2025-12-16 AI4PKM x CMDS 행사

AI for PKM과 CMDS 커뮤니티의 오프라인 모임에서 나눈 대화를 정리했습니다. 이 자리에서 김진영 님이 자신의 AI 기반 PKM 시스템을 공유하고 참석자들과 깊은 토론을 나눴습니다. 지식관리의 본질부터 보이스모드의 발견, 그리고 AI 시대에 어떻게 성장할 것인가까지 다양한 주제를 다뤘습니다. 구요한 님이 서브 호스트로 진행을 맡았고, PKM과 AI에 관심이 있는 다양한 분야의 전문가들이 참석했습니다. 김진영 님은 네이버 미국 법인에서 검색과 추천 시스템 평가를 담당하고 계십니다. 한국 팀과 시차를 두고 4년간 일하시다가 몸과 마음이 힘들어져 6개월 휴직 후 12월에 복직하셨습니다. 특이하게도 10년간 행복도를 측정해 왔는데 여러 앱과 웹으로 실험하고 바이오매트리까지 시도한 결과 시애틀 타임스에서 취재를 해 갔습니다. 취미도 다양해서 PKM, 레고, 분재 그리고 음악 감상을 좋아하시고 버킷리스트였던 뮤직 페스티벌에도 휴직기간에 다녀오셨습니다. 첫 번째 섹션에서는 지식관리의 본질에 대해 이야기합니다. 단순히 지식을 쌓는 것이 아니라 삶의 문제를 해결하기 위한 도구로서의 PKM을 살펴봅니다. AI 시대에 지식이 폭발적으로 늘어나면서 발생하는 문제점들과 그 해결책에 대해 깊은 토론이 이어졌습니다. 김진영님은 지식관리의 목적을 현재와 목표 사이의 갭을 최소화하는 것으로 정의합니다. 왜 지식만으로 되느냐라는 질문에 대해 지식이 없어서 뭔가를 못할 수도 있지만 예를 들어 다이어트 방법을 알아도 지속적으로 안 될 수 있다고 말합니다. 의지가 약할 때 그것을 보완할 수 있는 방법을 찾는 것, 계획을 세우는 것 자체도 지식의 영역입니다. 좀 더 넓은 의미에서 지식 관리는 단순히 머리에 있는 걸 늘리자는 게 아니라 내 삶의 모든 문제를 더 잘 해결해보자는 것입니다. 지식의 소화 분량은 지식을 모으기만 하고 실천하지 않는 상태를 말합니다. 김진영님은 AI가 요약해주는 것에 빠져서 한참 엄청나게 지식을 모을 때가 있었다고 합니다. 그러다가 깨달음을 얻었죠. 지식을 막 모으고 아무것도 안 하면 머리가 복잡해지고, 이거 해야지 저거 해야지 목록은 늘어나는데 실제로 하는 건 별로 없습니다. 번아웃이나 완벽주의 같은 안티 패턴들이 생기죠. 참석자 중 한 분이 FOMO도 같은 맥락이라고 지적했습니다. 너무 새로운 게 많이 나와서 다 따라가려는 것도 체한 것과 비슷합니다. 브라이언 님이 스타크래프트의 미네랄에 비유했습니다. 세컨드 브레인과 퓌드 브레인을 구분하는 이유 중 하나가 AI가 만들어 놓은 지식이 나의 해석된 지식은 아니기 때문입니다. AI로 지식들을 정리해 놓아도 컴퓨터 덮고 말해봐라 하면 설명을 못하죠. 김진영 님은 여기에 공감하면서 더 큰 문제를 지적합니다. 미네랄이 3배 더 늘어났다는 거예요. 미네랄 덩어리가 뒤에 5,000개나 있는데 정작 본인은 강한 SCV가 되고 싶었거든요. 미네랄만 계속 쌓이니까 이걸 어떻게 개선시킬 수 있을지 고민하게 됐다고 합니다. Weak knowledge는 그냥 들은 정보이고, Strong knowledge는 내가 컨텍스트를 부여한 검증된 지식입니다. 