뉴스레터 - AI를 지식관리 파트너로 만드는 가장 현실적인 방법

안녕하세요?
생산적생산자입니다.

AI가 우리의 지식을 관리해 줄 것이라는 기대는 많지만, 막상 어떻게 시작해야 할지 막막할 때가 많습니다. 진정한 지식 관리 파트너는 단순히 정보를 쌓아두는 창고가 아니라, 흩어진 생각을 구조화하고(정리), 의미 있는 연결을 찾아내며(연결), 필요할 때 적절한 영감을 주는 대화 상대의 역할을 해야 합니다.

만약 AI가 이 과정에서 가장 번거롭고 하기 싫은 부분을 대신해준다면 어떨까요? 지난 한 주, 저는 이 질문에 대한 현실적인 답을 찾기 위해 AI와 함께 제 지식 관리 시스템을 한 단계 업그레이드하는 실험을 진행했습니다.

업무관리 (MCP + Claude)

저는 2-3주 전부터 Claude MCP 활용해서 업무를 보고 있습니다. 원래 할일 관리와 업무 내역 정리엔 로그시크를 활용하고 있었습니다. Claude에 내장된 Filesystem 커넥터를 활용해서 로그시크의 마크다운 파일에 접근할 수 있고, 이를 통해 업무기록과 대화하는 방식의 업무가 가능했습니다.

이전에 올린 스레드 포스팅 중 일부입니다. 할일 관리나 지식 관리나 필요한 일을 생각하고, 실제 실행하고, 과정을 기록하는 면에서 동일하다고 생각합니다. 지식을 촘촘하게 만들고 챙기는 과정이 할일 관리와도 동일합니다. 할일을 계속해서 로그시크에서만 관리하는 것보다 Claude에서 대화로 진행하니깐 덜 지루했습니다.

Cursor에서 Claude Code나 Gemini CLI를 활용해 업무를 들여다보는 일도 같은 맥락입니다. Cursor에서 업무일지 폴더에 해당하는 터미널을 열고, 대화하듯이 진행합니다. Claude에서 대화하는 것과 또 다른 화면, 답변을 뽑아줘서 업무를 챙길 수 있었습니다.

바이브 코딩 (Claude Code)

최근 제텔카스텐을 더 많은 분들이 쉽게 사용하도록 돕고 싶다는 생각에, AI와 함께 코딩하는 '바이브 코딩'에 도전했습니다. 기존에 만들었던 두 개의 프로토타입을 합쳐 하나의 웹 서비스로 만드는 것이 목표였습니다. Cursor AI와 Claude Code, Gemini CLI 같은 최신 AI 도구를 총동원해 개발을 시작했습니다.

처음에는 의욕이 앞서 여러 기능을 한 번에 구현해달라고 AI에게 요청했습니다. 결과는 처참했습니다. AI가 뱉어낸 코드는 계속해서 에러를 일으켰고, 저는 에러를 해결하기 위해 다시 AI에게 질문하는 '도르마무' 루프에 갇히고 말았습니다. 이 경험을 통해 왜 많은 전문가들이 '하나의 기능에 집중하라'고 강조하는지 뼈저리게 느꼈습니다. 한 번에 너무 많은 것을 하려는 욕심이 오히려프로젝트를 수렁에 빠뜨린다는 것을 몸소 체험했습니다.

특히 UI/UX 작업에서 AI의 도움은 빛을 발했습니다. 단순히 "예쁘게 만들어줘"가 아니라, 구체적인 '룩앤필(Look & Feel)'을 정의한 프롬프트를 사용하니 결과물의 수준이 달라졌습니다. 제가 사용했던 프롬프트를 공유합니다. 복사해서 여러분의 프로젝트에도 수정해서 적용해 보세요.

1 "수상 경력 디자이너가 만든 것처럼 느껴지게 하세요. 초현대적이고 유쾌하며, 부드러운 마이크로 인터랙션이 포함된 높은 사용성의 UX."
2 폰트: DM Sans 중간 두께
3 자간 : 2, 행간:14
4 Primary Color(주색) : 8E99A2
5 Accent Color (강조색) : A2978E
6 모든 컴포넌트에 shadcn/ui를 사용하세요.
7 미세한 그림자, 넉넉한 패딩, 2xl 둥근 모서리 적용.
- 출처 : 엉클잡스님 스레드

개발중인 프로그램의 간단한 시연은 제 스레드에서 보실 수 있습니다.

https://www.threads.com/@productibe/post/DMWdt6-sP7Y

제텔카스텐, AI라는 날개를 달다

제텔카스텐의 핵심은 단순히 메모를 쌓는 '축적'만이 아니라, 메모와 메모를 잇는 '연결'에 있습니다. 하지만 수많은 메모 사이에서 의미 있는 연결점을 인간의 눈으로만 찾는 것은 결코 쉽지 않습니다. 바로 이 지점에서 AI가 우리의 지식 관리 방식을 한 단계 도약시킬 수 있는 강력한 파트너가 될 수 있습니다.

