AI 제품을 운영 가능한 방식으로 만드는 프로덕트 오너

AI를 쓰면 좋아질 것 같다는 말은 많습니다. 그런데 “그래서 어디에, 어떻게 써야 하지?”부터 막막한 경우가 더 많아요.

저는 이 질문을 사용자 문제, 필요한 데이터, 품질과 비용, 운영 책임이 있는 제품 계획으로 바꾸는 프로덕트 오너 구석모입니다. 분산 시스템 연구에서 시작해 물류·커머스 운영, 도시·HR 데이터 제품까지 다뤄 왔고, 지금은 웍스피어에서 PO 팀장 겸 AI Agent Platform Lead로 일하고 있습니다.

잡코리아·알바몬의 AI 제품과 전사 AX를 맡아, 무엇을 먼저 만들지 정하고 제품·개발·데이터·운영팀이 같은 기준으로 실행하도록 돕습니다. 필요한 시제품과 자동화 도구는 직접 만들어 봅니다. 기획서에서 그럴듯해 보이는 것과 실제로 쓸 수 있는 것은 꽤 다르거든요.

지금 하는 일

2025년 11월부터 서비스 AI 제품 전략과 전사 AX 과제 선정을 이끌고 있습니다. 아이디어가 들어오면 먼저 사용자에게 줄 변화가 분명한지 봅니다. 검색·규칙·기존 기능으로 풀 수 있다면 굳이 AI를 붙이지 않습니다. AI가 필요한 경우에는 데이터와 외부 도구, 사람이 다시 확인할 조건, 품질과 운영비까지 함께 정합니다.

직접 작동하는 시제품도 만듭니다. 시제품을 통해 데이터와 도구가 정말 연결되는지, 응답 품질과 속도를 어떤 기준으로 볼지, 배포 뒤 누가 책임질지를 개발 전에 확인합니다. LLM 에이전트를 제품에 쓰는 일은 모델을 고르는 일만은 아니니까요.

이 일을 하게 된 흐름

연구원 시절에는 분산 처리의 성능과 실감미디어의 품질을 실험으로 확인하고, 그 결과를 논문·특허·테스트베드로 남겼습니다. 측정 기준이 없으면 개선도 설명할 수 없다는 감각은 이때 배웠습니다.

물류 데이터 제품을 만들 때는 서로 다르게 적힌 B/L·AIS·선박·항만 데이터를 맞춰 화물 위치와 지연을 설명하는 구조를 설계했습니다. 창업한 커머스에서는 네 개 판매 채널의 상품·재고·주문·정산을 하나의 운영 흐름으로 묶고 반복 업무를 자동화했습니다. 데이터는 많이 모으는 것보다, 예외까지 견디는 기준을 만드는 일이 더 중요하다는 걸 배웠어요.

도시 공공데이터를 타일의 가치와 거래 규칙으로 바꾸는 Meta Seoul 프로젝트를 거쳐, 원티드랩에서는 기업정보 데이터 제품, AI 멘토, Wanted LaaS의 기업 적용 과제를 맡았습니다. 데이터와 AI는 화면이나 답변 하나로 끝나지 않습니다. 사용자가 다음에 무엇을 판단하고 행동할지까지 이어질 때 비로소 제품이 됩니다.

이 블로그에 기록하는 것

이곳에는 AI 에이전트와 업무 자동화를 실제로 적용하면서 부딪힌 판단을 남깁니다. 도구를 많이 쓰는 법보다, 어떤 문제에 써야 하는지, 실패할 때 어디서 멈춰야 하는지, 다음 사람이 같은 근거로 판단하려면 무엇을 기록해야 하는지에 더 관심이 있습니다.

완벽한 자동화나 정답 하나를 약속하지는 않습니다. 대신 직접 해 본 워크플로우, 작동한 방식과 한계, 다시 쓸 수 있는 기준을 가능한 한 구체적으로 공유하려고 합니다.

기록과 연락

회사별 역할, 연구·특허·논문, 공개 가능한 작업 기록은 포트폴리오에서 확인할 수 있습니다. 회사·고객의 내부 지표나 비공개 로드맵은 싣지 않고, 제가 맡은 일과 공개 가능한 결과를 구분해 정리합니다.

2025년 9월에는 이하나 작가와 함께 『AI와 직장인 생존 전략』을 출간했습니다(커뮤니케이션북스). AI와 함께 일하는 법과 자기 서사를 지키는 힘을 다룬 책입니다.

함께 이야기 나누고 싶으시다면 편하게 연락 주세요.