Jin Young Kim presents an Agentic AI model designed to integrate with your file system and personal knowledge management tools. The system uses file-based inputs, modular prompts, and workflow orchestration to handle collection, organization, and content generation while keeping your authentic voice intact.
안녕하세요, 여러분. 오늘은 AI와 함께하는 지식 업무의 미래에 대해 이야기해보겠습니다. 현재 AI 도구들의 한계와 이를 극복할 수 있는 방법을 살펴보겠습니다. 우리 모두 채찍 PT를 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. 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. 하지만 이렇게 바뀔 수 있다면 어떨까요? 마치 다이어럽에서 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 솔루션의 세 가지 핵심 구성 요소입니다. 이 다이어그램이 전체 아키텍처를 보여줍니다. 왼쪽에는 사용자를 위한 PKM 시스템이 있고 오른쪽에는 AI를 위한 Agentic 시스템이 있습니다. 그리고 중간에 파일 시스템을 공유하면서 각자의 역할을 수행하고 효율적으로 협업할 수 있는 구조를 만들어냅니다. 이렇게 4가지 핵심 변화를 통해 Agentic AI는 기존 AI 도구의 한계를 극복합니다. 더 나은 컨텍스트 관리, 증가된 출력 대역복, 체계적인 프롬프트 관리, 그리고 복잡한 워크플로우 구성이 간해집니다. 이제 다음 질문이 생기실 텐데요. 잠깐, 이거 코딩 도구 아닌가? 라고 생각하실 수 있습니다. 맞습니다. 하지만, 클 코드는 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. 노트북 LM이나 다른 AI 도구와 뭐가 다르냐고 물으실 수 있습니다. 노트북 LM도 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. 이제 두 번째 주제인 AI for Knowledge Work의 구체적인 구성 요소들을 살펴보겠습니다. 일부에서 왜 에이전틱 AI가 필요한지 알아봤다면, 이제는 실제로 어떻게 구현하고 사용할 수 있는지 단계별로 알아보겠습니다. 에이전틱 AI의 핵심은 잘 설계된 파일 시스템입니다. 입력 파일, 출력 파일, 그리고 프롬프트가 명확히 구분되어 있어야 AI가 자율적으로 작업할 수 있습니다. 이 구조가 바로 Chats GPT와 에이전틱 AI의 근본적 차이점입니다. 파일 시스템 기반의 또 다른 장점은 도구 간 자유로운 전환이 가능하다는 점입니다. 사용자는 Obsidian에서 글을 쓰고 클로드 코드로 복잡한 워크플로우를 실행하고 커서로 대화형 작업을 진행할 수 있습니다. 게다가 Git으로 모든 변경 사항을 추적할 수 있어 협업과 버전 관리도 완벽합니다. 아무리 좋은 시스템을 만들어도 컨텍스트가 없으면 소용없겠죠? 다행히 Obsidian은 다양한 소스에서 문서를 가져올 수 있는 강력한 도구들을 제공합니다. 웹클리퍼로 웹페이지를, 임포터로 기존 노트를, Readwise로 독서 하이라이트를 자동으로 동기화할 수 있어 AI가 활용할 풍부한 컨텍스트를 쉽게 구축할 수 있습니다. 이제 프롬프트에 대해 알아볼까요? Agentic AI에서 프롬프트는 단순한 질문이 아닙니다. 마치 프로그래밍의 함수처럼 명확한 입력과 출력이 정의된 재사용 가능한 모듈입니다. 이렇게 설계해야 AI가 자동으로 작업을 연결하고 평가할 수 있습니다. 여러 프롬프트를 연결하면 강력한 워크플로우가 됩니다. 예를 들어 오늘 읽은 글 요약, 데일리 라운드업 생성, 소셜미디어 포스팅처럼 복잡한 작업을 자동화할 수 있습니다. 더 나아가 각 단계를 병렬로 실행하거나 서로 다른 AI 에이전트에게 맡겨 효율성을 극대화할 수 있습니다. 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. 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. 