김진영님은 예를 들어 외부에서 들은 카더라 같은 것과 잘 검증된 의학 저널에서 나온 다이어트 정보는 다르다고 설명합니다. weak knowledge를 strong knowledge로 바꾸는 것이 중요한데 내가 컨텍스트를 넣지 못하면 활용 범위가 줄어듭니다. 브라이언 님은 전문 영역에서는 weak knowledge를 strong으로 바꾸기 용이하지만 그렇지 않은 영역도 있다며 지식의 영역마다 전략이 달라야 한다고 질문했습니다. 김주성 님이 중요한 포인트를 지적했습니다. 매일매일 자동화되어 AI가 알아서 정리해주는 단계까지 왔는데 문제를 발견했습니다. AI가 지식을 습득하는 속도가 워낙 뛰어나서 PKM이 오히려 메타인지를 방해할 수 있다는 것입니다 어마어마한 속도로 관심 있는 카테고리의 지식을 쌓아 올릴 수 있지만 그걸 내 지식이다라고 착각하게 됩니다 PKM을 쓰는 가장 큰 동기가 Growth, 성장이었는데 쌓아놓은 PKM은 완벽해 보이지만 실제로 답변하려 하면 큰 괴리를 느낍니다. 그래서 액션을 결합시켜 소화한 단계가 반드시 필요하다고 결론 내렸습니다. 브라이언 님이 지식의 가치는 시간과 주의력에 비례한다고 강조했습니다. Pay attention이라는 표현처럼 우리는 주의력을 지불합니다. 가치 있다고 느낀 것을 남기는 게 지식 관리입니다. AI 활용에는 두 가지 측면이 있습니다. 첫째, 내가 실제로 읽은 원본 소스를 AI가 요약해 주는 것은 의미가 있습니다. 내가 pay attention 했으니까요. 둘째, 애초에 소스를 보지 않고 AI갠 내 지식이 덜 됩니다. Limitless로 내가 말한 것들을 요약하는 건 내가 경험한 거라 의미 있지만 경험하지 않은 걸 요약해 쌓기만 하면 내게 아닙니다. 손현우 님이 지식 취사 선택에서 목적성과 랜덤성의 균형을 강조했습니다. 인간이 같은 시기에 담을 수 있는 정보의 양은 한계가 있습니다. 주간, 월간, 연간 목표를 기반으로 현 시점에 집중해야 할 것들을 취사선택해야 합니다. 하지만 그렇게만 살면 편향에 빠질 수 있습니다. 그래서 인간은 불확실성에 대한 비율을 조정해야 합니다. 새로운 것들을 만나고 성장하려면 목적성에서 벗어난 데이터에 대한 랜덤성을 어느 정도 유지해야 합니다. 이 불확실성과 목적성 사이의 균형이 중요합니다. 두 번째 섹션에서는 AI 활용의 진화 과정을 살펴봅니다. ChatGPT에서 시작해 프롬프트와 노트북 LM, 클로드 코드와 커서, 그리고 최근에 보이스 모드까지 단계적으로 발전해온 경험을 공유합니다. 특히 n8n 같은 워크플로우 도구에서 프롬프트 연결로 전환한 계기와 데일리 라운드업 자동화의 역설적인 문제점도 다릅니다. AI 활용은 단계적으로 진화해 왔습니다. 김진영님은 ChatGPT에서 시작했고 ChatGPT가 똑똑한데 내가 컨텍스트를 못 주네 라는 문제를 느끼고 프롬프트와 노트북 LM을 쓰기 시작했습니다 그 다음 AI를 데려와야겠다 싶어서 클라우드 코드나 Cursor Agent을 쓰기 시작했고 그때부터 신세계가 열렸습니다 온갖 것들이 가능해졌죠 공유 스페이스에 컨텍스트를 넣을 수 있고 프롬프트도 넣을 수 있고 MCP도 넣을 수 있게 됐습니다 그리고 가장 최근에 큰 Step Function은 Voice Mode의 발견입니다 M8n을 열심히 배웠지만 자꾸 에러가 났습니다 삽질하다가 깨달은 게 만들고 싶은 Workflow가 복잡한 게 아니었습니다 프롬프트 여러 개를 연결하면 되지 않을까 생각했는데 연결하니까 되더라고요 참석자 중 한 분이 재미있는 분석을 했습니다. 