How Anthropic’s product team moves faster than anyone else | Cat Wu (Head of Product, Claude Code)

원본 영상: How Anthropic’s product team moves faster than anyone else | Cat Wu (Head of Product, Claude Code) · 채널 Lenny's Podcast

Part 1 — 핵심 인사이트

AI 시대 PM의 핵심은 조율보다 출시 속도다.
LLM이 범용적일수록 타깃과 목표를 더 좁혀야 한다.
좋은 PM은 무엇을 만들지 고르는 taste가 강하다.
연구 미리보기는 빠른 실험을 가능하게 하는 장치다.
PM은 팀이 스스로 결정하게 만드는 운영 프레임을 설계해야 한다.

Part 1 — 요약

이 영상은 Anthropic의 Claude Code 팀이 AI 시대에 제품을 얼마나 빠르게 만들고 출시하는지, 그리고 그 속에서 PM 역할이 어떻게 바뀌는지를 다룬다. Kat Wu는 예전처럼 장기 로드맵 조율에 집중하기보다, 현재 모델에서 최대 역량을 끌어내고 아이디어를 일주일 단위로 사용자에게 전달하는 속도가 핵심이라고 말한다. 이를 위해 명확한 목표 설정, 연구 미리보기(research preview) 중심의 가벼운 출시 방식, 그리고 엔지니어·마케팅·문서화 팀이 바로 움직일 수 있는 운영 프레임을 강조한다.

또한 좋은 AI PM의 역량으로는 코딩보다 "무엇을 만들지"를 정하는 제품 감각, 즉 product taste가 중요해진다고 본다. LLM의 범용성은 오히려 목표와 대상 사용자 정의를 어렵게 만들기 때문에, PM은 누구를 위해 무엇을 해결할지 좁혀야 한다. 이 영상은 AI native 제품 환경에서는 PM이 단순 조율자가 아니라, 속도와 선택을 가능하게 하는 설계자여야 한다는 메시지를 강하게 전달한다.

Part 2 — 핵심 인사이트

속도는 모델보다 팀의 기대치와 프로세스에서 나온다.
PM과 엔지니어의 경계는 점점 사라지고 있다.
제품 감각이 좋은 엔지니어가 가장 강한 실행 단위다.
코드가 싸질수록 무엇을 만들지 고르는 능력이 더 중요해진다.
실수 대응의 핵심은 비난이 아니라 재발 방지 장치다.

Part 2 — 요약

이 대화는 Anthropic 제품팀이 왜 그렇게 빠르게 움직일 수 있는지에 초점을 맞춘다. Cat Wu는 속도의 핵심이 특정 모델 하나가 아니라, 낮은 프로세스, 강한 실행 기대치, 그리고 엔지니어와 PM의 역할 경계가 흐려진 팀 구조에 있다고 설명한다. 특히 제품 감각이 좋은 엔지니어를 채용하고, 아이디어를 며칠 안에 실제 사용자에게 내놓는 문화를 강조한다.

후반부에서는 Claude Code 소스코드 유출과 구독 정책 변경 같은 논란도 다룬다. 그는 이를 인간 실수와 수요 폭증에 따른 운영상 결정으로 설명하며, 중요한 것은 책임 추궁보다 학습과 안전장치 강화라고 말한다. 마지막으로 PM의 미래에 대해, 역할이 점점 융합되는 만큼 가장 중요한 역량은 직군명이 아니라 'product taste'라고 정리한다.

Part 3 — 핵심 인사이트

AI 시대의 PM은 고정 역할보다 빈칸 메우기가 핵심이다.
모델이 못하는 건 상식·EQ·이해관계자 조율이다.
빠른 출시의 대가로 제품 일관성과 온보딩이 약해진다.
혼란 속에서 오래 버티는 힘은 냉정한 우선순위다.
강한 미션이 있으면 기능보다 방향으로 결정할 수 있다.

Part 3 — 요약

이 영상은 Anthropic의 프로덕트 팀이 AI 변화 속에서 왜 빠르게 움직일 수 있는지, 그리고 그 과정에서 무엇을 포기하고 무엇을 지키는지를 다룬다. 핵심 메시지는 AI 시대의 PM은 더 이상 고정된 직무가 아니라, 시장 변화에 맞춰 역할을 바꾸고 빈틈을 메우는 사람이어야 한다는 점이다. 동시에 모델이 아직 갖지 못한 인간의 공감, 맥락 이해, 이해관계자 조율 같은 '상식'이 여전히 중요하다고 강조한다.

또한 Anthropic이 빠른 실험과 잦은 기능 출시를 택하면서 제품 일관성이나 신규 사용자 온보딩에서 비용을 치르고 있음을 솔직하게 말한다. 그럼에도 회사는 '안전한 AGI를 모두에게'라는 상위 미션을 기준으로 우선순위를 정하고, 혼란을 감수하더라도 신속한 학습과 개선을 택한다. 전반적으로 이 대화는 AI 제품 조직에서 필요한 태도는 완벽함보다 차분함, 유연함, 낮은 자아, 그리고 강한 미션의식이라는 것을 보여준다.

