Why AI is disrupting traditional product management | Tomer Cohen (LinkedIn CPO)

원본 영상: Why AI is disrupting traditional product management | Tomer Cohen (LinkedIn CPO) · 채널 Lenny's Podcast

Part 1 — 핵심 인사이트

  1. AI의 본질은 생산성 향상보다 역할 구조의 재설계다.
  2. 일이 복잡한 게 아니라 프로세스와 조직이 복잡해진 것이다.
  3. 변화 속도가 대응 속도보다 빠르면 기존 분업은 금방 낡는다.
  4. 도구를 주는 것만으로는 안 되고, 채택을 설계해야 한다.
  5. AI는 평균보다 뛰어난 사람의 역량을 더 크게 증폭시킨다.

Part 1 — 요약

이 영상은 LinkedIn CPO Tomer Cohen이 AI 시대에 맞춰 제품을 만드는 방식을 근본적으로 다시 설계해야 한다고 주장하는 대화를 담고 있다. 핵심은 'full-stack builder' 모델로, 직무 경계와 역할 분업을 줄이고 누구나 아이디어를 제품 출시까지 밀어붙일 수 있게 만드는 것이다. 그는 AI가 단순히 생산성을 조금 높이는 도구가 아니라, 빌딩의 구조와 조직 운영 방식 자체를 바꾸는 계기라고 본다.

또한 그는 왜 이런 변화가 필요한지에 대해, 기술 변화 속도가 조직의 반응 속도보다 훨씬 빠르다는 점과 2030년까지 필요한 역량이 70% 바뀔 수 있다는 점을 근거로 든다. 문제는 일이 본질적으로 복잡해서가 아니라 프로세스와 조직이 과도하게 복잡해졌다는 데 있으며, AI는 그 복잡성을 다시 압축해 더 적은 인원으로 더 빠르게 만들 수 있는 기회를 제공한다고 설명한다. 다만 도구를 배포하는 것만으로는 변화가 일어나지 않으며, 인센티브·사례·문화 같은 변화관리 설계가 필수라고 강조한다.

Part 2 — 핵심 인사이트

  1. AI 시대의 핵심 경쟁력은 분업이 아니라 재조합 능력이다.
  2. 인간은 판단과 비전을 맡고, 반복 작업은 적극 자동화해야 한다.
  3. 외부 AI 툴은 그대로 꽂아서는 안 되고 내부 맥락에 맞게 재설계해야 한다.
  4. 큰 팀보다 작은 pods가 변화 속도에 더 잘 대응한다.
  5. 조직이 살아남으려면 변화 속도보다 응답 속도를 빠르게 만들어야 한다.

Part 2 — 요약

이 영상은 AI가 전통적인 제품 관리와 조직 운영 방식을 어떻게 바꾸는지 설명한다. 핵심 메시지는 앞으로 중요한 것은 대규모 분업이 아니라, 인간과 AI가 함께 작동하는 '풀스택 빌더' 모델이며, 그 안에서 인간은 비전·공감·커뮤니케이션·창의성·판단에 집중하고 나머지는 가능한 한 자동화해야 한다는 것이다.

또한 LinkedIn이 실제로 어떤 방식으로 AI를 도입하는지 구체적으로 보여준다. 단순히 외부 도구를 붙이는 것이 아니라, 플랫폼을 AI가 추론할 수 있게 재구성하고, 조직의 맥락에 맞는 전용 에이전트를 만들며, 소규모의 pods 형태로 팀을 재편해야 속도와 적응력을 확보할 수 있다고 주장한다.

Part 3 — 핵심 인사이트

  1. AI 에이전트의 성능은 모델보다 회사의 맥락 설계가 좌우한다.
  2. 모든 지식을 넣는 것보다, 골든 예시를 선별하는 게 더 중요하다.
  3. Trust와 Growth처럼 도메인별 에이전트가 더 강한 판단을 만든다.
  4. 도입 난점은 기술보다 팀별 도구 선호와 워크플로우 차이다.
  5. 코드 자동화보다 앞단의 기획·검증·리서치가 더 큰 레버리지다.

