옵시디언

전문가 인터뷰 | 옵시디언 & AI 에이전트

옵시디언과 AI 에이전트로 해내는
슬기로운 연구자 생활 ft. 구요한 교수

안녕하세요 요한님🤭 요한 님을 아직 잘 모르는 분들을 위한 자기소개를 좀 부탁드릴게요.

안녕하세요. 커맨드 스페이스를 운영하고 있는 구요한이라고 합니다. 저는 지식관리와 생성형 인공지능을 어떻게 활용하면 좋을지 연구하고 가르치고 있습니다.먼저 제가 만든 보고서를 하나 보여드리면, 분량이 약 300페이지입니다. 모든 분석과 목차, 그리고 어떤 내용을 다뤘는지가 함께 들어가 있는 보고서죠. 그런데 이 300페이지짜리 보고서를 만드는 데 시간이 얼마나 걸렸을 것 같으세요? 제가 직접 시간을 쓴 것만 따지면 1분이 채 걸리지 않았습니다. 이게 어떤 의미인지, 또 어떻게 가능했는지는 뒤에서 실제 작업 과정을 보여드리면서 설명하겠습니다.

👨🏻‍🏫 옵시디언과 AI로 연구의 질이 획기적으로 올라갑니다

Q. 연구자에게 지식관리 도구가 필요한 이유는 무엇인가요?

연구자들은 기본적으로 읽어야 할 문서가 너무 많습니다. 논문도 읽어야 하고, 교수님과 주고받는 이메일도 확인해야 하죠. 학술대회도 준비해야 합니다. 이렇게 읽고 살펴봐야 할 콘텐츠는 굉장히 많은데, 나중에는 “내가 그 자료를 어디에 뒀더라?” 하고 잊어버리기 쉽습니다. 그걸 잊지 않도록 도와주는 도구가 바로 옵시디언이라고 보시면 좋을 것 같아요. 이런 지식관리를 통해 내가 어디까지 연구했는지, 지금 어떻게 연구를 진행하고 있는지, 실제로 어떤 결과물을 만들어내야 하는지를 모두 기록하고 활용할 수 있습니다. 저는 이것이 굉장히 큰 전환이라고 생각합니다.

👩🏻‍🏫AI 에이전트까지 붙이니 연구 생활의 질이 달라졌어요

Q. 옵시디언에 AI를 결합하면서 요한 님의 작업에 어떤 변화가 생겼나요?

제가 처음 옵시디언을 썼을 때는 지금처럼 AI가 있는 시기가 아니었습니다. 그런데 여기에 AI가 붙고, 최근에는 클로드 코드나 코덱스 같은 에이전트 도구까지 결합하면서 굉장히 강력해졌습니다. 제 모든 작업 과정과 연구 이력, 이메일 수발신 기록, 제가 하는 행동과 연구 활동들이 모두 기록으로 남게 됐습니다.이 기록들은 옵시디언에서 마크다운으로 읽을 수 있고, 에이전트가 맥락으로 참조할 수도 있습니다. 제가 직접 읽고 활용할 수 있는 기록인 동시에, AI도 제 작업의 맥락을 이해하는 데 사용할 수 있는 자료가 된다는 점에서 굉장히 큰 힘이 되죠.

😌옵시디언 메인 볼트와 위키 볼트를 나누는 이유

Q. 실제로 옵시디언의 볼트는 어떻게 구성해서 사용하고 계신가요?

기본적으로 제가 사용하는 볼트는 꽤 많습니다. 그중 대표적인 두 가지만 먼저 소개해드리겠습니다. 첫 번째는 메인 볼트입니다. 지금 화면에 보이는 검은색 볼트가 제 메인 볼트예요. 제가 관리하고 있는 노트가 대략 1만 개에서 1만 5,000개 정도 되는 것 같습니다. 이 내용들이 서로 연결된 상태로 보이는 것이 제 메인 볼트입니다. 두 번째로 많이 사용하는 것은 위키 볼트입니다. 저는 이렇게 메인 볼트와 위키 볼트, 두 가지를 구분해서 사용하고 있습니다. 실제로 화면의 색상도 하나는 어둡게, 다른 하나는 밝게 설정해 구분하고 있어요.

🟣 옵시디언 메인 볼트와 위키 볼트를 나누는 기준

Q. 그렇다면 위키 볼트는 메인 볼트와 어떻게 다른가요?

메인 볼트가 제가 알고 있는 지식의 경계 안에 있는 내용이라면, 위키 볼트는 제가 아직 배우고 있고 조금 더 다가가야 하는 내용을 담는 곳입니다. 제가 관심을 표현한 주제이기는 하지만, 지금의 연구 주제에서 조금 더 멀리 있는 이정표들이라고 생각하시면 좋을 것 같아요. 그래서 위키 볼트에는 연구 자료와 앞으로 공부할 것들, 지금 공부하고 있는 것들이 함께 담겨 있습니다. 이미 제가 충분히 이해하고 설명할 수 있는 내용과, 앞으로 더 배우고 이해해야 하는 내용을 구분해서 사용하는 겁니다.

