치가 있는지까지 대신 결정해주진 않으니까요.

그래서 방향은 분명해져요. 실행은 AI에 점점 맡기고, 사람은 문제의 본질을 짚고 방향을 정하는 프로덕트 매니저 쪽 감각에 무게를 실어야 해요. 혼자 만드는 사람에겐 특히 그래요. 어차피 두 역할을 겸하는데, 실행을 AI가 거들어주니 '무엇을 왜 만들지' 고르는 힘만 키우면 되거든요.

이 글에서 말하는 PM, 그리고 'AI PM'은 이 중 프로덕트 매니저예요. AI PM은 곧 AI 프로덕트 매니저(AI Product Manager)를 줄인 말이고요.

프로덕트 매니저는 원래 뭘 하는 사람일까

프로덕트 매니저는 '무엇을, 왜, 누구를 위해 만들지'를 정하는 사람이에요. 코드를 직접 짜거나 화면을 그리지는 않지만, 그 결정들이 어느 방향으로 갈지 잡아주는 역할이에요.

조금 더 구체적으로 볼게요. 하루는 대체로 이런 일로 채워져요.

1. 문제 고르기 — 지금 가장 아픈 문제가 뭔지 정하고, 정말 풀 만한 가치가 있는지 따져요.

2. 우선순위 정하기 — 할 일은 많고 사람은 적으니, 무엇을 먼저 하고 무엇을 미룰지 정해요.

3. 사이에서 조율하기 — 개발자·디자이너·마케터가 같은 목표를 보도록 말을 맞춰요.

4. 결과 확인하기 — 다 만든 뒤 실제로 나아졌는지 숫자로 확인해요.

예를 들어 '가입 화면 단계가 많아서 중간에 빠져나가는 사람이 많다'는 문제를 발견했다고 해볼게요. 어떤 단계를 줄일지 정하고, 언제 개발할지 순서를 잡고, 바꾼 뒤 이탈이 실제로 줄었는지까지 챙겨요. 이때 '가입 이탈을 5%포인트 낮추자'처럼 목표를 숫자로 정해두면, 바꾼 게 통했는지 아닌지 분명해져요. 그래서 흔히 "작은 사장"이라고 불러요. 권한이 세다는 뜻이 아니라, 방향을 책임진다는 뜻이에요.

헷갈리기 쉬운데, 프로덕트 매니저는 아이디어만 내는 기획자와도 조금 달라요. 무엇을 만들지 정하는 것만큼, '이건 안 만든다', '이건 나중에 한다'고 덜어내는 결정도 중요한 몫이에요. 좋은 프로덕트 매니저는 기능을 많이 얹는 사람이 아니라, 지금 꼭 필요한 하나를 골라내는 사람에 가까워요. 이 판단 감각이 뒤에 나올 AI PM 이야기의 핵심이에요.

AI PM은 새로운 직무가 아니다

AI PM은 완전히 새로운 직업이라기보다, 방금 본 프로덕트 매니저의 역할이 도구에 맞춰 한 번 더 옷을 갈아입은 결과예요. 하는 일의 뼈대(무엇을 왜 만들지 정한다)는 그대로고, 다루는 재료가 바뀐 거예요.

시간을 조금 되감아 볼게요. 몇 년 전만 해도 PM에게 요구되던 기술은 데이터베이스에 간단한 조회 명령(SQL)을 넣어 숫자를 뽑아보는 정도였어요. 그런데 지금은 모델이 얼마나 잘 작동하는지 판단하고, 학습 데이터가 어디서 왔는지 설명하는 일까지 맡아요. AI가 왜 그렇게 반응했는지 경영진에게 풀어주는 것도 PM 몫이 됐고요.

이 변화는 단계적으로 왔어요. 데이터를 더 많이 보게 되면서 '데이터 PM'이, 사용자를 늘리는 데 집중하면서 '그로스 PM'이 생겼어요. 그리고 AI가 제품의 중심에 들어오면서 'AI PM'이 자리를 잡은 거예요. 가까운 예로, 요즘은 거의 모든 앱에 챗봇이나 추천 기능이 하나씩 들어가죠. 그 기능을 '누구를 위해, 어디까지' 만들지 정할 사람이 필요해지면서 AI PM 자리도 같이 늘어난 거예요. 그러니 새 직무라기보다 '같은 일의 다음 버전'에 가까워요. 그럼 실제로 무슨 일을 하는지 볼게요.

