전문가 인터뷰

AI 시대에 LLM Wiki를
만들어야 하는 이유:
"대체 불가능한 인재가 됩니다"

매일 쏟아지는 유튜브 영상과 각종 뉴스와 콘텐츠, 우리는 그 어느 때보다 많은 정보를 소비하고 있어요. 하지만 정작 머릿속에 진짜 내 것으로 남는 지식은 얼마 되지 않고 대부분 휘발되기 일쑤입니다. 노션같은 메모 툴에 열심히 스크랩을 해보아도 결국 수백 개의 노트를 정리하다 지쳐 포기하게 되고요. AI에 질문해서 얻은 답변들 역시 내 머리에 남는 ‘내 것’이 된다는 느낌은 전혀 없습니다.

“AI 시대, 남이 만든 지식의 소비자로 남을 건가요?"

이 뼈아픈 질문에 대한 완벽한 해답을 제시하는 사람이 있습니다. 바로 10년 넘게 개인지식관리 분야를 파고든 실천가이자 연구자, 유튜브 채널 ‘브레인 트리니티(Brain Trinity)’를 이끌고 있는 브라이언 강사님인데요.

강사님은 오픈AI의 창립 멤버 안드레 카파시가 제안한 'LLM Wiki' 개념을 현실로 구현해 냈습니다. 옵시디언과 클로드코드를 결합해 귀찮은 문서 분류와 요약, 유지보수는 모두 AI가 알아서 처리하고 인간은 깊은 사고와 기획에만 집중하는 완벽한 지식 생태계 구축법을 고안해 LLM Wiki 강의를 만들었죠. AI 시대에 가장 강력한 무기인 '나 자신의 서사'를 시스템으로 구축하고 가꾸는 법이 궁금하지 않으신가요? 코딩을 전혀 모르는 툴 초보자라도 괜찮아요! 파편화된 메모들을 나만의 인사이트 자산으로 바꿔줄 LLM Wiki 구축법, 지금부터 브라이언 강사님께 들어볼게요.

“AI 시대에 가장 강력한 무기는? Read and Lead 능력”

안녕하세요, 강사님 🙂 바쁘신 일정 중에도 이렇게 서면 인터뷰에 응해주시고 귀한 시간 내어주셔서 진심으로 감사드려요! 강사님의 유튜브 구독자로서 무척 설레는데요. 먼저 간단한 자기소개 부탁드립니다.

브라이언 안녕하세요, 브라이언(Brian) 최지웅입니다. 저는 "정보를 어떻게 진짜 내 것으로 만들 것인가"라는 질문을 10년 넘게 붙잡고 살아온 PKM(개인지식관리) 실천가이자 연구자입니다. 제가 가진 비전은 한 문장으로 "Read and Lead — 자기 두뇌를 읽고, 자기 자신을 이끄는 사람을 만든다" 입니다. 우리는 매일 수많은 텍스트를 읽지만, 정작 가장 중요한 "나 자신"이라는 텍스트는 잘 안 읽잖아요. AI 시대에 가장 강력한 무기는 외부 지식이 아니라 "나를 가장 잘 아는 시스템 위에서, 내가 나를 이끄는 능력" 이라고 믿습니다.

현재 유튜브 채널 〈브레인 트리니티(Brain Trinity)〉를 운영하면서, 옵시디언·클로드코드·NotebookLM 등 여러 AI 도구를 엮어 "AI 시대의 지식 운영체제"를 설계하고, 그 방법론을 강의·뉴스레터·커뮤니티(PKM4AI 챌린지)로 풀어내고 있습니다. 패스트캠퍼스에서는 〈AI 추월차선〉, 〈연구자를 위한 Gemini 바이블〉에 이어 이번에 〈LLM Wiki〉 강의로 다시 인사드리게 되어 정말 기쁩니다.

“RAG와 LLM Wiki의 차이점은?”

