PM의 역할은 사라지지 않고 진화합니다. 산출물 작성 8시간에서 검증·판단 8분으로. 문제는 “역할의 소멸”이 아니라 “역할의 급격한 전환”입니다. AI가 처리 시간을 줄이는 것이 아니라, PM이 어떤 일을 해야 하는지를 근본부터 바꾼 삼성·LG의 사례.
① 인공지능(AI)이 산출물 작성을 맡으면서 프로젝트 관리 직군(PO·PM·PL)의 역할은 소멸이 아니라 근본 전환을 맞습니다.
② 생산성 병목이 작성에서 검증·승인·책임으로 이동해, 만드는 능력보다 판단 기준을 설계하는 능력이 희소해지기 때문입니다.
③ 삼성·LG 워크숍에서 33명이 2일간 실증한 사례와 역량 프레임워크가 담겨 있으니, 내 역할의 판단 기준부터 점검해 보시기 바랍니다.
- 현재 PM들이 하루 8시간을 산출물 작성에 쓰는데, AI는 이 시간을 8분으로 줄일 수 있을까? 줄였을 때 남은 7시간 52분을 뭐에 써야 조직 가치가 증가할까?
- 에이전트가 WBS·스토리·리스크를 자동 생성할 때, PM은 “맞는가?”를 판단하는 역할만 해야 할까? 아니면 에이전트의 판단 기준 자체를 설계·운영하는 수준으로 올라가야 할까?
- PO·PM·PL 중 누가 가장 먼저 에이전트 기반 업무방식으로 전환해야 조직 변화가 가장 효율적일까? 리스크가 가장 적을까?
- 삼성·LG 워크숍에서 33명이 2일 만에 83건 WBS, 42건 리스크, 20개 스토리를 생성했는데, 6개월 후 실제로 프로젝트에 적용했을 때 성공 요인과 실패 지점은 무엇이었을까?
- PO: 결과물의 “왜”를 정의하는 비중이 올라간다. AI가 “어떻게”를 자동화할수록 PO의 시장·고객·가치 판단이 희소 역량이 된다.
- PM: 산출물 생산자에서 품질 검증자·프로세스 설계자로. 8시간 쓰던 작업을 8분에 검증하려면 도메인 전문성과 판단 기준 정립이 필수.
- PL: 기술적 실현 가능성과 에이전트 행동 반경을 함께 설계. “가능한가”에서 “안전하게 위임 가능한 범위는 어디까지인가”로 질문이 바뀐다.
지난 15년간 삼성·LG·SK·KT·모비스 등 대기업 PM 코칭 현장과 글로벌 표준을 종합한 AI/AX/Agentic 역량 프레임워크를 공개합니다.
‘도구를 쓸 줄 아는 PM’의 시대는 끝났습니다. AI Agent가 Backlog를 관리하고 릴리즈 판단까지 개입하는 지금, PO·PM·PL에게는 Agentic Thinking — AI를 전략적으로 위임하고 오케스트레이션하는 역량 — 이 핵심 자질이 되었습니다.
삼성전자와 2025년 Pilot을 거쳐 올해 본격 가동된 Agentic PO/PM/PL Simulation Game은 실전 의사결정 압박 속에서 AI 협업 역량을 훈련하는 기법으로, 글로벌 표준과 AI를 결합해 실행 Agility를 메타인지 기반으로 극대화합니다.
이 역량맵은 PO·PM·PL을 넘어 일반 사무직 Agentic Officer 과정으로도 확장됩니다. 고해상도 원본은 아래 이미지 클릭하여 다운로드 받아 사내에서 활용하세요.
PROJECT RESEARCH · 2026
왜 역할이 바뀌어야 하는가
전통 개발은 결정적(deterministic)이었습니다. 사람이 코드를 타이핑하고, 컴파일러가 정해진 규칙대로 실행했습니다. Agentic 시대의 개발은 확률적(probabilistic)입니다. 모델이 추론하고, 도구를 호출하고, 결과를 자체 검증합니다.
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 PO·PM·PL의 새로운 핵심 역할입니다.
PO · PM · PL — 각 역할은 어떻게 달라지는가
PO — 요구사항 작성자에서 Smart Spec 설계자로
좋은 에이전트 스펙은 PRD의 사용자 중심 목적 + SRS의 기술적 엄밀함을 융합해야 합니다. PO가 설계하는 Smart Spec의 5대 필수 요소:
PM — 일정 관리자에서 위임·거버넌스 설계자로
PM의 책임이 “사람 + 코드”에서 “사람 + 에이전트 + 정책 + 감사 추적”으로 확장됩니다. 4대 새 책임 축:
PL — 기술 리더에서 에이전트 시스템 설계자로
전통 PM/PL 역량과 Agentic 시대 역량 비교:
사무직(Officer) — 반복 업무에서 AI 스킬 운영자로
역할 전환은 PO·PM·PL에 국한되지 않습니다. 지식근로자의 반복 업무 역시 AI 스킬 기반으로 자동화 가능합니다. Agentic Officer 워크숍은 5가지 핵심 스킬을 1일 안에 실습합니다.
