AI가 내 업무 기억을 관리한다 — Knowledge Vault 실전기

수요일 저녁, 3시간짜리 회의가 끝났다

고객사 기술 리더, 파트너사, 내부 엔지니어링 — 세 방향에서 쏟아진 정보가 머릿속에서 뒤엉켜 있었다. 파트너사의 차세대 프로젝트가 심각한 위기라는 것, 고객사에서 임원급 인사가 긴급 파견됐다는 것, 경쟁사의 PoC가 "별로"라는 평가를 받았다는 것, 다른 고객 레퍼런스를 피칭에 쓸 수 있다는 것 —

이 모든 걸 어디에 적어야 할까?

예전의 나라면 노션에 회의록을 복붙하고, 슬랙에 "중요: 이슈 발생" 메시지를 보내고, 그리고… 2주 뒤에 "그때 상황이 어땠더라?" 하고 슬랙을 뒤졌을 것이다. 검색해도 안 나오고, 노션 페이지는 이미 10개가 넘어가서 어디에 뭘 적었는지 모른다.

지금은 다르다. 회의록을 하나의 파일로 던지면, AI가 14개의 시그널을 자동 추출하고, 경쟁사 프로필을 업데이트하고, 내일 아침 브리핑에 반영한다. 내가 만든 건 Knowledge Vault — AI 에이전트들이 관리하는 업무 기억 시스템이다.

---

왜 기존 도구로는 안 되는가

나는 B2B 기술 기업에서 Customer Architect 역할을 한다. 쉽게 말하면 고객사에 우리 기술 솔루션을 맞춤 제안하는 사람이다. 이 역할의 특수성은 — 네 가지 축의 정보가 매일 동시에 들어온다는 것이다.

고객사, 경쟁사, 내부 제품(8개+), 이해관계자(20명+). 하나의 회의에서 동시에:

• 경쟁사 동향 ("A사가 6주 PoC를 제안했대")
• 고객 pain point ("기존 시스템 통신이 완전히 죽었음")
• 내부 제품 성숙도 갭 ("우리는 프로토타입인데 고객은 양산급을 기대")
• 액션 아이템 ("K가 2차 미팅 잡아야 함")
• 이해관계자 역학 ("B 상무 — 숫자 없으면 진행 불가")

이게 전부 하나의 대화에서 나온다. 노션으로? 어느 데이터베이스에 넣을지부터 고민이다. Jira로? 이건 티켓이 아니라 인텔리전스다. CRM으로? 이해관계자 역학까지 추적하는 CRM은 없다.

결국 필요한 건 구조화된 기억 시스템이었다. 그것도 내가 일일이 분류하지 않아도 되는.

---

Vault의 구조 — 세 개의 방

Vault는 세 개의 영역으로 나뉜다. 비유하자면 서재, 도서관, 일기장이다.

🎯 서재 — 내 업무 공간

workspace/
├── agendas/          ← 제품별 Status Card
├── signals/          ← 월별 시그널 로그 (append-only)
├── stakeholders/     ← 이해관계자 맵
└── reports/          ← AI가 생성한 브리핑

서재에는 내가 지금 추적하는 것들이 있다. 제품마다 Status Card가 있다 — 현재 성숙도, 고객 기대치, 블로킹 이슈, 데모 계획. 이걸 매일 AI가 업데이트한다.

시그널 로그는 한 달치를 하나의 파일에 쌓는다. append-only라서 절대 덮어쓰지 않는다. 이번 달에 고객사에서 어떤 신호가 나왔는지 한눈에 보인다.

🧠 도서관 — 축적형 지식

knowledge/
├── products/         ← 제품 지식
├── customers/        ← 고객 프로필
├── competitors/      ← 경쟁사 분석
└── ontology-index.yaml  ← 자동 생성 검색 인덱스

도서관은 시간이 지나도 유효한 지식이 쌓이는 곳이다. 경쟁사 프로필에는 "CEO 교체", "핵심 인력 이탈", "주력 프로젝트 위기" 같은 정보가 날짜와 함께 축적된다. 6개월 뒤에 전략을 분석할 때, 이 파일 하나면 된다.

ontology-index.yaml은 도서관의 카탈로그다. AI가 자동으로 생성하는 검색 인덱스로, "이 기술의 담당 부서가 어디야?"라고 물으면 관련 파일을 찾아서 답해준다.

📝 일기장 — 매일의 기록

하루가 끝나면 AI가 자동으로 회고를 작성한다. 오늘 어떤 시그널이 들어왔고, 어떤 액션이 밀렸고, 시스템에 어떤 문제가 있었는지. 사람이 쓰는 일기가 아니라, AI가 쓰는 업무 일지다.

---

마법의 순간 — 회의록 하나로 시그널이 뽑힌다

수요일 저녁의 그 회의로 돌아가자. 나는 회의록 파일을 폴더에 던졌다. 그리고 ingestion 명령을 실행했다.