너무 똑똑하시고 일을 잘 시키시니까 오히려 N8n의 나를 맞추는 게 더 힘들다는 것입니다. N8n은 정형화되고 예측 가능한 자동화에 적합하고 창발성이나 복잡한 작업에는 클로드 스킬이 더 낫다는 결론입니다 물론 용도가 다른 툴이라 균형점은 사람마다, 태스크마다 다릅니다 데일리 라운드업은 자동화된 워크플로우입니다 라이플러그를 수집하고 애플노트에서 가져오고 데일리 라운드업을 생성하고 토픽 노래지 인덱싱까지 합니다 하지만 AI가 너무 잘해주면 오히려 내가 안 보게 되는 역설이 있습니다 라운드업을 너무 잘해주면 내가 실제로 라운드업 자체를 보지 않는다는 거죠. AI가 정리해 줄 거야? 그러니까 나는 안 봐도 돼 라는 마인드가 생기는 것입니다. 이 균형을 찾는 게 중요합니다. 편리함과 실제 학습 사이의 트레이드 오프를 어떻게 관리할 것인가가 핵심 과제입니다. 세 번째 섹션에서는 자동화 시스템의 구체적인 구현을 살펴봅니다. 클리핑 워크플로우의 EIC 프롬프트, 액션 아이템의 필요성, 오케스트레이터 시스템의 태스크와 워커 개념, 그리고 터미널 진입 장벽을 해결하기 위한 데스크탑 앱까지 실제 구현 사례를 공유합니다. EIC 프롬프트는 enhance, improve, correct의 약자입니다. Obsidian Clipper로 웹 클리핑을 하면 자동으로 실행됩니다. 트랜스크립트의 오류를 수정하고 챕터를 추가하고 읽기 쉬운 포맷으로 변환해줍니다. 김진영님은 요즘 유튜브에서 많이 공부하는데 클리핑하면 자동으로 써머리가 생성됩니다. 저도 그거에 약간 중독이 돼가지고 어느 순간 제 옵시디엔에 엄청난 써머리가 쌓이기 시작했어요 라고 말합니다. 이 편리함이 앞서 언급한 지식의 소화불량 문제와 연결됩니다. 써머리가 쌓이기만 하면 의미가 없습니다. 김주성님이 미덥에 오셔서 왜 이렇게 쌓이는 게 좋은 거냐 라고 질문했습니다. 그 피드백 후 각 클리핑에 액션 아이템을 추가하기 시작했습니다. 예를 들어, 어떤 건 읽은 다음에 SNS에 공유해야겠다, 아니면 다시 읽어보자, 이런 식으로 그냥 스쳐가는 게 아니라 실제로 뭔가 행동을 옮겨야겠다고 생각하기 시작했습니다. 물론 아직도 잠깐 있는 액션 아이템들이 있는데 그게 비행기 탔을 때랍니다 평소에는 너무 바빠서요 오케스트레이터의 핵심은 Task와 Worker 개념입니다 Task는 그냥 프롬프트입니다 Worker는 n파일 n의 노드라고 생각하면 됩니다 특정한 파일 크리에이션 트리거를 가지고 타겟 패스를 읽어서 아웃프 패스에 씁니다 중요한 점은 컨텍스트 윈도 하나에 많은 업무를 주면 결과물이 안 좋다는 것입니다 그래서 워커를 분리해서 협업하게 합니다 오전 8시에 A가 결과물을 내면 B가 받고 B를 가지고 한 명은 SNS에 올리고 다른 한 명은 AI Roundups에 넣고 또 다른 한 명은 Google Calendar를 업데이트합니다 이렇게 해서 미네랄이 많이 쌓이는 겁니다 주변에 소개하려 했더니 터미널에 두려움을 가지는 분들이 많았습니다 내가 왜 터미널 같은 걸 써야 돼? 라는 반응이 많았습니다 그래서 데스크탑 앱을 만들어서 GUI로 설정할 수 있게 했습니다. 