SEOKMO GU · AI & DATA PRODUCT OWNER

데이터와 AI를 실제 제품과 운영 성과로 연결합니다.

2012년 분산 시스템 연구를 시작으로 물류·커머스·HR테크 제품을 만들고 운영했습니다. 지금은 잡코리아·알바몬에서 어떤 문제에 AI를 쓸지 결정하고, 제품·개발·데이터·운영팀과 직접 시제품을 만들어 확인하는 프로덕트 오너 구석모입니다.

01 · Product Ownership & Execution

직함보다, 어떻게 이끌었는지를 보여줍니다

무엇을 먼저 만들지 정하고 여러 팀과 끝까지 실행한 경험을 실제 제품·운영 사례로 보여줍니다.

P01AI Product Priorities

사용자에게 줄 변화가 분명한지 먼저 봅니다. 검색이나 기존 기능이 더 나으면 AI 개발을 시작하지 않고, AI가 필요할 때만 데이터와 비용을 확인해 순서를 정합니다.

P02Cost & Outcome

개발비와 운영비뿐 아니라 줄일 수 있는 시간, 필요한 답변 품질, 실패했을 때 사람이 처리할 비용을 따져 다음 단계를 결정합니다.

P03Zero to One · E2E

화면 기획에서 멈추지 않고 출시, 운영, 정산, 예외 처리와 다음 개선까지 직접 챙깁니다.

P04Team Leadership

제품·개발·디자인·데이터팀의 일정을 맞추고, 운영·영업·법무·재무에서 막힐 문제도 출시 전에 함께 해결합니다.

P05Hands-on Building

PRD만 전달하지 않습니다. 시제품, API 연결, 데이터 수집과 자동화 도구를 직접 만들어 팀이 실제 화면과 결과를 보고 결정하게 합니다.

02 · Lessons carried forward

서로 다른 업종을 거치며 다음 제품에서도 계속 써먹게 된 경험을 시간 순서로 정리했습니다.

2012 — 2016분산 시스템 연구
성능과 품질을 설명하려면 비교 기준과 재현 가능한 실험이 필요했다.
대용량 처리 연구 → 논문·특허·테스트베드
2016 — 2022물류·커머스 운영
누락과 예외를 견디는 데이터가 있어야 물류와 정산 업무를 줄일 수 있었다.
B/L·AIS·재고·견적 데이터 → 추적·예측·운영 시스템
2022 — 2023.11도시·HR 데이터 제품
데이터를 보여주는 것보다 사용자가 비교하고 결정하게 만드는 일이 중요했다.
도시·기업 데이터 → 탐색·비교·의사결정 경험
2023.12 — 2025.10생성형 AI·LLM 제품
AI가 언제 답하고 언제 사람에게 넘길지까지 정해야 서비스가 된다.
AI 멘토·Wanted LaaS → 대화형 AI와 B2B 생성AI 제품
2025.11 — 현재AI Agent·AX
AI를 붙이기 전에 기존 기능으로 풀 수 있는지, 운영할 데이터와 담당자가 있는지부터 확인한다.
Agent 구조·MCP·자동화 → 반복 가능한 조직의 실행 방식

03 · Working stack

기획·분석·협업·개발에서 실제로 사용한 도구와 연결된 작업을 보여줍니다.

Notion · Jira · Confluence · Figma · Google Docs

BigQuery · Power BI · Postman · Newman · Amplitude · Google Analytics

Slack · GitHub · GitLab

Claude Code · Codex · Python · TypeScript · Playwright · Docker