결론부터 말하면 아니다. AI PM은 사람 PM의 업무 중 반복적이고 구조화 가능한 부분(요청 접수, 작업 정리, 상태 추적, 문서화)을 빠르게 대신하지만, 정치적 판단이나 신뢰 기반의 협상, 모호한 우선순위를 최종 결정하는 일은 여전히 사람의 몫이다. 그래서 지금 시점에서 가장 정확한 표현은 대체가 아니라 증강, 즉 사람 PM의 역량을 넓혀주는 도구에 가깝다. 이 글에서는 사람 PM의 업무를 하나씩 뜯어보고, 그중 어디까지를 AI PM이 실제로 처리할 수 있는지, 온틀 같은 파견형 AI PM 모델이 이 경계를 어떻게 다루는지 살펴본다.
"프로젝트 매니저"라는 직함 하나로 뭉뚱그려지지만, 실무에서 PM의 업무는 성격이 전혀 다른 다섯 가지로 나뉜다. 이 구분이 이 글 전체의 뼈대다.
| 업무 영역 | 구체적으로 하는 일 | 성격 |
|---|---|---|
| 일정 관리 | 마일스톤 설정, 마감일 조정, 병목 예측 | 구조화 가능 |
| 커뮤니케이션 허브 | 요청 접수, 담당자 배정, 진행 상황 전달 | 구조화 가능 + 관계 |
| 리스크·이슈 트래킹 | 문제 조기 발견, 심각도 판단, 에스컬레이션 | 절반 구조화 |
| 이해관계자 조율 | 상충하는 요구 사이 합의점 찾기 | 관계·정치 |
| 우선순위 판단 | 무엇을 먼저, 무엇을 포기할지 결정 | 판단·책임 |
이 다섯 가지를 하나의 직무로 묶어서 쓰는 게 오히려 문제였다. 일정 관리와 우선순위 판단은 완전히 다른 종류의 일인데, 사람 PM 한 명이 이 둘을 동시에 하다 보니 정작 판단이 필요한 순간에도 반복 업무에 시간을 뺏기는 경우가 많았다. 이 표를 기준으로 AI PM이 잘하는 영역과 아직 못하는 영역을 나눠보자.
PM을 공항 관제탑에 비유하면 이해가 쉽다. 관제탑은 두 가지 일을 한다. 하나는 정해진 절차대로 이착륙 순서를 배정하고 활주로 상태를 계속 확인하는 일(구조화 가능한 일), 다른 하나는 갑작스러운 기상 악화나 기체 이상 상황에서 어느 비행기를 먼저 착륙시킬지 순간적으로 판단하는 일(판단·책임의 일)이다. 전자는 매뉴얼과 반복 학습으로 상당 부분 자동화할 수 있지만, 후자는 결과에 대한 책임을 질 수 있는 사람이 최종 신호를 보내야 한다. AI PM은 정확히 전자의 영역, 즉 관제 절차의 자동화에 해당한다.
사람 PM은 근무시간 안에서만 요청을 받는다. 저녁에 떠오른 아이디어나 주말에 생긴 급한 수정 요청은 다음 근무일까지 대기해야 한다. AI PM은 시간대와 무관하게 대화창이 열려 있는 한 요청을 즉시 접수한다. 이건 능력의 차이가 아니라 가용성의 차이이지만, 실무에서는 이 가용성 차이가 체감상 가장 크다. 요청한 시점과 접수된 시점 사이의 간격이 사라지면, 요청자 입장에서는 "말하자마자 기록됐다"는 확신이 생긴다.
사람이 프로젝트 매니저에게 말할 때는 대체로 정리되지 않은 문장으로 던진다. "저번에 얘기했던 그 페이지 좀 손보고 싶은데 색깔이 좀 별로예요" 같은 문장이다. 이 문장에는 어떤 페이지인지, 어떤 색이 어떻게 별로인지, 언제까지 필요한지가 다 빠져 있다. 사람 PM은 이걸 다시 물어보거나 자기 기억으로 채워 넣는데, 이 과정에서 시간이 걸리고 오해도 생긴다.
AI PM은 대화 맥락(이전 요청 이력, 프로젝트 히스토리)을 참조해 이런 모호한 문장을 구체적인 작업 항목으로 바로 변환할 수 있다. 대화를 하면서 부족한 정보는 즉시 되묻고, 그 결과를 작업 큐에 등록되는 항목으로 정리한다.
요구사항이 정리되면 그다음은 실제로 뭔가가 나와야 한다. 기획 문서, 초안, 화면 목업, 혹은 서브도메인으로 바로 확인할 수 있는 결과물까지, 이 변환 과정 자체를 AI PM이 맡을 수 있다는 점이 파견형 모델의 핵심이다. 사람 PM이 "이 요청은 디자이너에게, 이 요청은 개발자에게"라고 인력을 배분하는 대신, AI PM이 요청을 받아 산출물까지 만들어내고 결과를 프로젝트 전용 주소로 바로 보여준다.
