slidenumbers: true

1. AI와 함께하는 지식 업무의 미래는?

^ 안녕하세요, 여러분. AI 많이 쓰시죠? 하지만 그동안 챗지피티만 쓰신 분들은 그 한계도 느끼실 겁니다. 본 발표에서는 에이전틱 AI가 우리의 지식 업무를 혁신하는 방법을 논의하려고 합니다.

🚫 챗지피티만으론 왜 부족할까

본격적인 지식 업무에서는 현재 AI 도구의 한계가 명확

^ 우리 모두 챗지피티를 사용해봤지만, 실제 업무에 적용하려고 하면 한계를 느끼게 됩니다. 복사 붙여넣기의 번거로움, 제한된 컨텍스트, 그리고 무엇보다 우리의 기존 워크플로우와 따로 노는 느낌이 듭니다. 이 다이어그램처럼 말이죠.

💡 AI를 우리 워크스페이스로 가져오려면?

^ 그럼 이런 한계를 어떻게 극복할 수 있을까요? 핵심은 AI를 우리의 워크스페이스로 직접 가져오는 것입니다. 현재 모델과 개선된 모델을 차례로 비교해보면서, 어떤 변화가 필요한지 구체적으로 살펴보겠습니다.

현재 모델: 외부 에이전트와 답답한 소통

^ 그럼 AI를 우리의 워크스페이스로 직접 가져올 수는 없을까요? 현재와 개선된 모델을 비교해보겠습니다. 지금 우리가 사용하는 방식을 보면, 워크스페이스와 AI 서비스가 완전히 분리되어 있어서 소통이 제한적이고 수동적입니다. 파일을 하나하나 첨부하고, 결과를 복사해서 붙여넣는 이런 과정들 말이죠.

개선된 모델: 인간과 AI의 공유 워크스페이스

^ 하지만 이렇게 바뀔 수 있다면 어떨까요? 마치 다이얼업에서 브로드밴드로 넘어간 것처럼, AI를 우리 파일 시스템에 직접 통합해서 소통 대역폭을 획기적으로 개선할 수 있습니다. 이것이 바로 우리가 목표로 하는 모델입니다.

🛠️ 지식 업무를 위한 에이전틱 AI 솔루션

제안하는 솔루션:

1. 📁 사람 사용자를 위한 파일시스템 기반 PKM (Obsidian 같은)
2. 🤖 AI 레이어로서 파일시스템 기반 에이전틱 AI (Claude Code / Cursor)
3. 🤝 효율적인 감독과 피드백을 위한 인간-AI 협업 워크플로우

^ 지식 업무를 위한 에이전틱 AI 솔루션의 세 가지 핵심 구성요소입니다. 인간을 위한 PKM 시스템, AI를 위한 에이전틱 시스템, 그리고 둘 사이의 효율적인 협업 체계가 필요합니다.

^ 이 다이어그램이 전체 아키텍처를 보여줍니다. 왼쪽에는 사용자를 위한 PKM 시스템이 있고, 오른쪽에는 AI를 위한 에이전틱 시스템이 있습니다. 그리고 중간에 파일시스템을 공유하면서 각자의 역할을 수행하고, 효율적으로 협업할 수 있는 구조를 만들어냅니다.

🎮 에이전틱 AI가 게임을 바꾸는 방법

^ 이렇게 네 가지 핵심 변화를 통해 에이전틱 AI는 기존 AI 도구의 한계를 극복합니다. 더 나은 컨텍스트 관리, 증가된 출력 대역폭, 체계적인 프롬프트 관리, 그리고 복잡한 워크플로우 구성이 가능해집니다. 이제 다음 질문이 생기실 텐데요...

🤔 잠깐, 근데 이거 코딩 도구 아닌가?

• ✅ 맞음. 하지만 코딩도 하나의 지식 업무 유형이며, 입출력이 코드일 뿐
• 🎯 코딩 AI 에이전트의 능력은 코딩 영역을 넘어서 일반화 가능
  • 📄 여러 문서를 효율적으로 읽고 작성 가능
  • 🔍 검색을 포함한 다양한 파일 관리 도구 사용 가능

^ "잠깐, 이거 코딩 도구 아닌가?"라고 생각하실 수 있습니다. 맞습니다. 하지만 클코드는 코딩 도구처럼 보이지만 실제로는 훨씬 범용적입니다. 코딩도 결국 텍스트 기반 지식 업무의 한 형태이고, 문서 작업은 인간 언어 예측을 위해 훈련된 LLM에게는 자연스러운 작업이거든요. 그런데 또 다른 질문이 있을 텐데요...