안드레 카파시가 제안해 전 세계적으로 화제가 된 LLM wiki가 이번 강의의 핵심이죠. 그렇다면 기존의 RAG와 LLM wiki(3rd brain)는 본질적으로 어떻게 다른가요? 특히 옵시디언이라는 2nd brain에서 더 나아가 클로드 코드까지 합쳐진 3rd brain 개념이 조금은 생소한데요, 이 부분을 자세히 알고 싶습니다.

브라이언 RAG와 LLM Wiki는 출발점이 완전히 다릅니다. RAG는 "필요할 때마다 문서를 검색해서 LLM 답변을 보강한다"는 검색 보조 메커니즘이에요. 매번 새로 찾고, 시스템이 "내가 무엇을 알고 있는지"를 이해하진 못합니다.

LLM Wiki는 단순한 검색 보강이 아니라, "실제로 나를 아는 AI"를 만드는 일입니다. 카파시의 표현 그대로 "LLM이 끊임없이 큐레이션·교차참조·요약·인덱스를 갱신해주는, 시간이 흐를수록 가치가 커지는 지식 베이스" 인데, 핵심은 그 베이스의 주인이 "나"라는 점이에요.

제가 'Brain Trinity'라 부르는 흐름으로 보면 더 명확해집니다.

브라이언 즉, 3rd Brain은 일반적인 챗GPT가 아니라 "나를 아는 AI" 예요. 클로드코드 같은 AI 에이전트가 옵시디언 위에서 살면서, 1st Brain과 2nd Brain의 컨텍스트를 모두 활용해 나의 사고를 확장해주는 거죠. 옵시디언만 있을 때는 "저장은 했는데 다시 못 찾는 무덤"이 되기 쉽지만, 그 위에 클로드코드가 올라가는 순간 옵시디언이 비로소 "스스로 정리되는, 그리고 나를 이해하는" 살아있는 두뇌가 됩니다.

“LLM Wiki를 쓰는 사람은 실행력이 10배로 폭증합니다”

초보자 입장에서는 무엇보다도 옵시디언과 클로드 코드의 조합이 잘 상상되지 않는데요. 지식 관리 툴과 AI 에이전트가 만났을 때 어떤 폭발적인 시너지가 생길지 무척 궁금합니다.

브라이언 한 줄로 정리하면, 옵시디언은 "내 기억의 그릇"이고 클로드코드는 "그 그릇 안에서 일하는 사서·연구원·편집자"입니다. 챗GPT나 Claude 웹은 매번 대화창에 컨텍스트를 다시 붙여야 하지만, 클로드코드는 옵시디언 볼트의 모든 폴더·노트·링크 구조를 그대로 읽고 쓸 수 있습니다. 그래서 "내가 어제 회의에서 적은 메모"를 보고, "지난주 본 논문"과 연결해서, "내일 발표할 슬라이드 초안"을 만드는 식의 일이 가능해집니다. 더 본질적인 시너지는 "역할 분리" 에서 나옵니다.

브라이언 예전엔 "기획 → 실행 → 검토" 한 사이클당 하루였다면, 지금은 한 시간 안에 돌릴 수 있습니다. 인간의 판단력은 그대로지만, 실행력이 10배가 되는 셈이죠. 실제로 제 시스템에서는 이런 일이 자동으로 일어납니다. 새로 클리핑한 글/영상이 들어오면 미디어 타입별로 분류·요약 후 적절한 위치로 이동하죠. 매일 아침에 캘린더·할 일·전날 작업·생각을 통합한 브리핑 자동 생성됩니다. 만약 노트끼리 모순이 생기면 린트(Lint) 워크플로우가 알려주고요. 흩어진 메모들이 임계치를 넘으면 자동으로 묶어서 "주제 페이지"로 컴파일합니다.

결과적으로 "정리하는 데 쓰던 시간"이 거의 사라지고, "생각하고 결정하는 시간"만 남습니다. 이게 진짜 폭발적인 지점이에요.

“귀찮은 노션, 옵시디언 관리를 AI 에이전트에게 맡기세요”

이번 강의에 강사님의 10년 치 지식 관리 노하우가 집약됐다고 들었어요. 지난 10년간 숱한 지식 관리 방법론을 거쳐오시면서 최종적으로 지금의 'AI 지식 워크스페이스’를 구축하게 된 계기가 있을까요?