Part 3 — 요약

이 구간은 LinkedIn이 사내에 여러 종류의 AI 에이전트를 구축하며 제품 개발 방식을 어떻게 바꾸고 있는지를 보여준다. 핵심은 단순히 외부 LLM을 붙이는 것이 아니라, 각 부서의 도메인 지식과 과거 사례, 금지해야 할 리스크까지 반영해 에이전트를 ‘맞춤형’으로 학습시키는 데 있다. Trust agent, growth agent, research agent, analyst agent 같은 도구가 각각 특정 업무를 맡고, 실제로 사내 의사결정과 spec 검토를 더 빠르게·더 날카롭게 만들고 있다.

동시에 이 영상은 AI 도입의 본질이 연결성보다 데이터 선별과 맥락 설계에 있다는 점을 강하게 말한다. 모든 지식을 그냥 드라이브에 넣는 방식은 잘 작동하지 않고, ‘golden examples’를 골라 정제된 컨텍스트를 줘야 효과가 난다. 또 디자인 도구나 워크플로우처럼 팀마다 선호가 달라 표준화가 쉽지 않다는 현실, 그리고 아이디어 단계부터 코드-출시 단계까지 전반을 재편해야 진짜 생산성 향상이 나온다는 점도 강조한다.

Part 4 — 핵심 인사이트

  1. AI 도입의 성패는 툴보다 change management에 달려 있다.
  2. 초기엔 속도보다 학습 시간 투자와 피드백 수집이 먼저다.
  3. 좋은 툴은 평균보다 상위 인재의 생산성을 더 크게 밀어준다.
  4. 조직 확산은 전사 배포보다 pod 단위 실험이 효과적이다.
  5. APM의 미래는 코드·디자인·PM을 함께 다루는 빌더형 인재다.

Part 4 — 요약

이 영상은 LinkedIn이 AI 도구를 사내에 도입하면서 겪는 실제 변화와, 그걸 조직 전체로 확산시키는 방법을 다룬다. 핵심 메시지는 단순히 툴을 배포하는 것으로는 아무것도 바뀌지 않고, 초기 학습 시간, 강한 피드백 루프, 팀 단위의 파일럿, 그리고 문화적 change management가 함께 가야 한다는 것이다.

또한 AI의 효과가 평균적인 사람보다 상위 성과자에게 더 크게 나타날 수 있다는 관찰이 중요하다. LinkedIn은 이를 바탕으로 기존 APM을 대체할 풀스택 빌더형 APB 프로그램을 만들고, PM·디자이너·엔지니어가 한 pod 안에서 더 자율적으로 제품을 만들도록 조직 구조 자체를 바꾸고 있다.

Part 5 — 핵심 인사이트

  1. AI 도입은 툴 설치가 아니라 행동 변화의 문제다.
  2. 성과평가와 채용 기준이 바뀌어야 사용이 늘어난다.
  3. 작은 성공 사례를 보여줘야 조직이 따라온다.
  4. 기다리기보다 직접 써보고 고치는 문화가 확산을 만든다.
  5. 전원 풀스택은 불필요하지만, 더 넓은 책임감은 필요하다.

Part 5 — 요약

이 대화는 AI 도구를 조직에 도입할 때 단순히 플랫폼과 툴을 준비하는 것만으로는 부족하다는 점을 강조한다. 실제 변화는 기대치 설정, 성과평가, 채용, 교육, 성공 사례 공유 같은 문화적 장치가 함께 작동할 때 일어난다고 말한다. 또한 LinkedIn에서는 일부 팀이 먼저 AI로 실제 성과를 내 보이고, 이를 조직 전체에 확산시키는 방식으로 행동 변화를 만들고 있다.

