Agentic MVP
AI 에이전트로 제품·GTM 학습 루프를 더 빠르게 굴리는 MVP 운영 핸드북
최근 수정된 챕터
24~72시간 루프를 의사결정 가능한 실험으로 만드는 법. 실험 브리프 8항목, Primary 지표·중단 기준 고정, 처음 5~10명 인터뷰로 정성 데이터를 확보하는 절차를 정리합니다.
MVP 의사결정에 필요한 이벤트 8~12개, GTM 신호, 퍼널·오류·리텐션 대시보드를 최소 비용으로 설계하고 해석하는 방법과 팀 운영 기준을 정리합니다.
AI 에이전트를 개발 보조가 아닌 제품·GTM 실험팀으로 운영하는 체계. 역할 분리, 도구 레이어, 30~90분 티켓, 권한 설계로 제품 신호를 더 빨리 만드는 방법을 다룹니다.
에이전트에 반복 주입하는 작은 운영 문서. CLAUDE.md/AGENTS.md 계층, 제품 약속·금지 행동 고정, 세션 간 진행 파일·compact로 맥락을 잃지 않게 만드는 방법을 정리합니다.
Agentic MVP는 완성이 아니라 결정을 배송합니다. Go/Pivot/Kill 판정 신호, Pivot 7종, A~D 증거 등급, 확증 편향·매몰 비용 함정을 피하는 학습 리포트 작성법을 다룹니다.
Agentic MVP는 AI 에이전트를 "코드 생성기"가 아니라 학습 루프를 단축하는 팀원으로 운영하는 방식입니다. 이 핸드북은 Claude Code, Codex, MCP, A2A, Agents SDK 같은 도구 흐름을 제품·GTM 검증에 연결해 가설 → 실험 → 계측 → 판정을 24~72시간 단위로 굴리는 실전 전략을 정리합니다.
핸드북이 해결하는 문제
기능을 많이 만드는 게 아니라 확실한 학습을 빠르게 얻는 게 목적입니다. MVP는 "완성품"이 아니라 "의사결정 가능한 증거"입니다.
핵심 요약
- 시장 신호를 먼저 얻기: 랜딩/카피/채널/가격 반응을 구현 전에 검증
- 더 싸게 실험하기: Fake Door / Wizard-of-Oz / Concierge로 자동화 전에 신호 확보
- Thin Slice만 만들기: 실제 사용자가 한 번 끝까지 통과하는 핵심 여정만 구현
- 에이전트 운영 체계 만들기: Discovery / GTM / Build / Risk 역할을 나눠 반복 비용 축소
문서 업데이트
제품·GTM 실험과 에이전트 운영 패턴의 반영 기록은 업데이트 내역에서 확인할 수 있습니다.
핸드북 구조
목차
Ch1. Agentic MVP 원리
"학습 속도" 중심의 MVP 정의와 운영 원칙
Ch2. 가설을 문장으로 고정
타겟/문제/가치/측정/판정 기준 템플릿
Ch3. 실험 설계
24~72시간 루프, 지표, 중단 기준
Ch4. 실험 타입 선택
Fake Door / WoZ / Concierge / Thin Slice 선택 가이드
Ch5. Agentic 운영 체계
Discovery / GTM / Build / Risk 역할 분리와 운영 가드레일
Ch6. 컨텍스트 팩
에이전트가 읽는 제품·시장·실험 컨텍스트 설계
Ch7. 7일 실행 플랜
Day 0~7 산출물과 에이전트 활용 체크리스트
Ch8. 계측(Measure) 최소 세트
이벤트 8~12개와 GTM 신호로 판정 가능한 대시보드 만들기
Ch9. 품질·보안·신뢰
QA, PII, agentic AI 권한, 모니터링, 롤백 가드레일
Ch10. 출시 & 성장 실험
메시지/채널/가격 실험을 싸게 돌리는 방법
Ch11. Go / Pivot / Kill
학습 리포트 1장과 의사결정 메모 템플릿
Ch12. 템플릿 & 프롬프트
복붙해서 쓰는 문서/티켓/프롬프트 모음
연관 핸드북
- Claude Code 사용법/멀티세션/자동화는 Claude Code 고급 활용에서 더 깊게 다룹니다.
- Codex 운영과 멀티 에이전트 흐름은 Codex 고급 활용도 함께 참고하세요.