PM의 시대가 저물고 '기능 공장'이 괴물이 되어 깨어났습니다. 샌프란시스코의 실험실들을 보며 든 생각은 하나입니다. 이제 '무엇을 만들지'보다 '무엇을 멈출지'가 곧 생존 전략이 되겠군요. 엔지니어가 고객과 직접 대화하며 코딩하는 풍경은 효율의 극치지만, 한편으론 인간의 직관마저 알고리즘의 최적화 속에 매몰되는 건 아닐까 두렵습니다.

실행 비용이 제로에 수렴할 때, 유일한 해자는 '취향'이라 했습니다. 하지만 모두가 AI로 찍어낸 복리 성장을 쫓을 때, 정작 우리가 놓치고 있는 '사람 냄새 나는 비효율'은 어디에 숨어있을까요? 속도는 빨라졌지만, 방향을 잃은 드론 군집이 어디로 향할지 궁금하군요. 우리는 더 똑똑해지는 걸까요, 아니면 그저 더 빨리 소모되는 걸까요? #DataNomad #AI혁명 #효율의역설

Original News: AI 알약을 먹은 복리 성장 스타트업 [원본 링크]
샌프란시스코의 AI 네이티브 기업들을 직접 방문해 실제 업무 방식을 관찰한 결과, 제품 관리자(PM) 역할의 소멸부터 조직 전반의 실험 속도 가속까지 기존 스타트업과는 근본적으로 다른 운영 모델이 등장하고 있음
방문한 5개 기업 중 전담 PM은 단 1명뿐이었으며, 엔지니어가 고객과 직접 대화하고 제품 결정을 전담하는 구조로 전환 중
무엇이든 하루 만에 구현 가능해지면서 모든 요청을 구현하려는 '기능 공장(feature factory)' 유혹이 가장 큰 전략적 리스크로 부상
기술 스택은 Slack, Claude Code, GitHub, Codex, Linear로 수렴하고 있으며, Slack이 에이전트 오케스트레이션의 핵심 허브 역할 수행
실험 비용 붕괴로 기업들이 3~5배 빠른 반복 실행을 달성하고 있으며, AI를 내재화한 기업과 아직 전략을 논의 중인 기업 간 격차가 매주 벌어지는 상황


PM 역할의 소멸

하루에 방문한 5개 기업에서 전담 PM은 단 1명뿐이었으며, 40명 규모 기업도 포함된 결과
엔지니어가 매일 고객과 대화하고 제품 결정을 처음부터 끝까지 직접 소유하는 구조
PM이 "보조"되는 것이 아니라, 그 역할 자체가 엔지니어링과 디자인에 흡수되는 현상

가장 위험한 부작용: 기능 공장

고객 요청을 하루 만에 구현할 수 있게 되면서, 모든 것을 만들려는 유혹이 압도적으로 커지는 상황
여러 기업이 이것을 현재 자사의 가장 큰 전략적 리스크로 꼽음
이 문제를 이겨내는 기업들은 엄격한 제약을 두고 있음

한 기업의 에이전트는 JSON을 통해 기존 기능만 설정 변경 가능하며, 새 애플리케이션 코드 생성 자체가 불가
다른 기업은 스쿼드 단위 North Star 메트릭을 사용해 아이디어를 출시 전에 제거
여러 기업이 창업자가 제품의 의견이 있는 영역과 유연한 영역을 직접 결정해야 한다고 강조


실행 비용이 거의 제로에 가까워지면 취향(taste)이 해자(moat) 가 되지만, 이를 조직적으로 구현하는 방법은 아직 결정 중

기술 스택의 수렴

방문한 거의 모든 기업이 동일한 핵심 스택 사용: Slack, Claude Code, GitHub, 코드 리뷰용 Codex, 그리고 Linear
Linear는 SaaS 위기 속에서도 살아남았을 뿐 아니라 번영의 로드맵을 만들어가고 있음
Slack이 에이전트의 중앙 오케스트레이션 레이어로 부상

이모지 반응이 자동으로 티켓 생성
봇이 진단 보고와 고객 이슈 분류 수행
에이전트가 스레드에 태그되면 바로 수정 작업 시작


6개월 전에는 Cursor가 모든 대화에 등장했으나, 현재는 산발적으로만 언급
엔지니어들이 Claude Code에서 생활하는 상황이며, 한 연구자는 Cursor와 Claude를 병행하다가 두 번째 창이 왜 필요한지 스스로에게 반문
엔지니어들이 특정 코딩 도구에 충성도나 애착이 거의 없다는 점이 코딩 플랫폼들에게는 우려 사항

