이 분의 목에는 24시간 내내 녹음되는 목걸이가 걸려 있어요. 컴퓨터 화면도 하루 종일 자동으로 기록되고, 회의는 카드형 녹음기가 담고, 클로드와 나눈 대화까지 타임스탬프로 차곡차곡 쌓입니다. 이렇게 모인 기록으로 그는 매일 새벽 2시에 AI에게 자동 회고를 받고, 심지어 연애 시절의 감정 기록으로 러브스토리를 만들어 청혼까지 했어요.
낮에는 대기업의 AI 도입을 돕는 AX 컨설턴트로, 저녁에는 유튜브 채널 '브레인 트리니티'를 운영하며 개인 지식 관리를 파고드는 브라이언을 How I AI 팟캐스트에 모시고, LLM 위키가 정확히 뭔지, 그리고 기록이 어떻게 자산이 되는지 물었습니다.
세상에 남는 건 기록밖에 없다
Q. 낮에는 AX 컨설턴트, 저녁에는 유튜버로 활동하고 계시죠. 간단히 소개 부탁드립니다.
브라이언이라는 닉네임으로 활동하고 있습니다. 본업은 AX 컨설턴트예요. 큰 조직에 AI를 도입하는 일, 컨설팅, 그리고 AI 사업 방향과 전략 기획 같은 것을 진행하고 있습니다. 그리고 저녁에는 '브레인 트리니티'라는 유튜브 채널을 운영하면서, 온라인과 다양한 커뮤니티에서 개인과 작은 조직의 AI 활용을 콘텐츠로 다루고 있어요. 그중에서도 특히 관심을 갖고 집중적으로 다루는 영역이 지식 관리입니다.
Q. 개인 지식 관리라는 주제를 꽤 오래 파고드셨고, 요즘 유행인 옵시디언도 잘 활용하고 계신 걸로 알아요. 어떻게 이 주제에 빠지게 되셨나요?
우선 저는 세상에 남는 게 기록밖에 없다는 생각이 들었어요. 그때부터 저만의 방식으로 기록을 열심히 파왔는데, 알고 보니 인터넷에서는 '세컨드 브레인(제2의 뇌, 머릿속 지식을 외부 도구에 저장해 관리하는 방법론)'이라는 단어로 사람들이 제가 시도하려는 것과 비슷한 움직임을 보이고 있더라고요. 그렇게 여기까지 오게 됐고, 그동안 느꼈던 기록의 중요성, 어떻게 하는 것이 좋을지, 특히 AI 시대에는 어떻게 해야 할지 관련해서 콘텐츠를 만들고 인사이트를 전달하려 하고 있습니다.
Q. 지금이 시기적으로 좋긴 하죠. 기록이 결국 AI의 재료가 되는 시대니까요. 그런데 아직 이 중요성을 체감하지 못하는 분들도 많은 것 같아요. "녹음이나 기록 같은 거 안 하고, 그냥 AI한테 물어보면 알아서 잘 답해줬으면 좋겠다"고 생각하는 분들도 있을 텐데요. 왜 기록이 중요한가요?
AI한테 물어보면 답은 잘 나옵니다. 그런데 나를 알고 대답을 하느냐, 내가 원하는 대답을 하느냐는 또 다른 문제거든요. 나의 기록이 있는 상태에서 AI한테 대답을 요청하면, 내가 어떤 맥락에서 그것을 물었는지 좀 더 센스 있게 대답해 준다고 할까요.
Q. AI가 나를 알게 된다는 것과 별개로, 지식 관리까지 따로 하고 계시잖아요. 개인이 데이터를 쌓고 지식을 관리해야 하는 이유는 뭐라고 보세요?
세상에서 제일 가치 있는 것은 나의 지식이라고 생각하기 때문입니다. 예를 들어 저도 조쉬님의 다양한 팟캐스트 영상에서 도움을 많이 받는데요. 평소에 이런 콘텐츠를 보면서 '어, 이거 유용하다, 이거 재밌다, 나중에 써먹어야지' 하고 가치를 느끼는 순간이 있잖아요. 결국 내가 가치를 느껴서 활용해야겠다고 느끼면, 그걸 발견하는 순간 저장해 두면 나중에 실제로 활용할 수가 있어요. 그래서 저는 기록이라는 게 시간을 여행하는 기분이라고 생각합니다. 우리의 기록이 중요한 이유는, 나에게 큰 가치를 가져다주기 때문이에요.
Q. 기록을 하면 AI가 나를 더 잘 아는 환경이 갖춰지는 거군요. 그런데 저를 돌아보면 수집형 인간은 아니거든요. 그때그때 느낀 인사이트를 가끔 적어놓는 정도고, 자료를 차곡차곡 모아두는 타입은 아니에요. 이런 수준도 괜찮은 건가요?