Q. 두 볼트를 구분하는 데에는 글의 저자가 누구인지 구별하려는 목적도 있나요?

네. 연구자들이 위키 볼트를 함께 사용할 때는 내가 쓴 글과 AI가 쓴 글을 구분하는 것도 굉장히 중요합니다. 그래서 저는 저자성을 명확히 구분해두고 있습니다. AI가 쓴 내용이 담기는 위키 볼트와, 제가 직접 쓰거나 직접 지시한 내용이 담기는 메인 볼트를 나눠서 사용하는 거죠. 단순히 자료의 주제만 나누는 것이 아니라, 그 내용을 제가 어느 정도 알고 있는지, 누가 작성한 글인지도 구분하면서 관리하고 있습니다.

Q. 논문은 메인 볼트와 위키 볼트 중 어디에 저장하나요?

논문도 두 가지 용도로 나눠서 관리하고 있습니다. 제 논문 자료들이 들어가는 경로는 LLM 위키가 되기도 하고, 메인 볼트가 되기도 합니다. 제가 직접 전부 읽고 소화한 논문은 메인 볼트에 연결합니다. 조테로라는 서지정보 관리 프로그램과 연결되는 형식으로 들어가고요. 위키 볼트에 있는 논문도 물론 조테로와 연결됩니다. 다만 여기에서 논문을 다루는 방식은 조금 다릅니다. 실제로 위키 볼트에 있는 논문을 한두 개 보여드리면 그 차이를 이해하실 수 있을 것 같습니다.

Q. 논문의 아이디어를 그렇게 나눠서 저장하면 나중에 어떻게 활용할 수 있나요?

이런 식으로 아이디어를 저장해놓으면, 나중에 제가 어떤 이야기를 했을 때 AI가 이전에 저장한 내용과 연결해줄 수 있습니다. 예를 들어 “지난번에 봤던 2026년 논문에 이런 내용이 있지 않았나요?”라고 AI가 저에게 물어보는 식입니다. 제가 그 순간 직접 떠올리지 못하더라도, 이전에 읽고 저장해둔 논문의 내용이 현재 이야기하고 있는 주제와 다시 연결되는 거죠. 그래서 자료를 어떻게 저장해놓느냐에 따라 우리가 활용할 수 있는 가능성이 달라진다고 보시면 좋을 것 같습니다.

🟪 이제 연구자는 보고서에 단 1분만 들여도 됩니다

연구 과정에서 AI의 도움을 가장 크게 체감한 부분은 무엇인가요?

저는 오히려 연구에서 가장 큰 병목이 행정이라고 봤습니다. 이번에 진행했던 연구에서는 최종 산출물로 거의 300페이지가 넘는 분량의 한글 파일이 필요했습니다. 그렇게 최종 보고서가 나왔고요. 보고서를 보여드리면 약 300페이지 정도 되는 분량입니다. 연구보고서이기 때문에 모든 분석과 목차, 그리고 어떤 내용을 다뤘는지가 함께 들어가 있습니다. 저는 실제로 이런 분석을 진행하고 보고서를 작성하는 일을 AI와 함께했습니다. 이 보고서를 만드는 데 제가 직접 쓴 시간만 따지면 1분이 채 걸리지 않았습니다.

Q.300페이지 보고서를 만드는 데 1분도 걸리지 않았다는 것은 정확히 어떤 의미인가요?

이 부분은 보고서를 렌더링하는 데 걸린 시간이 1분이었다고 보는 것이 맞을 것 같습니다. 실제로 저는 1분 이내로 지시했고, 이후 AI가 작동하면서 제가 가지고 있던 모든 자료를 바탕으로 보고서를 만들 수 있게 해줬습니다. 물론 전체 내용은 제가 모두 검토했습니다. 검토한 다음에는 특정한 몇 장의 내용을 이렇게 바꾸자는 지시를 하면서 수정한 경우도 있었고요. 그러니까 제가 지시를 내리는 데 쓴 시간, 그리고 보고서를 렌더링하는 과정에 관한 이야기입니다. 만들어진 보고서의 전체 내용은 제가 확인했고, 필요한 부분에는 추가적인 수정 지시도 했습니다.

Q. 기존 방식으로 보고서를 수정할 때와는 어떤 차이가 있었나요?

기존에 몇백 페이지짜리 보고서를 썼다면, 먼저 수정해야 할 부분이 어디인지 찾는 데 시간이 들어갔을 겁니다. 그 부분을 찾아서 내용을 바꿔야 하죠. 게다가 제가 만들어놓은 보고서에는 PDF, 한글, 워드, HTML 등 다양한 버전이 있었습니다. 기존 연구 방식이었다면 모든 버전을 하나씩 열어서 일일이 수정해야 했을 겁니다. 저는 대신 이 작업을 제어하는 에이전트에게 지시했습니다. 그러면 에이전트가 모든 문서를 일괄적으로 편집해줬습니다. 어떤 내용이 어디에서 차이가 나는지, 오류가 있는지, 오타가 있는지까지 찾아주는 작업도 에이전트가 해줬고요.