🆚 노트북엘엠과 어떻게 다른가?

노트북엘엠의 한계: - 수동 문서 선택 & 업로드 - AI 결과 복사 & 붙여넣기 - 별도 서비스로 분리 운영

제안된 솔루션: - AI를 파일 시스템에 직접 통합 - 수동 작업 최소화 - 커스텀 워크플로우

^ "노트북엘엠이나 다른 AI 도구와 뭐가 다르냐?"고 물으실 수 있습니다. 노트북엘엠도 좋은 도구이지만, 수동으로 문서를 선택하고 업로드해야 하고, AI 결과를 복사해서 붙여넣어야 하며, 별도 서비스로 분리되어 운영됩니다. 반면 우리가 제안하는 솔루션은 AI를 파일 시스템에 직접 통합하여 이런 수동 작업을 최소화하고, 커스텀 워크플로우를 구성할 수 있습니다.

2. AI for Knowledge Work

(구조 및 구성 요소)

^ 이제 두 번째 주제인 AI for Knowledge Work의 구체적인 구성 요소들을 살펴보겠습니다. 1부에서 왜 에이전틱 AI가 필요한지 알아봤다면, 이제는 실제로 어떻게 구현하고 사용할 수 있는지 단계별로 알아보겠습니다.

🔄 파일시스템 구조

3개 카테고리: - 📝 프롬프트와 워크플로우 (PnW) - 👤 사용자 생성 파일 (입력) - 🤖 AI 생성 파일 (출력)

^ 에이전틱 AI의 핵심은 잘 설계된 파일시스템입니다. 입력 파일, 출력 파일, 그리고 프롬프트가 명확히 구분되어 있어야 AI가 자율적으로 작업할 수 있습니다. 이 구조가 바로 챗지피티와 에이전틱 AI의 근본적 차이점입니다.

🛠️ 저장소를 사용하는 애플리케이션들

• 📚 Obsidian (PKM) : 사용자가 파일과 상호작용하기 위해
• 🤖 Claude Code : 배치/복잡한 워크플로우를 위해
• ⚡ Cursor : 대화형 AI 사용 시나리오를 위해

^ 파일시스템 기반의 또 다른 장점은 도구 간 자유로운 전환이 가능하다는 점입니다. 사용자는 옵시디언에서 글을 쓰고, 클로드 코드로 복잡한 워크플로우를 실행하고, 커서로 대화형 작업을 진행할 수 있습니다. 게다가 Git으로 모든 변경사항을 추적할 수 있어 협업과 버전 관리도 완벽합니다.

📄 사용자 문서들 가져오기

아래와 같은 다양한 소스에서 컨텍스트로 사용할 문서를 가져올 수 있습니다

1. 🌐 Obsidian Web Clipper (링크)
2. 📥 Obsidian Importer (링크)
3. 📚 Readwise (링크)

여기에 Google Docs 및 많은 앱에서도 .md 형식으로 내보내기를 지원합니다

^ 아무리 좋은 시스템을 만들어도 컨텍스트가 없으면 소용없겠죠? 다행히 옵시디언은 다양한 소스에서 문서를 가져올 수 있는 강력한 도구들을 제공합니다. 웹 클리퍼로 웹페이지를, 임포터로 기존 노트를, Readwise로 독서 하이라이트를 자동으로 동기화할 수 있어 AI가 활용할 풍부한 컨텍스트를 쉽게 구축할 수 있습니다.

📝 프롬프트

🧱 프롬프트는 PKM 워크플로우의 빌딩 블록입니다 - 실행과 평가의 단위 프롬프트는 명확하게 정의된 입력과 출력을 갖습니다 - 입력과 출력 개수에 따라 1:1 / 1:N / N:1 / N:N

^ 이제 프롬프트에 대해 알아볼까요? 에이전틱 AI에서 프롬프트는 단순한 질문이 아닙니다. 마치 프로그래밍의 함수처럼 명확한 입력과 출력이 정의된 재사용 가능한 모듈입니다. 이렇게 설계해야 AI가 자동으로 작업을 연결하고 평가할 수 있습니다.

