코드를 타이핑하는 시대에서 의도를 설계하는 시대로 — PM/PL·엔지니어가 지금 당장 준비해야 할 것을 안내합니다.
바쁜 분을 위한 3줄 요약
① 개발이 결정적 타이핑에서 확률적 오케스트레이션으로 바뀌며, 병목은 코드 작성에서 검증·승인·책임으로 이동했습니다.
② AI 에이전트가 계획과 실행을 맡는 만큼, 사람의 가치는 의도 설계와 위임·거버넌스 설계로 옮겨가기 때문입니다.
③ 본문의 AI 개발 성숙도 6단계 표로 우리 조직이 지금 어느 레벨에 있는지부터 진단해 보시기 바랍니다.
이 편이 답하는 질문
- 결정적 타이핑에서 확률적 오케스트레이션으로 전환되는 상황에서, 조직의 AI 개발 성숙도 6단계 중 현재 위치를 진단하고 Level 2-4 전환 구간에서 필요한 가장 핵심적인 기술 의사결정은?
- Gemini 보고서가 제시한 “사람 + 에이전트 + 정책 + 감사 추적” 4축 체계에서 PM/PL이 기능 관리자에서 위임·거버넌스 설계자로 전환하려면, 전통 역량의 어느 부분을 폐기하고 어느 부분을 강화해야 하는가?
- Microsoft 2025 Work Trend Index에서 임원 82%가 AI 에이전트 도입 예상하지만 23%만 통합 자신감 있다는 격차를 메우기 위해, 기업 수준 AI Agent Orchestration Specialist 역할을 구체적으로 어떻게 설계할 것인가?
- ReAct, Toolformer, AutoGen 3대 연구 기반이 2022-2023년에 완성된 상황에서, 실제 프로덕션에서 에이전트 권한·데이터 접근 정책·품질/보안/컴플라이언스 증적을 어떻게 동시 운영하는가?
이 시리즈를 읽는 세 개의 눈
- PO: “결과를 정의”로 역할이 축소되지 말고 4축 거버넌스(정책·감사·폴백)를 동시 설계해야 한다. 에이전트 오류 한계를 투명 관리하는 것이 PO의 새 신뢰 자산이다.
- PM: 데이터 가용성·모델 영향도 기반 우선순위화로 전환하고, 양질 학습 데이터 없으면 아이디어를 먼저 죽이는 원칙을 세워야 한다. 검증·승인·책임이 생산성 병목이 된 시대의 PM이다.
- PL: 멀티에이전트 분해, 정밀도/재현율/F1/환각률 설정, 권한 정책 코드화가 기본. 에이전트 아키텍처 자체가 비즈니스 위험도를 결정하는 시대, 기술 리더는 정책 설계자가 되어야 한다.
들어가며
왜 지금 이 글을 쓰는가
“PM/PL과 엔지니어는 Agentic 시대에 무엇이 달라지고, 무엇을 준비해야 하는가?”
Part 1
무엇이 바뀌었는가 — Vibe Coding에서 Agentic AI까지
결정적 타이핑에서 확률적 오케스트레이션으로
전통 개발은 결정적(deterministic)이었습니다. 개발자가 한 줄씩 타이핑하고, 컴파일러가 정해진 규칙대로 실행했습니다. Agentic 시대의 개발은 확률적(probabilistic)입니다. 모델이 추론하고, 도구를 호출하고, 결과를 자체 검증합니다. 생산성 병목은 코드 작성에서 검증·승인·책임으로 이동했습니다.AI 개발 성숙도 6단계
조직이 현재 어디에 있고, 어디로 가야 하는지를 진단하는 프레임워크입니다.2026년 현재 대부분의 선도 조직은 Level 2 → 3 → 4 전환 구간에 있습니다. Gartner는 2028년까지 일부 일상 업무 의사결정이 에이전트에 의해 자율 수행될 것으로 예측합니다.
