센드버드 PM·기획 면접, 질문 10개 쌓여 있어요

AI 에이전트를 실제 고객에게 배포하는 과정에서, '파일럿' 단계의 결과와 '확장된 규모(Scale)'의 제품 방향을 결정하기 위해 어떤 측정 지표(Metrics)를 사용했으며, 그 결정 과정에서 가장 큰 데이터의 불확실성은 무엇이었습니까?

고객과의 복잡한 대화(chaotic conversation)를 통해 얻은 인사이트를 엔지니어링 팀이 실행 가능한 명확한 제품 방향(Product Direction)으로 전환한 구체적인 사례를 제시해 주시고, 이때 AI 도구를 어떻게 활용하여 그 과정의 속도와 정확도를 높였는지 설명해 주십시오.

AI 에이전트의 가치를 정의할 때, 단순히 효율성(Efficiency)이나 비용 절감(Cost Saving)을 넘어 'Delighted'라는 감성적 가치(Feeling of being understood and cared for)를 어떻게 측정하고 제품 로드맵에 반영했는지 구체적인 사례를 들어 설명해 주십시오.

귀하가 생각하는 '생산 가능한(Production-grade)' AI 에이전트가 '데모(Demo)' 수준을 넘어 실제 운영 환경에서 성공하기 위해 반드시 갖춰야 할 기술적/제품적 요구사항은 무엇이며, 이 요구사항이 기존의 엔지니어링 프로세스와 어떻게 충돌했는지, 그리고 어떻게 조율했는지 설명해 주십시오.

APAC 지역 고객을 대상으로 AI 에이전트를 배포하는 과정에서 발생했던 가장 심각한 운영상의 마찰(Friction) 사례와, 이를 해결하기 위해 고객과 엔지니어링 팀 사이에서 어떤 강력한 의견을 제시하고 어떤 증거를 기반으로 설득하여 최종적으로 해결책을 도출했는지 설명해 주십시오.

고객의 이탈(Churn) 데이터를 분석하여 제품 개선을 제안했던 경험 중, 당신이 정의한 '문제'와 실제 고객이 겪는 '근본적인 문제' 사이의 괴리를 어떻게 좁혔는지 구체적인 의사결정 과정을 설명해 주세요. (STAR 기법 필수)

복잡하고 모호한 엔터프라이즈 고객의 요구사항을 PRD(Product Requirements Document)로 전환하고, 이를 개발팀이 명확하게 실행할 수 있도록 구조화했던 경험을 설명해 주세요. 특히, 고객의 모호한 요구를 어떻게 명확한 측정 가능한 목표로 변환했는지 숫자를 들어 설명해 주세요.

업무 과정에서 Claude나 GPT와 같은 AI 도구를 단순히 참고용이 아닌, 실제 연구, 분석, 또는 워크플로우 자동화에 활용하여 어떤 성과를 달성했는지 사례를 들어주세요. AI를 활용한 당신만의 독특한 프롬프트 전략이나 분석 방법론이 있다면 공유해 주세요.

여러 개의 이해관계자(클라이언트, 엔지니어, 마케팅 팀)가 상충하는 목표를 가지고 있을 때, 당신은 어떤 방식으로 우선순위를 설정하고, 잠재적인 블로커(Blocker)를 사전에 식별하여 팀을 어떻게 움직였는지 협업 사례를 제시해 주세요.

당신이 주도하여 기획한 프로젝트 중, 초기 목표 대비 실제 고객 사용률(Adoption Rate)이나 핵심 지표(KPI)가 기대치에 미치지 못했을 때, 그 실패 원인을 어떻게 분석했고, 다음 단계의 실행 계획을 어떻게 수정하여 최종적으로 목표를 달성했는지 설명해 주세요. (꼬리 질문: 만약 그때 초기 데이터에 대한 신뢰도가 낮았다면, 어떤 대안적 데이터로 재검토했을까요?)