🔗 워크플로우

여러 프롬프트(와 스크립트[^1])를 결합하여 워크플로우를 만들 수 있습니다 - 예: 오늘 읽은 글을 요약해서 Daily Roundup을 만들고, 이중 적절한 내용을 Thread에 포스팅해 줘

^ 여러 프롬프트를 연결하면 강력한 워크플로우가 됩니다. 예를 들어 '오늘 읽은 글 요약 → 데일리 라운드업 생성 → 소셜미디어 포스팅'처럼 복잡한 작업을 자동화할 수 있습니다. 더 나아가 각 단계를 병렬로 실행하거나 서로 다른 AI 에이전트에게 맡겨 효율성을 극대화할 수 있습니다.

[^1]: 프로그래밍 가능한 태스크를 위한 Python이나 shell 스크립트

사례: 오늘 발표 준비

^오늘 발표준비를 위해 작성한 컨텐츠는 AI Workflow를 사용하여 글/슬라이드/동영상 세가지 버전으로 만들었습니다. (동영상 제작에는 Vibe Coding으로 작성한 파이썬 스크립트가 포함.)

3. AI for PKM (Second Brain 🧠)

^ 이제 세 번째 주제로 넘어가겠습니다. AI for PKM, 즉 개인 지식 관리를 위한 AI입니다. 지금까지 시스템 구조를 봤다면, 이제는 실제로 어떻게 개인의 지식을 축적하고 활용할지 알아보겠습니다. 목표는 AI가 여러분의 제2의 뇌가 되는 것입니다.

🌟 AI 시대에 PKM이 중요한 이유?

1. 개인적 컨텍스트가 많을수록 AI에서 더 나은 결과
2. 정보를 수집하고 정리하는 비용이 예전보다 낮아짐
   • AI가 이제 인간 수준으로 음성 메모를 전사할 수 있습니다

^ 왜 AI 시대에 PKM이 더욱 중요해졌을까요? 두 가지 이유가 있습니다. 첫 번째, 개인 컨텍스트가 풍부할수록 AI가 훨씬 정확하고 개인화된 답변을 줍니다. 일반적인 정보가 아니라 나만의 인사이트를 얻을 수 있죠. 두 번째, AI가 정보 수집과 정리를 자동화해줘서 PKM 구축이 예전보다 훨씬 쉬워졌습니다.

🚀 AI4PKM 프로젝트: AI 기반 PKM 만들기

^ 이것이 제가 현재 사용하고 있는 AI4PKM 프로젝트의 전체 워크플로우입니다. 2025년 기준으로 구현 가능한 최고 수준의 시스템이라고 자부합니다. 수집, 정리, 생성의 3단계로 나뉘어 있고, 각 단계마다 AI가 핵심 역할을 담당합니다. 실제로 이 프레젠테이션도 이 시스템으로 만들어졌습니다!

🎯 Main PKM Workflows

1. 📥 수집
   • 내 리딩 / 메모 / 라이프로그에서 컨텐츠 가져오기
   • 컨텐츠 포매팅 / 풍부하게 만들기 / 요약하기
2. 🗂️ 정리
   • 모든 새로운 컨텐츠의 일간/주간 인덱스 만들기
   • 수집된 모든 컨텐츠의 주제별 인덱스 만들기
3. ✍️ 생성
   • 소셜 미디어 / 에세이 / 메시지 초안 제공
   • 지식 베이스에 대한 임시 연구 제공

^ AI 기반 PKM이 가능하게 해주는 세 가지 핵심 기능입니다. 수집은 모든 입력을 자동으로 처리하고, 정리는 시간과 주제별로 인덱싱하며, 생성은 축적된 지식을 바탕으로 새로운 컨텐츠를 만들어냅니다.

📥 수집

1. 다양한 컨텐츠 (Readwise)
   • 웹페이지
   • 책 / 논문
   • 유튜브
2. 라이프로그 (Limitless.AI / Gobi)
   • 대화 / 독백
   • 사진 / 비디오
3. 심층 연구 보고서
   • 임시 연구
   • 능동적 연구 (진행중)

^ 사용자가 읽고 시청하는 모든 컨텐츠를 저장하고 PKM으로 동기화하는 다양한 방법이 있습니다. Readwise는 특히 강력한데, 웹페이지, 책, 유튜브까지 모든 하이라이트를 자동으로 PKM에 동기화해줍니다. 라이프로그는 Limitless.AI를 통해 24시간 음성을 자동 전사하고 심층 연구는 AI가 직접 수행합니다.

