앞으로의 AI 경쟁력은 단순히 "좋은 모델을 얼마나 잘 쓰는가"가 아니라, 조직과 개인이 가진 지식을 어떻게 구조화하고, 축적하고, AI가 재사용 가능한 체계로 전환하는가에 달려 있다고 생각합니다.
AI 시대의 핵심 자산은 개별 문서 그 자체가 아니라, 회의 기록, 전략 메모, 보고서, 외부 자료, 개인의 생각과 경험을 연결해 지속적으로 진화하는 지식체계를 만드는 능력입니다.
이번에 제가 개인적으로 실험하고 있는 Obsidian 기반 지식체계와 Hermes Agent 활용은 단순한 생산성 도구 테스트가 아니라, SK에코플랜트가 앞으로 AI Native Company로 전환하기 위해 필요한 지식 운영 방식의 작은 프로토타입이라고 보고 있습니다.
1. 왜 지식체계가 중요한가
우리는 매일 많은 정보를 접합니다.
•
회의에서 나온 인사이트
•
리더십의 방향성
•
사업 전략과 실행 과제
•
외부 시장 및 기술 트렌드
•
조직 내부의 문제의식
•
각자의 경험과 판단
하지만 대부분의 정보는 시간이 지나면 사라지거나 개별 문서 안에 고립됩니다. 그 결과 같은 질문을 반복하고, 같은 자료를 다시 찾고, 이미 했던 고민을 다시 시작하게 됩니다.
AI가 본격적으로 업무에 들어오는 시대에는 단순한 파일 관리만으로는 충분하지 않습니다. 이제 필요한 것은 생각과 지식이 축적되고 연결되는 구조입니다. 즉, 앞으로의 지식 관리는 다음과 같이 바뀌어야 합니다.
기존 방식
앞으로 필요한 방식
문서를 저장한다
지식을 구조화한다
사람이 검색한다
AI가 맥락을 찾아준다
문서 단위로 관리한다
개념·주제·인사이트 단위로 연결한다
정보 접근이 목적이다
판단과 실행을 지원한다
2. 회사 실험과 개인 실험의 연결
최근 회사에서는 MI 기반으로 LLM Wiki를 실험적으로 만들어 보았고, 이를 부회장님께도 소개드린 바 있습니다.
LLM Wiki는 기존 위키나 문서 저장소와 다릅니다. 기존 위키가 사람이 읽기 위한 정리 체계였다면, LLM Wiki는 사람과 AI가 함께 읽고, 검색하고, 추론하고, 재구성하기 위한 지식체계입니다.
이와 연결해 저는 개인적으로 Obsidian Vault 자동 동기화 구조를 만들고, 여기에 Hermes Agent를 붙여 테스트하고 있습니다.
현재 실험의 흐름은 다음과 같습니다.
1.
생각, 회의 기록, 자료를 Obsidian에 축적한다.
2.
노트 간 링크를 통해 지식 그래프를 만든다.
3.
자동 동기화로 최신 상태를 유지한다.
4.
Hermes Agent가 필요한 정보를 검색, 요약, 연결, 재구성한다.
5.
반복 업무와 지식 탐색 비용을 줄인다.
이 구조가 잘 작동하면 AI는 단순히 질문에 답하는 챗봇이 아니라, 개인의 지식체계를 함께 운영하는 지적 파트너가 될 수 있습니다.
3. 이번 실험의 핵심 관점
제가 이번 실험을 통해 확인하고 싶은 것은 다음 한 문장입니다.
AI를 잘 쓰는 조직은 프롬프트를 잘 쓰는 조직이 아니라, AI가 활용할 수 있는 지식체계를 가진 조직입니다.
많은 조직이 AI 도입을 이야기할 때 모델, 솔루션, PoC, 자동화 기능에 집중합니다. 물론 중요합니다. 하지만 더 근본적인 질문은 이것입니다.
•
AI가 무엇을 근거로 판단할 것인가?
•
우리 조직의 맥락은 어디에 축적되어 있는가?
•
과거의 의사결정과 인사이트는 AI가 읽을 수 있는가?
•
각자의 경험지는 조직지로 전환되고 있는가?
이 질문에 답하지 못하면 AI는 일시적인 생산성 도구에 머물 가능성이 큽니다. 반대로 조직의 지식이 잘 구조화되어 있다면 AI는 전략, 시장, 프로젝트 경험, 실패 사례, 고객 인사이트를 바탕으로 훨씬 더 깊이 있는 판단을 지원할 수 있습니다.
결국 AI 시대의 경쟁력은 다음의 결합에서 나온다고 생각합니다.
좋은 모델 × 좋은 지식체계 × 좋은 업무 습관 × 좋은 실행 문화
4. 어떻게 접근할 것인가
이번 실험은 거창한 시스템 구축이 아니라, 개인 단위에서 작게 시작하는 방식입니다.
•
실제로 쓰는 메모와 자료를 대상으로 한다.
•
매일 축적되는 정보 흐름 안에서 테스트한다.
•
완벽한 시스템보다 작동하는 구조를 먼저 만든다.
•
AI Agent와 반복적으로 상호작용하며 개선한다.
•
효과가 확인되면 팀과 조직 단위로 확장한다.
AI 전환은 보고서로만 설계되는 것이 아니라, 실제 사용 경험 속에서 진화한다고 생각합니다.
따라서 앞으로의 실행 방식도 다음과 같아야 합니다.
작게 실험하고, 빠르게 학습하고, 좋은 패턴을 표준화하고, 조직 전체로 확산한다.
5. 함께 고민해 볼 방향
이번 공유는 제가 개인적으로 어떤 도구를 써보고 있다는 이야기에 그치지 않습니다. 우리 팀이 앞으로 AI를 어떤 관점에서 바라보고 실행해야 하는지에 대한 제안입니다.
저는 우리 팀이 다음 방향을 함께 고민해 보면 좋겠습니다.
1.
AI를 기능이 아니라 일하는 방식의 변화로 본다.
2.
문서 관리를 넘어 지식체계를 설계한다.
3.
각자의 경험지를 조직지로 전환한다. (암묵지 반대)
4.
작게 실험하고 빠르게 학습한다.
5.
AI가 읽고 활용할 수 있는 구조로 우리의 지식을 축적한다.
특히 각자의 업무 영역에서 다음 질문을 생각해 보면 좋겠습니다.
•
우리 업무에서 반복적으로 찾는 지식은 무엇인가?
•
개인에게만 머물러 있는 중요한 경험지는 무엇인가?
•
AI가 읽을 수 있도록 구조화해야 할 자료는 무엇인가?
•
팀 차원에서 우선 축적해야 할 핵심 지식은 무엇인가?
6. 마무리
이번 실험을 통해 저는 한 가지 확신을 갖게 되었습니다.
AI 시대에는 지식체계를 가진 사람과 조직이 점점 더 강해지고, 지식이 흩어진 사람과 조직은 AI를 써도 큰 차이를 만들기 어렵습니다.
우리가 해야 할 일은 먼저 우리 스스로의 지식을 정리하고, 연결하고, AI가 활용할 수 있는 구조로 만드는 것입니다. 그리고 이를 개인 생산성 향상을 넘어 팀과 조직의 일하는 방식으로 확장해야 합니다.
앞으로 이 실험을 계속 발전시키면서 팀 차원에서 적용 가능한 방식으로 구체화해 보겠습니다. 여러분도 각자의 업무 영역에서 어떤 지식이 축적되어야 하고, 어떤 방식으로 AI와 연결될 수 있을지 함께 고민해 주시면 좋겠습니다.