괜찮다고 생각해요. 모든 분이 이렇게 기록을 다 하고 관리할 필요는 없습니다. 꾸준히 기록하고 관리하지 않아도 살아가는 데 문제가 없어요. 필요할 때 머릿속에서 꺼내서 활용할 수 있으면 되는 거니까요. 조쉬님도 핸드폰에 적었다가, 카카오톡 '나에게 보내기'로 보냈다가, 여기저기 흩어져 있으시잖아요.
관리를 한다는 게 어떤 의미냐면, 내가 필요할 때 잘 꺼낼 수 있도록 나만의 방식으로 정리해서 리트리벌(retrieval, 저장한 정보를 다시 찾아 꺼내는 것)을 좀 더 효율적으로 한다는 측면일 뿐이에요. 안 해도 괜찮습니다. 필요할 때 내가 꺼낼 수 있으면 충분해요. 다만 그게 LLM이 읽을 수 있는 형태면 가장 좋은 거죠.
카르파시의 포스트 하나로 시작된 LLM 위키
Q. 본격적으로 LLM 위키 이야기를 해보고 싶어요. 처음 듣는 분들도 많을 텐데, 안드레이 카르파시의 트윗 하나에서 시작된 용어라고 알고 있습니다. 어떤 개념인지 탄생 스토리부터 들려주시죠.
실제로 시작은 포스트 하나였습니다. 카르파시가 'LLM wiki라는 표현을 쓰면서 올린 글인데요. 요즘 우리가 AI를 활용해서 지식 노동도 하고 데이터도 넣어서 잘 쓰는 추세인데, 카르파시 입장에서 어떻게 하면 AI와 협업을 더 잘할 수 있을까를 고민하면서 트윗을 하나 날린 거예요.
내용은 이렇습니다. 인터넷에 있는 유튜브 영상이나 PDF 같은 데이터를 AI가 잘 활용할 수 있도록 인제스트(ingest, 원본 자료를 AI가 소화할 수 있는 형태로 넣는 과정)해야 한다. 그리고 그렇게 넣은 데이터를 사람이 잘 볼 수 있는 프론트엔드 인터페이스가 필요하다면서 옵시디언을 언급했어요. AI가 소화한 것들을 질의응답으로 잘 꺼내고, 그걸 이용해 아웃풋을 만들고, 린팅(linting)이라고 해서 깔끔하게 정리까지 하는 LLM 지식 베이스가 필요하다는 내용이었죠. 이게 엄청나게 히트를 친 겁니다.
Q. 왜 이렇게까지 폭발적인 반응이 나왔다고 보세요?
솔직히 LLM 위키 자체가 엄청 대단한 개념은 아니라고 생각해요. 그런데도 폭발적으로 인기가 많아진 이유는 이거라고 봅니다. LLM 위키가 4월에 나오기 전에, 오픈클로나 헤르메스 같은 걸 이용해서 텔레그램처럼 접근성 좋은 UI에서 24시간 언제나 나를 아는 에이전트를 만드는 꿈이 유행했잖아요. 그런데 나를 아는 에이전트를 만들려면 그 밑에 지식단이 필요하거든요. 때마침 LLM 위키가 제시되면서 폭발한 것 같아요.
이건 저의 해석인데, 두 개의 축이 만난 겁니다. 하나는 AI가 나날이 똑똑해지는 축, 다른 하나는 AI가 잘 읽을 수 있는 형태로 지식이 정리되는 축. 이 둘이 만나서 터진 거예요.
Q. 그래서 LLM 위키가 개념적으로 정확히 뭔가요?
핵심 아이디어는 생각보다 단순해요. 위키라고 하면 우리가 제일 먼저 떠올리는 게 나무위키나 위키피디아잖아요. 세상에서 제일 큰 공유 지식 베이스이자 백과사전인데, 포인트는 누구나 함께 편집할 수 있고 누구나 참여할 수 있다는 점이죠. LLM 위키는 사람이 LLM과 함께 참여해서 문서를 편집하고 접근할 수 있는 지식 베이스라고 보시면 됩니다.
핵심은 이겁니다. 내가 수집한 원본 자료들, 그러니까 인터넷에서 모은 자료나 링크들을 넣고 인제스트를 시켜요. 소화를 시키는 거죠. 그러면 AI가 잘 읽고 찾을 수 있는 마크다운 형태로 저장돼서 인덱싱이 되고, 나중에 그걸 꺼내와서 재활용한다는 게 제일 큰 포인트입니다.
Q. 그 인제스트라는 게 정확히 뭐예요? 원본 파일을 마크다운으로 변환하는 작업이라고만 생각하면 되나요?
변환 작업뿐만 아니라 연결이라고 보시면 됩니다. 마크다운으로 변환만 하면 그냥 AI가 잘 읽을 수 있는 문서 형태가 됐다고만 생각하시는데, 인제스트 과정을 거치면 LLM 위키에 인덱스라는 게 생겨요. 한마디로 내 LLM 위키의 목차가 생기는 거죠.
