홈앤서비스 SK BROADBAND

PART 1 AI를 이해하는 PM의 눈 CHAPTER 01 AI는 기존 소프트웨어와 무엇이 다른가 _1.1 결정론 vs 확률론 _1.2 머신러닝이 학습하는 방식 _1.3 과적합과 과소적합 _1.4 머신러닝의 세 가지 유형 _1.5 PM이 반드시 알아야 할 직관 CHAPTER 02 LLM 동작 방식 _2.1 언어를 수로 바꾸는 일 - 토큰이란 무엇인가 _2.2 예측 기계의 탄생 - 다음 단어를 맞히는 훈련 _2.3 스케일의 마법 - 크기가 달라지면 종류가 달라진다 _2.4 그런데 왜 이렇게 잘하는가 - 파인튜닝과 RLHF _2.5 문맥을 기억하는 방법 - 컨텍스트 윈도 _2.6 추론이란 무엇인가 - 생성 메커니즘 _2.7 LLM 한계를 확장하는 두 가지 방법 - RAG와 에이전트 CHAPTER 03 AI 프로덕트의 실패 모드 _3.1 환각 _3.2 취약성 _3.3 비용 폭발 _3.4 PM이 실패 모드를 알아야 하는 이유 PART 2 AI 프로덕트를 설계한다는 것 CHAPTER 04 AI 기능은 프롬프트가 아니라 시스템 _4.1 원오프 프롬프트의 함정 _4.2 AI 기능을 시스템으로 설계한다는 것 _4.3 시스템 프롬프트 전략 _4.4 하네스 엔지니어링 _4.5 AI 기능 설계의 실전 _4.6 AI 프로덕트 개발 4단계와 시스템 설계 _4.7 시스템 설계에서 놓치기 쉬운 레이어: 편향과 윤리 _4.8 PM이 가져야 할 시스템 설계 감각 _4.9 호쿠사이의 시스템, PM의 시스템 CHAPTER 05 AI 프로덕트의 PRD _5.1 기존 PRD와 AI PRD _5.2 AI PRD에 반드시 들어가야 할 것들 _5.3 이밸 플랜 _5.4 가격 정책 _5.5 햄릿이 우리에게 남긴 것 CHAPTER 06 AI 사용자 경험 설계 _6.1 AI는 왜 틀리는가 _6.2 불확실성을 UX로 처리하는 법 _6.3 신뢰 설계 _6.4 실패 시나리오 대응 _6.5 PM이 설계해야 할 것 PART 3 AI 프로덕트를 만드는 팀과 프로세스 CHAPTER 07 AI 팀에서 PM의 역할 _7.1 AI 팀은 기존 개발팀과 무엇이 다른가 _7.2 PM이 결정해야 할 것 _7.3 PM이 맡겨야 할 것 _7.4 ML 엔지니어, 데이터 과학자와 실제로 협업하는 법 _7.5 AI 팀의 PM이 된다는 것 CHAPTER 08 AI 프로덕트의 측정과 지표 _8.1 기존 KPI의 무엇이 문제인가 _8.2 기존 지표를 AI 맥락에서 다시 쓰는 법 _8.3 AI 고유 지표 - 기존 대시보드에 없는 것 _8.4 이밸을 제품 프로세스에 녹인다 _8.5 지표를 시스템으로 만드는 법 _8.6 지표는 거울이다, 그런데 AI의 거울은 구부러져 있다 CHAPTER 09 프로덕션에 들어간 AI _9.1 ‘AI in production’의 현실 _9.2 모니터링 _9.3 드리프트와 품질 저하 대응 _9.4 배포 이후가 진짜 PM의 일이다 PART 4 AI PM으로 성장하기 CHAPTER 10 AI 툴로 PM 업무를 가속하는 법 _10.1 AI로 PRD 작성하기 _10.2 리서치 자동화 _10.3 PM의 생산성을 바꾸는 워크플로 CHAPTER 11 실제 AI 프로덕트 만들기 _11.1 왜 직접 만들어봐야 하는가 _11.2 무엇을 만들 것인가 _11.3 기획 - AI 프로덕트의 아이디어를 다듬는 법 _11.4 만들기 - 빠르게 프로토타입을 올리는 법 _11.5 배포 - 완벽하지 않아도 내보내는 이유 _11.6 만들고 나서 PM이 얻는 것 _11.7 지금 바로 시작하라 CHAPTER 12 AI PM의 커리어 설계 _12.1 AI PM이라는 역할은 실제로 존재하는가 _12.2 AI PM에게 필요한 역량 모델 _12.3 포트폴리오 전략 _12.4 앞으로 5년을 어떻게 준비할 것인가