Part 4 — 핵심 인사이트

미션이 선명할수록 조직 전체의 의사결정이 빨라진다.
개별 제품보다 회사 미션을 우선해야 장기 집중이 생긴다.
도구 선택은 '무슨 산출물인가'로 나누는 게 가장 실용적이다.
비코드 업무는 컨텍스트 연결이 성능의 절반을 결정한다.
AI는 초안을 빨리 만들고, 사람은 품질을 다듬는 데 집중해야 한다.

Part 4 — 요약

이 구간은 Anthropic이 왜 빠르게 결정하고, 왜 특정 제품에 집중하는지에 대한 내부 논리를 설명한다. 핵심은 개별 제품의 성과보다 Anthropic의 미션과 사용자 확장을 우선시하는 문화이며, 그 덕분에 경쟁 우선순위가 생겨도 팀 전체가 같은 판단을 따를 수 있다는 점이다.

이어지는 부분에서는 Claude Code, Desktop/Web, Cohere를 각각 어떤 상황에서 쓰는지 실전 기준을 정리한다. 코드 작업은 Claude Code/desktop, 이동 중 작업은 web/mobile, 비코드 산출물은 Cohere가 담당하며, 특히 Slack·Gmail·Drive·Calendar 같은 데이터 소스를 연결하면 회의 준비용 슬라이드 덱 같은 비정형 업무를 크게 자동화할 수 있다고 말한다.

Part 5 — 핵심 인사이트

AI는 초안 생산을 맡고, 최종 판단은 사람이 해야 한다.
좋은 PM은 모델이 아니라 '선택의 기준'을 설계한다.
반복 업무는 범용 툴보다 맞춤형 내부 도구가 더 효율적이다.
Slack 같은 허브형 도구는 조직의 실시간 운영체제가 된다.
모델이 좋아질수록 사람은 더 많은 일을 위임하게 된다.

Part 5 — 요약

이 구간은 Anthropic 내부에서 Claude/Claude Code/Co-work가 실제 업무를 얼마나 바꾸고 있는지 보여준다. PM은 Claude를 브레인스토밍 파트너로 쓰되, 최종적으로 무엇을 제품이나 발표 자료에 넣을지는 사람이 결정해야 한다는 점을 강조한다. 그 뒤에는 표준 템플릿과 Figma 연동, Slack 기반 협업, 고객 컨텍스트를 끌어와 맞춤형 데크를 즉석에서 만드는 내부 도구 사례가 이어진다.

핵심은 AI가 단순히 일을 '대체'하는 게 아니라, 반복적이고 맥락 의존적인 업무를 사람마다 맞는 워크플로로 재구성한다는 것이다. 특히 Anthropic에서는 Slack이 사실상 회사의 OS처럼 작동하고, 각 팀이 자신만의 작은 앱과 봇을 만들어 쓰며, Applied AI 같은 기술형 GTM 조직이 고객 대응과 프로토타이핑을 빠르게 처리한다. 모델이 좋아질수록 사람들은 더 많은 일을 위임하고 더 오래 도구 안에서 일하게 된다는 흐름도 드러난다.

Part 6 — 핵심 인사이트

AI PM의 핵심은 한 달 뒤 제품 형태를 정의하는 능력이다.
현재 모델의 한계를 알아야 골든 패스를 설계할 수 있다.
좋은 제품 감각은 모델을 많이 쓰고 왜 그랬는지 묻는 데서 생긴다.
소수의 믿을 만한 사용자 피드백이 빠른 개선의 지름길이다.
eval은 많기보다 강해야 하며 성공 기준을 선명하게 만든다.

Part 6 — 요약

이 구간은 Anthropic/Claude Code 팀이 어떻게 모델 시대의 제품을 더 빠르게 만들고 개선하는지에 대한 실전 이야기다. 가장 먼저, 내부 팀이 막대한 토큰을 쓰며 모델을 적극 활용하지만 동시에 토큰 비용을 낭비하지 않도록 책임 있게 판단하는 문화가 강조된다. 이어서 Cat Wu는 AI 시대 PM에게 가장 중요한 능력으로 '한 달 뒤 제품이 어떻게 보여야 하는지 정의하는 힘'을 꼽고, 현재 모델의 한계를 바탕으로 사용자를 골든 패스로 유도하고 약점을 보완하는 감각이 핵심이라고 말한다.

또한 이 감각을 키우는 방법으로 모델을 많이 써보고, 모델이 왜 그런 행동을 했는지 스스로 introspect하게 만들고, 믿을 수 있는 소수의 사용자 피드백을 빠르게 수집하며, 소수의 강력한 eval을 만들어 성공 기준을 명확히 하라고 조언한다. 마지막으로 Claude의 성격과 분위기, 즉 light-hearted하면서도 자신감 있는 캐릭터가 단순한 부가 기능이 아니라 제품 성공의 핵심이라는 점을 강조한다.