브라이언 솔직히 말씀드리면, 지난 10년은 "좋은 도구 발견 → 한껏 빠짐 → 유지보수 한계로 무너짐" 의 반복이었어요.

Evernote → Notion → Roam Research → Logseq → 옵시디언 Obsidian까지 거의 모든 PKM 툴을 돌아가며 써봤는데, 어떤 도구를 써도 똑같은 벽에 부딪혔습니다. 노트가 500개를 넘어가면 "내가 뭘 적었는지" 자체를 잊고, 1000개가 넘으면 정리하는 데만 주말 하루가 사라지더라고요. 즉, 2nd Brain의 본질적 한계는 "사람이 직접 유지보수해야 한다"는 점이었습니다. 물론 그 와중에도 계속 지식을 쌓아오긴 했어요. 어떻게든 잘 굴려보려 노력했고, 부분적으로는 잘 굴러갔습니다. 다만 늘 시간이 모자랐죠.

2023년부터 LLM이 폭발적으로 발전하면서 이 한계가 무너지기 시작했고, 카파시가 LLM Wiki 개념을 공개적으로 제안한 게 결정타였습니다. 그런데 진짜 결정적인 변곡점은 2025년 말 이었어요. 클로드코드, 오픈클로, 헤르메스 에이전트 같은 차세대 AI 에이전트들이 등장하면서 — 이전 AI들이 "내가 던지는 텍스트"만 봤다면 — 이제는 "내 파일들, 내 폴더 구조, 내 작업 맥락 자체를 그대로 이해하는" AI가 가능해졌습니다. 그 순간 "지식의 입력·연결·유지보수를 AI에게 맡기고, 나는 큐레이션과 사고에만 집중한다"는 모델이 단순한 이론이 아니라 실제로 매일 돌릴 수 있는 시스템이 된 거죠.

기존에도 PKM은 잘 해오고 있었지만, 이 도구들이 등장한 순간 제 다양한 데이터 소스들 — 옵시디언 볼트, 회의 메모, 클리핑, 음성 기록, 캘린더 — 을 한꺼번에 입력해서 돌려봤더니 진짜 생산성이 폭발하더라고요. 정말로 아이언맨이 된 기분이었어요. 말 한마디로 시스템이 움직이고, 어제까지 하루 걸리던 작업이 한 시간 안에 끝나니까요. 그리고 더 중요한 건 — 이게 너무 재미있어졌다는 점입니다. 재미있으니까 더 많이 하게 되고, 더 많이 하니까 더 잘하게 되고, 더 잘하니까 다시 더 재미있어지는 — 선순환이 돌기 시작했어요. 이 경험이 결정적이었습니다.

그 순간 10년간 쌓아온 노트들이 처음으로 "쌓이기만 한 짐"이 아니라 "스스로 진화하는 자산" 으로 변하기 시작했고, 앞으로 이 흐름은 더 빨라질 거라고 확신합니다. 그 전환의 과정을 정리하고 체계화한 것이 지금의 AI4PKM이자 이번 강의입니다.

“LLM Wiki 덕분에 더 깊은 사고를 할 시간이 생겼습니다”

카파시는 LLM wiki를 통해 “인간은 큐레이션과 질문을 담당하고, AI는 귀찮은 유지보수를 전담한다”는 철학을 갖고 있더라고요. 실제 강사님의 업무에서 이런 역할 분담은 어떻게 이루어지고 있으며, 그로 인해 절약된 시간은 어디에 쓰고 계신지 궁금합니다.

브라이언 카파시가 말한 정확히 그 모델로 매일 일하고 있습니다. 제 분담은 이렇습니다.

브라이언 그런데 재미있는 건, 절약된 시간을 어디에 쓰냐고 물으시면 — "역설적으로 더 바빠졌어요" 라고 답하게 됩니다.