사람 PM이 매일 챙기기 부담스러워하는 일 중 하나가 "이 작업이 지금 어디쯤 와 있는지" 계속 확인하는 것이다. 특히 여러 프로젝트를 동시에 맡고 있으면 어떤 항목이 며칠째 멈춰 있는지 놓치기 쉽다. AI PM은 작업 큐 상태를 상시 들여다보고 있기 때문에 정체된 항목을 놓치지 않고, 필요한 시점에 공지나 알림으로 상기시킬 수 있다. 사람의 기억력에 의존하지 않는다는 점이 이 영역에서 가장 큰 차이다.
여기서부터가 이 글의 핵심이다. AI PM이 잘하는 영역을 나열하는 콘텐츠는 많지만, 왜 특정 영역은 안 되는지를 설명하는 콘텐츠는 드물다. 이유를 명확히 알아야 "언제 AI PM에 맡기고 언제 사람이 개입해야 하는지" 판단할 수 있다.
프로젝트에는 표면적인 요구사항 뒤에 조직 내부의 이해관계가 숨어 있는 경우가 많다. "이 기능을 먼저 넣어달라"는 요청이 실은 부서 간 힘겨루기의 결과물일 수 있고, "예산을 줄여달라"는 말이 실제로는 다른 프로젝트에 자원을 몰아주기 위한 신호일 수 있다. 이런 맥락은 대화 로그에 명시적으로 드러나지 않는다. AI가 대화에 드러난 상대의 의도를 추론하는 일은 가능하지만, 로그 바깥에 있는 조직 내부의 역학까지 파악해 그에 근거한 결정을 내리고 책임지는 일은 여전히 사람의 몫이다.
"이번엔 급한 부탁인데, 다음번엔 우리가 양보하겠다" 같은 암묵적 거래는 사람 사이의 신뢰 관계 위에서 성립한다. AI가 협상 능력 자체가 없는 것은 아니다 — 메타의 CICERO는 보드게임 디플로머시라는 제한된 환경에서 상대의 의도를 추론하고 인간과 협상·동맹을 형성해 보였다(개발진 공개 자료). 다만 그것이 규칙이 명확한 게임을 벗어나 실제 조직의 신뢰 관계로 그대로 이어진다는 뜻은 아니며, 후속 연구는 이런 협상 능력이 특정 조건에 크게 의존한다는 한계를 지적한다(한계를 분석한 후속 논문). AI PM은 대화 내용을 기록하고 약속의 이행 여부를 추적할 수는 있지만, 오랜 신뢰 관계 위에서 무형의 가치를 걸고 상대를 설득하며 그 결과를 책임지는 일까지 대신하기는 어렵다. 협상은 논리의 문제만이 아니라 관계의 문제인 경우가 더 많기 때문이다.
작업 큐에 열 개의 요청이 쌓여 있고 리소스는 세 개만 처리할 수 있을 때, "무엇을 먼저 할 것인가"는 데이터만으로 결정되지 않는다. 마감일, 중요도, 요청자의 영향력, 그리고 조직이 지금 어디에 힘을 싣고 싶어 하는지가 뒤섞인 판단이다. AI PM은 각 항목의 마감일과 의존관계 같은 사실 정보를 정리해서 보여줄 수는 있지만, 최종적으로 "이걸 먼저 하겠다"는 결정과 그에 따른 책임은 사람이 져야 한다.
가장 근본적인 차이는 여기에 있다. 결정이 잘못되었을 때 그 결과를 감당하는 주체가 있어야 조직이 돌아간다. AI PM이 아무리 정교하게 작업을 정리해도, 최종 승인과 그에 따른 책임의 소재는 사람에게 남아 있다. 이건 기술이 더 발전한다고 해서 자동으로 해소되는 문제가 아니라, 애초에 성격이 다른 문제다.
정리하면 이렇다. 사람 PM의 업무 다섯 가지 중 일정 관리와 커뮤니케이션 허브 역할, 그리고 리스크·이슈 트래킹의 상당 부분은 AI PM이 넘겨받을 수 있다. 반면 이해관계자 조율과 우선순위의 최종 판단은 여전히 사람의 영역에 남는다.