📺 유튜브 컨텐츠 텍스트 추출 예시

^ 유튜브 비디오가 어떻게 텍스트로 변환되어 PKM에 저장되는지 구체적인 예시를 보여드리겠습니다. Readwise를 통해 유튜브 영상의 자막이나 전사본을 자동으로 추출하고, AI가 핵심 내용을 요약해서 옵시디언으로 동기화합니다. 이렇게 하면 몇 시간짜리 강의나 팟캐스트도 몇 분 안에 핵심만 파악할 수 있고, 나중에 관련 프로젝트에서 바로 활용할 수 있어요.

🎤 Limitless.AI

^ Limitless.AI는 라이프로그의 혁신적인 예시입니다. 작은 웨어러블 디바이스가 24시간 내내 사용자의 모든 대화와 독백을 녹음하고, 고품질 전사 서비스를 통해 텍스트로 변환합니다. 그리고 AI가 이를 자동으로 요약해서 PKM에 저장하죠. 처음엔 조금 부담스러울 수 있지만, 며칠 사용해보면 얼마나 많은 아이디어를 놓치고 있었는지 깨닫게 됩니다. 특히 산책하면서 떠오른 번뜩이는 아이디어들을 모두 캡처할 수 있어요.

🎤 Gobi

일상 대화에 사진까지 캡쳐 (@강민석님):

^ Gobi는 또 다른 흥미로운 라이프로그 도구입니다. 강민석님이 개발하신 이 도구는 Limitless.AI와 달리 음성뿐만 아니라 시각적 정보까지 캡처합니다. 대화하는 동안 주변 환경을 사진으로 기록해서 나중에 "그때 그 장소에서 무슨 이야기를 했지?"라는 질문에 완벽하게 답할 수 있게 해줍니다. 멀티모달 라이프로그의 좋은 예시죠.

🔍 Lifelog에서 핵심 포인트 추출

^ 라이프로그의 진정한 가치는 수집보다는 추출에 있습니다. 24시간 분량의 음성에서 정말 중요한 아이디어와 인사이트만 뽑아내는 것이 핵심이죠. AI가 원본 대화에서 핵심 포인트를 자동으로 식별하고, 개인의 학습과 성장에 도움이 되는 형태로 요약해서 PKM에 저장합니다. 이렇게 해야 나중에 검색할 때도 의미 있는 정보를 찾을 수 있어요.

🗂️ 조직화 (Indexing)

• 시간 기반 조직화
  • 예: n번째 날/주에 뭘 배웠지?
• 주제 기반 조직화
  • 예: PKM 같은 주제에 대해 뭘 알고 있지?

^ 조직화는 단순히 사용자 편의를 위한 것이 아닙니다. AI의 성능 향상에도 직접적으로 기여합니다. 잘 정리된 인덱스가 있으면 AI가 관련 정보를 빠르고 정확하게 찾을 수 있어 비용도 절약되고 품질도 높아집니다.

📅 시간 기반 조직화

^ 지식과 경험이 일간/주간/월간/연간 요약되어 축적됩니다. 시간 기반 조직화의 핵심은 학습과 성장의 흔적을 남기는 것입니다. '6개월 전 나는 이 주제에 대해 어떻게 생각했을까?'와 같은 질문에 답할 수 있게 됩니다.

🏷️ 주제 기반 조직화

^ 지식과 경험이 관심 주제 단위로 축적되고 그래프로 시각화됩니다. 주제 기반 조직화는 지식 간의 연결고리를 발견하게 해줍니다. 서로 다른 분야의 아이디어들이 어떻게 연결되는지 시각적으로 확인할 수 있어 창의적 통찰을 얻기 쉽습니다.

🔄 조직화의 이중 목적

왜 중요한가? 이중 혜택!

👤 사용자를 위해 논리적 분류 & 연결 → 정보 접근성 ↑

🤖 AI를 위해 컨텍스트 이해 ↑ → 정확한 지원

^ 조직화의 이중 목적이 만드는 선순환 구조입니다. 사용자가 잘 정리할수록 AI가 더 도움이 되고, AI 도움이 클수록 더 포괄적인 시스템을 구축할 수 있습니다. 이것이 AI 시대 PKM의 핵심 원리입니다.

🎨 4. AI 시대의 컨텐츠 제작

^ 마지막 주제인 AI 시대의 컨텐츠 제작에 대해 알아보겠습니다. AI가 글쓰기를 쉽게 만들었지만, 동시에 새로운 도전과제도 만들어냈습니다. 어떻게 하면 기술의 힘을 빌리면서도 인간의 고유한 매력을 유지할 수 있을까요?