문서를 하나 넣을 때마다 거기서 다양한 지식 개념들, 컨셉트들을 뽑아내고 AI가 서로 연결을 시킵니다. 이렇게 잘 정리하고 연결해서 LLM 위키가 만들어지면, 제가 어떤 개념을 질문했을 때 AI가 그 연결을 타고 타고 가서 지식을 훨씬 효율적으로 뽑아올 수 있는 거거든요.
Q. 실제로는 이렇게 쓰게 될 것 같아요. 내가 쓰던 PPT나 엑셀 문서들을 클로드 코드나 헤르메스한테 "이거 인제스트해서 내 LLM 위키에 축적해 줘"라고 시키는 거죠. 아무것도 모르는 사람은 그렇게 명령할 텐데, 그러면 알아서 잘 들어가나요?
우선 제가 개인적으로 생각했을 때, LLM 위키는 기존에 갖고 있는 모든 자료를 다 갖다 놓는 용도는 아니에요. 나의 지식이니까, 내가 가치 있게 여겨서 나중에 LLM과 함께 써먹고 싶고 활용하고 싶은 문서들을 넣는 게 맞습니다.
그리고 아무거나 넣고 "인제스트해 줘, 소화시켜 줘" 하는 게 아니라, 더 잘 작동하려면 내가 누구고, 지금 어떤 이유와 목적으로 이것을 인제스트해서 내 위키 안에 넣고 싶은지가 같이 들어가야 해요. 나랑 관련 없는 자료를 막 넣으면 내가 원하는 목적이나 의도대로 정리가 안 될 거예요. 내가 누군지, 뭘 하고 있는지, 어떤 의도와 목적으로 이걸 넣었는지가 LLM 위키 안에 있어야 맥락이 제대로 수집되고 정리됩니다. 막 넣으면 안 되는 거죠.
Q. 구독자분들이 궁금해하실 질문이 있어요. 그럼 LLM 위키랑 RAG랑 뭐가 다른가요?
차이라고 한다면, RAG(검색 증강 생성, 질문할 때마다 문서 저장소에서 관련 내용을 검색해 AI에게 넘겨주는 방식)는 문서가 새로 들어왔을 때 업데이트가 필요해서 매번 비용이 발생하는데, LLM 위키는 새로운 문서가 들어오면 그것만 반영해 주면 돼요. 전체를 다시 인덱싱할 필요가 없는 겁니다.
Q. 어느 쪽이 더 낫다고 단정할 수는 없겠지만, LLM 위키가 가진 장점을 조금 더 설명해 주시겠어요?
문서가 정제되어 있다는 장점이 있는 것 같아요. 애초에 문서가 하나하나 들어올 때부터 인제스트가 되면서, AI가 잘 인지할 수 있는 형태로 그 문서 안의 엔티티(entity, 사람·회사·개념처럼 구분되는 개별 대상)와 컨셉트를 분해하고 연결해서, 처음부터 AI가 활용할 수 있는 정돈된 문서로 뽑아줍니다. 그래서 AI가 리트리벌할 때 시맨틱하게, 진짜 사람이 생각하는 맥락을 기반으로 찾아올 수 있어서 효율적이에요.
반면 RAG는 저장소를 만들 때 그 문서들 자체가 정제되어 있지 않으면, AI를 활용하기 위한 효율적인 맥락이 잘 정돈되지 않는다고 저는 생각하고 있습니다.
그리고 저장 방식도 다릅니다. RAG는 데이터를 임베딩하고 청킹해서(문서를 잘게 쪼개 숫자 벡터로 변환해서) 벡터 DB에 집어넣으니까, 정보가 0과 1 같은 숫자로 들어가요. 반면 LLM 위키는 사람이 읽을 수 있는 문서로 들어갑니다. 마크다운 기반이지만 LLM이 정리해서 우리한테 보여주고 그걸 저장하기 때문에, 저는 오히려 사람에게도 훨씬 좋다고 생각해요. LLM과 같이 쓰는 위키잖아요. 같이 편집할 수 있고, 같이 볼 수 있어야 하니까요.
Q. 맥락 정제나 데이터의 선후 관계 같은 걸 생각하면, 개인 차원에서는 LLM 위키가 더 좋을 수 있다고 보시는 건가요?
개인 차원뿐만 아니라 기업 차원에서도 훨씬 좋다고 생각합니다. 애초에 문서를 정리할 때부터 AI에게 최적화된 형태로 인제스트하고 정리하는 것이 포인트이기 때문에, 기업이 AI를 활용할 때도 LLM 위키가 훨씬 좋다고 보고 있어요.
