[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