AI 기능, PM이라면 이 정도는 알아야지: 머신러닝 기초 A to Z

솔직히 말해볼까? AI 스타트업에서 PM으로 일하면서, 머신러닝 용어 때문에 밤잠 설치는 날이 한두 번이 아니었다. 디자이너 출신으로 개발 문외한이었던 내가, 어떻게든 이 복잡한 AI 세계를 파고들어야만 했다. 오늘은 그 좌충우돌 경험담과 함께, 우리 같은 PM들이 AI 기능 기획할 때 반드시 알아야 할 머신러닝 기초를 털어놓으려 한다. 개발자가 아니라고? 상관없다. 당신의 목표는 코딩이 아니라, 결국엔 '잘 팔리는 제품'을 만드는 거잖아.

1. 왜 PM이 머신러닝을 알아야 하는가? (개발자만 꿀 빨라고?)

"머신러닝은 개발자 영역이지, PM이 뭘 알아야 해?" 이렇게 생각한다면, 당신은 이미 게임에서 뒤처지고 있는 거다. AI 시대에 PM의 역할은 점점 더 중요해지고 있다. 단순히 기능 명세서를 넘어서, AI 모델의 가능성과 한계를 이해하고, 비즈니스 목표와 연결하는 능력이 필수다.

나의 첫 AI 기능 기획 경험:

처음엔 그저 "이런 AI 기능 넣으면 사용자 좋아하겠지?" 막연한 생각뿐이었다. 하지만 개발팀과 미팅할 때마다 "그 모델로는 안 돼요", "데이터가 부족해요"라는 피드백에 좌절했다. 마치 외국어를 못 하는데 통역 없이 비즈니스 협상을 하는 기분이었지. 그때 깨달았다. 아무리 디자인이 뛰어나고 비즈니스 모델이 훌륭해도, AI 기술 자체에 대한 기본적인 이해 없이는 제대로 된 제품을 만들 수 없다는 것을.

2. 머신러닝, 어렵지 않아요: 핵심 개념만 쏙쏙

머신러닝의 모든 것을 알 필요는 없다. PM에게 필요한 건 '이런 게 있구나', '이런 건 이렇게 작동하는구나' 정도의 감이다. 복잡한 수학 공식은 개발자에게 맡기고, 우리에게 중요한 것만 짚어보자.

2.1. 지도 학습 vs. 비지도 학습: 뭐가 다른데?

• 지도 학습 (Supervised Learning): 답이 정해진 문제집 풀이.
  • 예시: 고양이 사진을 보고 "이건 고양이", "이건 강아지"라고 알려주며 학습시키는 것. 분류(Classification)와 회귀(Regression) 문제에 쓰인다.
  • PM Tip: 사용자에게 명확한 정답을 제시하고 피드백을 받는 서비스 (예: 스팸 메일 분류, 상품 추천) 기획 시 떠올려보자.
• 비지도 학습 (Unsupervised Learning): 답 없이 데이터 속에서 패턴 찾기.
  • 예시: 수많은 고객 데이터를 보고 "아, 이 고객들은 이런 그룹으로 나눌 수 있겠네"라고 스스로 패턴을 찾는 것. 군집화(Clustering)나 차원 축소(Dimensionality Reduction) 등에 활용된다.
  • PM Tip: 숨겨진 사용자 그룹을 찾거나, 데이터 탐색을 통해 새로운 인사이트를 얻고 싶을 때 유용하다.

2.2. 딥러닝: 신경망의 마법?

딥러닝은 머신러닝의 한 종류인데, 인간의 뇌 신경망을 모방한 구조를 사용한다. 이미지 인식, 자연어 처리 등 복잡한 문제에서 뛰어난 성능을 보인다. **"AI가 그림을 그려주고, 글을 써주는 것"**의 핵심 기술이라고 생각하면 쉽다.

• PM Tip: 챗봇, 이미지 생성, 번역 기능 등 '창의적'이거나 '복잡한 패턴 인식'이 필요한 기능을 기획할 때 딥러닝 모델을 고려해볼 수 있다.

3. AI 기능 기획, PM이 던져야 할 질문들

이제 실전이다. AI 기능 아이디어가 떠올랐을 때, 어떤 질문들을 던져야 할까? 개발팀과 소통하기 전, 혹은 아이디어 구체화 단계에서 스스로에게 물어보자.

3.1. '문제'를 정의하라: AI는 만능이 아니다