절약된 시간을 자연스럽게 새로운 공부와 더 많은 콘텐츠 소비·이해에 쓰게 되더라고요. 왜냐면 "하나의 일을 하기 위한 인지적 부담감이 줄어드니까" 계속 더 하게 되거든요. AI가 잡일을 다 가져가니까, 새로운 주제를 깊게 파거나 평소 안 보던 분야의 콘텐츠에 손을 뻗는 데 거리낌이 사라져요. 게다가 이게 게임 같습니다. 말만 하면 시스템이 움직이고, 한 편의 작업이 결과물로 나오니까 — 마치 내 머릿속 작업실 안에 보조 작업자 군단이 함께 들어와 같이 일해주는 기분이에요. 그래서 진짜 아이러니하게도, 시간을 절약하려고 만든 시스템 때문에 오히려 시간이 부족해진 상황이 됐습니다.

다만 좋은 점은, 시간 재분배가 자연스럽다는 거예요. AI가 시스템 유지보수를 해주는 동안 저는 깊은 사고와 글쓰기를 합니다. 뉴스레터·유튜브 콘텐츠 (지난 1년 50개 이상 발행)를 만들고요. 새로운 실험을 해냅니다. Brain Trinity 프레임워크, PKM4AI 챌린지 같은 새 방법론을 개발하는 거죠. 이뿐 아니라, 가족들 같은 주변 사람들과의 시간을 좀 더 확보할 수 있게 됐어요. 커뮤니티 미팅, 후배 코칭 등에 쓸 수 있는 시간 역시 늘어난 건 덤이죠.

핵심은 "절약된 시간 자체"보다, "인지 부담이 줄어드니까 더 많이, 더 깊이 하게 된다" 는 점입니다. AI가 잡일을 가져간 만큼, 더 인간다운 일에 집중하게 되는 구조죠.

"LLM Wiki로 누구나 3rd Brain을 갖고,
그 위에서 최고의 자기 자신으로 살아가는 시대를 꿈꿉니다."

강사님께서는 현재 브레인 트리니티라는 유튜브 채널을 운영하고 계시죠! ‘AI 시대에 숨겨진 잠재력을 일깨우고 최고의 나를 만드는 패러다임을 제시한다’고 써두신 채널 소개가 무척 인상적이었어요. AI 시대의 지식관리와 생산성 관리에 집중하고 계신 강사님의 커리어 최종 목표, 혹은 방향성이 무엇인지 여쭤보고 싶어요.

브라이언 채널 슬로건 "AI 시대에 숨겨진 잠재력을 일깨우고 최고의 나를 만드는 패러다임"이 곧 제 커리어 방향이기도 합니다.

제가 가장 좋아하는 표현이 "Read and Lead" 입니다. 자기 두뇌를 읽고, 자기 자신을 이끄는 사람. AI 시대에 진짜 중요한 데이터는 외부 정보가 아니라 "나의 기록, 나의 서사" 라고 봅니다. 결국 모든 사람의 차별점은 자기 인생의 서사에서 나오니까요.

솔직히 요즘 AI 콘텐츠를 보면 거의 다 "툴"에 대한 이야기예요. "이번 주에 나온 새 모델", "이 기능은 이렇게 써라" — 물론 다 유익하지만, 새 모델이 나오는 순간 어제의 콘텐츠가 절반쯤 휘발됩니다. 제가 채널과 커리어를 통해 다루고 싶은 건 정확히 그 반대 지점이에요. "도구를 넘어선 본질적인 AI 활용법, 변하지 않는 시스템과 사고법, 결국 나의 경쟁력으로 남는 것들" 에 집중하고 싶습니다.

지난 20년간 PKM은 "정리 잘하는 사람의 취미" 정도였어요. 그런데 AI가 들어오면서 PKM은 더 이상 취미가 아니라 "AI 시대에 한 인간이 자기 잠재력을 끝까지 끌어내기 위한 운영체제(OS)" 가 됐다고 봅니다. 그래서 제가 궁극적으로 추구하는 건 "Augmented Human Intelligence(증강된 인간 지능)" 입니다. AI가 인간을 대체하는 게 아니라, 인간 한 명 한 명을 증강시켜서, 더 의미 있고 의도 있게 살아가도록 돕는 것. 도구는 계속 바뀌겠지만, 바뀌지 않는 본질 — "자기 자신을 알고, 자기 자신을 이끈다" — 는 영원하니까요.

