티스토리 뷰
요즘은 Cursor, Claude Code, Windsurf 같은 AI 개발 도구 덕분에
“아이디어 → 서비스 구현” 속도가 엄청 빨라졌습니다.
그런데 실제 현업에서는 많은 사람들이 AI에게 이렇게 요청합니다.
“커뮤니티 서비스 만들어줘”
“배달앱 만들어줘”
“AI SaaS 만들어줘”
그리고 결과를 보고 실망합니다.
왜냐하면 AI는 “개발자”이기 전에
입력된 요구사항(PRD)을 기반으로 움직이는 시스템이기 때문입니다.
즉,
PRD(Product Requirement Document)가 부실하면
AI도 엉뚱한 결과를 만들어냅니다.
실제로 현업에서는 AI에게 일을 맡기기 전에
아래 6개 항목을 반드시 정리합니다.
1. 서비스 목적 (Why)
가장 먼저 필요한 건:
“왜 이 서비스를 만드는가?”
입니다.
AI는 목적이 명확할수록
기능 우선순위를 훨씬 정확하게 잡습니다.
예시:
- 잘못된 예시
- “운동 앱 만들어줘”
- 좋은 예시
- “직장인이 퇴근 후 10분 운동 루틴을 기록하고 공유하는 서비스”
차이가 느껴지시나요?
두 번째는:
- 타겟
- 사용 상황
- 핵심 가치
가 모두 포함되어 있습니다.
현업에서는 이걸 가장 중요하게 봅니다.
왜냐하면 목적이 명확해야:
- 기능 범위가 줄어들고
- UX 방향이 정해지고
- AI도 올바른 구조를 설계하기 때문입니다.
2. 핵심 사용자 (Who)
AI는 사용자를 알아야
화면 구조와 기능을 제대로 설계할 수 있습니다.
예시:
- 대학생
- 스타트업 PM
- 개발자
- 소상공인
- 헬스 트레이너
이렇게 구체적으로 지정해야 합니다.
그리고 더 중요한 건:
- 사용자의 문제
- 현재 불편한 점
- 기존 대체 수단
까지 적는 것입니다.
예시:
항목내용
| 사용자 | 스타트업 PM |
| 문제 | 회의 내용 정리가 너무 오래 걸림 |
| 현재 방식 | 노션 수기 작성 |
| 원하는 결과 | AI가 자동으로 회의 요약 |
이 정보를 넣으면
AI가 훨씬 현실적인 기능을 제안합니다.
3. 핵심 기능 (Core Features)
많은 사람들이 가장 많이 실수하는 부분입니다.
기능을 너무 많이 넣습니다.
현업에서는 처음부터 모든 기능을 만들지 않습니다.
대신:
“MVP에서 반드시 필요한 기능”
만 정의합니다.
예시:
커뮤니티 서비스 MVP
필수 기능:
- 회원가입
- 게시글 작성
- 댓글
- 좋아요
제외 기능:
- 실시간 채팅
- 알림 시스템
- 관리자 통계
- 추천 알고리즘
왜냐하면 AI도 기능 범위가 작을수록
훨씬 높은 품질의 코드를 생성하기 때문입니다.
4. 화면 흐름 (User Flow)
AI는 “사용자가 어떻게 움직이는지”를 알면
프론트엔드 구조를 훨씬 잘 만듭니다.
현업에서는 보통 이렇게 작성합니다.
로그인
→ 메인 피드 진입
→ 게시글 클릭
→ 댓글 작성
→ 마이페이지 이동
간단해 보여도 엄청 중요합니다.
왜냐하면 이것만 있어도 AI가:
- 라우팅 구조
- 페이지 구성
- 상태관리 흐름
- API 연결 구조
를 유추할 수 있기 때문입니다.
특히 Cursor나 Claude Code에서
이 부분이 있으면 코드 품질 차이가 매우 커집니다.
5. 기술 스택 & 인프라 조건
이걸 안 넣으면 AI는 자기 마음대로 선택합니다.
예시:
- Frontend: Next.js
- Backend: FastAPI
- DB: PostgreSQL
- Cache: Redis
- Infra: AWS ECS
- CI/CD: GitHub Actions + Docker
이렇게 명확히 지정해야 합니다.
실제로 현업에서는:
- 회사 표준 스택
- 운영 비용
- 배포 방식
- 트래픽 구조
때문에 기술 선택이 매우 중요합니다.
특히 AI에게:
- Docker 사용 여부
- AWS 구조
- RDS 사용 여부
- NoSQL 사용 여부
를 알려주면
아키텍처 수준이 훨씬 올라갑니다.
6. 성공 기준 (Success Metric)
현업 PRD에서 가장 중요한 부분입니다.
“이 서비스가 성공했는지 어떻게 판단할 것인가?”
예시:
- 회원가입 전환율 30%
- DAU 1,000명
- 평균 체류시간 10분
- 재방문율 40%
- API 응답속도 200ms 이하
이걸 넣으면 AI가:
- 로그 구조
- 분석 이벤트
- 데이터 테이블
- 모니터링 구조
까지 고려해서 설계합니다.
즉:
“단순 기능 개발”이 아니라
“운영 가능한 서비스” 수준으로 바뀝니다.
실제 현업에서는 이렇게 합니다
현업 AI 개발팀은 보통:
1. PRD 작성
2. AI에게 역할 부여
3. 기능 단위로 작업 분리
4. 코드 생성
5. 리뷰 & 수정
6. 자동 배포
순서로 진행합니다.
중요한 건:
AI에게 개발을 맡기기 전에
인간이 문제 정의를 정확히 해야 한다
입니다.
AI 시대가 되면서
오히려 기획 능력(PRD)이 더 중요해졌습니다.
정리
AI에게 서비스를 맡길 때
반드시 포함해야 하는 6개 항목:
- 서비스 목적
- 핵심 사용자
- 핵심 기능
- 화면 흐름
- 기술 스택 & 인프라
- 성공 기준
이 6개만 제대로 작성해도
AI 결과물 품질이 완전히 달라집니다.
그리고 이것이 바로
현재 실리콘밸리와 국내 스타트업들이 실제로 사용하는 방식입니다.
'AI 개발' 카테고리의 다른 글
| Agentic AI는 RAG와 뭐가 다른가 (0) | 2026.05.12 |
|---|---|
| Function Gemma (펑션젬마) 란 무엇인가? 어디에 사용하나? (0) | 2025.12.23 |
| 허깅페이스를 이용한 이미지 분류 Fine Tuning 방법 (전체 소스코드 있음) (0) | 2025.12.08 |
| 2025년 GitHub에서 주목받는 AI 오픈소스 레포지토리 (0) | 2025.11.05 |
| 바이브코딩 - 나노바나나로 사람에게 옷 입히는 드레스업 서비스 개발하기 (0) | 2025.09.18 |
- Total
- Today
- Yesterday
- evaluation
- 파이썬 콜론
- Python
- LEN
- 안드로이드
- dataprocessing
- keras
- 기술면접
- 파이썬 리스트
- 데이터타입
- 데이터분석
- 면접질문
- count
- 이직
- 변수
- pythonprogramming
- serverless
- 코랩
- 이력서
- dict
- python list
- R studio
- nested list
- 딕셔너리
- R스튜디오
- 취업
- 파이썬
- str
- 면접
- Colab
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 |