컨텐츠 제작의 새로운 패러다임

• 🎤 음성, 손글씨, 스케치 어떤 입력이든 OK
• ⚡ 발상부터 최종 출판까지 모든 단계에서 AI 활용
• 🔄 원소스 멀티유즈 (글/슬라이드/비디오)

AI로 양적 글쓰기는 쉬워졌지만, 개인적 터치와 관점을 담은 콘텐츠 제작은 여전히 도전적입니다.

💡 핵심 인사이트: AI에게 개인적인 Context를 더 많이 제공해야 더 진정성 있고 통찰력 있는 콘텐츠 제작 가능

^ 새로운 패러다임의 핵심은 어떤 형태의 입력도 받아들이고, 모든 단계에서 AI를 활용하며, 한 번 만든 컨텐츠를 다양한 매체와 대상에 적용하는 것입니다. 하지만 AI가 글쓰기를 쉽게 만든 만큼, 개인의 고유한 경험과 인사이트, 목소리를 담은 콘텐츠를 만드는 것은 더욱 중요해졌습니다.

✍️ 예시: 글쓰기 워크플로우

더 자세한 내용: (dep) Interactive Writing Assistant (IWA)

^ 글쓰기 워크플로우에서 AI는 아이디어 발상부터 최종 출간까지 모든 단계에 관여합니다. 중요한 것은 일회성 도구가 아니라 전체 과정에 통합된 워크플로우라는 점입니다. 프레젠테이션이나 비디오 제작에도 동일하게 적용됩니다.

💡 핵심 인사이트: AI를 전체 과정에 통합할 때 진정한 마법이 일어납니다.

🔍 배경 연구

웹 기반 vs PKM 기반 연구

^ 컨텐츠 제작에서도 연구 단계가 중요합니다. 웹 검색으로는 일반적 정보를, PKM 검색으로는 개인적 경험과 인사이트를 얻을 수 있어 더욱 풍부하고 독창적인 컨텐츠를 만들 수 있습니다.

📝 개요 & 초안 작성

• AI가 개요 사이의 빈틈을 채울 수 있습니다
• AI가 제공된 개요를 바탕으로 문단을 작성할 수 있습니다
• AI가 음성 전사를 초안으로 개선할 수도 있습니다

^ 개요 작성과 초안 단계에서 AI의 세 가지 핵심 역할입니다. 진정성 있는 목소리를 유지하려면 AI가 처음부터 문단을 작성하게 하지 말고, 먼저 말로 표현한 후 AI가 다듬도록 하세요. 특히 음성 전사를 활용하면 고유의 목소리를 컨텐츠에 넣을 수 있습니다.

🔄 수정 & 출판

^ 이제 컨텐츠 제작의 마지막 단계인 수정과 출판에 대해 알아보겠습니다. 이 단계에서 AI의 역할은 단순히 맞춤법을 확인하는 수준을 훨씬 넘어섭니다. AI가 여러 전문가의 관점에서 피드백을 제공하고, 다양한 매체와 대상에 맞게 컨텐츠를 변형해주는 강력한 편집 파트너가 되어줍니다.

핵심 기능

• 💬 AI가 완성된 초안에 피드백을 줄 수 있습니다
• 🎯 AI가 다른 대상에 맞게 글을 번역하거나 조정할 수 있습니다
• 📱 AI가 소셜 미디어용 스니펫을 생성할 수 있습니다

AI의 다양한 관점 제공 능력

• 😈 Devil's Advocate: 잠재적 약점 발견
• 👥 가상 포커스 그룹: 다양한 청중 대변 (아래 표)
• 🔍 다각도 관점: 전문가별 시각 제공

^ 수정과 출간 단계에서 AI의 가장 강력한 능력은 다양한 관점을 제공하는 것입니다. 마치 여러 명의 전문가가 피드백을 주는 것처럼 다양한 의견을 글에 반영할 수 있습니다.

🎭 특정 작가 스타일로 글쓰기 (실험적)

아래에 여러 스타일 가이드라인이 있습니다 (_Settings_/Styles에 더 많음) 사용자 요청 시 적용할 수 있으며, 주로 PRW 프롬프트의 일부로 사용됩니다.