Q. 그런데 이미 노션이나 옵시디언으로 열심히 폴더 만들고 스키마 짜서 구축했는데, 결국 안 쓰게 되는 사람들도 생기잖아요. '지식의 무덤'이 된다고 하죠. 사람들이 왜 실패한다고 보세요?
본인이 어떤 목적으로 LLM 위키를 쓰고 싶은지, 나의 맥락을 안 알려주고 목적성 없이 접근하기 때문입니다. 개인 지식 관리와 세컨드 브레인이 한참 인기 많았을 때도 구축하려다 실패하는 경우가 정말 많았거든요. 지식을 관리하고 싶고 뭔가 잘할 수 있을 것 같아서 구축은 했는데, '그럼 나는 어떤 용도로 쓰지?'를 고민하지 않고 무작정 쓰기 시작하는 거예요. 어떤 목적을 달성하려는 게 아니라 일단 기술만 가져가는 형태인 거죠.
그리고 목적 말고 구조의 문제도 있습니다. 구조화라는 게 정말 어렵거든요. 내 머릿속에서 세상을 어떻게 인지하고 있는지를 일관성 있게 체계로 만들어야 하는데, 솔직히 우리가 한국 교육 과정에서 나 자신에 대해 그렇게 구조화해서 고민해 본 적이 얼마나 있겠어요. 그런 경험이 대부분 없기 때문에 실패하는 경우가 많은 것 같습니다.
하루를 다섯 겹으로 기록하는 시스템
Q. 이제 기록이 쌓이는 시스템 이야기를 해보죠. 하루가 의도, 실행, 현실, 해석, AI 로그라는 다섯 개 층으로 기록된다고 하셨어요. 첫 번째 '의도'부터 하나씩 설명해 주시겠어요?
제 데일리 노트를 보시면, 우선 플래너를 적습니다. 직접 적을 수도 있고 AI랑 함께 적기도 해요. 오늘 나의 시간을 어떤 것을 위해 쓸지를 먼저 적는 건데요. 오늘 아침에도 출근하면서 헤르메스 에이전트랑 같이 했어요. 오늘의 포커스는 회사에서 집중적으로 진행 중인 AI 교육, 그리고 저녁에 이 팟캐스트에 출연하는 것. 이 두 가지였죠.
핸드폰으로 "내일 계획을 먼저 세워 보자, 플래너 안에 채워 넣을 것들을 질문해 줘"라고 입력하면, 저만의 스킬과 기록 시스템이 있으니까 그걸 기반으로 저한테 질문을 던집니다. 미리 적어놓은 게 있으면 그걸 기반으로 저를 다시 한번 다듬어 주고요. 아니면 한 주의 플랜이나 프로그램에 있는 투두, 나의 일정을 기반으로 추천을 해주기도 해요.
"오늘의 계획은 뭐야"라고 하면 제가 직접 입력하기도 하지만, 제 캘린더를 보고 추천해 주기도 합니다. 예를 들어 "지금 데일리 플랜이 없으니 오늘과 내일 현실적인 계획을 잡아보자"면서 제가 촬영 중인 LLM 강의 일정까지 고려해서 제안하는 식이에요.
Q. 저는 노션에 일자별로 물 흐르듯 적어놓고 가끔 노션 AI로 꺼내보는 정도인데, "내일 할 일 적어보자"라고 했을 때 저런 질문과 예시를 받아본 경험은 없어요. 저런 질문을 받으면 다음 계획이나 장기적으로 해야 할 일의 우선순위가 맥락 안에서 정리되겠네요.
맞습니다. 저는 이게 생산성을 높여준다고 생각해요. 생산성이라는 게 결국 실행 속도를 높이는 건데, 다음에 뭘 해야 할지 선택지가 많을 때 내 데이터와 할 일, 일정을 기반으로 추천을 받으면 고민하는 시간이 줄거든요.
물론 AI가 틀릴 수도 있습니다. 제가 정보 업데이트를 안 해줬을 수도 있으니까요. 그러면 "내일은 패스트캠퍼스 강의 촬영을 진행하는 게 제일 큰 우선순위야. 이거 고려해서 플래너 초안 등록하고, 투두이스트랑 캘린더에도 등록해 줘"라고 고쳐주면 초안을 다시 줍니다. 틀릴 수 있지만 AI랑 함께 대화하면서 제가 한번 검증하고 승인한 계획이니까요. 솔직히 하루가 계획대로 돌아간다는 보장은 없죠. 그렇지만 생각을 하고 진행하는 것과 계획 없이 돌아가는 건 다르다고 생각합니다. 이게 첫 번째, 의도입니다.
Q. 두 번째 '실행'은 어떻게 기록되나요?
실행은 제가 실제로 살아가면서 남는 데이터들인데, 기록되는 게 정말 많아요. 그중 하나로 저는 24시간 녹음을 하고 있습니다. 지금도 목걸이가 숨겨져 있는데, 오미(Omi, 목걸이형 AI 웨어러블 녹음기)라는 기기예요. 핸드폰에 연동돼서 잘 때까지, 정확히는 충전기에 꽂기 전까지 모든 것을 녹음합니다. 계속 트랜스크립션이 되는데, 2분 동안 제 목소리가 안 들어가면 그게 트리거가 돼서 하나의 이벤트, 하나의 기억으로 분리되고, 요약과 함께 트랜스크립션 원본이 제 옵시디언 어딘가에 저장돼요. 실제로 내가 무엇을 했는지가 남는 거죠.