Agentic AI를 가능하게 한 3대 연구 기반
ReAct(Yao et al., 2022) — 추론 트레이스 + 액션을 교차 실행해 환각을 줄이는 패러다임. Toolformer(Schick et al., 2023) — 모델이 어떤 API를 언제 호출할지 스스로 학습. AutoGen(Wu et al., 2023) — 멀티에이전트 대화 기반 오케스트레이션 프레임워크. 이 세 가지가 합류하면서 “목표를 위임하면 결과를 받는” 패러다임이 완성되었습니다.Part 2
PM/PL — 기능 관리자에서 위임·거버넌스 설계자로
핵심 전환: 4대 책임 축
Gemini 보고서는 PM/PL의 책임이 “사람 + 코드”에서 “사람 + 에이전트 + 정책 + 감사 추적”으로 확장된다고 정의합니다. 구체적으로 4대 축이 등장합니다:전통 PM vs. Agentic PM 역량 비교
2026년 가장 중요한 직무: AI Agent Orchestration Specialist
Microsoft의 2025 Work Trend Index에 따르면 임원의 82%가 18개월 내 AI 에이전트 도입을 예상하지만, 효과적 통합에 자신 있다고 답한 비율은 23%에 불과합니다. 이 “통합 갭”을 메우는 것이 PM/PL의 새로운 핵심 역할입니다.에이전트 온보딩 5계층
1. Workflow Translation — 조직의 암묵적 규칙·판단 기준을 에이전트 컨텍스트에 주입
2. Domain Expertise Transfer — 탑 퍼포머가 읽는 뉘앙스를 에이전트에 멘토링
3. Systems Choreography — 에이전트 간 핸드오프를 병목·데드락 없이 설계
4. Governance Architecture — 자율 결정 권한 경계와 바이어스 감사 설정
5. Cultural Calibration — 브랜드 보이스와 지역 감성에 맞게 출력 튜닝Accenture 데이터: 전담 오케스트레이션 인력이 있는 조직은 에이전트 생산성 도달이 65% 빠르고, 직원 만족도가 3배 높았습니다.
Smart Spec — 에이전트 시대의 요구사항 문서
좋은 에이전트 스펙은 PRD의 사용자 중심 목적 + SRS의 기술적 엄밀함을 융합해야 합니다. 과잉 지시(“Curse of Instructions”)는 모델이 핵심을 놓치게 합니다. Work Packet 5대 필수 요소:Part 3
엔지니어 — 코드 작성자에서 에이전트 시스템 설계자로
역할의 재정의
Vibe Coding은 소프트웨어 공학의 죽음이 아니라 “에이전틱 엔지니어링으로의 재구성”입니다. 펀치카드 → 고수준 언어 → 데이터 사이언스로 추상화가 올라갈 때마다 엔지니어는 더 높은 수준의 시스템 사고로 밀려났고, 이번에도 같은 패턴입니다. LinkedIn 데이터: 전통 개발자 채용 공고는 감소 추세인 반면, AI/에이전틱 시스템 기술 공고는 전년 대비 75% 증가했습니다.엔지니어 6대 우선 준비 영역
Gemini 보고서는 엔지니어 준비를 “거대언어모델(LLM) 사용 스킬”이 아니라 “에이전트가 실행하는 시스템을 안전하게 만드는 공학적 훈련”으로 정의합니다.
코치 노트 — 6개 기업 현장에서 확인한 Agentic 전환의 실상
10년간 삼성전자·LG전자·포스코DX·현대MOBIS·SKAX·KT의 R&D 조직과 PM 워크숍을 진행하면서, Agentic 시대 전환이 이론이 아닌 현실임을 확인했습니다. 아래는 각 현장에서 반복적으로 발견한 교훈입니다.
삼성전자 — AI 시뮬레이션 게임에서 13개 시나리오 중 8개가 AI 프로젝트로 전환되었지만, 참가자 간 AI 지식 격차가 가장 큰 도전이었습니다. GAUSS Language PM 학습 모델 계약은 PM 지식을 자사 AI에 직접 학습시키는 단계로, “도구를 아는 것”과 “오케스트레이션하는 것”이 완전히 다른 차원이라는 현장 발견을 조직 수준으로 확장한 사례입니다.
LG전자 — 각 사업부가 서로 다른 방식으로 프로젝트를 관리하는 상황에서, 2년에 걸쳐 “LG SW PM 10개 핵심역량/39개 수행목표”를 자체 정의하고 LG그룹 인사평가체계에 공식 등재했습니다. AI 시대 PM 방법론은 외부 표준 도입이 아니라 조직 DNA에 맞는 “자사만의 PM 언어”를 정의하는 것이 핵심이며, ALM/PLM 위에 AI를 결합한 대시보드 기반 성과 가시화가 SW 중심 제조기업의 SDLC 변화를 이끌고 있습니다.