뒤에서 일어나는 일:

Phase 1 — 4개 에이전트가 동시에 읽는다

• Signal Extractor → 10가지 타입의 시그널 추출 → 14개 발견
• Maturity Assessor → 제품별 성숙도 평가 → 프로토타입 vs 고객 기대 갭 감지
• Action Extractor → 액션 아이템 + 우선순위 + 담당자 추출
• Stakeholder Mapper → 이해관계자 역학 변화 감지

4개 에이전트가 같은 문서를 동시에 읽지만, 각자 다른 렌즈로 본다. Signal Extractor는 "시스템 통신이 완전히 죽었음"에서 pain_point를 감지하고, Stakeholder Mapper는 "임원이 긴급 파견됐다"에서 조직 역학 변화를 읽는다.

핵심은 에이전트들이 전부 read-only라는 것이다. 파일을 읽고 분석만 한다. 아무것도 쓰지 않는다. 쓰기는 별도 스킬이 담당한다. 이렇게 분리한 이유는 안전성 — 분석 에이전트가 실수로 데이터를 날릴 수 없다.

Phase 2 — 기존 지식과 대조한다

여기서 Vault Differ가 핵심이다. 새 정보가 들어오면 기존 지식 베이스를 읽고 비교한다:

• new → 처음 보는 정보. 새 항목 추가
• update → 기존에 있지만 상태가 바뀐 정보. 업데이트
• known → 이미 알고 있는 내용. 무시

"시스템 통신 문제"가 들어왔을 때 — "리소스 부족 이슈는 이미 있지만, 시스템 전체 마비까지 갔다는 건 새 정보"라고 판단하면 update로 분류한다. 이 판별 덕분에 지식이 중복 없이 진화한다.

Phase 3 — Vault에 쓴다

분류가 끝나면 스킬이 결과를 받아서:

• 시그널 로그에 append
• 해당 제품 Status Card 업데이트
• 경쟁사/고객 프로필에 새 정보 추가
• 이해관계자 맵 갱신

그리고 자동으로 git commit. 모든 변경이 이력으로 남는다.

---

아침 7분 — 모닝 브리핑

다음 날 아침 9시. 크론잡이 돌아간다.

스케줄러 → AI 에이전트 → 이메일/시그널/액션 스캔 → 브리핑 생성 → 메신저로 전달

AI가 만든 모닝 브리핑이 메신저로 온다:

즉시 주의 (P0/P1)

• 고객 임원 2차 미팅 준비 — 아키텍처 협업 논의
• 본사 방문 + 기술 워크샵 준비 시작

핵심 시그널

• 파트너사 위기: 하드웨어 결함, 통신 실패, 배터리 문제 연쇄
• 조직 공백: 핵심 인력 이탈 후 커뮤니케이션 채널 불명확
• 기회 감지: 담당 부서 부재 → 우리가 선점 가능한 영역

7분이면 충분하다. 어제 3시간 회의에서 내가 집중해야 할 것, 이번 주 안에 해야 할 것, 경쟁 상황 변화가 한 장에 정리되어 있다. 예전에는 이걸 만들려면 슬랙, 이메일, 노션을 각각 열어서 30분을 써야 했다.

---

10가지 시그널 — 업무의 약한 신호를 잡는다

이 시스템의 핵심은 시그널 분류 체계다. 회의에서 오가는 말들 중 90%는 잡담이고, 10%가 의미 있는 신호다. AI는 10가지 타입으로 분류한다:

하나의 회의에서 14개 시그널이 나왔다. 이 중 pain_point가 4개, strategic_hint가 2개, escalation이 1개. 이 분포만 봐도 "상대방이 지금 심각한 상황이고, 이게 우리에게 기회"라는 패턴이 보인다.

한 달치 시그널을 모아서 트렌드를 보면 더 강력하다. "월초에는 feature_request가 주류였는데, 중순부터 pain_point와 escalation이 급증" — 이런 패턴은 사람이 수동으로 추적하면 절대 안 보인다.

이것이 이 시스템의 진짜 가치다. 개별 정보가 아니라 패턴을 보게 해준다.

---

Maturity Framework — D0부터 D5까지

제품 성숙도를 6단계로 정의해서 추적한다:

우리 제품이 내부적으로 D3인데 고객은 D4를 기대한다면 — 이 갭이 Status Card에 명시적으로 적혀있고, 모닝 브리핑에서 매일 리마인드된다. 잊을 수가 없다.

프레임워크 자체는 단순하다. 중요한 건 AI가 매일 자동으로 갭을 체크한다는 점이다. 회의에서 "즉시 적용 가능해야 한다"는 말이 나오면, AI가 maturity_expectation 시그널로 잡고 해당 제품 카드의 갭 분석을 업데이트한다.