^ 마지막으로 아직 실험적이지만 흥미로운 기능을 소개해드립니다. 특정 작가의 스타일로 글을 써주는 기능입니다. 하루키의 미묘한 여운이나 윤광준 님의 솔직한 고백체, 구본형 님의 철학적 깊이를 AI가 학습해서 그 스타일로 글을 써줍니다. 개인의 컨텍스트는 유지하면서 다양한 문체로 표현할 수 있어 글쓰기의 새로운 가능성을 보여줍니다.

5. AI for Knowledge Work의 미래

^ 지금까지 현재 가능한 AI for Knowledge Work를 살펴봤다면, 이제 앞으로 어떤 변화가 올지 알아보겠습니다. 세 가지 핵심 발전이 우리의 지식 업무를 근본적으로 바꿀 예정입니다: 자체 개선 시스템, 상시 활성 에이전트, 그리고 생태계 선택의 문제입니다.

🤖 Self-Improving Systems

사람이 쓴 프롬프트 → 자동 개선 워크플로우

^ 현재 우리가 사용하는 AI 워크플로우는 대부분 정적입니다. 프롬프트를 만들고, 테스트하고, 수동으로 개선하죠. 하지만 미래에는 시스템이 모든 상호작용에서 학습하여 프롬프트와 워크플로우를 자동으로 개선할 것입니다. 3단계 아키텍처를 통해 기본 시스템부터 자율 개선 시스템까지 발전하게 됩니다. 이렇게 되면 AI가 사용할수록 더 똑똑해지고, 개인화된 워크플로우를 자동으로 최적화하게 됩니다.

📱 Always-On Agents

클라우드 기반 AI 어시스턴트

^ 현재 AI 에이전트는 컴퓨터에 묶여 있습니다. 책상을 떠나면 AI 도움도 멈추죠. 하지만 지식 업무는 사무실에서만 일어나지 않습니다. 미래의 AI 에이전트는 클라우드에서 호스팅되어 언제 어디서나 접근 가능하고, 음성 우선 인터페이스로 자연스러운 대화가 가능하며, 모바일에서도 완전한 기능을 제공합니다. 더 나아가 주변 환경에서 지속적으로 학습하는 Ambient Capture 기능까지 갖추게 될 것입니다.

⚖️ 개방형 vs 폐쇄형 생태계

편의성 vs 통제권의 트레이드오프

^ AI for Knowledge Work가 성숙해지면서 근본적인 선택에 직면하게 됩니다. 폐쇄형 생태계는 노션이나 마이크로소프트 365 코파일럿처럼 단일 제공업체가 전체 스택을 통제하여 매끄러운 경험을 제공하지만 커스터마이징이 제한됩니다. 반면 개방형 생태계는 옵시디언과 클로드 코드, 커서 같은 최고급 도구들을 조합하여 최대한의 유연성과 데이터 소유권을 제공하지만 기술적 전문성이 필요합니다. 미래는 순수 개방형도 폐쇄형도 아닌, 핵심 PKM은 개방적이면서 AI 서비스는 표준 API를 통해 혼합 사용하는 하이브리드 접근법이 될 것입니다.

🚀 AI 배수 효과 극대화하기

🎯 4가지 핵심 전략:

1. 🤝 워크스페이스 공유 - AI를 외부 도구가 아닌 작업 공간의 일부로
2. 📚 지식 수집 & 정리 - PKM을 통한 개인적 컨텍스트 제공
3. 🔄 프롬프트 & 워크플로우 재사용 - 성공 패턴의 체계적 관리
4. 🧪 지속적 실험 - 새로운 도구와 기법에 대한 호기심 유지

^ AI 배수 효과를 극대화하려면 네 가지 핵심 전략이 필요합니다. 첫째, AI를 워크스페이스에 직접 통합하여 컨텍스트 장벽을 허물고, 둘째, PKM을 통해 개인적 지식과 경험을 체계적으로 수집하여 AI에게 더 나은 컨텍스트를 제공하며, 셋째, 검증된 프롬프트와 워크플로우를 재사용 가능한 템플릿으로 관리하고, 넷째, 새로운 도구와 기법을 지속적으로 실험하는 것입니다. 작은 규모로 시작하되 계획 모드를 활용하고, 중요한 작업은 반드시 버전 관리하는 것이 핵심입니다.

