MD룰 AI교육

AI PM 아키텍트 양성 과정 개요

본 커리큘럼은 3차례의 전문가 리뷰 및 개선 과정을 거쳐 완성되었습니다. 단순한 프롬프트 엔지니어링을 넘어, 시스템 아키텍처, 데이터 파이프라인, ROI 전략, 그리고 글로벌 컴플라이언스를 아우르는 "Architect-Level" PM을 양성하는 것을 목표로 합니다. 일본과 미국의 테크 기업 환경을 모두 고려하여 설계되었습니다.

Target: Senior PM+ Duration: 12 Weeks Format: Hybrid

📋 커리큘럼 개선 이력 (3 Iterations)

v1.0: 기초 ML 중심

알고리즘 이해도 위주. 실무 적용성 부족하다는 피드백.

v2.0: 시스템 디자인 추가

LLM Ops 및 RAG 아키텍처 추가. 국가별 법적 이슈 부재.

v3.0 (Final): 아키텍트 통합

US/JP 현지화 전략, ROI 분석, 윤리적 거버넌스 통합.

🎯 핵심 역량 구성 (Weighting)

기술적 깊이와 전략적 비즈니스 마인드의 균형

📈 학습 난이도 곡선

주차별 아키텍처 복잡도 증가 추이

상세 커리큘럼 모듈

총 4개의 대주제와 12개의 세부 모듈로 구성되어 있습니다. 각 카드를 클릭하여 세부 학습 목표를 확인하세요.

AI 인프라 & 아키텍처

PM이 개발자와 아키텍처 수준에서 대화하기 위한 필수 기술 스택 이해

Weeks 1-3

🔑 Key Topics

  • Transformer 구조의 이해와 Context Window
  • RAG (Retrieval Augmented Generation) 패턴
  • Vector Database의 원리와 선택 기준
  • Agentic Workflows (Reasoning & Action)

🎯 Learning Goals

  • 서비스 요구사항에 따른 모델 사이즈(7B vs 70B) 결정
  • RAG vs Long Context Window 트레이드오프 분석
  • Latency와 Cost를 고려한 시스템 설계

Architecture Case Study: Smart CS Bot

👤 User
→
Orchestrator Intent Analysis
→
RAG System Vector Search
→
LLM (GPT-4) Generation

* 이 흐름에서 PM이 결정해야 할 Latency 목표와 Fallback 전략을 설계합니다.

국가별 AI PM 전략 비교 (US vs JP)

미국과 일본은 AI 도입의 속도, 규제 환경, 그리고 기업 문화에서 뚜렷한 차이를 보입니다. 본 커리큘럼은 두 시장에서 모두 통용될 수 있는 Hybrid Competency를 지향하되, 각 시장 진출 시 고려해야 할 가중치를 분석합니다.

🇺🇸 United States: Speed & Scale

  • ✓Innovation First: "Ship fast, fix later" 문화에 맞춘 MLOps 파이프라인.
  • ✓Fair Use: 학습 데이터 저작권에 대한 광범위한 공정이용 주장과 소송전 대비.
  • ✓Talent War: 고임금 AI 엔지니어 리텐션 전략이 PM의 핵심 KPI.

🇯🇵 Japan: Trust & Integration

  • ✓Anshin (안심): Hallucination 제로에 가까운 엄격한 품질 기준과 Human-in-the-loop.
  • ✓Copyright Act Art. 30-4: 세계적으로 유연한 AI 학습 저작권법 활용 전략.
  • ✓DX Integration: 레거시 시스템(SI)과 최신 AI의 매끄러운 통합 능력 중시.

시장별 PM 역량 중요도 차이

PM 아키텍처 결정 시뮬레이션

실제 현업에서 발생하는 트레이드오프 상황에서 어떤 결정을 내리시겠습니까?

Scenario 1: 금융사 고객 상담 챗봇

Score: 0
고객사는 금융 상품 약관에 대해 100% 정확한 답변을 요구합니다. 그러나 GPT-4를 사용하니 응답 속도가 5초 이상 걸려 UX가 저하되고 있습니다. 가장 적절한 아키텍처 변경 전략은?