이미지 출처 : omi.me, plaud.kr
플라우드 노트(PLAUD Note, 카드형 AI 녹음기)도 씁니다. 이건 목적이 달라요. 다른 사람들과 같이 있을 때, 나중에 같이 활용해야 할 디테일이나 회의를 녹음하기 위한 용도입니다.
실행에서 한 가지 포인트가 더 있는데, 데일리 노트에 타임스탬프를 많이 남긴다는 거예요. 길을 가다가 실제로 어떤 영상을 봤는데 너무 좋았다, 그러면 헤르메스로 기록해 두기도 하고요. "18시 40분, 앞의 스타벅스에서 리뷰를 했다" 같은 건 불렛 저널처럼 직접 치기도 합니다.
Q. 그러면 의도는 의도대로 기록돼 있고, 실행은 하루 동안의 트래커와 녹음기를 통해 원문이 쌓이니까, 계획이 실제로 진행됐는지 대차대조가 일어나는 구조네요. 자동으로 쌓이는 것과 손으로 쌓는 건 어떻게 구분되나요?
자동으로 쌓이는 것 중에는 AI와의 대화 기록도 있어요. 예를 들어 오늘 미리 받은 질문지를 가지고 클로드와 "네가 아는 나를 생각해 봤을 때 어떤 걸 참고하면 좋을지" 대화하면서 작업을 했는데, 이것도 실행이잖아요. 저는 '/log'라는 스킬을 만들어 놨어요. 대화 끝에 로그를 실행하면 이 대화 동안 무엇을 했는지 요약해서 제 데일리 노트에 타임스탬프로 남깁니다. 클로드의 스킬인데, 그 스킬이 옵시디언과 연동돼 있는 거죠.
가끔은 완전히 자동으로 쌓이기도 합니다. 며칠 전 기록을 보면, 제가 테드 강연 하나를 인상 깊게 봤더니 "핵심은 이거다"라면서 AI가 알아서 데일리 노트에 등록해 놨더라고요.
Q. 클로드와의 대화가 무지막지하게 쌓이는데 로그로 남길 생각을 한 번도 못 해봤네요.
이게 정말 좋은 게, 로그를 데일리 노트에만 하는 게 아니라 진행 중인 프로젝트에도 슬래시 로그로 기록을 하거든요. 그러면 나중에 새로운 세션을 열 때, 그 프로젝트에 쌓인 로그만 가져와서 "어디서 시작했고 어디서 끝냈는지 디테일하게 정리해 줘" 한 줄만 넣으면 됩니다. 메타데이터가 다 있으니까요. 중간 세이브 포인트가 생기는 거예요.
Q. 그게 다섯 번째 층인 AI 로그군요. 그럼 세 번째 층인 '현실'은 뭔가요? 실행과는 어떻게 다른가요?
하루가 끝나면 실제로 내가 한 것과 못한 것이 있잖아요. 현실은 실행과 겹치는 부분이 있긴 한데, 말로 표현되지 않은 부분까지 포함합니다. 저는 화면 녹화도 24시간 하고 있거든요. 스크린파이프(Screenpipe, 컴퓨터 화면과 소리를 로컬에 상시 기록하는 오픈소스 도구)를 통해서 제 컴퓨터에서 내가 진짜로 뭘 했는지를 전부 기록해요. 실행이 내 액션으로 남긴 기록이라면, 현실은 안 보이는 부분까지 데이터로 남긴 거예요. 뭘 클릭했고 뭘 열었는지, 심지어 녹화했다는 사실조차 까먹을 일들까지요.
Q. 그렇게 녹화되고 로그가 쌓이면 어떻게 활용되나요?
AI 로그, 그리고 회고를 할 때 씁니다. 제가 선택한 앱들이 전부 MCP로 제공되거든요. 스크린파이프가 MCP를 지원해서 커넥션으로 연결되고, 대화도 할 수 있어요. 최근에 맥북을 바꿨는데 컴퓨터에서 나오는 음성까지 녹음하고 있습니다.
이것들이 '마이 데이터'라는 곳에 라이프 로깅으로 다 쌓여요. 플라우드도 쌓이고, 오미도 쌓이고, 스크린파이프는 30분마다 한 번씩 AI가 요약을 합니다. 이건 항상 돌아가는 거라서 로컬 모델로 처리해요. 화면의 클릭 로그, 뭔가를 열었다는 기록이 전부 마크다운으로 변환돼서 쌓이는 거죠. 이렇게 쓰다 보니 정말 유용하다고 느낀 게, 제 모든 시간의 모든 부분으로 되돌아갈 수 있다는 거였어요.