최종적으로 두 가지를 하고 싶습니다.

결국 제가 하고 싶은 건 "한 명 한 명이 자기만의 3rd Brain을 갖고, 그 위에서 최고의 자기 자신으로 살아가는 시대" 를 앞당기는 일입니다.

“코딩 몰라도 누구나 LLM Wiki를 만들 수 있게 도와드릴게요”

코딩을 하나도 모르는 초보자도 이 강의를 통해 LLM wiki 만들기에 도전할 수 있을지 궁금합니다. 비전공자나 툴 초보자도 강사님의 가이드를 따라가면 자신만의 ‘세 번째 두뇌 3rd brain’를 구축할 수 있을까요?

브라이언  네, 그래서 이 강의를 만들었습니다. 사실 이 강의는 — 좀 의외로 들릴 수 있는데 — LLM이 지금처럼 화제가 되기 한참 전부터, 2023년에 제가 '브레인 트리니티(Brain Trinity)'라는 개념을 처음 이야기했던 그 순간부터 결국 만들고 싶었던 강의입니다. 그땐 "1st·2nd·3rd Brain"이라는 그림은 머릿속에 있는데, 그걸 실제로 구현할 도구가 없었어요. 이제는 클로드코드 같은 에이전트들이 나오면서 비로소 그 청사진을 현실로 만들 수 있게 됐고, 그래서 가능한 한 많은 분들이 따라올 수 있는 방식으로 이번 강의를 설계했습니다. 제가 5년 가까이 말해온 "그 본질"이 무엇인지 직접 손으로 만들어보시면서 따라오실 수 있도록요.

솔직히 말씀드리면, 개인지식관리(PKM)는 원래 누구에게나 쉽지 않습니다. 저도 10년 넘게 해왔지만 못할 때도 많고, 노트를 모아만 놓고 정리 못 한 시기도 많았어요. 다 관리가 필요하고, 유지보수가 만만치 않거든요. 이게 PKM이 그동안 소수의 사람들만 끝까지 가져갔던 이유이기도 합니다.

그런데 AI가 들어오면서 이 게임이 완전히 바뀌었습니다.

AI가 방향성을 제시해주고, 막힐 때마다 쉽게 도와주니까 — 누구나 시작할 수 있는 영역이 된 거예요. 1~2년 전까지만 해도 LLM Wiki 같은 시스템은 개발자만의 영역이었어요. 파이썬 스크립트, API 호출, 벡터 DB 구성… 일반 사용자가 넘기 어려운 벽이었죠. 그런데 클로드코드가 게임 체인저였습니다. 클로드코드는 "코드를 읽고 쓰는 AI 에이전트"인데, 사용자는 그냥 한국어로 "내 옵시디언 볼트에서 이런 일을 해줘"라고 부탁만 하면 됩니다. 코드를 직접 짤 필요 없이, 클로드코드가 알아서 코드를 만들고, 실행하고, 다듬어줍니다. 강의는 그 전제로 처음부터 설계했습니다.

코드 0줄에서 시작해서 옵시디언 설치까지 차근차근 할 거고요. 무엇보다도 클로드코드 명령은 모두 한국어로 내립니다. 그러니 이 강의를 잘 따라오시면 누구나 "내 노트가 살아 움직이는" 경험을 할 수 있게 됩니다. 이게 제가 강의를 만들면서 세운 방향성이에요.

비전공자분이 가져가실 건 단 세 가지입니다 — "내 삶을 구조화하고", "생각하고", "기록"하는 것. 실행과 유지보수는 AI가 도와줍니다. 그래서 오히려 비전공자분들이 "기술"이 아니라 "내 지식을 어떻게 관리할 것인가"라는 본질에 더 집중하셔서, 결과적으로 더 잘 활용하시는 경우도 많습니다.