화자는 모든 사람이 똑같이 '풀스택 빌더'가 될 필요는 없지만, 더 많은 사람들이 AI 도구를 직접 만지고 문제를 해결하는 방향으로 사고해야 한다고 본다. 오프 더 셸프 툴은 잘 안 맞고, 레거시 정보와 코드베이스 때문에 도입 난이도도 높지만, 기다리기보다 직접 시도하며 학습하는 조직이 결국 앞서게 된다는 메시지다. 모바일 전환기에 요구되던 변화와 비슷하게, 이번 변화도 시간이 걸리지만 일단 임계점을 넘으면 빠르게 확산된다고 본다.

Part 6 — 핵심 인사이트

  1. AI 시대의 역할 전환은 직무보다 마인드셋이 더 중요하다.
  2. 조직 안에는 이미 여러 기능을 넘나들 수 있는 인재가 있다.
  3. 대규모 변화는 도구보다 문화와 확산 방식이 성패를 가른다.
  4. 생산성 혁신은 단기간 성과가 아니라 장기 투자로 온다.
  5. 경쟁력은 완성된 상태가 아니라 지속적 개선 속도에서 나온다.

Part 6 — 요약

이 부분에서는 AI가 전통적인 제품 관리와 조직 운영 방식을 어떻게 바꾸는지에 대해, Tomer Cohen이 실제 조직 경험을 바탕으로 설명한다. 그는 엔지니어링·디자인·PM·BD 같은 기존 기능의 경계를 넘어, 이미 조직 안에 있는 사람들 중 누가 더 유연하게 역할을 넘나들 수 있는지 찾아야 한다고 말한다. 특히 디자인은 새 도구를 익히는 데 상대적으로 어려움이 있지만, 전반적으로는 직무 라벨보다 성장 마인드셋과 실행 의지가 더 중요하다고 강조한다.

또한 대규모 조직 변화를 성공시키려면 플랫폼과 도구에 대한 투자뿐 아니라, 사람들을 변화 과정에 어떻게 끌어들이는지에 대한 문화 설계가 핵심이라고 조언한다. 작은 팀으로 시작하되 조직 전체에 충분한 가시성을 주고, 성과를 한 번에 기대하지 말고 장기적 진화로 접근해야 한다는 점도 반복해서 강조한다. 마지막으로 그는 기다리지 말고 지금 시작하되, 목표는 크고 과정은 꾸준히 측정·공유하라고 권한다.

Part 7 — 핵심 인사이트

  1. 좋은 제품 아이디어는 '마찰 제거'에서 시작된다.
  2. AI의 가치는 정보가 아니라 상호작용의 자연스러움에 있다.
  3. 새 기능이 아니라 사용자 습관에 붙을 때 제품이 된다.
  4. 커리어는 직함보다 학습량과 성장의 속도로 평가할 수 있다.
  5. 오래 한 일을 끝낼 때는 성취보다 애착을 먼저 정리해야 한다.

Part 7 — 요약

이 구간은 일상 속 제품 아이디어를 어떻게 떠올리고, AI가 실제 제품 경험을 어떻게 바꾸는지에 대한 Tomer Cohen의 관점을 담고 있다. 그는 차 안에서 음성 AI를 쓰는 경험을 예로 들며, 버튼 하나로 'AI 친구'를 호출하는 식의 마찰 제거가 사용자 경험을 크게 바꿀 것이라고 본다. 동시에 Tesla의 Grok 탑재 사례를 보고 AI가 이미 현실에 들어왔지만, 아직은 브랜드·성격·사용 맥락에 따라 경험이 갈린다고 짚는다.

후반부에서는 성장 마인드셋, 'becoming is better than being'이라는 태도, 그리고 14년간의 LinkedIn 여정을 돌아보며 다음 도전을 준비하는 마음가짐을 말한다. 그는 커리어를 직함이 아니라 학습의 밀도로 보고, 변화에 대한 선호와 지속적 성장 자체를 삶의 기준으로 삼는다. 전체적으로 제품 감각, AI 경험 설계, 그리고 장기 커리어 전환의 태도를 함께 보여주는 인터뷰다.

요약·핵심 인사이트는 인사이트컷(InsightCut)이 작성했습니다. 원본 영상의 저작권은 Lenny's Podcast에게 있으며, 영상은 공식 YouTube 플레이어로 재생됩니다.