우리가 실제로 팀의 템플릿을 학습하는 AI Product Manager를 만든 방법
Source: Dev.to
PRD를 작성하는 것이 벌칙처럼 느껴져서는 안 됩니다.
제품 관리자라면 누구나 겪는 상황을 잘 아실 겁니다: PRD를 4시간 정도 작성하고, 팀에 공유한 뒤 “우리 포맷이 아니야”는 피드백을 받고, 다시 1시간 정도를 들여 포맷을 맞추는 일.
일반적인 AI 도구는 상황을 더 악화시킵니다 — 겉보기에 괜찮은 결과물을 내놓지만, 팀의 관례, 용어, 문서 표준을 완전히 놓칩니다.
제품 관리에 대한 일반 AI의 문제점
우리는 시중에 나와 있는 모든 AI 어시스턴트를 시험해 보았습니다. 결과는 언제나 동일했습니다:
- 우리 템플릿과 맞지 않는 일반적인 구조
- 엔지니어링 시간을 낭비하게 하는 허구의 엣지 케이스
- 과거 결정이나 제품 컨텍스트에 대한 인식 부족
- 우리 팀이 어떻게 일하는지 계속해서 재설명해야 함
우리의 접근 방식: RAG + Integration‑First Architecture
우리는 Prodini를 전혀 다른 접근법으로 만들었습니다. 프롬프트 엔지니어링 대신 **Retrieval‑Augmented Generation (RAG)**을 사용해 실제 문서를 직접 흡수합니다:
- 도구 연결 — Jira, Confluence, Figma, GitHub
- 템플릿 학습 — Prodini가 기존 PRD, 가이드라인, 작성 스타일을 분석
- 컨텍스트 기반 생성 — 모든 출력이 당신의 문서에 기반
그 결과? 첫 번째 초안부터 팀 포맷에 맞는 PRD가 나옵니다. 재포맷 필요 없음. 재설명 필요 없음.
엣지 케이스 감지 — 내가 가장 좋아하는 기능
빌더로서 밤에 잠을 설치게 만드는 것이 있습니다: 계획에 빠지고 프로덕션에서 폭발하는 엣지 케이스.
Prodini는 요구사항을 분석하고 자동으로 다음을 표시합니다:
- 누락된 사용자 흐름 시나리오
- 기존 기능과의 잠재적 충돌
- 아무도 생각하지 못한 오류 상태
- 권한 및 접근 제어의 빈틈
- 연결된 시스템 간 통합 엣지 케이스
우리 테스트에서는 10년 이상 경력의 시니어 PM조차 놓치는 문제들을 꾸준히 잡아냈습니다.
기술 스택
궁금한 분들을 위해:
- RAG 파이프라인 — 테넌트별로 Jira 티켓, Confluence 페이지, Figma 디자인, GitHub 레포를 수집·인덱싱
- LLM 레이어 — 컨텍스트‑aware 프롬프트를 사용하는 Claude AI
- MCP Integration — 실시간 Jira 양방향 동기화를 위한 Model Context Protocol
- SSE 스트리밍 — 파일 첨부 지원이 포함된 실시간 에이전시 채팅
- 멀티‑테넌트 — 조직별 완전한 데이터 격리
결과
700명 이상의 제품 관리자에게 배포한 뒤 얻은 결과:
- 16배 빠른 PRD 작성 (15분 vs 4시간 이상)
- 94 % 엣지 케이스 커버리지 자동 감지
- 재포맷 제로 — 첫 초안부터 템플릿과 일치
- 즉시 Q&A — “지난 스프린트에서 뭐가 바뀌었어?” 라는 질문에 5초 이내 답변
앞으로의 계획
최근에 Agentic Chat을 출시했습니다 — Prodini가 단순히 질문에 답하는 것을 넘어 행동까지 수행하는 자율 AI 모드입니다. 파일을 업로드하고 경쟁사의 PRD를 분석하도록 요청하거나, 스프린트 계획의 빈틈을 검토하도록 할 수 있습니다.
또한 직접적인 사용자 피드백을 기반으로 개발하고 있습니다. 사용자들이 AI에게 “Prodini가 …했으면 좋겠어요”라고 말하면, 우리는 5일 안에 구현합니다. 이것이 우리의 약속입니다.
무료 체험
현재 월 250 크레딧, 모든 기능 풀 액세스, 모든 통합 포함된 무료 베타를 운영 중입니다.
다른 PM분들의 의견을 듣고 싶습니다 — PRD 작성에서 가장 큰 고통 포인트는 무엇인가요? 아래 댓글로 알려 주세요.