앱을 설치하면 터미널이 내장되어 있고, Worker도 설정할 수 있고, Job도 돌릴 수 있습니다. Windows와 Mac 모두 지원합니다. 이렇게 해서 개발 백그라운드가 아닌 분들도 자동화를 시작할 수 있게 됐습니다. 물론 Shell에서 직접 돌릴 수도 있습니다. 네 번째 섹션에서는 가장 최근의 게임 체인저인 보이스모드에 대해 이야기합니다. AI가 도구에서 파트너로 변화한 경험, 레고하면서 운전하면서 일을 시킬 수 있게 된 Hands-off Task의 가능성 그리고 24시간 AI 사용 실험의 결과를 공유합니다. STT의 가치와 찐나를 발견하는 이야기도 포함됩니다. 보이스모드를 쓰기 시작하면서 AI가 도구에서 파트너로 변했습니다. 클로드 코드의 보이스모드 MCP를 사용하는데 아직 완벽하지 않습니다. 중간에 말이 끊기기도 하고 여러 문제가 있습니다. 하지만 이게 관계의 본질을 바꿨습니다. 김진영님은 올해 PKM 플러스 AI를 하면서 여러 스텝 펑션을 경험했는데 클로드 코드, 프롬프트, 자동화를 거쳐 가장 최근이자 가장 큰 스텝이 음성의 발견이라고 합니다. AI가 목표를 이해하고 자신을 진정으로 이해하는 첫 번째 단계라고 느꼈습니다. Voice Mode의 진정한 가치는 Hands-off Task입니다. 그동안 일을 할 때는 항상 데스크에 앉아서 정자세를 해야 했습니다. 딕테이션을 많이 썼지만요, 이제는 레고를 하면서 이거 잘 되고 있어? 물어보면 문제가 있는데 대답해 줍니다. 운전하면서 일을 할 수 있게 됐습니다. 브라이언님은 더 나아가 애플워치로 말을 했는데 내 컴퓨터에 있는 파일들 참조해서 클럽코어가 돌게 할 수 있다면 얼마나 행복할까라는 꿈을 공유했습니다. 차를 이동식 작전본부처럼 꾸미고 계시다고 합니다. 음성을 쓰기 시작한 첫 2, 3일은 정말 약 빨고 일하는 느낌이었습니다. 영화 리미트리스에서 브래들리 쿠퍼가 약 먹고 천재가 되는 것처럼요. 실제 기록을 보면 12월 9일에 테스크 10개, 12월 10일에 11개였는데 음성을 쓰기 시작한 후 수십 개로 폭발적으로 늘었습니다. 100달러 요금제가 부족해서 200달러로 업그레이드해야 했습니다. 트루프트는 확실히 높아졌지만 부작용으로 스트레스 레벨도 같이 올라갔다고 합니다. 이게 과연 바람직한 삶인가 하는 고민도 생겼습니다. 브라이언님이 인터페이스 변화의 중요성을 강조했습니다. stt는 speech-to-text, ttt는 type-to-text, dtt는 doodle-to-text입니다. 다양한 생각의 인풋 방식이 많을수록 빼먹지 않습니다. 그 중에서 speech가 raw lifelogging의 가장 raw한 것입니다. 어느 철학자가 글을 쓰는 것과 말하는 것이 다르다고 했는데, 손으로 글을 쓸 때는 검열 프로세스가 있습니다. 하지만 말로 나온 것은 찐나입니다. 그래서 음성 캡쳐를 더 많이 하려고 하고 길 가면서도 인사이트가 떠오르면 클로드에게 말하곤 합니다. AI를 많이 쓴다고 생각했는데 보이스모드를 쓰면서 전혀 다른 수준을 경험했습니다. 저는 AI를 지난주 전에는 정말 많이 활용하고 있다고 생각을 했는데 지난주에 느낀 게 나는 AI를 정말 안 쓰고 있었구나. 지금은 AI를 시키는 연습을 하는 시기라고 합니다. 