이것이 제가 현재 사용하고 있는 AI for PKM 프로젝트의 전체 워크플로우입니다. 2025년 기준으로 구현 가능한 최고 수준의 시스템이라고 자부합니다. 수집, 정리, 생성에 3단계로 나뉘어 있고, 각 단계마다 AI가 핵심 역할을 담당합니다. 실제로 이 프레젠테이션도 이 시스템으로 만들어졌습니다. AI 기반 PKM이 가능하게 해주는 3가지 핵심 기능입니다. 수집은 모든 입력을 자동으로 처리하고 정리는 시간과 주제별로 인덱싱하며 생성은 축적된 지식을 바탕으로 새로운 콘텐츠를 만들어냅니다. 수집 단계에서는 다양한 소스로부터 정보를 자동으로 가져옵니다. Readwise가 특히 강력한데 웹페이지 하이라이트부터 책, 심지어 유튜브 영상까지 모든 것을 자동으로 PKM에 동기화해줍니다. 라이프로그 도구들은 24시간 음성을 실시간으로 전사하고 AI는 필요에 따라 심층 연구까지 수행합니다. 정말 모든 것이 자동화되어 있습니다. 유튜브 전사본이 자동으로 요약되어 PKM에 저장됩니다. 24시간 사용자의 모든 음성을 저장 요약하고 PKM에 저장합니다. 고비는 일상 대화와 사진을 모두 캡쳐하여 더욱 풍부한 라이프로그를 제공합니다. 원본 라이프로그에서 핵심 포인트가 추출 및 요약되어 PKM에 축적됩니다. 조직화가 왜 중요할까요? 단순히 정리를 위한 게 아닙니다. 잘 정리된 인덱스는 AI의 성능을 직접적으로 향상시킵니다. AI가 관련 정보를 빠르고 정확하게 찾을 수 있어서 응답 시간도 빨라지고 API 비용도 절약되며 무엇보다 답변의 품질이 월등히 좋아집니다. 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. 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. 이것이 AI 시대 PKM의 핵심 원리입니다. 사용자를 위한 정리가 동시에 AI 성능 향상으로 이어지는 선순환 구조를 만듭니다. 잘 정리할수록 AI가 더 똑똑해지고 AI가 똑똑해질수록 더 포괄적인 시스템을 구축할 수 있습니다. 윈윈 상황이죠. 마지막으로 AI 시대의 컨텐츠 제작에 대해 이야기해보겠습니다. AI가 글쓰기를 훨씬 쉽게 만들어줬지만 동시에 새로운 고민도 생겼습니다. AI가 쓴 글은 뻔하고 개성이 없다는 평가를 받곤 하죠. 그렇다면 어떻게 AI의 효율성을 활용하면서도 인간만의 고유한 목소리와 통찰력을 유지할 수 있을까요? 새로운 패러다임의 핵심은 어떤 형태의 입력도 받아들이고 모든 단계에서 AI를 활용하며 한 번 만든 컨텐츠를 다양한 매체와 대상에 적용하는 것입니다. AI가 글쓰기를 쉽게 만든 만큼 개인의 고유한 경험과 인사이트, 목소리를 담은 콘텐츠를 만드는 것은 더욱 중요해졌습니다. 글쓰기 워크플로우에서 AI는 아이디어 발상부터 최종 출간까지 모든 단계에 관여합니다. 중요한 것은 이례성 도구가 아니라 전체 과정에 통합된 워크플로우라는 점입니다. 프레젠테이션이나 비디오 제작에도 동일하게 적용됩니다. 콘텐츠 제작에서도 연구 단계가 중요합니다. 웹 검색으로는 일반적 정보를, PKM 검색으로는 개인적 경험과 인사이트를 얻을 수 있어 더욱 풍부하고 독창적인 콘텐츠를 만들 수 있습니다. 개요 작성과 초안 단계에서 AI의 세 가지 핵심 역할입니다. 진정성 있는 목소리인 목소리를 유지하려면 AI가 처음부터 문단을 작성하게 하지 말고 먼저 말로 표현한 후 AI가 다듬도록 하세요. 특히 음성 전사를 활용하면 고유의 목소리를 콘텐츠에 넣을 수 있습니다. 수정과 출간 단계에서 AI의 핵심 기능들입니다. 완성된 초안을 더욱 정교하게 다듬고 다양한 채널에 맞게 변환할 수 있습니다. 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 작가의 스타일을 모방하여 글을 쓸 수도 있습니다. 이는 실험적 기능이지만 다양한 목소리와 톤을 시도해볼 수 있는 흥미로운 방법입니다. 세 가지 핵심 원칙, 도구의 창의적 활용, 개방형 생태계, 그리고 피드백 루프를 통한 지속적 개선입니다. 긴 발표를 들어주셔서 감사합니다. 마지막으로 여러분께 세 가지 실천 과제를 제안 드리며 발표를 마치겠습니다. 오늘 소개한 도구와 방법론이 여러분의 일상과 업무에 실질적인 변화를 가져다주기를 진심으로 바랍니다. 작은 것부터 시작해보세요. 더 자세한 내용은 CatchUp AI 채널에서 확인하실 수 있습니다. 감사합니다.