포스코DX — 광양/포항 제철소에서 AI(CCTV 영상분석, 디지털트윈, Edge Computing) 프로젝트가 급증했으나, PM 대부분이 Agile 이전 세대였습니다. ChatGPT로 AS-IS 분석부터 작업분류체계(WBS)/Backlog 상세화, 산업안전보건법/ISO27001 규제 반영까지 프롬프트 기반 E2E 베이스라인 수립 프로세스를 직접 설계하게 한 것이 DX PM의 역량 전환점이 되었습니다.
현대MOBIS — R&D 리더들과 4년간 워크숍을 진행하면서 “리소스 부족”과 “요구사항 변경”이 반복 고민이었습니다. BBW/AR-HUD/5G 통합제어기 등 HW-SW-AI 융합 프로젝트가 증가하면서, 전면 애자일이 아닌 “안전/품질 Phase-Gate 위에 AI-Augmented 민첩성을 얹는 하이브리드”가 현실적 결론이었습니다. 조직 전체를 바꾸려 하기보다, 내가 영향력을 가진 작은 영역에서 먼저 시도하는 것이 문화를 만들어가는 길입니다.
SKAX — 5개월 PM 마스터 과정에서 “PM 관리 방식과 도구가 표준화되지 않아 팀 간 협업 비효율과 데이터 분산”이 핵심 Pain Point로 도출되었습니다. 20개 Epic에 대해 도메인별(통신/금융/ERP/AI-데이터/구매) 차별화된 System 프롬프트를 표준화한 것이 대표적 성과이며, 이것이 Agentic 시대 프로젝트관리조직(PMO) 운영 모델의 원형입니다.
KT — ‘AI 컴퍼니’ 전환에 따라 Sovereign AI, Factory Edge AI, AI Agent GTM 등 포트폴리오가 급변하는 상황에서, AIDD 3일 과정을 통해 PRD → Confluence → Jira Epic/Story/Spike → Sprint 1 계획까지 E2E 실습을 설계했습니다. 공공 프로젝트에는 Waterfall, AI Agent 사업에는 Agile — 프로젝트 유형에 따라 방법론을 유연하게 전환하는 하이브리드 PM 역량이 필수입니다.
6개 기업의 공통 결론: PM 실무 산출물 — 차터, WBS, Risk Register — 의 구조는 동일하지만, 작성 주체와 검증 방식이 근본적으로 달라지고 있습니다. “에이전트에게 뭘 맡길 수 있는가”와 “에이전트의 결과를 어떻게 검증하는가” — 이것이 모든 현장에서 공통으로 부상하는 새로운 질문입니다.
Part 4
자율 SDLC — 어떻게 일하는 방식이 바뀌는가
First Responder 워크플로
에이전트가 백로그 시스템(Jira 등)의 “1차 응답자” 역할을 합니다. 티켓이 할당되면 에이전트가 시맨틱 분석 + 코드베이스 전체 맥락을 파악하고, 15분 이내에 요구사항이 명확하면 PR을 생성하고, 모호하면 명확화 코멘트를 남깁니다. 이 이진 분기가 “인지적 유휴 시간”(티켓이 To-Do에서 며칠째 방치되는 상태)을 제거합니다.Batch Consolidation
하루 2회, 에이전트가 미결 PR을 임시 통합 브랜치에 squash-merge하여 크로스 펑셔널 논리 충돌, 공유 의존성 파손, 통합 회귀를 실시간으로 탐지합니다. 금요일 오후에 발견되던 시스템 크래시가 화요일에 잡힙니다.환경 전략의 재정의
Part 5
보안·거버넌스 — Agentic 시대 최대 위협
핵심 리스크 재정의: 위험은 “모델이 틀릴 수 있다”가 아닙니다. “모델이 틀린 상태에서 행동할 수 있다”는 것입니다. 리스크가 생성 오류에서 운영 피해로 전환됩니다.