이게 정답은 아니지만 핸들을 직접 써야 되는 것도 있지만 지금은 AI를 시키는 연습을 하고 있고 나중에 균형점을 찾을 것이라고 말합니다 지난주부터 정말 한 단계 더 AI를 믿어 보자는 연습을 많이 하고 있습니다 다섯 번째 섹션에서는 시행착오를 스킬로 만들어 재사용하는 방법을 다룹니다 클로드코드 스킬 생태계, 레고 자동화 프로젝트에서 배운 교훈, 검증 로직 추가로 문제를 해결한 경험, 그리고 오늘 쓰는 AI가 가장 안 좋은 AI다라는 철학으로 시행착오의 복리 효과를 누리는 방법을 설명합니다. Cloud Code 스킬은 시행착오를 캡슐화한 것입니다. 스킬을 처음에 신박한 개념이라 해서 열심히 관련 스킬을 만들기 시작했습니다. Obsidian Link 실수를 잡아주는 스킬, YAML Front Meta 스킬, 마크다운을 슬라이드로 만들고 비디오로 만드는 스킬까지 있습니다. 심지어 비디오 편집도 스킬로 만들었는데 녹음에서 버벅거리는 부분을 자동으로 제거해주는 비디오 클리닝 스킬입니다. 이렇게 콘텐츠 제작 워크플로우가 완전 자동화되어 노트북 LM보다 더 커스터마이즈 가능합니다. 목표는 클로드 코드와 Obsidian 사용자를 위한 스킬 생태계를 만드는 것입니다. 레고를 AI로 자동 설계하려고 했더니 문제가 생겼습니다. 취미인 레고와 분재를 결합해서 분재를 레고로 만드는 스킬을 시도했는데 생각보다 잘 못합니다. 블록이 공중에 떠 있거나 서로 겹치는 문제가 있었습니다. 이렇게 겹치면 안 된다는 규칙을 AI가 모르는 거예요. 이때 깨달았습니다. 아, 이게 클라우드가 만능이 아니다. 그냥 던져서 되는 게 아니라 AI가 일을 하기 위해서는 적절한 규칙과 검증 로직이 필요합니다. 이 시행착오가 스킬로 만드는 계기가 됐습니다. 검증 로직을 추가해서 해결했습니다. 블록을 새로 쌓을 때마다 두 가지를 검증합니다. 첫째, 새 블록이 기존 블록과 떨어지지 않아야 합니다. 즉 연결되어야 합니다. 둘째, 기존 블록과 오버랩이 되면 안 됩니다. 그 규칙을 넣으니까 드디어 제대로 된 결과물이 나왔습니다. 레고는 LDR이라는 스펙 문서가 있는데 이걸 기반으로 CD 모형을 볼 수도 있습니다 이 시행착오 전체를 스킬로 만들어서 다음에 비슷한 작업을 할 때 재사용할 수 있게 됐습니다 이미의 블록으로 레고셋을 만들어주는 것도 충분히 가능할 것 같다고 합니다 오늘 쓰는 AI가 가장 안 좋은 AI라는 말이 있죠 만약에 AI가 오늘 레고를 만들 때 이 정도 수준이라면 6개월 뒤에는 똑같은 스킬을 써도 더 잘할 겁니다 그러면 지금 투자하는 게 복리 이자를 얻는 것과 같습니다 그래서 시행착오를 이례성으로 끝내지 않고 스킬로 만드는 습관을 드리고 있습니다 명확한 인풋과 아웃풋이 있는 건 다 시킵니다 최대한 안하고 시켜보고 시켜서 못하면 스킬로 만들어서 시키면 더 잘합니다 처음에 PKM을 내 브레인에 넣고 싶어 라고 생각했는데 지금은 꽤 가까워졌다고 느낍니다 실시간 미팅 어시스턴트를 만드는데 5분이 걸렸습니다 이미 데이터가 있고 리미틀레스가 계속 녹음하고 있으니까 1분에 한번씩 폴링해서 새로운 콘텐츠를 가지고 띄워 달라고 하면 됩니다. 결과물 자체보다 만드는 시간이 이렇게 짧아진 게 진짜 깨달음입니다. 프로그래밍은 당연히 할 필요가 없습니다. 