AI PM이 그래서 무슨 일 하는데?

가장 큰 차이는 '정답이 정해진 기능'이 아니라 '확률로 움직이는 모델'을 다룬다는 점이에요. 보통 버튼은 누르면 늘 같은 결과가 나와요. 반면 AI 기능은 같은 질문에도 답이 조금씩 달라질 수 있어요. 그래서 AI PM의 일은 '완벽하게 만들기'보다, 가끔 틀리는 걸 전제로 믿고 쓸 수 있게 만드는 쪽에 가까워요.

그 중심에 '평가(evaluation, 모델이 얼마나 잘하는지 재는 기준을 만드는 일)'가 있어요. "이 정도면 잘한 거야"를 누가 봐도 알 수 있게 기준으로 정해두는 거예요. 예를 들어 고객 문의에 답하는 상담 챗봇을 만든다고 해볼게요. AI PM은 먼저 어떤 질문까지 답하게 할지 범위를 정하고, '100번 중 몇 번까지 틀려도 괜찮은지' 기준을 세워요. 그 선을 넘을 때까지 데이터와 질문(프롬프트)을 다듬고요. 막상 틀린 답이 나올 때 그냥 사과할지, 사람 상담원에게 넘길지 같은 대비책도 미리 정해둬요.

여기에 챙길 게 더 있어요. 학습 데이터의 품질, 결과가 한쪽으로 치우치는 편향, 개인정보, 모델을 돌릴 때마다 드는 비용까지 함께 봐야 해요. 게다가 출시하고 끝이 아니에요. AI는 시간이 지나면 들어오는 데이터가 달라져 슬그머니 성능이 떨어지기도 해서, 내놓은 뒤에도 계속 지켜보며 다시 손봐요.

기존 PM과 나란히 놓으면 차이가 더 선명해요.

한마디로 AI PM은 '정답을 만드는 사람'이 아니라, 똑똑하지만 가끔 틀리는 도구를 믿을 만하게 길들이는 사람에 가까워요.

AI PM은 앞으로 얼마나 커질까

결론부터 말하면, 당분간 수요가 빠르게 커지는 쪽이에요. AI 제품 관리 직무가 2030년까지 연 20%가 넘는 속도로 성장할 거라는 전망이 있어요. 실제로 2025년 한 해에만 1만 2천 명 넘게 AI PM 자리로 옮겨갔고요. 사람이 이 자리로 몰리는 이유 중 하나는 돈이에요. 미국 기준으로 AI PM 연봉이 일반 PM의 두 배 가까이로 벌어졌다는 집계도 있어요.

수요가 느는 이유는 생각보다 단순해요. 기업들이 앞다퉈 AI를 제품에 넣기 시작하면서, '기술을 아는 것'과 '그 기술을 쓸 만한 제품으로 바꾸는 것' 사이를 이어줄 사람이 필요해졌거든요. 모델은 좋아졌는데, 그걸 실제 사용자 손에 제대로 쥐여줄 사람이 아직 부족한 거예요.

다만 'PM이면 다 유리하다'는 얘기는 아니에요. AI를 다룰 줄 아는 PM은 몸값이 오르는데, 특징 없는 제너럴리스트 PM 자리는 오히려 줄어드는 양극화가 나타나고 있어요. 전망이 밝은 건 'AI를 실제로 다뤄본 PM' 쪽이지, 직함만 PM인 경우가 아니에요.

그래서 지금 궁금해지는 건 '이 흐름이 3년 뒤엔 어디까지 가 있을까'예요.

3년 뒤 AI PM은 어떤 모습일까

3년쯤 뒤를 그려보면, 키워드는 '경계가 흐려진다'예요. 지금은 PM, 디자이너, 개발자의 일이 나뉘어 있지만, AI가 그 사이 작업을 대신 해주면서 한 사람이 여러 역할을 겸하는 흐름이 뚜렷해요. 실제로 직접 프로토타입까지 만드는 빌더형 PM이 늘고, 링크드인은 신입 PM 교육을 아예 '프로덕트 빌더'라는 이름으로 바꿨어요.