Q. 그렇게 절약한 시간은 연구에 어떻게 다시 활용하셨겠네요.

물론입니다. 글을 쓰고 편집하고 행정 업무를 처리하는 데 들어가는 시간을 줄일 수 있었습니다. 그 덕분에 저는 연구 내용을 더 자세하게 읽고, 더 상세한 코멘터리를 주는 데 시간을 쓸 수 있었습니다. 그렇게 해서 연구 내용을 더 발전시키는 결과가 있었다고 생각합니다. 단순히 문서를 빨리 만드는 것에서 끝나는 게 아니라, 제가 연구 내용을 더 깊이 검토하고 구체적인 의견을 주는 데 집중할 수 있게 된 겁니다.

🧐 21세기형 연구의 핵심, AI 에이전트 3가지 활용법

Q. 연구 자료를 수집하고 정리하는 에이전트는 어떻게 활용하시나요?

제가 연구에 활용하는 3가지 에이전트를 안내할게요.
연구자로서 자료를 수집할 때는 출처를 엄밀하게 정리해야 합니다. 그래서 첫 번째 에이전트는 출처를 명확하게 남기면서 연구 자료를 수집하고 정리하도록 구성했습니다. AI나 LLM 모델만으로 할 수 없는 작업은 툴 콜링과 외부 연결을 통해 수행합니다. MCP나 학술 데이터베이스 등에 연결해서, 실제로 참조할 수 있는 원자료를 수집하는 거죠. 저는 최상위 성능의 모델, 이른바 SOTA 모델을 많이 사용하기 때문에 각 모델의 추론 성능을 함께 활용할 수 있는 하네스를 구성해 이용하기도 합니다. 결국 “이 자료가 어디에서 왔지?”라는 질문에 답할 수 있도록 만드는 에이전트입니다.

실제 결과를 보여드리면, 최근에 조사하고 정리한 내용들이 옵시디언에서 ‘베이스’라는 이름으로 데이터베이스처럼 묶여 있습니다. 최근에는 새로운 모델이 나올 때마다 SOTA 모델의 벤치마크를 어떻게 읽어야 하는지 정리하고 싶었습니다. 그래서 각각의 벤치마크를 어떻게 읽어야 하는지 조사하고 정리해주는 에이전트를 실행했습니다. 제가 처음 질의하면 에이전트가 각 모델에 맞는 조사 프롬프트를 만듭니다. 그다음 그 프롬프트로 각각의 모델을 호출해 조사를 진행합니다. 제가 필요할 때 언제든지 각 조사 결과의 원본을 볼 수도 있고요. 이후에는 헤드 에이전트가 모든 내용을 합쳐 제가 읽을 수 있는 보고서를 작성합니다. 화면에서 보시는 것처럼 수십 장에 이르는 보고서가 만들어지기도 합니다. 그리고 보고서 마지막에는 항상 가장 중요한 출처가 남습니다. 각각의 에이전트가 어떤 출처를 통해 조사했는지 기록되기 때문에, 필요하면 출처를 서로 대조하고 중복 여부를 확인할 수 있습니다. 저도 해당 출처를 직접 읽으면서 다음 내용을 공부하는 데 활용하고 있습니다.

Q. 연구 아이디어나 내용이 바뀔 때, 함께 수정해야 할 부분은 어떻게 챙기시나요?

그런 부분을 도와주는 것이 바로 두 번째 에이전트입니다.
연구자들이 연구하면서 놓칠 수 있는 부분을 챙겨주는 에이전트라고 보시면 좋을 것 같아요. 연구에서는 아이디어 하나가 바뀌면 다른 내용들도 함께 바뀌어야 하는 경우가 많잖아요. 하나의 변화가 다른 부분에 영향을 미치는 의존성 경로가 굉장히 많습니다. 그래서 어떤 내용이 바뀌었을 때, 그와 연결돼 함께 바뀌어야 하는 내용도 챙길 수 있도록 에이전트를 구성했습니다. 연구를 진행하면서 사람이 놓칠 수 있는 연결 관계와 변경 사항을 함께 살펴보도록 만든 것이 두 번째 에이전트입니다.

Q. 그렇다면 평소 연구 진행 상황을 점검하거나 정해진 시간에 도움을 주는 에이전트도 있나요?

맞습니다. 바로 세 번째 에이전트가 제가 지금 어떤 일을 하고 있는지, 연구가 어떤 상태인지 분석해주는 역할입니다. 여기에서는 루프를 사용하기도 합니다. 실제로 루프와 함께 스케줄 작업을 돌려서, 정해진 시간마다 저를 도와주도록 설정합니다. 필요에 따라 제 루틴을 정해놓고, 그 일정에 맞춰 도움을 주는 AI 비서를 세팅하는 거죠. 제가 어떤 일을 하고 있는지 살펴보고, 정해놓은 일정과 루틴에 맞춰 지원하도록 구성한 것이 세 번째 에이전트라고 보시면 좋을 것 같습니다.