한 참석자가 예전에 교육용으로 프랭클린 노트 들고 다니며 수기로 기록하고, 머릿속에서 돌린 다음 역제한하던 경험을 공유하며, 이게 내 눈에 실시간으로 정리되면서 뜬다면 굉장히 도움이 될 것 같다고 말했습니다. 여섯 번째 섹션에서는 앞으로의 비전을 살펴봅니다. 브레인들끼리 네트워킹하는 브레인 커뮤니티 구상, 매일 업데이트되는 나의 버전과 시스템 프롬프트 개념, 상황에 따라 다른 모습을 보여주는 Persona 에이전트 그리고 시키지 않아도 도움을 주는 실시간 어시스턴트 비전까지 미래의 AI plus PKM 가능성을 탐색합니다. 브레인 커뮤니티는 각자의 브레인이 클라우드에서 서로 네트워킹하는 비전입니다. 예를 들어 내가 오늘 새로운 걸 배우면 브레인들끼리 밤에 모여서 너 오늘 뭐 배웠어? 대화를 나눕니다. 아침에 일어나면, 어 요한님이 어제 이런 거 했네 라는 인사이트를 발견합니다. 진짜로 하나의 지성이 되어서 밤사이에 대화하고 온 것처럼요. 구요한님은 영화 주먹왕 라이프에서 웹사이트 에이전트들이 서로 대화하는 장면이 떠올랐다고 합니다. SNS가 Social Networking Service라면 이건 Brain Networking Service입니다. 브라이언님이 나의 버전이라는 개념을 제시했습니다. 나는 무엇으로 인해 구성이 되는가라는 질문입니다. Model Checkpoint처럼 1분 전에 나와 지금의 나가 다를 수 있습니다. 오늘 이 모임에서 얻은 인사이트로 인해 달라진 것처럼요. 내년에 하고 싶은 게 매일매일 업데이트해서 오늘의 나의 버전의 시스템 프롬프트를 만드는 것입니다. 나를 정의하는 여러 가지 요소들, 에고를 철학적으로 분리해서 관리하고 라이플러깅한 경험들이 최신 업데이트가 되는 구조입니다. 음성 에이전트에 여러 페르소나를 부여할 수 있습니다. 하나는 힘들 때 위로해 주는 펄소나가 있고, 또 하나는 동기 부여해 주는 펄소나가 있습니다. 디폴트는 퍼블릭이지만 프라이빗한 정보도 있으니까 구분할 수 있습니다. 커뮤니티의 각 구성원에 따라서 다른 모습을 보여줄 수 있습니다. 가족용, 회사용 등으로 나눌 수도 있고요 이건 브레인의 여러가지 앵글이라고 할 수 있습니다 상황과 상대에 따라 적절한 모습을 보여주는 것입니다 실시간 어시스턴트는 미팅 중에 계속 제안을 해주는 것입니다 지금까지는 일이 끝난 다음에 도움을 받았는데 기록을 남기거나 하는 식으로요 실제로 일을 하는 중에 도움을 줄 수 있는 게 있을 것 같습니다 Limitless PIN을 항상 끼고 있으니까 음성을 항상 들을 수 있고 1분에 한 번만 조언해줘도 엄청난 도움이 됩니다 실시간에 가깝게 할 수도 있지만 더 어려운 건 다른 컨텍스트를 담아주는 것입니다 몇 달치 기록이 남아있으면 해줄 수 있는 수준이 달라집니다. 일곱 번째 섹션에서는 참석자들의 깊은 토론 내용을 정리합니다. 결과를 위한 AI와 성장을 위한 AI의 구분, 지식의 자연선택 개념, AI 시대의 경험 격차, 오버홀과 디지털 디톡스의 필요성, 빙산이론과 액션 러닝, 암묵지의 형식지화, 그리고 AI 활용과 집중의 균형까지 다양한 관점이 공유됐습니다. 김주석님이 중요한 구분을 제시했습니다. 결과물을 만드는 AI는 효율적이고 빠르면 됩니다. 편리한 비서 같은 역할이죠. 하지만 성장을 위한 AI는 다릅니다. 교육학이나 두뇌를 보면 쉽게 근육이 클 수 있는 방법은 없습니다. 