Claude Code 기반 PM 운영 체제 구축: 실제 프로젝트 적용 사례

실용적 조언

PM 업무의 타당성 검토 단계에서 AI 에이전트를 활용해 ToS 및 비용 구조를 자동 분석하면 개발 리소스 낭비를 줄일 수 있다.
AI 결과물의 품질을 보장하기 위해 의도적으로 반대 의견을 내놓는 '악마의 대변인' 에이전트 역할을 워크플로에 포함하여 논리적 결함을 보완해야 한다.

섹션별 상세

Shipwright는 44개의 기술과 7개의 전문 에이전트, 16개의 워크플로를 통해 PM 업무를 자동화한다. 시스템은 입력된 프로젝트 데이터를 기반으로 에이전트 간 협업을 조율하며 최종 결과물을 산출한다. 각 워크플로는 이진 품질 게이트(Binary Quality Gate)를 통과해야 하며, 오류 발생 시 복구 플레이북을 실행하여 안정성을 확보한다. 마크다운 기반의 기술 정의를 사용하여 Cursor나 Gemini CLI와도 호환되도록 설계됐다.

자격 증명 등록소 감사 워크플로를 통해 엔지니어링 시작 전 비즈니스 타당성을 검토했다. 에이전트가 7개의 등록소를 자동으로 조사하고 서비스 약관(ToS)을 분석하여 쿼리당 2달러 이상의 비용이 발생한다는 사실을 사전에 발견했다. 이러한 자동화된 시장 조사는 사람이 수동으로 수행할 때 놓치기 쉬운 비용 구조를 명확히 드러냈다. 결과적으로 불필요한 개발 리소스 낭비를 방지하고 데이터 기반의 의사결정 속도를 높였다.

헬스케어 클라이언트를 위한 사전 영업 단계에서 9개의 자동화 플랫폼을 9가지 차원으로 비교 분석했다. 시스템은 29개의 질문으로 구성된 상세 설문지와 기업 프로필을 생성하여 프로젝트의 미확인 요소를 시각화했다. 복잡한 플랫폼 비교표 작성을 자동화함으로써 수동 작업 대비 약 4~6일의 시간을 단축하는 성과를 거두었다. 이는 AI 에이전트가 단순 텍스트 생성을 넘어 구조화된 비즈니스 분석 도구로 기능함을 입증했다.

우선순위 선정 시 RICE, Kano, MoSCoW 등 다양한 프레임워크를 동시에 적용하는 '딥 모드(Deep mode)'를 지원한다. 시스템은 이해관계자별 가중치를 적용하고 각 가설에 대한 민감도 분석을 수행하여 최적의 백로그 순위를 도출한다. 모든 제안서는 7가지 관점에서 검토되며, 특히 2개 이상의 가설에 의무적으로 이의를 제기하는 '악마의 대변인' 역할을 포함했다. 이러한 다각도 검증 프로세스는 AI의 환각 현상을 억제하고 논리적 허점을 보완하는 장치로 작용한다.

용어 해설

클로드 코드(Claude Code): — Anthropic에서 개발한 터미널 기반의 AI 코딩 에이전트 도구이다. 로컬 파일 시스템에 직접 접근하여 코드를 작성, 실행, 수정하며 복잡한 개발 워크플로를 자동화하는 기능을 제공한다. 개발자의 생산성을 높이고 반복적인 작업을 AI가 대신 수행하게 하는 데 중요한 역할을 한다.
RICE 스코어링(RICE Scoring): — Reach, Impact, Confidence, Effort의 네 가지 요소를 기준으로 프로젝트의 우선순위를 산출하는 프레임워크이다. 각 요소에 수치를 대입하여 객관적인 점수를 도출함으로써 한정된 리소스를 어디에 집중할지 결정하는 근거가 된다. 제품 관리자가 데이터에 기반한 의사결정을 내리는 데 널리 사용된다.
품질 게이트(Quality Gate): — 소프트웨어 개발이나 프로젝트 관리 프로세스에서 특정 단계의 결과물이 다음 단계로 넘어가기에 적합한지 검증하는 체크포인트이다. Shipwright에서는 AI 에이전트가 생성한 결과물을 합격 또는 불합격으로 판정하여 품질의 일관성을 유지한다. 자동화된 워크플로에서 결과물의 신뢰성을 보장하는 핵심 안전장치이다.

언급된 도구

Shipwright추천

오픈소스 PM 운영 체제

Claude Code추천

에이전트 실행 및 조율 엔진

Cursor중립

마크다운 기반 기술 호환 IDE

Gemini CLI중립

마크다운 기반 기술 호환 CLI 도구

언급된 리소스

GitHubShipwright GitHub