“AI 시대에 가장 비싼 자산은 나만의 컨텍스트입니다”

넘쳐나는 정보 속에서 매일 남이 만든 파편화된 지식만 소비하며 막연한 불안감을 느끼는 예비 수강생들이 많습니다, 이분들을 위해 AI 지식체계를 당장 오늘부터 구축해야 하는 이유를 한마디로 정리해 주신다면요?

브라이언 한마디로 정리하면, "AI 시대에 가장 비싼 자산은 '내 컨텍스트(Context)'이기 때문입니다."

매일 우리는 유튜브·뉴스레터·SNS로 남이 정제한 지식을 소비합니다. 편하지만, 그게 쌓일수록 역설적으로 더 불안해지죠. "나는 도대체 뭘 알고 있나?" 라는 질문에 답할 수 없거든요. 그리고 한 가지 더 짚어드리고 싶은 게 있어요. 최근 "AI가 학습할 외부 데이터가 거의 다 소진됐다" 는 이야기가 자주 나옵니다. 인터넷의 공개 데이터로는 더 이상 모델을 크게 키울 수 없다는 거죠. 그렇다면 결국 남는 것은 무엇일까요? 바로 "나의 데이터, 나의 기록, 나의 생각" 입니다. 이건 그 누구도 가지지 못한, 세상에 단 하나뿐인 데이터예요.

LLM Wiki를 갖는다는 건, 흘러가는 정보 중 내게 의미 있는 것만 골라 "내 컨텍스트"로 변환하기 시작한다는 뜻입니다. 같은 챗GPT를 써도, 자기 컨텍스트가 있는 사람은 "내 상황·내 목표·내 지식"에 맞는 답을 받지만, 컨텍스트가 없는 사람은 누구나 받는 일반론을 받습니다. 결국 오늘부터 구축해야 하는 이유는 명확합니다. 남이 만든 지식의 영원한 소비자로 남을 것인가, 내 지식의 운영자로 살 것인가의 분기점이기 때문입니다.

“LLM Wiki를 쓰는 사람은 격차를 ‘제대로’ 벌립니다”

카파시는 "AI 시대에는 단순 아카이브를 넘어 시간이 흐를수록 가치가 커지는 나만의 지식 운영체제를 구축해야 한다"고 말했습니다. 자신만의 LLM wiki를 구축한 사람과 그렇지 않은 사람의 격차는 현업에서 어떻게 나타날 것이라 내다보시나요?

브라이언 격차는 의외의 지점에서 벌어집니다. 흔히 "AI를 잘 쓰는 사람 vs 못 쓰는 사람"이라고 생각하지만, 진짜 격차는 "AI에게 줄 컨텍스트가 있느냐 없느냐" 입니다.

예를 들어 같은 보고서를 쓴다고 했을 때:

브라이언 더 중요한 건, 이게 단순히 "데이터가 쌓이느냐"의 격차가 아니라는 점입니다. 진짜 차이는 "내 정보와 지식을 가지고 AI를 실제로 활용해봤느냐 vs 안 해봤느냐" 에서 나옵니다. 계속 쓰면 쓸수록 — "어떻게 나의 지식을 AI에게 주입해야 효과가 좋은지", "어떤 질문을 던져야 내가 원하는 답이 나오는지" — 이런 감각이 쌓입니다. 이건 시간으로만 살 수 있는 자산이에요.

여기서 한 단계 더 들어가면 — 진짜 결정적인 격차가 보입니다. AI를 많이 써본 사람은 자연스럽게 "AI 리터러시" 가 올라가긴 합니다. 하지만 그건 결국 "도구를 잘 다루는 법" 수준이에요. 진짜 게임 체인저는 "내 지식과 내 데이터를 들고 AI를 활용해본 경험" 입니다. 왜냐면 이 경험이 곧 "AI를 활용한 의사결정 프로세스" 와 "AI 네이티브 워크플로우" 를 자기 일에 맞게 설계하는 능력으로 이어지거든요. 앞으로 직장에서도, 개인 작업에서도, AI 네이티브하게 일하는 사람 vs 그렇지 않은 사람의 격차가 가장 크게 벌어질 지점이 바로 여기라고 봅니다. 그래서 이 격차는 시간이 갈수록 기하급수적으로 벌어집니다. LLM Wiki를 가진 사람은 매주 자기 자산이 두꺼워지고, AI 활용 감각도 같이 두꺼워지고, AI 모델이 발전할수록 그 자산의 활용가치가 곱해지거든요. 반대로 컨텍스트 없는 사람은 모델이 아무리 좋아져도 "평균값 산출자" 이상이 되기 어렵습니다.