편하게 성장할 수 있는 방법은 존재하지 않더라고요. 결과를 위한 AI를 성장해 쓰려다 보니 모순이 발생합니다. 성장을 위한 AI를 만들고 싶다면 어떻게 하면 나한테 효과적으로 고통을 줄 수 있을까를 고민해야 합니다. 무서운 트레이너가 되어야 하는 것입니다. 소년호님이 지식의 자연선택이라는 개념을 제시했습니다. 다양한 데이터 소스에서 들어온 것을 계속 평가합니다. 랜덤성 있게도 들어오고 목적성에 맞게도 들어옵니다. 해당 내용을 보고 평가한 것 중에 모르는 단어가 있으면 다시 엔티티로 환원시킵니다. 지식이 들어왔을 때 팡 터지면서 연결됐다가 생각해보니까 이거 틀리네 하고 연결을 끊습니다. 이렇게 지식이 자연 선택되는 과정을 해보고 싶다고 합니다. 정보의 누적이 있어야 이 메커니즘이 작동합니다. 한 참석자가 AI 시대의 경험과 지식이 더욱 중요해질 것이라고 말했습니다. 경험이 많은 사람들은 데이터가 많아서 AI로 날아다닐 수 있지만 경험이 없는 사람들은 AI를 접해도 잘 못 쓸 수 있습니다. 이 격차가 사회적으로 벌어질 것 같다는 우려입니다. 하지만 김진영님은 양면성이 있다고 합니다. 지식의 반감기, 즉 알고 있는 게 쓸모없어지는 시간이 짧아지고 있습니다. 초보자가 전문가 레벨로 습득하는 시간도 러닝툴이 좋아져서 짧아지고 있고요. 젊은 사람들이 새로운 것을 빨리 배우는 경우도 있습니다. 한 참석자가 환경의 변화점을 주는 것에 중요성을 강조했습니다. 일본 여행을 갔는데 비행기에서 인터넷이 끊기니까 안 보던 책을 보게 되고 종이노트를 꺼내게 됩니다. 공학의 오버홀 작업처럼 비행기도 한번 다 해체해서 메인터넌스를 합니다 체계를 한번 다 흩어뜨렸다가 재조립할 수 있는 역량이 있다는 것은 지식관리에 대한 인지가 있다는 뜻입니다 AI가 다 해주는 루틴에서 벗어나 아무것도 없는 상태에서 꺼내 보는 작업이 필요합니다 한 참석자가 빙산의 일각이론을 PKM에 적용했습니다 교육에서 쓰이는 아이스버그 1호는 80%가 무의식에 있고 20%가 발현되는 역량이라고 합니다. PKM에 쌓아놓은 지식들은 잠재 역량입니다. 이것을 어떻게 20%에 발휘되는 역량으로 바꿀 것인가가 질문입니다. 액션 러닝이라고 어떤 교육을 배웠을 때 일주일 뒤에 현업에 어떻게 적용했는지 워크숍하는 방법이 있습니다. 배운 것들을 어떻게 체득화해 나가고 실행할 것인가 이게 핵심입니다. 한 참석자가 온톨로지 세미나에서 들은 이야기를 공유했습니다. OJT에서 시니어들의 안묵지를 어떻게 형식화해서 주니어들에게 전달할 것인가가 오랜 화두입니다. Structured OJT가 나왔지만 여전히 시니어와 주니어 사이의 갭이 발생합니다. 지식들이 제대로 연결되거나 관리되지 않습니다. 데이터를 정량화하고 꺼내는 작업을 기업에서 많이 하고 있지만 근본적인 질문은 나의 안묵지를 어떻게 형식지화할 것인가입니다. PKM이 이 문제를 해결하는 데 도움이 될 수 있습니다. 소년호님이 AI를 쓸수록 더 많은 걸 하게 된다고 지적했습니다. AI 단톡방에서 요즘 잠을 안 잔다는 글이 많습니다. 전지전능함을 느끼면서 이것저것 다 시키게 됩니다. 하지만 시켜놓고 피드백하고 디렉션 주는 것도 일입니다. 너무 많으면 집중이 안 되고 제대로 된 게 없어집니다. 마치 초보 리더가 아이디어가 넘쳐서 직원들에게 다 시키다가 몇 개월 뒤 아무것도 안 된 것처럼요. 