RSA Conference 2026 경고
조직의 85%가 AI 에이전트를 테스트 중이지만, 엔터프라이즈 프로덕션에 배포한 비율은 5%에 불과합니다. Shadow AI(보안 검토 없이 비즈니스 부서가 자율 배포한 에이전트)가 확산 중이며, 88%의 조직이 AI 관련 보안 사고를 경험했거나 의심합니다. Shadow AI 사고의 추가 비용은 건당 평균 $670,000 이상입니다.OWASP LLM Top 10 핵심 3가지
Zero Trust + 모델 컨텍스트 프로토콜(MCP) Gateway 패턴
에이전트를 내부 인간 직원이나 핵심 서비스 계정과 동일하게 취급해야 합니다: 최소 권한, 지속적 명시적 검증. MCP Gateway를 아키텍처 중앙에 배치하여 에이전트-도구 간 모든 JSON-RPC 호출에 대해 심층 패킷 검사 수준의 모니터링 + 회로 차단기 역할을 수행합니다.한국 규제 환경
AI 기본법(법률 제20676호)이 2026년 1월 22일 시행되었습니다. 모든 조직은 최소한 AI 사용 인벤토리 + 리스크 등급화 + 승인 플로우 + 감사 로그를 구현해야 합니다. 과기정통부 투명성 가이드라인, 개인정보보호위원회 생성형 AI 프라이버시 가이드도 함께 적용됩니다.Part 6 · 실전
선도 기업 사례와 인프라 표준화
Replit Agent
단일 에이전트의 오류율 폭증을 경험한 후 멀티에이전트 아키텍처로 전환했습니다. Manager(전체 워크플로 감독) + Editor(모듈별 코딩) + Validator(출력 검증 + 사용자 커뮤니케이션)로 분리하고, LangSmith 관측성 도구와 Temporal의 Durable Execution을 도입하여 장시간 에이전트 세션의 안정성을 확보했습니다.Cognition AI Devin
자율 AI 소프트웨어 엔지니어로서 Sentry 크래시 → 재현 → 진단 → PR까지 자동화, .NET Framework → .NET Core 마이그레이션을 2주 만에 완료했습니다. 그러나 모호한 요구사항, 변경되는 요구사항, 섬세한 비주얼 조정에는 여전히 취약합니다. 명확한 컨텍스트와 잘 정의된 범위가 주어져야만 성과를 냅니다.GitHub Copilot Agent Mode + 기업 컨텍스트
Slalom 컨설팅 사례: 기업 내부 “메모리 뱅크”(아키텍처 표준, 코딩 가이드라인, API 버전 규칙)를 Copilot에 주입하자, 컨텍스트 없이는 일반적인 외부 패턴을 복사하던 에이전트가 엄격한 기업 규정, 예외 처리, 어노테이션 컨벤션을 완벽히 준수하는 코드를 생성했습니다. Context Engineering의 결정적 중요성을 입증합니다.MCP — “AI의 USB-C”
Anthropic이 주도하고 업계 전반이 지원하는 Model Context Protocol은 모든 AI 클라이언트가 표준화된 JSON-RPC 인터페이스로 수백 개 외부 서버에 연결하도록 합니다. 백엔드 팀이 MCP 스펙에 맞춰 한 번 노출하면, 조직 내 모든 에이전트가 추가 통합 없이 즉시 활용 가능합니다.Part 7 · 실전
조직 전환 로드맵과 핵심성과지표(KPI) 프레임워크
단계별 실행 계획
KPI 프레임워크: 4+1 차원
의사결정 권한 매트릭스
마무리
세 문장으로 정리하는 Agentic 시대 준비
1. Vibe Coding을 금지하거나 방치하지 마세요 — 정책 + 승인 + 감사 추적을 갖춘 “통제된 Vibe Coding”으로 전환하세요. 한국 AI 기본법, 투명성 가이드라인, 프라이버시 가이드가 기반이 되어야 합니다.
2. PM/PL은 백로그뿐 아니라 에이전트 권한 매트릭스와 KPI 체계(DORA + 신뢰/컴플라이언스 + 비용)를 소유해야 합니다. 생산성 병목이 검증과 책임으로 이동했으므로, KPI도 그 병목을 가시화하도록 재설계해야 합니다.