저는 AI를 제텔카스텐 워크플로우에 통합하며 '내가 하기 싫은 부분'을 위주로 시키는 전략을 사용하고 있습니다. 예를 들어, 엄청 긴 문헌 메모(Literature Notes)들을 구조화된 영구 메모(Permanent Note) 형식으로 다듬는 작업을 AI에게 맡깁니다. 더 나아가 "이 메모와 연결할 만한 다른 메모는 내 세컨드 브레인(옵시디언 영구메모)에 없어?"라고 질문하며, 제가 미처 생각하지 못했던 창의적인 연결고리나 방향을 발견하도록 도움을 받습니다.

이러한 AI와의 협업은 인간의 사고를 대체하는 것이 아니라 '강화'하는 방향으로 나아갑니다. AI가 데이터베이스를 정리하고, 숨겨진 패턴을 찾아주고, 작성된 내용을 요약하는 등 번거로운 작업을 처리해주는 동안, 우리는 더 깊은 통찰과 창의적인 아이디어를 발상하는 데에만 집중할 수 있습니다. AI는 우리의 '두 번째 뇌'를 위한 최고의 비서가 될 잠재력을 지니고 있습니다.

아날로그 기록의 디지털화: 종이책 스캔 여정

최근 독서모임 때문에 종이책을 읽게 되면서, 기존의 디지털 워크플로우를 유지하기 위해 '북스캔'이라는 새로운 도전을 시작했습니다. 다행히 집 근처에 스캔 업체가 있어 책 3권을 맡겼습니다. 총 750페이지가 넘는 분량에 책 1권은 복원하는 조건으로 다 합치니 16,000원이 나왔습니다. 처음에는 욕심에 600dpi라는 고해상도로 스캔했지만, 파일 용량이 2기가 이상으로 너무 커져 다루기 어려워 결국 400dpi로 다시 작업했습니다. 아날로그 정보를 디지털로 옮기는 첫 단계부터 현실적인 타협이 필요하다는 것을 배웠습니다.

진짜 관문은 스캔한 PDF 파일에 '광학 문자 인식(OCR)'을 적용해 텍스트를 검색 가능하게 만드는 과정이었습니다. 오픈소스인 ocrmypdf를 설치해 한글, 영어, 중국어 언어팩까지 적용했지만 처리 속도가 상상 이상으로 느렸습니다. 결국 컴퓨터를 켜놓고 딴일을 하고 보니깐 다 돌아갔습니다. 이 고된 과정을 겪으며 회사에서 쓰는 Adobe Acrobat Pro이나 ABBYY 같은 OCR 전문 프로그램이 왜 비싼 값을 하는지, 그리고 편리함 뒤에 숨겨진 기술의 소중함을 절실히 깨달았습니다.

이 경험을 통해 스캐너, 재단기, 링 제본기까지 갖춰 스캔 '수직 계열화'를 이루고 싶은 욕심도 생겼지만, 이건 '투머치'라는 결론을 내렸습니다. 종이책을 현재보다 많이 읽게 되거나, 기존 종이책을 모두 디지털로 옮기고 싶을 때 고민해보려고 합니다.

OCR 처리된 PDF 파일을 Zotero에 넣고 하이라이트 해보니 완벽하진 않습니다. 하이라이트 한 부분도 텍스트 보정이 가능한데 글자가 깨져서 들어가는 부분의 수정, 잘못 들어간 간격 조절에 시간이 꽤 걸립니다. 그래서 아쉬운대로 주로 도표나 이미지 하이라이트할 때 쓰는, Zotero 기능으로 타협해서 써야할 것 같습니다.

원문(PDF)

OCR 처리 결과

니】 박 자의 이런 면이 가장 口寺內 러 웠다. 자 신 의 한 계 를 알 면서도 그 것 을 旱 么可 刈可刁 않 다 니 . 그 는 신 경도 쓰지 않았다 . 자신 의 羽 田哲口 仁羽史 못해 거의 자랑 스럽게 걸 치고 叻 品 向 투 명 하 기 만 한 그 학 자 의 가운 아 래 에 는 행 정 가의 알 몸이 있 었 다 .

새로운 한 주가 밝았습니다. 이번주는 제텔카스텐 프로그램 개발을 지속하고, 테스트하면서 완성도 및 사용성을 높이는 방향으로 진행할 예정입니다. 다양한 테스트 케이스를 주면서 진행해보려고 합니다. 언제나 배움은 당면한 문제를 해결하고, 목표하는 일을 돕는 강력한 도구가 되어야 합니다. 결국 해결해야 하는 문제 해결을 도와야 합니다. AI를 포함해서 기술이 할 수 있는 부분이 광범위합니다.

지식과 기술이 함께하는 성장을 위한 실험적인 뉴스레터는 다음 주에도 이어집니다.

고맙습니다.
생산적생산자 프로필