오히려 안 하는 것을 정하는 프레임도 중요하겠다는 결론입니다. 우리가 AI라는 직원을 그렇게 쓰고 있는 건 아닌지 돌아봐야 합니다. 마지막으로 오늘의 핵심 메시지를 정리합니다. 지식의 소화불량 조심, 보이스모드의 게임 체인저적 가치, 시행착오를 스킬로 캡슐화하는 방법, AI를 믿어보는 연습, 리소스 안내, 그리고 good enough를 목표로 하는 철학까지 핵심 내용을 요약합니다. 오늘의 핵심 메시지는 3가지입니다. 첫째, 지식을 모으기만 하면 소화 분량이 옵니다. AI가 요약해주고 정리해주는 게 편하지만 실천으로 옮기지 않으면 머리만 복잡해지고 번아웃이 옵니다. 액션 아이템을 붙이고 실행으로 연결해야 합니다. 둘째, 보이스 모드가 AI와의 관계를 바꿉니다. 도구에서 파트너로 변합니다. 레고 하면서 운전하면서 일을 시킬 수 있게 되면서 트루프트이 폭발적으로 늘었습니다. 셋째, 시행착오를 스킬로 만들면 복리이자를 얻습니다. 이례성으로 끝내지 말고 재사용 가능한 자산으로 만드세요. 김진영님은 지난주부터 AI를 더 믿어보기로 했습니다. 대부분의 문서를 프롬프트로 생성합니다. 공개토론회 발표 준비를 5분 만에 끝냈습니다. 주제를 던지고 답변을 준비해달라고 했더니 AI가 관련된 파일을 찾아서 5개 논점에 대해 정리해줬습니다. 백그라운드로 던져놓고 5분 뒤에 보니까 논점들이 다 나와 있었습니다 물론 이게 정답은 아닙니다 핸들을 직접 써야 할 때도 있습니다 하지만 지금은 AI를 시키는 연습을 하는 시기라고 생각하고 나중에 균형점을 찾을 것입니다 AI4PKM 프로젝트에서 오케스트레이터와 스킬 래퍼를 공개하고 있습니다 올해 열심히 50개 PR을 만들었습니다 홈페이지에서 오케스트레이터를 설치하면 자동화를 시작할 수 있고 더 편리한 걸 원하면 데스크탑 앱도 있습니다. 월간 챌린지도 운영하고 있어서 1월 코어트 모집 중입니다. 보이스모드와 구글 워크스페이스 MCP 조합을 꼭 써보시길 추천드립니다. 보이스로 캘린더, 지메일, 구글 드라이브까지 다 됩니다. 여러 MCP를 거쳤는데 구글 워크스페이스가 다 되어서 지금 쓰고 있습니다. Good Enough를 목표로 하고 완벽을 추구하지 않는 것이 중요합니다. 오버엔지니어링을 하지 않습니다. REG이 안 돼서 결과가 안 좋았다고 느낀 적은 문서가 많지 않아서 그런지 없었습니다. 키워드 매칭만 해도 good enough였습니다. Tool agnostic 하게 접근합니다. 클러드가 제일 잘하는 것 같긴 하지만 토큰이 떨어지면 재미나이나 코덱스로 스위칭할 수 있게 시스템 프롬프트를 세 가지 다 준비해놨습니다. 처음엔 직접 짜다가 점점 AI에게 맡기는 방향으로 진화합니다. 점점 게을러지는 것 같긴 합니다. 긴 시간 함께 해주셔서 감사합니다. AI와 PKM의 여정에서 좋은 인사이트 얻어가시길 바랍니다. 김진영님이 공유해주신 경험과 참석자들의 깊은 토론이 여러분의 PKM 여정에 도움이 되길 바랍니다. AI4PKM 프로젝트의 오케스트레이터와 스킬 레포는 GitHub에 공개되어 있으니 자유롭게 사용하시고 좋은 아이디어가 있으면 기여해주세요. 보이스모드와 Google Workspace MCP 조합도 꼭 한번 써보세요. 다음에 또 워크숍으로 찾아뵙겠습니다. 감사합니다.