이 구도를 "AI가 PM을 대체한다"고 표현하면 과장이고, "AI는 그저 도구일 뿐"이라고 축소하면 그것도 부정확하다. 정확한 표현은 증강이다. 사람 PM이 반복적인 접수·정리·추적 업무에서 벗어나면, 정작 사람만 할 수 있는 판단과 조율에 쓸 시간과 에너지가 늘어난다. 한 명의 PM이 관리할 수 있는 프로젝트 수가 늘어나는 것도 이 증강의 결과다.
| 업무 영역 | AI PM 역할 | 사람의 역할 |
|---|---|---|
| 일정 관리 | 마감일 추적, 병목 알림 | 예외 상황 최종 조정 |
| 커뮤니케이션 허브 | 24시간 접수, 구조화, 진행상황 전달 | 민감한 대화, 관계 유지 |
| 리스크·이슈 트래킹 | 이상 징후 탐지, 상태 기록 | 심각도 최종 판단, 에스컬레이션 결정 |
| 이해관계자 조율 | 요청 내용 정리·공유 | 합의점 도출, 설득 |
| 우선순위 판단 | 사실 정보 정리(마감·의존관계) | 최종 결정과 책임 |
온틀은 프로젝트를 만들면 그 프로젝트 전담으로 AI PM 한 명이 배정되는 파견형 구조를 쓴다. 여기서 "파견형"이라는 표현이 중요한데, 여러 프로젝트가 하나의 AI를 공유하는 방식이 아니라 프로젝트마다 독립된 담당자가 붙는다는 뜻이다. 사람 조직에서 프로젝트별로 담당 PM을 배정하는 방식과 같은 구조를 AI PM에도 그대로 적용한 것이다.
이 전담 AI PM이 하는 일은 앞서 설명한 "AI PM이 잘하는 것"의 실제 구현이다.
반대로 온틀의 AI PM이 대신하지 않는 영역도 명확하다. 여러 이해관계자 사이의 최종 합의, 프로젝트의 방향을 바꾸는 큰 결정, 그리고 그 결정에 대한 책임은 여전히 프로젝트를 운영하는 사람의 몫으로 남는다. 온틀은 이 경계를 지우려 하지 않는다. 오히려 AI PM이 반복 업무를 확실히 맡아줌으로써, 사람이 판단에만 집중할 수 있는 여건을 만드는 쪽에 가깝다.
AI PM 도입을 검토할 때 "우리 프로젝트에 맞을까"를 판단하는 기준을 정리하면 다음과 같다.
| 상황 | AI PM 효과적 | 사람 PM이 더 필요 |
|---|---|---|
| 요청이 자주, 비정기적으로 들어옴 | 그렇다(24시간 접수) | - |
| 요청 내용이 반복 패턴을 가짐 | 그렇다(구조화 학습) | - |
| 여러 이해관계자의 이견 조율이 잦음 | - | 그렇다 |
| 소규모 프로젝트로 전담 인력 배정이 부담됨 | 그렇다 | - |
| 결과물(문서·화면)을 빠르게 확인하고 싶음 | 그렇다(즉시 발행) | - |
| 조직 정치·예산 협상이 얽혀 있음 | - | 그렇다 |
| 진행 상황을 놓치지 않고 계속 추적해야 함 | 그렇다 | - |
핵심은 "일이 얼마나 구조화 가능한가"다. 요청의 패턴이 반복적이고, 산출물의 형태가 어느 정도 정해져 있고, 진행 상황을 놓치지 않는 게 중요한 프로젝트일수록 AI PM의 효과가 크다. 반대로 매번 다른 이해관계자와의 조율이 필요하고 정답이 정해져 있지 않은 판단이 많은 프로젝트라면, AI PM은 보조 역할에 머무르고 사람 PM의 비중이 여전히 커야 한다.
실무에서는 대부분의 프로젝트가 이 두 극단 사이 어딘가에 있다. 그래서 "AI PM이냐 사람 PM이냐"를 양자택일로 볼 게 아니라, 반복 가능한 업무는 AI PM에게 맡기고 판단이 필요한 지점에서만 사람이 개입하는 구조를 설계하는 게 현실적인 접근이다.
아닙니다. AI PM은 접수된 요청을 정리하고 작업으로 만들어 진행하지만, 프로젝트의 방향이나 우선순위를 바꾸는 결정은 프로젝트를 운영하는 사람의 승인을 거칩니다.
가능합니다. AI PM이 반복적인 접수·정리·추적 업무를 맡고, 사람 PM은 조율과 최종 판단에 집중하는 방식으로 함께 운영할 수 있습니다.
프로젝트별 지식 온틀에 쌓여서, 이후 요청을 판단할 때 맥락으로 참조됩니다. 매번 처음부터 설명할 필요가 줄어드는 이유입니다.
대화로 다시 요청하면 됩니다. AI PM이 피드백을 새로운 작업으로 등록해 반영하고, 결과를 다시 확인할 수 있게 합니다.
오히려 소규모 프로젝트에서 효과가 더 클 수 있습니다. 전담 인력을 배정하기 부담스러운 규모에서도 요청 접수부터 산출물 발행까지 이어지는 흐름을 유지할 수 있기 때문입니다.
프로젝트를 만들면 전담 AI PM이 배정되어 요청 접수부터 작업 관리, 산출물 발행까지 함께합니다. 반복 업무는 AI PM에게 맡기고, 판단이 필요한 순간에만 집중하고 싶다면 https://ontle.kr 에서 직접 확인해보시기 바랍니다.