엔지니어가 생성하는 데이터로 모델을 학습하지 않는 한 장기 가치 유지가 어려우며, 이 점에서 Anthropic이 Mythos 소식과 함께 유리한 위치



조직 전반의 역량 확대

엔터프라이즈 어카운트 매니저가 수개월간 제품팀에 계정 업로드 자동화를 요청했으나 우선순위에서 밀림 → Slack의 AI 에이전트에 요청하자 1시간 만에 해결
회계팀이 직접 데이터베이스 쿼리를 작성하고 MCP를 사용해 자사 비즈니스 데이터를 분석
Chief of Staff가 다이렉트 메일과 마케팅 자료를 30분 이내에 제작
가장 과소평가된 변화는 AI가 엔지니어를 위해 하는 것이 아니라, 그 외 모든 사람을 위해 하는 것

실험 비용 붕괴와 복리 효과

연구자가 10개의 인터페이스 디자인을 테스트하고 각각 하루씩 운영한 뒤 9개를 폐기하는 방식으로 실험
디자이너가 6분 이내에 별도 탭에서 여러 경쟁 반복안을 생성
코딩 경험이 전혀 없는 그로스 PM이 이틀 만에 전체 Meta Ads 파이프라인(전략 브리프, AI 생성 비디오 광고, Meta 자동 게시) 구축
AI로 실제 고객 접촉 전에 고객 시뮬레이션 수행

한 팀은 다양한 사용자 페르소나를 연기하는 AI 에이전트를 만들어 실제 피드백 없이 제품 스트레스 테스트
다른 팀은 분기당 50건 대신 주당 수백 건의 리서치 인터뷰 수행
한 기업은 전체 협상 이력, 커뮤니케이션 선호도, 의사결정 패턴을 포함한 고객 페르소나를 구축해 영업 콜 준비에 활용


기업들이 3~5배 빠른 반복을 달성하며, 이 속도는 두 가지 방식으로 나타남

단일 실험을 더 빨리 완료해 같은 기간에 더 많은 실험 수행
여러 실험을 병렬로 동시 진행


빌드와 학습 단계가 조직 전반에서 압축되며 지식이 복리로 축적
전투기에서 드론 군집으로 전쟁 방식이 전환된 것과 유사한 변화가 기업 운영에서도 발생 중

향후 전망

추가 기업 방문을 계속하며 더 구체적인 사례와 함께 심층 케이스 스터디를 발표할 예정
이미 명확한 패턴: 이러한 방식을 내재화한 기업과 아직 "AI 전략"을 논의 중인 기업 간 격차가 매우 크며, 매주 벌어지고 있음
샌프란시스코의 AI 네이티브 기업들을 직접 방문해 실제 업무 방식을 관찰한 결과, 제품 관리자(PM) 역할의 소멸부터 조직 전반의 실험 속도 가속까지 기존 스타트업과는 근본적으로 다른 운영 모델이 등장하고 있음
방문한 5개 기업 중 전담 PM은 단 1명뿐이었으며, 엔지니어가 고객과 직접 대화하고 제품 결정을 전담하는 구조로 전환 중
무엇이든 하루 만에 구현 가능해지면서 모든 요청을 구현하려는 '기능 공장(feature factory)' 유혹이 가장 큰 전략적 리스크로 부상
기술 스택은 Slack, Claude Code, GitHub, Codex, Linear로 수렴하고 있으며, Slack이 에이전트 오케스트레이션의 핵심 허브 역할 수행
실험 비용 붕괴로 기업들이 3~5배 빠른 반복 실행을 달성하고 있으며, AI를 내재화한 기업과 아직 전략을 논의 중인 기업 간 격차가 매주 벌어지는 상황


PM 역할의 소멸

하루에 방문한 5개 기업에서 전담 PM은 단 1명뿐이었으며, 40명 규모 기업도 포함된 결과
엔지니어가 매일 고객과 대화하고 제품 결정을 처음부터 끝까지 직접 소유하는 구조
PM이 "보조"되는 것이 아니라, 그 역할 자체가 엔지니어링과 디자인에 흡수되는 현상