조금 더 구체적으로 그려볼게요. 3년 뒤엔 아이디어를 말로 설명하면 AI가 초안을 만들고, 사람은 그중 무엇을 내보낼지 고르는 방식이 지금보다 훨씬 익숙해질 거예요. 코드를 한 줄도 직접 안 쳐도 작은 제품을 세상에 내놓는 일이 더 흔해지고요. 그만큼 '무엇을 왜 만들지' 고르는 눈이 더 중요해지는 거예요.

앞서 봤듯 실행은 AI 몫이 점점 커지니, 사람에게 남는 건 방향을 잡고 결과가 쓸 만한지 가려내는 눈이에요. 도구가 똑똑해질수록 그 눈의 값이 오히려 올라가는 거예요.

여기서 반가운 소식이 하나 있어요. 현재 AI PM의 약 60%는 컴퓨터공학 전공이 아니에요. 3년 뒤에 필요한 건 개발자급 코딩 실력이 아니라, AI를 도구로 부리며 무엇을 왜 만들지 판단하는 감각이라는 뜻이에요. 그리고 그 감각은 지금 혼자 뭔가 만들어보는 사람이 이미 기르고 있어요. 주제를 정하고, AI에 시키고, 결과가 쓸 만한지 스스로 평가하는 과정이 정확히 AI PM의 일이거든요. 코딩을 못하는 비개발자가 Cursor를 선택한 이유처럼, 작게라도 직접 만들어본 경험이 3년 뒤엔 꽤 든든한 자산이 돼요.

결국 3년 뒤에 갈릴 지점은 'AI를 도구로 다뤄봤는가'예요. 그런 면에서 지금 혼자 작게라도 만들어보는 시간은, 3년 뒤 이력서 한 줄보다 든든한 준비가 될 수 있어요.

'AI PM'이라는 이름에 미리 겁먹을 필요는 없어요. 새로 생긴 낯선 직업이 아니라, 무엇을 왜 만들지 정하는 오래된 역할이 AI를 만나 다시 주목받는 것뿐이에요. 그 역할은 큰 회사 직함에만 있는 게 아니라, 지금 뭔가 만들어보는 사람 안에 이미 들어 있어요.

한 번 더, 빠르게 짚고 갈게요

Q. 프로젝트 매니저랑 프로덕트 매니저, 결국 뭐가 제일 다른가요?

A. 일정·소통 관리처럼 겹치는 능력은 있지만 핵심이 달라요. 프로젝트 매니저는 정해진 일을 일정 안에 굴러가게 하는 실행 관리가 중심이고, 프로덕트 매니저는 무엇을 왜 만들지, 진짜 고객 문제가 뭔지 정하는 게 중심이에요. 이 글의 AI PM은 프로덕트 매니저 쪽이에요.

Q. AI PM이 되려면 개발자 출신이어야 하나요?

A. 꼭 그렇지는 않아요. 실제로 AI PM 중에는 컴퓨터공학 비전공자 비중이 상당히 높아요. 코드를 직접 짜는 실력보다, AI를 도구로 쓰면서 무엇을 왜 만들지 판단하는 힘이 더 중요하게 평가돼요.

Q. 혼자 만드는 사람도 AI PM 경험이라고 할 수 있나요?

A. 네, 충분히요. 주제를 정하고 AI에 시키고 결과를 평가하는 과정 자체가 AI PM이 하는 일과 겹쳐요. 회사 직함은 없어도 그 경험을 정리해두면 실제 지원이나 협업에서 이야깃거리가 돼요.

Q. 일반 PM과 AI PM은 준비할 때 뭐가 다른가요?

A. 기본기(문제 정의·우선순위·조율)는 똑같아요. 여기에 AI 모델을 어떻게 평가할지, 데이터와 편향·비용을 어떻게 챙길지가 더해져요. 그래서 AI를 직접 써보고 결과의 좋고 나쁨을 설명해보는 연습이 도움이 돼요.

Q. 지금 당장 뭐부터 시작하면 좋을까요?

A. 아주 작은 걸 하나 직접 만들어보는 게 가장 빨라요. AI 도구로 간단한 페이지나 앱을 끝까지 완성해보고, 그 과정에서 무엇을 왜 그렇게 정했는지 메모해두세요. 그게 첫 포트폴리오이자 첫 AI PM 경험이 돼요.