3. 엔지니어는 Agent Engineering(도구 설계, 오케스트레이션, 평가, 관측성, 보안, 공급망)을 기반으로 “배포 가능한 안전성”을 구축하고, 0~3개월 내에 최소 실행 역량으로 운영화해야 합니다. 이 최소 역량 없이 자율성을 확대하면, 그것은 곧 사고를 확대하는 것입니다.
이 변화의 본질은 “AI가 더 좋은 코드를 쓴다”가 아닙니다. “조직이 이제 인간이 아닌 행위자(에이전트)에게 업무의 일부를 위임할 수 있는 구조를 갖게 되었다”는 것입니다. PM/PL의 핵심은 일정 관리가 아니라 위임의 경계(권한)와 결과의 책임(거버넌스)을 설계하는 것이고, 엔지니어의 핵심은 코드 작성이 아니라 안전한 실행 경로를 강제하는 것입니다.
궁극적 성공 요인은 AI(대규모 코드베이스 분석, 표준화 트랜잭션, 보일러플레이트 생성에 탁월)와 인간(모호한 상황의 창의적 비즈니스 로직, 윤리적 판단, 엣지케이스, 전략적 방향에 탁월) — 두 가지 이질적 지능을 하나의 유기체로 통합하는 것입니다.
#AgenticAI
#VibeCoding
#PM역할전환
#AgentEngineering
#AI기본법
#ZeroTrust
#MCP
#SDLC혁신
#DeepResearch
이 글은 Gemini Deep Research와 OpenAI Deep Research(총 86건 출처)를 종합하고, 10년간 현대MOBIS·삼성전자·SK 등 R&D 조직과 PM 워크숍을 진행한 현장 경험을 바탕으로 작성되었습니다.
함께 읽기 · Related Posts
시리즈 네트워크에서 이 편과 연결된 글
- B-4 · PM/PL 역할 전환
AI 시대의 프로젝트관리지식체계(PMBOK) 8판 훈련 전략 - P-11 · AI 인물 탐구
Agentic 시대 PO·PM·PL 5-Domain 역량 통합편 - X-1 · AX 전략
AI/AX 2030 전략: McKinsey, BCG, Accenture, Deloitte, Gartner 교차 분석 - X-2 · AX 전략
빅테크 리더십 격변과 AX 전략 - K-5 · 사고 체계
Karpathy LLM OS 시각으로 본 AX PM/PL 역량 — Claude Code 소스의 교차 분석 - S-1 · 현장 검증
Agentic PM의 시대가 열리다 — LG전자 SW PM 워크숍을 마치며
🧭 길잡이·수렴 (전체 진입)
- M-1 Agentic PM 시리즈 진입 가이드 — 전체를 한 장으로
- Z-1 실록(Sillok) — 5세기 Audit-Grade 거버넌스를 LLM 운영에 빌려온 한국형 LLMOS 하네스
- Z-2 실록(Sillok) 2026 상반기 결산 — RAG·고객사·지능화 루프·오픈소스
- Z-3 하네스×RAG 기업 컨설팅 — 네 현장·환각 방지·TOP10 자가진단·진화 루프
- Z-4 하네스 엔지니어링 백서 — Weng 하네스론×실록 구조 매핑·자기개선 루프·정직한 결산
- Z-5 에이전트 스킬 수명주기 백서 — Dynamic Agent Skills 8단×실록 매핑(7 온전+1 갭)·분기 12문항 레퍼런스·PO/PM/PL 컨설팅 직역
🧱 개념·프레임워크 (Lv2–3)
🔄 역할·역량 전환 (Lv1–2)
- B-1 AI 시대 PM의 역할 변화: 팀 모드의 중요성
- B-2 AI 시대, PO·PM·PL과 사무직의 역할이 근본부터 바뀐다
- B-3 AI 시대, PM/PL의 역량이 근본부터 바뀌어야 하는 이유
- B-4 AI 시대의 PMBOK 8판 훈련 전략
- B-5 Agentic 시대, PM/PL과 엔지니어는 무엇을 준비해야 하는가
- B-6 AI 인재, 무엇을 준비할 것인가 — 11+1 역량 지도 NEW
- B-7 PO·PM·PL 역량 통합: 5-Domain × 3-Level B 트랙 재배치
- R-0 직군이 아니라 역할이다 — Agentic 팀의 다섯 원형 NEW
🧠 사고 체계 (Lv2–3)
- K-1 Agentic 시대, PM의 온톨로지맵 — Obsidian을 통해 나만의 RAG를 만드는 법
- K-2 Karpathy의 LLM과 Obsidian 지식 결합
- K-3 Karpathy의 autoresearch: PM에서의 적용 사례
- K-4 Karpathy: AI의 사고 체계를 PM에 어떻게 적용할까?