Q. 웹클리핑이나 논문, 유튜브 영상 같은 것도 많이 기록하신다고 했는데, 그건 어떻게 기록해서 위키까지 들어가게 하시나요?
우선 제 LLM 위키가 두 가지라고 보시면 됩니다. 옵시디언 볼트(vault, 옵시디언에서 노트들이 모여 있는 저장소)가 두 개 있어요. 하나는 진짜 액기스를 뽑아내고 깊게 이해하기 위해 메모하고 필기하는 용도, 다른 하나는 깊게 숙지할 건 아니지만 가볍게 소비하고 나중에 써먹기 위해 담아두는 용도예요. 우리가 흔히 생각하는 LLM 위키는 후자 쪽이죠.
얕게 활용하고 싶은 콘텐츠라면 옵시디언 웹클리퍼(Obsidian Web Clipper, 웹페이지를 마크다운으로 저장해 주는 브라우저 확장 프로그램)를 씁니다. 노션 클리퍼 같은 건데, 다양한 용도별로 템플릿을 만들 수 있어요. 저는 유튜브 영상에서 누르면 LLM 위키용으로 담는 템플릿이 있어서, 전체 트랜스크립트까지 다 가져와서 제 LLM 위키의 로우(raw) 폴더 안에 저장됩니다.
그다음에 이걸 정리하고 싶으면, 노트의 위치를 복사해서 "얘를 인제스트시켜 줘"라고 해요. 인제스트 스킬을 따로 만들어 놨거든요. 폴더가 로우와 위키로 나뉘어 있는데, 로우는 원본 자료고, 위키는 그 원본 데이터를 쪼개서 엔티티로 나눠 인덱싱한 것입니다. 소스도 정리해 주고, 개념들로 나눠서 서로 연결까지 시켜 줘요.
Q. 그 인제스트 스킬의 실체가 궁금해요. 다른 사람들이 만든 것과 다른 점이 있나요?
보통 다른 사람들이 만들어 놓은 인제스트 스킬을 보면 그냥 알아서 정리해 줍니다. 저는 아까 말씀드린 대로 나의 목적에 맞아야 한다고 생각해서, 내가 어떤 가치를 느껴서 이걸 캡처했는지 질문을 하게끔 만들어 놨어요. "이 영상을 왜 캡처했어?"라고 물으면 제가 답합니다.
예를 들어 "나는 AX 관련 업무를 진행하는데, 컨설팅 펌에서 어떤 식으로 접근하는지 재밌게 봤고, 기술 도입이 끝이 아니라 기업이 어떻게 비즈니스를 할지에 대한 엔터프라이즈 IQ라는 개념이 너무 재밌었다" 이런 식으로요. 이 지식을 나중에 어떻게 써먹고 싶은지까지 입력하게 합니다. 시간이 좀 걸리죠. 그러면 실시간으로 이 소스에서 어떤 개념들이 인식됐는지 쪼개서 노트를 네다섯 개 만들어요. 재료 손질을 해놓는 거죠.
저는 이 질문들이 제일 중요하다고 생각하는 이유가 있어요. 내가 뭔가를 캡처해서 넣을 때는 이유가 있거든요. 어느 부분에서 가치를 느꼈을까, 어떤 부분을 써먹어야지 했을까. 저는 이걸 '무의식의 의식화'라고 표현합니다. 머릿속에만 있던 걸 꺼내서 같이 넣는 방식이죠. 그렇게 되면 그 데이터가 가치가 없을 수가 없어요. 그냥 로우한 데이터가 아니고 내 생각이니까요.
Q. 이 영상이 왜 들어갔고, 나의 관점이 무엇이고, 앞으로 뭘 하고 싶은지가 정제되어 들어가는 레이어가 좋네요. 그렇게 엔티티로 나눠 놓으면 또 뭐가 좋은가요?
예를 들어 점심에 본 BCG 영상을 인제스트하면서 엔터프라이즈 IQ라는 개념을 뽑아냈다고 하죠. BCG는 AI 도입을 어댑션(adoption, 단순 도입)이 아니라 디플로이(deploy, 실제 업무에 배치하는 것)로 보고, 그걸 통해 비즈니스를 어떻게 바꿀지 리셰이프(reshape, 업무 방식 재설계)라는 용어를 쓰더라고요. 그런 개념들을 엔티티로 나눠 놓잖아요. 그러면 나중에 BCG가 들어간 다른 영상을 또 캡처했을 때 기존 BCG 엔티티에 연결됩니다. 지식이 쌓일수록 서로 이어지는 거예요.
Q. 팔란티어의 온톨로지(ontology, 데이터를 일관되게 정리하기 위한 개념 체계)와 비슷하게 들리네요. 엔티티가 있고 관계성이 있고요. 온톨로지와 지식 그래프는 어떻게 다른가요?
온톨로지는 결국 질서예요. 체계죠. 그게 실제로 나의 버전으로 구현된 게 지식 그래프고요. 예를 들어 커피의 온톨로지라고 하면 원두가 있고 바리스타가 있다는 구조 자체를 말하는데, 스타벅스라는 지식 그래프에서는 그중 어떤 원두, 어느 직원처럼 인스턴스로 표현됩니다. 온톨로지는 일관성을 위한 질서고, 지식 그래프는 그 질서대로 연결된 실제 형태인 거죠. 제 옵시디언의 그래프는 저의 지식 그래프고, 저의 온톨로지는 따로 있습니다.