1~2년 후, 같은 직무·같은 연차여도 두 사람의 산출물 품질은 비교할 수 없을 만큼 벌어질 거라고 봅니다.

“AI 시대의 인재로 거듭나는 세 가지 방법”

모든 것을 AI가 알아서 해주는 시대입니다. 이런 때에 AI에게 주도권을 빼앗기지 않고 나만의 지식을 가진 인재로 성장하려면 어떤 노력이 필요할까요? 강사님께 조언을 구하고 싶습니다.

브라이언 세 가지를 추천드립니다.

브라이언 그리고 무엇보다도, 더 많이 경험하고, 더 많이 생각하고, "이게 왜 나에게 그렇게 느껴졌는지"를 사고하는 힘이 필요합니다.

나의 취향, 나의 서사 — 이건 AI가 절대 대신 만들어주지 못합니다. AI는 평균을 잘 만들지만, "왜 다른 사람이 아닌 내가 이걸 만들었는가"에 대한 답은 본인의 경험과 사유에서만 나오거든요.

조승연 작가가 〈탐구생활〉에서 자기개발이라는 단어 대신 "컬티베이션(cultivation, 정원 가꾸기)" 이라는 표현을 더 좋아한다는 얘기를 했는데, 저도 깊이 공감했습니다. AI 시대에 우리가 해야 할 건 '개발(development)'이 아니라 '가꾸기(cultivation)'예요. 내 취향이라는 정원, 내 시선이라는 정원을 매일 조금씩 가꾸는 일 — 이게 AI가 대신 해주지 못하는 영역이거든요. 같은 영상에서 조승연 작가가 또 하나 인상적인 얘기를 했어요. "인생에 스토리가 있는 해는 정확히 기억나는데, 스토리가 없는 해는 다섯 해가 그냥 하루처럼 뭉개진다" 고요. 저는 이게 AI 시대를 정통으로 짚었다고 봅니다. AI는 누구의 평균은 만들 수 있어도, 누구의 스토리는 만들 수 없거든요. 그래서 우리가 길러야 할 건 정보 처리 능력이 아니라 "내 시간에 스토리를 입히는 능력" 입니다.

핵심은, AI에게 일을 맡기는 동시에 'AI를 부리는 운영자'로서의 자기 정체성을 갖는 것입니다. 그래야 AI가 발전할수록 본인의 가치도 같이 올라갑니다.

“LLM Wiki는 AI를 잘 써도 어쩐지 허무한, AI 시대에 뒤처질까봐 불안한 분들을 위한 처방약입니다”

마지막으로, LLM wiki 강의 수강을 망설이는 분들에게 한 마디 부탁드려도 될까요? 🙂

브라이언 "지금까지 정리 못 해서 죄책감만 쌓이신 분", "챗GPT는 잘 쓰는데 뭔가 허무하신 분", "AI 시대에 뒤처질까 봐 불안하지만 어디서 시작해야 할지 모르겠는 분" —

이 강의는 정확히 그분들을 위해 만들었습니다. 코딩 한 줄도 모르셔도 괜찮습니다. 옵시디언을 처음 켜보셔도 괜찮습니다. 중요한 건 "내 지식을 내 시스템에 담겠다"는 결정 하나뿐입니다. 그 결정만 하시면, 나머지는 강의에서 함께 만들어드릴게요. 오늘 망설이고 6개월 뒤에 시작하시는 것보다, 오늘 시작해서 6개월 뒤에 본인만의 3rd Brain을 갖고 계신 게 훨씬 더 가치 있을 거라고 확신합니다. 같이 만들어봐요!