코딩 못하는 PM이 Claude로 엔지니어링 툴을 만든 비결: AI 시대의 새로운 생존법

제품 관리자가 기술적 장벽을 넘어 오픈소스 라이브러리에 6가지 엔지니어링 스킬을 구현하며 증명한 'AI 기반 개발'의 실체와 실무 적용 전략을 분석합니다.

많은 제품 관리자(PM)들이 매일 겪는 고질적인 갈등이 있습니다. 머릿속에는 완벽한 제품의 청사진이 그려져 있지만, 이를 실제로 구현하기 위해서는 엔지니어의 시간과 리소스라는 거대한 장벽을 넘어야 한다는 점입니다. ‘이 정도 기능은 내가 직접 짤 수 있다면 얼마나 좋을까?’라는 생각은 단순한 바람을 넘어, 개발팀과의 소통 비용을 줄이고 제품 출시 속도를 높이고 싶은 PM들의 절실한 갈망이기도 합니다.

하지만 전통적인 소프트웨어 개발 환경에서 비개발자가 코드를 작성하는 것은 거의 불가능에 가까웠습니다. 문법 오류 하나에 몇 시간을 허비하고, 환경 설정 단계에서 포기하는 일이 다반사였기 때문입니다. 그런데 최근 LLM(대규모 언어 모델), 특히 Claude와 같은 고성능 AI의 등장으로 이 지형도가 완전히 바뀌고 있습니다. 이제는 ‘코딩 언어’를 배우는 것이 아니라, ‘AI에게 명령하는 법’을 배우는 것만으로도 실제 작동하는 엔지니어링 툴을 구축할 수 있는 시대가 되었습니다.

AI가 PM의 손에 ‘엔지니어링 무기’를 쥐어주는 방식

최근 한 PM이 자신의 오픈소스 Claude 라이브러리에 6가지의 엔지니어링 스킬을 성공적으로 배포하며 큰 화제가 되었습니다. 여기서 주목해야 할 점은 그가 갑자기 천재 개발자가 되었다는 것이 아니라, AI를 ‘지능형 컴파일러’이자 ‘시니어 개발 파트너’로 활용했다는 점입니다. 그는 복잡한 아키텍처 설계부터 세부 구현까지 AI와 협업하며, PM의 도메인 지식과 AI의 기술적 구현 능력을 결합했습니다.

이 과정의 핵심은 ‘추상화’에 있습니다. PM은 무엇을 만들어야 하는지(What)와 왜 만들어야 하는지(Why)를 명확히 정의하고, AI에게 어떻게(How) 구현할지를 맡겼습니다. 이는 단순히 코드를 복사해서 붙여넣는 수준을 넘어, 라이브러리 형태로 구조화하여 재사용 가능하게 만들었다는 점에서 매우 중요한 의미를 갖습니다. 이제 PM은 단순한 기획자를 넘어, AI를 통해 직접 프로토타입을 만들고 검증하는 ‘테크니컬 PM’으로 진화하고 있습니다.

기술적 구현의 핵심: 프롬프트 엔지니어링에서 시스템 설계로

단순한 챗봇 대화만으로는 오픈소스 라이브러리를 구축할 수 없습니다. 이번 사례에서 적용된 기술적 접근법은 다음과 같은 단계적 전략을 따랐을 가능성이 큽니다.

• 모듈형 설계: 전체 기능을 한 번에 구현하려 하지 않고, 6가지의 독립적인 ‘스킬’로 쪼개어 정의했습니다. 이는 AI가 한 번에 처리해야 할 컨텍스트를 줄여 오류율을 낮추는 전략입니다.
• 반복적 피드백 루프: AI가 생성한 코드를 실행하고, 발생하는 에러 메시지를 다시 AI에게 입력하여 수정하는 ‘자기 수정(Self-correction)’ 과정을 반복했습니다.
• 문서화의 자동화: 코드 구현과 동시에 해당 기능의 사용법과 API 명세서를 AI가 작성하게 함으로써, 오픈소스 프로젝트로서의 완성도를 높였습니다.

이러한 방식은 개발 프로세스의 민주화를 가져옵니다. 과거에는 개발자만이 가졌던 ‘구현의 권한’이 이제는 논리적 사고력과 문제 정의 능력을 갖춘 모든 이에게 열려 있게 된 것입니다.

AI 기반 개발의 명과 암: 실무자가 알아야 할 리스크

물론 AI를 이용한 개발이 모든 문제를 해결해 주는 마법 지팡이는 아닙니다. PM이 AI로 엔지니어링 툴을 만들 때 반드시 고려해야 할 트레이드오프가 존재합니다.

구분	장점 (Pros)	단점 및 리스크 (Cons)
개발 속도	아이디어에서 구현까지의 시간이 획기적으로 단축됨	코드의 내부 구조를 완전히 이해하지 못해 유지보수가 어려울 수 있음
진입 장벽	언어 문법 학습 없이 논리적 설계만으로 개발 가능	AI가 생성한 ‘환각(Hallucination)’ 코드로 인한 보안 취약점 발생 가능성
협업 효율	개발자에게 정확한 기술적 요구사항 전달 가능	검증되지 않은 코드를 메인 레포지토리에 병합할 때의 충돌 위험

특히 가장 위험한 지점은 ‘작동하는 코드’와 ‘좋은 코드’의 차이를 구분하지 못하는 것입니다. AI는 일단 돌아가는 코드를 짜는 데 능숙하지만, 확장성이나 성능 최적화, 보안 표준 준수 측면에서는 여전히 인간 시니어 엔지니어의 리뷰가 필수적입니다.