현장에서 본 전환의 실제
삼성전자 PMC — 2025년 하반기부터 AI 퍼실리테이션을 도입하면서 강의 비중이 40-50%에서 10-15%로 줄었습니다. 대신 실습 비중이 85-90%로 올라갔고, 포스트잇 수작업 합성(30-60분)이 AI 즉시 합성(30초)으로 전환되었습니다. PM의 역할이 “지식 전달자”에서 “학습 설계자”로 바뀐 것입니다.
LG전자 — PM Competition을 Certification 체계로 전환했습니다. 3-Tier 검증(Knowledge → Application → Solving) 구조로 68명이 인증을 취득하고 HR에 등록되었습니다. PM 역할이 “프로젝트를 관리하는 사람”에서 “역량을 증명하고 조직에 기여하는 전문가”로 재정의된 사례입니다.
현대MOBIS — R&D연구소 임원·팀장/PL 대상으로 Hybrid PM 전환 프로그램을 운영하고 있습니다. 4년간의 워크숍에서 가장 많이 들은 고민은 “리소스 부족”과 “요구사항 변경”이었는데, Agentic 시대에는 이것이 “에이전트에게 뭘 맡길 수 있는가”와 “에이전트의 결과를 어떻게 검증하는가”로 전환되고 있습니다.
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.
시리즈 네트워크에서 이 편과 연결된 글
- B-1 · PM/PL 역할 전환
AI 시대 PM의 역할 변화: 팀 모드의 중요성 - B-3 · PM/PL 역할 전환
AI 시대, PM/PL의 역량이 근본부터 바뀌어야 하는 이유 - B-4 · PM/PL 역할 전환
AI 시대의 PMBOK 8판 훈련 전략 - B-5 · PM/PL 역할 전환
Agentic 시대, PM/PL과 엔지니어는 무엇을 준비해야 하는가 - X-2 · AX 전략
빅테크 리더십 격변과 AX 전략 - P-11 · AI 인물 탐구
Agentic 시대 PO·PM·PL 5-Domain 역량 통합편
- 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
- 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-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
- K-9 PM 온톨로지맵 템플릿 배포판 — 30분에 채우는 5칸
- 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
- P-11 DeepSeek 량원펑 — 연속 학습의 공백과 하네스
- 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
- W-1 Agentic 월간 관전포인트 2026-05 — 가우스+빅테크 듀얼 모델 시대
- W-2 Agentic 2026 상반기 총결산 — 다섯 축 6개월
- 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
- 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
- S-5 코드 한 줄 없이 손익관리팀이 만든 에이전트 — 신한EZ손해보험
- S-6 “어디까지 입력해도 되나요?” — 삼성 구매 현장의 Agentic 각성
- S-7 지금 Agentic으로 전환해야 하는 이유 — 삼성·LG·KT·Clean&Science 300여 분의 증명
- S-8 ‘바이브 프로젝트 매니징’을 스스로 이름 붙였습니다 — 현대모비스 편
- S-9 “대충 시키면 다 해줄 줄 알았는데” — SK쉴더스 보안 PM들의 이틀
- S-10 휴맥스 전사 ALM 정착 — 표준 4개를 codeBeamer 하나에
- S-11 AI로 신약 프로젝트 관리 — KDRA 바이오 PM 3일 워크숍
- S-12 AI 바이오·제약 회사는 무엇부터 자동화해야 하는가 — 26주 실측
- S-13 에이전트를 어디까지 붙일 것인가 — 되돌릴 수 없는 일 먼저 NEW
- S-14 같은 기준, 다른 답 — 22개 업무 유형의 사람 확정 지점 NEW
- S-15 가장 무거운 일은 전문 업무가 아니었다 — 에이전트 10종 NEW
- G-1 삼성전자 GAUSS PM Agent: 효과적 설계로 주니어 PM 지원하기
- G-2 주니어 PM 위한 AI 하네스 구축 가이드
- G-4 삼성 DX 엔지니어를 위한 Codex 온보딩 — 하네스 & 개인 RAG
- G-5 나의 Agent 비서, 블록 12개로 조립한다 — 재사용 블록과 77%의 법칙
- G-6 내 업무를 맡길 AI 에이전트 — 6블록 설계와 PROFILE BIND
- CC-6 사내 지식을 RAG로 — 망분리·토큰0 6단계
- CC-4 내 노트 4만 개 검색 — LLM 직접 읽기 vs 전용 CLI, 하이브리드 5.5배
- CC-5 Obsidian 노트를 앱 없이 검색 — 오픈소스 byeori(벼리)
- A-5 Fable 5와 보낸 첫 하루 — 모델 × 하네스 × RAG 실측 회고
- A-8 좋은 엔진은 없다, 맞는 엔진이 있다 — Codex/Sol vs Claude/Fable 5대 실전 비교
- CC-3 Opus xhigh 솔로 vs ultracode 멀티에이전트 — 작업유형별 A/B 실측
- A-6 맥은 이미 AI 워크스테이션 — 사진·노트·인박스 0원 정리
- A-7 Mac@Work 2026 — 맥 20년차의 도구 모음과 Agentic 카테고리
- G-3 대기업 직장인을 위한 AI Agent & Skill 추천 가이드 2026
- G-7 녹취 엔진 두 레인 — SpeechAnalyzer와 Alt, 코칭·컨설팅 6장면 판단표