🤔 AI Agent와 일하면서 느낀 점

1. 인간 팀원과 일하는 것과 매우 비슷함
2. 시간도 오래 걸리고 실수도 하고 거짓말(?)도 하고
3. 잘하는 일은 잘하지만 못하는 일은 못함 (--;)
4. 적절한 스콥과 피드백이 좋은 성과에 핵심
5. 힘들어도 AI를 쓰려고 노력하는 이유
6. 일단 훈련시켜 놓으면 혼자 잘 일함
7. AI와 일하는 방법이 생존 스킬이고
8. AI는 앞으로 더 싸고 강력해질 테니까

^ 사실 AI와 일하는 것이 생각만큼 쉽지는 않습니다. 다양한 지적 작업을 할 수 있는 만큼 그 역량을 파악하고 성과를 내게 하는데는 그만큼의 노력이 듭니다. 그런 면에서 예전에 (인간) 팀원과 일할때와 비슷한 부분도 있어요. 스킬셋 면에서는 PM 분들이 오히려 강점이 있다고 생각합니다!

Questions & Comments?

오늘 들으신 내용이 여러분의 일과 삶을 개선하는데 도움이 되셨으면 합니다! 1. 내 삶과 일에서 어떤 데이터를 더 수집할 수 있을까? 2. 내 업무를 효율화/자동화할 수 있는 Workflow는 무엇일까? 3. 오늘 소개된 AI 도구 중 무엇을 써볼 수 있을까?

AI4PKM Repo: https://github.com/jykim/AI4PKM

^ 이제 여러분이 실천할 차례입니다. 첫 번째로, 여러분의 삶과 일에서 어떤 데이터를 더 수집할 수 있을지 생각해보세요. 라이프로그? 독서 기록? 회의 메모? 두 번째로, 반복적인 업무 중 자동화할 수 있는 워크플로우를 찾아보세요. 매주 작성하는 보고서나 매일 확인하는 정보들이 좋은 시작점입니다. 마지막으로 오늘 소개된 도구 중 하나를 당장 시작해보세요. 작게 시작하되 꾸준히 실험하는 것이 중요합니다. AI4PKM 레포지토리에 모든 자료가 있으니 참고하시기 바랍니다.

AI4PKM (Template + CLI Tool)

^ AI4PKM 프로젝트에 대해서 좀더 소개드리면, 바로 설치해 사용해보실수 있는 Obsidian 템플릿과, 다양한 Workflow를 배치/실시간으로 실행할 수 있는 CLI툴을 제공합니다.

Catch Up AI 채널 비디오 (@박창수님)

^ AI4PKM 설치 튜토리얼은 Catch Up AI 채널을 참고하세요!

Appendix

🎙️ 진정성 있는 목소리 보존

핵심 전략: AI 직접 작성 제한

❌ AI에게 "단락 써줘" ✅ 내가 말하기 → AI가 다듬기

프로세스: 1. 자연스럽게 말하기 (음성 전사) 2. AI가 세련된 산문으로 변환 3. 진정성 + AI 편집 능력 = 최고

^ AI에게 처음부터 쓰게 하지 말고, 본인이 자연스럽게 말한 것을 AI가 다듬게 하세요. 이렇게 하면 개인의 고유한 목소리는 유지하면서 AI의 편집 능력을 최대한 활용할 수 있습니다.

🚀 온디맨드 처리

• 실시간 사용자 요청 (PKM 에이전트를 위한)

• 미리 정해지지 않은 작업량 (임시 연구 같은)

• 태스크 큐에서 단위 지식 태스크(UKT)를 처리

주요 구성요소

• 🎯 Knowledge Task Generator (KTG)
• ⚡ Knowledge Task Processor (KTP)

^ 지금까지 말씀드린 것은 대부분 배치 처리 방식이었는데, 실제로는 온디먼드 처리도 필요합니다. 예를 들어 "지금 당장 이 주제에 대해 연구해줘"라고 요청하거나, 갑자기 새로운 아이디어가 떠올라서 즉시 관련 자료를 찾아야 할 때가 있죠. 이럴 때는 태스크 큐 시스템을 통해 실시간으로 지식 작업을 처리합니다. Knowledge Task Generator가 작업을 생성하고, Knowledge Task Processor가 이를 순차적으로 실행하는 구조입니다. 이 시스템의 장점은 확장 가능하다는 점입니다. 작업이 많아지면 여러 개의 프로세서를 동시에 돌릴 수도 있고, 특정 유형의 작업에 특화된 프로세서를 만들 수도 있습니다.