- K-5 Karpathy LLM OS 시각으로 본 AX PM/PL 역량 — Claude Code 소스 교차 분석
- K-6 30시간 RAG 실측 — Karpathy llm-wiki vs obsidian-vault 양강 비교
- K-7 구글 OKF·Obsidian Vault·llm-wiki — 무엇을 어떻게 시작할까
- K-8 Obsidian × LLM 4만 노트 — 개인 RAG 최종 아키텍처 5층 NEW
- K-9 PM 온톨로지맵 템플릿 배포판 — 30분에 채우는 5칸 NEW
👤 AI 인물·리더 (Lv1)
- P-0 7인의 사고 체계 종합 프레임워크
- P-1 Karpathy: 제약 설계 + 닫힌 루프
- P-2 Sutskever: 압축이 곧 지능이다
- P-3 Hassabis: 제1원리 분해
- P-4 LeCun: 세계 모델 + 예측
- P-5 Hinton: 거버넌스 + 자기부정
- P-6 Ng: AI 전환 플레이북
- P-7 Fei-Fei Li: 인간중심 설계
- P-8 Builders 종합: Boris·Cat·Truell·Masad·Murati·Brockman
- P-9 Operators 종합: Altman·Amodei·Nadella·Pichai·Zuckerberg·Suleyman
- P-10 Hardware 양강: Jensen Huang · Lisa Su
📈 AX 전략·조직 전환 (Lv4)
- X-1 AI/AX 2030 전략: McKinsey, BCG, Accenture, Deloitte, Gartner 교차 분석
- X-2 빅테크 리더십 격변과 AX 전략
- X-3 2026년 GitHub에서 주목할 프로젝트와 AI 전환 신호
- X-4 AI 에이전트 2026 상반기 대해부 — 지금 무슨 일이, 리더는 무엇을 NEW
- W-1 Agentic 월간 관전포인트 2026-05 — 가우스+빅테크 듀얼 모델 시대 NEW
- W-2 Agentic 2026 상반기 총결산 — 다섯 축 6개월 NEW
- E-1 AI 네이티브 기업 전환 — CHO·PMO 재정의
- E-2 한국 기업 AX 2030 (Capstone)
- E-3 NH농협은행 SAFe 애자일 3년 — 페이스메이킹의 기록
- E-4 하나은행 × BCG 애자일 전환 — 두 개의 리듬으로
- E-5 네이버랩스 AKI — 하이브리드 애자일 PMO로 7개 제품을 한 박자로
🏢 현장 검증·사례 (Lv1–4)
- S-1 Agentic PM의 시대가 열리다 — LG전자 SW PM 워크숍을 마치며
- S-2 삼성전자 PMC: AI와 함께하는 PM 교육 혁신
- S-3 SKT Agent 도출을 위한 AI 퍼실리테이션 기법
- S-4 리스크는 그릇이었다 — LG전자 SW공학연구소 GenAI RISK 워크숍 NEW
- S-5 코드 한 줄 없이 손익관리팀이 만든 에이전트 — 신한EZ손해보험 NEW
- S-6 “어디까지 입력해도 되나요?” — 삼성 구매 현장의 Agentic 각성 NEW
- S-7 지금 Agentic으로 전환해야 하는 이유 — 삼성·LG·KT·Clean&Science 300여 분의 증명 NEW
- S-8 ‘바이브 프로젝트 매니징’을 스스로 이름 붙였습니다 — 현대모비스 편 NEW
- S-9 “대충 시키면 다 해줄 줄 알았는데” — SK쉴더스 보안 PM들의 이틀 NEW
- S-10 휴맥스 전사 ALM 정착 — 표준 4개를 codeBeamer 하나에 NEW
🔧 하네스·에이전트·RAG 구축 (Lv3)
🧪 AI 개발·SDLC 실험 (Lv3)
⚖️ 모델·도구·맥 환경 실측 (Lv3)
🏛️ 공공·SI 사업관리 (Lv2–4)