Part 7 — 핵심 인사이트

모델이 똑똑해질수록 제품은 오히려 단순해진다.
하네스는 영구 기능이 아니라 과도기적 보조장치다.
새 모델은 기존 기능을 지우게 만들고 새 기능을 열어준다.
가능해질 미래를 먼저 만들어야 학습 속도가 빨라진다.
AI 활용의 핵심은 반복 업무를 찾아 신뢰도 높게 자동화하는 것이다.

Part 7 — 요약

이 영상은 Claude/Claude Code 같은 AI 제품이 어떻게 모델 성능의 향상에 맞춰 계속 단순해지고, 동시에 더 강력한 기능을 열어가는지를 설명한다. 초기에는 모델의 한계를 보완하기 위해 to-do 리스트 같은 하네스를 붙여야 했지만, 더 좋은 모델이 나오자 그런 장치들이 점점 불필요해지고 제품은 본질적인 작업 성공률에 집중하게 된다. 특히 코드 리뷰처럼 예전엔 어려웠던 기능이 최신 모델에서 실용 수준에 도달하면서, "지금은 안 되지만 곧 가능해질 것"을 먼저 프로토타입으로 만들어 두는 전략의 중요성을 강조한다.

후반부에서는 이 흐름이 더 넓은 미래의 일하는 방식으로 확장된다. 앞으로는 여러 작업을 동시에, 더 많은 에이전트가 원격에서 처리하게 될 것이므로 인간은 무엇을 검토하고 어디에 피드백을 줄지 관리하는 역할로 이동해야 한다고 본다. 개인에게 주는 조언도 분명하다: 반복 업무를 찾아 AI에 넘기고, 성공률이 높아질 때까지 자동화를 다듬은 뒤, 그 여유를 더 창의적이고 가치 높은 일에 써야 한다는 것이다.

Part 8 — 핵심 인사이트

95% 자동화는 거의 자동화가 아니다.
진짜 가치는 매일 쓰는 업무에 붙을 때 생긴다.
도구 커스터마이즈가 목적을 삼키면 역효과다.
AI는 말해주는 것보다 대신 해줄 때 강해진다.
제약을 이해하면 답은 결국 실행으로 좁혀진다.

Part 8 — 요약

이 구간의 핵심은 AI 자동화를 '95%짜리 반쪽짜리 편의'로 끝내지 말고, 실제로 신뢰할 수 있는 100% 수준까지 다듬어야 한다는 점이다. 화자는 자신도 이메일 분류나 워크플로 자동화를 만들다 시간이 많이 들었지만, 결국 일상 업무에 제대로 붙는 자동화만이 진짜 가치가 있다고 말한다. 동시에 AI를 너무 많이 커스터마이즈하는 일 자체가 목표를 흐릴 수 있으니, 도구를 만지작거리는 즐거움과 핵심 업무 수행 사이의 균형이 중요하다고 강조한다.

후반부에서는 AI를 '구경하는 기술'이 아니라 '매일 쓰는 실전 도구'로 써야 진짜 차이를 체감한다고 정리한다. 책 추천과 Waymo 이야기, 그리고 'Just do things'라는 삶의 모토까지 이어지며, 복잡한 분석보다 제약을 이해한 뒤 실행하는 태도가 일과 삶 모두에서 더 큰 레버리지를 만든다는 메시지로 마무리된다.

Part 9 — 핵심 인사이트

빠른 팀은 직무 정의보다 문제 해결을 우선한다.
agency는 허락을 기다리지 않고 필요한 일을 하는 능력이다.
학교식 정답 습관은 실제 협업 환경에서 오히려 속도를 늦춘다.
제품 개선은 칭찬보다 재현 가능한 실패 사례에서 더 빨리 나온다.
AGI 이후에도 인간의 가치는 학습과 취향의 확장에 있다.

Part 9 — 요약

이 영상은 Anthropic의 제품팀이 왜 빠르게 움직이는지에 대한 핵심 태도로 'agency'와 'bias towards action'을 강조한다. 역할과 팀 경계가 엄격한 많은 회사와 달리, 문제를 해결하는 데 필요한 일을 스스로 찾아 실행하고, 잘못되면 사과하거나 고치는 문화가 속도를 만든다고 말한다. 학교식으로 정답만 따라가는 습관을 벗어나, "허락을 기다리지 말고 필요한 일을 하라"는 메시지가 반복된다.

후반부에는 Claude의 'thinking words' 중 가장 좋아하는 단어로 'manifesting'을 고르고, AGI 이후의 삶에 대해선 암벽등반, 독서, 역사·물리·로봇공학 등 더 넓은 학습에 시간을 쓰고 싶다고 답한다. 마지막으로 청취자들에게는 Claude Code와 Co-work가 잘 안 되는 구체적 사례와 재현 가능한 오류를 보내 달라고 요청하며, 이런 피드백이 제품 개선에 가장 큰 도움이 된다고 밝힌다.