---

자가 개선 — AI가 AI를 평가한다

일주일에 한 번, 일요일 새벽에 조용히 돌아가는 파이프라인이 있다:

• 02:00 — critic 에이전트가 시스템 전체를 7개 차원으로 평가하고 점수를 매긴다
• 03:00 — Critical/High 이슈를 자동 수정한다
• 03:30 — "경쟁사 A의 현재 상황은?" 같은 질문을 던져서 AI가 정확한 답을 찾는지 테스트한다

마지막이 가장 재밌다. 사실 정확성, 소스 인용, 관련성을 점수화하고, 점수가 떨어지면 검색 인덱스를 재구축한다. AI가 자기 자신의 기억력을 시험보는 셈이다.

---

실패담 — 솔직하게

이 시스템은 아직 깨지기 쉽다.

크론이 죽는다. 모닝 브리핑 크론이 이틀째 실패 중이다. AI 세션 생성이 안 되면 아침 브리핑이 그냥 안 온다. "오늘 브리핑이 왜 안 왔지?" — 아이러니하게도, 이걸 모니터링하는 것도 나의 몫이다.

시그널 추출이 100%가 아니다. 한국어-영어 혼용 대화에서 맥락을 놓치는 경우가 있다. 구어체 표현, 이중 부정, 문화적 뉘앙스 — 여전히 사람이 한 번 더 봐야 한다.

Vault가 무한히 커진다. 매일 시그널이 쌓이고, 카드가 업데이트되고, 리포트가 생긴다. 아직 아카이빙 정책이 없다.

혼자 쓸 때만 잘 된다. 이 시스템은 철저히 1인용이다. 팀원이 같이 쓰려면 conflict resolution, 권한 관리, 동시 편집 — 노션이 이미 해결한 문제들을 다시 풀어야 한다.

완벽하지 않다. 하지만 이게 없던 때로 돌아가고 싶진 않다.

---

그래서 왜 이걸 쓰는가

노션이 있고, Confluence가 있고, CRM이 있는데 왜 마크다운 파일과 AI 에이전트로 이런 짓을 하는가?

첫째, 자동 분류. 회의록을 던지면 끝이다. 어느 데이터베이스에 넣을지 고민하지 않아도 된다. AI가 시그널을 뽑고, 해당 제품 카드에 매핑하고, 경쟁사 프로필을 업데이트한다.

둘째, 맥락이 살아있다. 어떤 이슈가 처음 나왔을 때는 "리소스 부족"이었다. 한 달 뒤에는 "시스템 마비"로 악화됐다. Vault Differ가 이걸 update로 분류하면서 히스토리가 자연스럽게 쌓인다. 하나의 파일에서 이슈의 전체 타임라인을 볼 수 있다.

셋째, 아침 7분. 모닝 브리핑 하나로 어제의 모든 변화를 파악한다. 30분이 7분으로 줄었다.

넷째, git으로 관리된다. 모든 변경이 커밋 히스토리에 남는다. "2주 전에 이 사람에 대한 평가가 어떻게 바뀌었지?"를 git log로 추적할 수 있다. 노션에서는 불가능한 일이다.

---

전체 구조 — 한 장 요약

[매일 자동]
  09:00  모닝 브리핑 생성 → 메신저 전달
  09:15  검색 인덱스 재구축
  18:00  일일 회고 자동 작성
  23:00  Vault git backup

[수동 트리거]
  /ingest   회의록 투입 → 4개 에이전트 분석 → Vault 쓰기
  /ask      자연어 질문 → 인덱스 검색 → 답변

[주간 자가 개선]
  일 02:00  시스템 자가 비평 (7차원)
  일 03:00  Critical 자동 수정
  일 03:30  Q&A 품질 벤치마크

---

당신의 Vault는 어떤 모양일까

이 시스템은 특수한 역할에 맞춰졌다. 하지만 구조화된 기억이 필요한 모든 역할에 응용할 수 있다.

• 영업: 고객 시그널 추적 + 딜 파이프라인 maturity
• PM: 제품 피드백 분류 + 스프린트 리스크 감지
• 리서치: 논문/뉴스에서 트렌드 시그널 추출 + 주간 브리핑
• 컨설턴트: 프로젝트별 이해관계자 맵 + 이슈 추적
• 개발자: 코드 리뷰 시그널 + 기술 부채 추적 + 아키텍처 결정 기록

중요한 건 도구가 아니라 구조다. 세 가지만 정하면 된다:

1. 어떤 시그널을 추적할 것인가 — 10가지? 5가지? 당신의 업무에서 "약한 신호"는 뭔가?
2. 지식을 어떤 축으로 분류할 것인가 — 고객/제품/경쟁사? 프로젝트/팀/기술?
3. 어떤 주기로 리뷰할 것인가 — 매일? 주간? 자동? 수동?

이 세 가지가 정해지면 마크다운 파일이든 노션이든 Obsidian이든 — 어디에 구현하든 작동한다.

다만, AI 에이전트가 자동으로 분류하고 브리핑을 만들어주는 맛을 한번 보면… 수동으로 돌아가기는 어렵다.

---

이 시스템은 Claude Code + OpenClaw 기반으로 구축했습니다. 구조와 설계 원칙에 대해 더 궁금하면 HypeProof Discord에서 이야기해요.

---

🔗 Sources