AI 시대에 더 중요한 것: 문제 정의와 운영 가능한 제품

이제 AI를 쓸 줄 아는 것 자체는 차별점이 아니다. 중요한 건 어떤 도구를 쓰느냐보다, 무슨 문제를 정의하고 무엇을 실제로 작동하는 제품으로 만들 수 있느냐 다. 최근 읽은 글도 같은 지점을 짚고 있었다. AI는 이미 강력한 도구가 되었지만, 개발 담론은 점점 제품 가치보다 도구 사용 자체에 몰입하고 있다는 이야기였다. 결국 중요한 것은 기술 그 자체가 아니라, 그 기술로 누구의 어떤 문제를 어떻게 해결하느냐 다.

나는 일을 시작할 때 기술보다 먼저 문제를 본다. 이 기능이 정말 사용자 문제를 푸는지, 내부 불편을 착각한 것은 아닌지, 출시 이후에도 운영 가능한지부터 점검한다. 실무에서는 구현보다 이 판단이 더 중요할 때가 많다. 겉보기엔 기능 요청이지만 실제로는 정책 문제인 경우가 있고, 반대로 큰 개편처럼 보이지만 데이터 구조 하나로 풀리는 일도 있다. 그래서 나는 AI를 빠른 실행에는 적극적으로 쓰지만, 문제 정의 자체를 대신하는 도구 로는 보지 않는다.

내가 만들고 싶은 것도 단순한 기능이 아니라 운영 가능한 제품 이다. 좋은 제품은 데모 화면보다 운영 단계에서 실력이 드러난다. 권한, 데이터 흐름, 예외 처리, 수정 가능성, 운영자 관점의 설명 가능성까지 버텨야 비로소 제품이 된다. 그래서 나는 화면 하나를 보더라도 그 뒤의 정책, 관리 구조, 유지보수 비용까지 함께 본다. 기술·기획·디자인·운영을 따로 보지 않는 이유도 여기에 있다. 제품은 이 요소들이 연결될 때 비로소 완성되기 때문이다.

AI 활용도 마찬가지다. 많이 쓰는 것이 중요한 게 아니라, 어디에 어떻게 배치하느냐 가 중요하다. 반복 작업, 정리, 초안, 프로토타이핑에는 강력하지만, 우선순위 결정과 구조 설계, 브랜드 톤, 운영 판단까지 넘기면 결과물은 빨라져도 얕아지기 쉽다. 한동안 Product Engineer라는 말이 주목받았던 이유도 여기에 있다고 생각한다. 코드보다 제품 가치에 집중하자는 흐름은 건강했다. 반면 지금처럼 도구 사용량이나 자동화 자체를 실력처럼 말하는 태도는 본질에서 멀다.

내가 포트폴리오에서 보여주고 싶은 것도 결국 같은 것이다. 무엇을 만들었는지보다, 어떤 문제를 보고 어떤 기준으로 판단했고 그것을 어떻게 운영 가능한 구조로 설계했는지 를 남기고 싶다. AI 시대에는 누구나 일정 수준까지는 빠르게 만들 수 있다. 그래서 더 드러나는 것은 속도가 아니라 판단의 질이다.

내가 일할 때 붙드는 기준은 단순하다. 기술보다 문제를 먼저 보고, 기능보다 구조를 먼저 설계하고, 출시보다 운영 가능성을 먼저 생각하는 것.

나는 기능을 구현하는 사람이라기보다, 문제를 구조화해
실제로 굴러가는 제품으로 바꾸는 사람 에 가깝고 싶다.