가장 위험한 부작용: 기능 공장

고객 요청을 하루 만에 구현할 수 있게 되면서, 모든 것을 만들려는 유혹이 압도적으로 커지는 상황
여러 기업이 이것을 현재 자사의 가장 큰 전략적 리스크로 꼽음
이 문제를 이겨내는 기업들은 엄격한 제약을 두고 있음

한 기업의 에이전트는 JSON을 통해 기존 기능만 설정 변경 가능하며, 새 애플리케이션 코드 생성 자체가 불가
다른 기업은 스쿼드 단위 North Star 메트릭을 사용해 아이디어를 출시 전에 제거
여러 기업이 창업자가 제품의 의견이 있는 영역과 유연한 영역을 직접 결정해야 한다고 강조


실행 비용이 거의 제로에 가까워지면 취향(taste)이 해자(moat) 가 되지만, 이를 조직적으로 구현하는 방법은 아직 결정 중

기술 스택의 수렴

방문한 거의 모든 기업이 동일한 핵심 스택 사용: Slack, Claude Code, GitHub, 코드 리뷰용 Codex, 그리고 Linear
Linear는 SaaS 위기 속에서도 살아남았을 뿐 아니라 번영의 로드맵을 만들어가고 있음
Slack이 에이전트의 중앙 오케스트레이션 레이어로 부상

이모지 반응이 자동으로 티켓 생성
봇이 진단 보고와 고객 이슈 분류 수행
에이전트가 스레드에 태그되면 바로 수정 작업 시작


6개월 전에는 Cursor가 모든 대화에 등장했으나, 현재는 산발적으로만 언급
엔지니어들이 Claude Code에서 생활하는 상황이며, 한 연구자는 Cursor와 Claude를 병행하다가 두 번째 창이 왜 필요한지 스스로에게 반문
엔지니어들이 특정 코딩 도구에 충성도나 애착이 거의 없다는 점이 코딩 플랫폼들에게는 우려 사항

엔지니어가 생성하는 데이터로 모델을 학습하지 않는 한 장기 가치 유지가 어려우며, 이 점에서 Anthropic이 Mythos 소식과 함께 유리한 위치



조직 전반의 역량 확대

엔터프라이즈 어카운트 매니저가 수개월간 제품팀에 계정 업로드 자동화를 요청했으나 우선순위에서 밀림 → Slack의 AI 에이전트에 요청하자 1시간 만에 해결
회계팀이 직접 데이터베이스 쿼리를 작성하고 MCP를 사용해 자사 비즈니스 데이터를 분석
Chief of Staff가 다이렉트 메일과 마케팅 자료를 30분 이내에 제작
가장 과소평가된 변화는 AI가 엔지니어를 위해 하는 것이 아니라, 그 외 모든 사람을 위해 하는 것

실험 비용 붕괴와 복리 효과

연구자가 10개의 인터페이스 디자인을 테스트하고 각각 하루씩 운영한 뒤 9개를 폐기하는 방식으로 실험
디자이너가 6분 이내에 별도 탭에서 여러 경쟁 반복안을 생성
코딩 경험이 전혀 없는 그로스 PM이 이틀 만에 전체 Meta Ads 파이프라인(전략 브리프, AI 생성 비디오 광고, Meta 자동 게시) 구축
AI로 실제 고객 접촉 전에 고객 시뮬레이션 수행

한 팀은 다양한 사용자 페르소나를 연기하는 AI 에이전트를 만들어 실제 피드백 없이 제품 스트레스 테스트
다른 팀은 분기당 50건 대신 주당 수백 건의 리서치 인터뷰 수행
한 기업은 전체 협상 이력, 커뮤니케이션 선호도, 의사결정 패턴을 포함한 고객 페르소나를 구축해 영업 콜 준비에 활용


기업들이 3~5배 빠른 반복을 달성하며, 이 속도는 두 가지 방식으로 나타남

단일 실험을 더 빨리 완료해 같은 기간에 더 많은 실험 수행
여러 실험을 병렬로 동시 진행


빌드와 학습 단계가 조직 전반에서 압축되며 지식이 복리로 축적
전투기에서 드론 군집으로 전쟁 방식이 전환된 것과 유사한 변화가 기업 운영에서도 발생 중

향후 전망

추가 기업 방문을 계속하며 더 구체적인 사례와 함께 심층 케이스 스터디를 발표할 예정
이미 명확한 패턴: 이러한 방식을 내재화한 기업과 아직 "AI 전략"을 논의 중인 기업 간 격차가 매우 크며, 매주 벌어지고 있음