그리고 제가 강조하는 건, 온톨로지를 그래프 형태로 표현해 놓는 게 아니라 문서라고 생각한다는 점이에요. 나는 누구고, 어떻게 생각하고, 어떤 방식으로 사고하는지를 적은 문서요. 조쉬님도 팟캐스트에서 문서화, 매뉴얼화를 많이 하셨다고 말씀하셨잖아요.
저는 그게 결국 질서라고 생각합니다. 지식들이 들어왔을 때 어떻게 정리되고 연결될지는 결국 그 매뉴얼을 기반으로 작동하는 거거든요. 그래서 저는 제가 어떻게 생각하는지, 제 인생을 정리해 놨어요. 나의 세계관, 나의 인생의 방향성, 지식 아키텍처. 물론 제 데이터를 넣어서 정리해 달라고 한 겁니다. 나는 어떤 모델을 따르고 어떤 스트림으로 가는지 제 생각을 다 입력해서 정리해 놨고, 시스템이 이걸 기반으로 작동합니다.
매일 새벽 2시, AI가 나의 하루를 회고한다
Q. 회고 파트도 궁금합니다. 어떻게 하고 계세요?
매일 새벽 2시에 AI가 저의 모든 인생 데이터를 기반으로 회고를 진행합니다. 직접 하기도 해요. 일기를 쓸 때도 있고 안 쓸 때도 있는데, 쓰면 하루 일과를 보내면서 느낀 진짜 액기스를 압축해서 남겨 놓습니다. 자기 전 12시 반쯤 STT(음성을 텍스트로 바꾸는 기능)로 말해서 입력하는 식이에요.
그러면 좋은 게, AI가 알아서 회고를 할 때 하루의 모든 데이터를 기반으로 돌려줍니다. 어떤 데이터를 활용했는지 보여주면서 "너는 오늘 이런 것들을 진행했고, 오늘의 one thing(가장 중요한 한 가지)은 이거다"라고 남겨주고, 추천도 해줘요. 진짜 데이터 기반이죠. 그리고 여기서 끝이 아니라 주간 회고가 있으면 월간 회고, 월간 회고가 있으면 분기 회고, 그리고 연간 회고까지 이어집니다.
Q. 직접 하던 회고와 AI와 함께하는 회고는 뭐가 다르던가요?
제가 계획 세우기와 회고를 한 지 10년쯤 됐어요. 연말마다 '인생회계'라는, 인생의 회고와 계획 세우기 프로그램도 운영하고 있고요. 그런데 제가 운영하는 프로그램인데도 정작 할 시간이 너무 없었습니다. 일기는 많이 써놓는데 시간이 없어서 AI랑 함께 회고를 해봤거든요.
그게 정말 재밌었던 게, 우리의 기억은 서사로, 스토리로 남잖아요. 모든 디테일을 다 풀어놓는 게 아니라 '올해 1분기는 이랬고 2분기는 이랬고' 하는 기승전결로요. 그런데 신기하게 AI가 그대로 회고를 해줘요. 저만의 방식으로 1월은 어땠는지, 2월은 어땠는지 하나씩 모아 달라고 하고, 그걸 기반으로 분기별 스토리를 짜 달라고 하고, 분기를 모아서 올해 나는 어땠는지 물었더니, 머릿속으로 느꼈던 1년의 스토리를 AI가 그대로 표현해 주는 거예요. 주마등처럼요. 이게 되는구나 싶으니까, 기록을 더 열심히 해야겠다고 감정적으로 느꼈죠.
Q. 기록으로 특별한 일도 있으셨다고요.
TMI를 하나 말씀드리면, 2023년 말에 지금의 아내를 만났어요. 한참 썸 탈 때 만날 때마다 감정이 너무 격해져서 그걸 다 기록해 놨거든요. 가명을 만들어서요. 몇 월 며칠, 어느 날의 기록마다 그분이 계속 언급돼 있었죠. 사실 잘 안 될 뻔한 적도 있었는데, 그 감정까지 정리해서 실제로 남겨뒀어요. GPT-4 터보 시절에, 이 기록들을 연결해서 스토리를 써 달라고 했더니 제 머릿속에서 느꼈던 서사 그대로 사랑 이야기를 써줬습니다. 그 스토리로 청혼을 했어요. 청혼도 이 기록을 이용한 겁니다.
그때부터 '기록이라는 게 AI로 활용하면 이 정도까지 갈 수 있구나', '기록의 중요성을 AI랑 함께 쓰면 엄청나겠구나'를 느껴서 기록을 해왔고, 올해 1~2월에 오픈클로가 커지면서 더 적극적으로 써야겠다고 마음먹고 여기까지 온 거예요.
