AI, 개인지식관리, 맥락
AI에게 더 많은 자료보다
먼저 줘야 하는 것
AI가 내 생각을 이해하게 만드는
5층 메모 구조
생산적생산자01 / 09
문제
AI는 똑똑한데,
왜 내 일에는 자꾸
빗나갈까?
AI가 이미 아는 것
개념
자료
일반 사례
공개된 지식
≠
AI가 모르는 것
내 경험
내 기준
내 말투
지금 하는 일
문제는 AI의 지능보다, AI가 읽을 수 있는 내 맥락입니다.02 / 09
관점 전환
더 많은 지식보다
내 맥락의 구조가 먼저입니다
흔한 접근
프롬프트를 더 길게 쓰고
자료를 더 많이 붙입니다.
필요한 접근
반복되는 기준과 맥락을
역할별로 나눠 남깁니다.
저장은 많아졌지만, 역할이 나뉘지 않으면 다시 설명해야 합니다.03 / 09
구조
AI가 나를 이해하게 만드는
5층 메모 구조
01 지식읽고 겪은 것을 내 관점으로 통과시킨 메모
02 기준좋다와 별로다를 가르는 말투와 판단 기준
03 맥락지금 하는 일, 최근 판단, 막힌 지점
04 역할AI가 맡는 일과 넘지 말아야 할 경계
05 절차반복 작업의 순서와 검수 기준
기록
기준
맥락
절차
AI 에이전트가
참고할
작업 기억
참고할
작업 기억
핵심은 하나의 거대한 기억이 아니라, 역할이 나뉜 기억입니다.04 / 09
지식 층
LLM 위키는 지식을 넓히고,
제텔카스텐은 관점을 남깁니다
LLM 위키
세상에 있는 개념과 연결을
넓게 찾아주는 지도
제텔카스텐
내가 왜 그렇게 보는지를
남기는 생각의 흔적
AI에게 부족한 것은 자료가 아니라
내 판단이 생긴 이유입니다.
넓은 세상 지식 위에, 나를 통과한 깊은 맥락을 얹습니다.05 / 09
에이전트 운영 기억
운영 기억은
같이 일하는 동료를 키우는 방식입니다
01 기준
좋은 답과 별로인 답의 기준을 남깁니다
02 결과
실행 후 무엇이 맞았는지 기록합니다
03 절차
반복할 일은 순서와 검수 기준으로 바꿉니다
04 반영
다음 작업에서 이전 판단을 이어받습니다
기억은 저장소가 아니라
함께 일하는 방식이 누적되는 구조입니다.
AI 에이전트는 도구가 아니라, 기준을 읽고 실행하는 작업 파트너에 가까워집니다.06 / 09
실제 흐름
이 구조는 설명이 아니라
실제 작업에서 증명됩니다
01 신호
성과가 낮은 영상이 발견됩니다
02 다시 읽기
쌓아둔 메모와 성과 기록을 다시 읽습니다
03 판단
다음 영상의 약속과 증거를 정합니다
04 출력
슬라이드와 촬영 흐름으로 바뀝니다
메모 구조의 가치는 실제 결과물로 이어질 때 드러납니다.07 / 09
비교
같은 질문도
맥락이 있으면 답이 달라집니다
맥락 없는 AI
다음 콘텐츠를 뭐로 만들까?
요즘 인기 있는 주제나 트렌드를 넓게 추천합니다.
그럴듯하지만
내 일과는 조금 멉니다.
내 일과는 조금 멉니다.
맥락 있는 AI
다음 콘텐츠를 뭐로 만들까?
최근 메모, 기준, 성과 신호를 바탕으로 후보를 좁힙니다.
바로 이어서 만들 수 있는
다음 행동이 나옵니다.
다음 행동이 나옵니다.
같은 질문이라도, 기억이 있으면 답은 후보가 아니라 다음 행동에 가까워집니다.08 / 09
오늘 해볼 것
처음부터 복잡한 시스템은
필요하지 않습니다
나를 설명하는 문장내가 하는 일과 자주 다루는 주제
판단 기준좋다와 별로다를 가르는 나만의 기준
현재 맥락지금 진행 중인 일과 막힌 지점
반복 절차자주 하는 일을 다시 이어가는 순서
오늘 할 일 하나
자주 반복하는 일 하나를 고르고,
“내가 원하는 결과”와 “피하고 싶은 답”을 3줄로 적어봅니다.
생산적생산자09 / 09