실제 적용 사례: PM이 AI로 구축할 수 있는 도구들

그렇다면 일반적인 PM들이 당장 AI를 활용해 만들 수 있는 ‘엔지니어링 스킬’에는 무엇이 있을까요? 다음과 같은 사례들이 가능합니다.

첫째, 데이터 분석 자동화 툴입니다. SQL 쿼리를 짜지 못하더라도, AI에게 데이터베이스 스키마를 알려주고 원하는 지표를 추출하는 파이썬 스크립트를 짜게 하여 매일 아침 자동으로 리포트를 생성하는 봇을 만들 수 있습니다.

둘째, API 테스트 자동화 라이브러리입니다. Postman으로 일일이 테스트하는 대신, 특정 시나리오에 따라 API 응답 값을 검증하는 테스트 스크립트를 AI로 구현하여 QA 시간을 단축할 수 있습니다.

셋째, 내부 운영 툴(Admin Tool)의 프로토타입입니다. 복잡한 백엔드 설정 없이도 Streamlit이나 Gradio 같은 라이브러리를 활용해 AI와 함께 빠르게 관리자 페이지를 구축하고, 이를 통해 실제 운영팀의 니즈를 빠르게 검증할 수 있습니다.

지금 당장 시작하는 ‘AI 엔지니어링’ 액션 아이템

코딩을 전혀 모르는 PM이라도 오늘부터 당장 실행할 수 있는 단계별 가이드를 제시합니다.

• 단계 1: 작은 불편함 정의하기 – 거대한 시스템이 아니라, 매일 반복하는 단순 작업 중 하나를 선택하세요. (예: 엑셀 데이터 정리, 특정 웹사이트 정보 수집 등)
• 단계 2: Claude에게 ‘아키텍트’ 역할 부여하기 – “너는 10년 차 시니어 풀스택 개발자야. 내가 원하는 기능을 구현하기 위해 필요한 기술 스택과 파일 구조를 먼저 제안해줘”라고 요청하세요.
• 단계 3: 최소 단위로 구현하고 검증하기 – 한 번에 전체 코드를 요청하지 말고, 함수 하나, 기능 하나 단위로 요청하고 직접 실행해 보세요. 에러가 나면 에러 메시지를 그대로 복사해 AI에게 주고 수정을 요청하세요.
• 단계 4: 코드 리뷰 요청하기 – 구현이 완료되었다면, 다시 AI에게 “이 코드에서 보안상 취약점이나 성능 저하가 발생할 수 있는 부분이 어디인지 분석하고 개선안을 제시해줘”라고 요청하여 품질을 높이세요.

결국 AI 시대의 경쟁력은 ‘코드를 짤 줄 아는가’가 아니라 ‘어떤 문제를 해결하기 위해 AI를 어떻게 활용하는가’에서 결정됩니다. 기술적 장벽 뒤에 숨지 말고, AI라는 강력한 지렛대를 이용해 여러분의 제품 아이디어를 직접 현실로 만들어 보시기 바랍니다. 이제 PM의 정의는 ‘기획하는 사람’에서 ‘AI와 함께 구현하는 사람’으로 확장되어야 합니다.

FAQ

Im a Product Manager. I Just Shipped 6 Engineering Skills to My Open-Source Claude Library의 핵심 쟁점은 무엇인가요?

핵심 문제 정의, 비용 구조, 실제 적용 방법, 리스크를 함께 봐야 합니다.

Im a Product Manager. I Just Shipped 6 Engineering Skills to My Open-Source Claude Library를 바로 도입해도 되나요?

작은 범위에서 실험하고 데이터를 확인한 뒤 단계적으로 확대하는 편이 안전합니다.

실무에서 가장 먼저 확인할 것은 무엇인가요?

목표 지표, 대상 사용자, 예산 범위, 운영 책임자를 먼저 명확히 해야 합니다.

법률이나 정책 이슈도 함께 봐야 하나요?

네. 데이터 수집 방식, 플랫폼 정책, 개인정보 관련 제한을 반드시 점검해야 합니다.

성과를 어떻게 측정하면 좋나요?

비용, 전환율, 클릭률, 운영 공수, 재사용 가능성 같은 지표를 함께 보는 것이 좋습니다.

관련 글 추천

• https://infobuza.com/2026/04/26/20260426-5nt5c2/
• https://infobuza.com/2026/04/26/20260426-w9apwk/

지금 바로 시작할 수 있는 실무 액션

• 현재 팀의 AI 활용 범위와 검증 절차를 먼저 문서화합니다.
• 작은 파일럿 프로젝트로 KPI를 정하고 2~4주 단위로 검증합니다.
• 보안, 품질, 리뷰 기준을 자동화 도구와 함께 연결합니다.