지금 시작한다면: 가장 비싼 모델로 '나'라는 문서부터
Q. 이 정도로 하려면 유지 관리가 정말 힘들 것 같아요. 직접 해보고 싶은 사람이 초반에 해야 할 것을 꼽는다면요?
우선 이렇게까지 하실 필요는 없습니다. 저는 기록의 중요성을 생각하고 가치를 느끼기 때문에 실천하는 것뿐이에요. 그래도 실천하고 싶다면, 첫 번째는 처음에 말씀드렸던 것처럼 나의 맥락을 쌓아 나가는 것입니다. 내가 누구인지를 AI한테 먼저 제공해야 해요. 그러려면 기존에 갖고 있는 기록을 다 모아서, 제일 비싼 모델을 써서 전부 읽게 한 다음, 내가 뭐 하는 사람인지, 무엇에 가치를 느끼는 사람인지 풀어내서 문서로 만들어 달라고 하는 게 제일 첫 번째입니다.
어떻게 정리할지에 대한 프레임워크나 접근법을 많이들 물어보시는데, 자기계발서 요소가 있긴 하지만 두 가지를 추천해요. 이나모리 가즈오의 『왜 일하는가』, 그리고 사이먼 시넥의 『스타트 위드 와이(Start with Why)』. 이 두 관점으로 나의 이전 기록들을 이용해서 내가 어떤 걸 위해 살아가고 있는지 뽑아보는 겁니다. 결국 그 답이 어디서 오느냐면, 나의 과거 기록들과 선택들에서 오거든요. 그걸 총 모아서 이런 프레임대로 정리해 달라고 해서, 나에 대한 문서를 하나 만드는 게 제일 먼저예요.
그다음이 이 문서를 기반으로 내가 어떤 형태의 어떤 지식을 수집해서 뭘 하고 싶은지 정리하는 겁니다. 저 같은 경우는 취미인 유튜브 크리에이터로서 영상이나 강의, 콘텐츠를 만들 때 쓰고 싶은 것, 그리고 본업인 AX 컨설턴트로서 교육이나 컨설팅을 진행할 때 쓸 것, 이렇게요. 과거의 기록을 기반으로 나를 만들고, 어떤 목적을 위해 쓰고 싶은지 정리하는 것. 이게 시작입니다.
Q. 이야기를 쭉 들으면서 나다움과 나의 선택, 기록에 집착한다는 인상을 받았어요. 왜 그렇게까지 집착하시는 건가요?
시간이 세상에서 제일 희소한 자원이라고 생각하기 때문입니다. 기록이라는 게, 예를 들어 지금 저희가 팟캐스트를 찍기 시작한 지 한 시간 반쯤 됐죠. 그때의 나와 지금 이 순간의 나는 달라요. 같은 사람이지만 조쉬님과 이야기를 나누면서 생각이 달라졌을 수 있잖아요. 그걸 기록해 놓는 건 세이브 포인트를 만들어 놓는 것과 같습니다. 세상에서 제일 가치 있는 자원인 시간을 더 가치 있게 활용하기 위해서, 집착하게 된 게 제일 큽니다.
Q. 이 시스템이 앞으로 어떤 모습이 될지도 궁금합니다. 어떤 계획을 갖고 계세요?
지금은 텔레그램에서 다양한 기록을 위한 에이전트들과 각각 소통하고 있어요. 메인 에이전트인 '브레인'이 있고, 나의 돈을 관리하는 금융 에이전트, 생각 기록을 위한 에이전트, 회고를 위한 에이전트가 있습니다. 다음 목표는 디스코드에 저의 에이전트 채널을 만드는 거예요. 거기서는 어벤져스처럼, 나에게 조언해 줄 수 있는 다양한 자아들을 만들어서 협업하게 하고 싶습니다.
지금은 진짜 나를 위한 텔레그램을 쓰고 있지만, 내가 하나의 결정을 하거나 어떤 관점을 넓히려 할 때, 제가 멘토라고 생각하는 사람들의 자아를 심어 놓고, 내 기록을 바탕으로 다양한 관점에서 나에게 도움을 줄 수 있는 형태가 다음 목표입니다.
조쉬가 직접 운영하는 AI 솔로프리너 클럽에 초대합니다.
이미 300명이 넘는 분들이 ASC와 함께 성장하고 있습니다.
구글 엔지니어, 토스 PM, 산부인과 전문의, 스타트업 대표까지
— 각자의 자리에서 정상에 선 사람들이 지금 AI로 새로운 도전을 시작했습니다.
그리고 ASC 12기는 단 30명만 함께합니다.
아직 늦지 않았습니다.
지금 시작하는 당신이, 1년 뒤 가장 앞서 있을 솔로프리너입니다.
[👉🏻ASC 신청하러 가기]
의견을 남겨주세요