AI OS의 핵심은 자기이해.
AI OS의 시대 — 결국, 나부터 알아야 한다
요즘 AI 세계가 너무 빨리 변하고 있다.
프롬프트 엔지니어링이 중요하다더니, 바이브 코딩이라더니, 컨텍스트 엔지니어링이라더니, 이제는 하네스 엔지니어링이라고 한다. AI OS라는 말도 나온다.
새로운 용어와 개념이 쏟아지면서, 뭘 배워야 하는지, 뭐가 진짜 중요한 건지 헷갈린다.
"나는 아직 프롬프트도 제대로 못 쓰는데, 벌써 다음 시대라고?"
그런데 잘 보면, 흥미로운 현상이 일어나고 있다. 서로 다른 분야의 사람들이, 요즘 들어서 같은 이야기를 하기 시작했다.
Tiago Forte가 움직였다. 세컨드 브레인(BASB)의 창시자. 2023년 초에 기존 코호트 교육을 중단했다. 1,200일간의 탐구 끝에 2026년 3월, "AI Second Brain"을 발표하며 이렇게 말했다: "지금까지 개인 지식 관리(PKM) 영역에서 해온 모든 것은, 이 순간을 위한 서막이었다(Everything we've done until now in the realm of Personal Knowledge Management was only a prelude to this moment)." 2025년 연간 리뷰에서는 "BASB를 공식적으로 AI-first로 전환한다"고 선언했다. PKM의 아버지가 방향을 틀었다.
Nick Milo도 같은 방향을 가리킨다. Linking Your Thinking의 창시자. "우리뿐만 아니라 AI도 Ideaverse가 필요하다(It's not just us who need an ideaverse, our AI's need one too)." 자신의 ACE(Atlas/Calendar/Efforts) 프레임워크를 AI와의 "공유 언어(shared language)"로 재포지셔닝하기 시작했다.
김익한 교수는 기록학의 관점에서 AI를 만났다. 대한민국 1호 기록학자이자 『거인의 노트』 저자. "김익한의 AI기록학" 마스터클래스를 열고, 기록이 곧 AI 시대의 핵심 역량이 된다고 이야기한다.
그리고 Andrej Karpathy. 2025년 2월에 "바이브 코딩(vibe coding)"을 만들었고, 같은 해 6월에는 "컨텍스트 엔지니어링"을 제시했다. 그리고 2026년 4월, 그는 이렇게 말한다: "최근 내 토큰 사용량의 상당 부분이 코드를 다루는 것에서, 지식을 다루는 것으로 이동하고 있다(a large fraction of my recent token throughput is going less into manipulating code, and more into manipulating knowledge)." 코드를 짜던 사람이 지식을 관리하기 시작했다.
각자 다른 언어를 쓴다. 하지만 가리키는 방향은 하나다. 이건 더 이상 얼리어답터만의 이야기가 아니라, 진짜 패러다임이 바뀌고 있다는 시그널이다.
이 모든 것이 말하는 건 결국 하나다:
"이제 진짜 '나를 아는 AI'를 만들 수 있는 시대가 왔다."
예전에 꿈꿨던 자비스, 나만의 AI 비서 — 그게 이제 가능해졌다. 그런데 그냥 되는 게 아니다. 나의 맥락을 AI에게 체계적으로 제공할 수 있어야 한다.
이 글은 빠르게 변하는 AI 흐름 속에서 흔들리지 않도록, 지금까지 어떻게 여기까지 왔는지를 한번에 정리한 것이다. 읽고 나면 알게 될 것이다:
- 프롬프트 엔지니어링부터 AI OS까지, *각 단계가 왜 나왔는지
- 왜 하필 지금 이 변화가 일어나는지
- 그래서 나는 지금 뭘 하면 되는지
|
|
|
1. 어떻게 여기까지 왔는가
오늘의 AI는 너무 똑똑하다. 그래서 "원래 이랬나?" 싶을 때가 있다. 아니다. 2년 반 전만 해도 AI는 지금과 전혀 달랐다. 너무 빨리 지나온 탓에 기억이 희미한 것뿐이다. 한번 되짚어보자.
|
|
|
1) "유용한 AI" — 프롬프트의 시대 (2023~2024)
2022년 11월 30일, ChatGPT가 나왔다. 우리가 생성형 AI를 대중적으로 처음 접한 순간이다. 처음으로 사람처럼 대화하고, 글 쓰고, 번역하고, 요약하는 AI가 나타났다. 세상이 뒤집어졌다.
이때의 핵심 역량은 프롬프트 엔지니어링이었다. 질문을 어떻게 하느냐가 결과를 결정했다. 2023년에 "prompt"는 옥스포드 올해의 단어 후보에 올랐고, 프롬프트 엔지니어라는 직업은 연봉 $300K(한화 약 4.5억원)를 찍었다. '유용한 AI'의 시대 — "내가 하던 것을 외주 줄 수 있네!"라는 새로운 경험의 시대였다.
하지만 한계가 있었다. AI는 내가 시키는 것만 했다(자기 생각 없음). 외부 도구를 못 썼다(검색도 못 하고, 파일도 못 읽고). 기억력이 짧았다(대화가 길어지면 앞을 까먹음).
결국 이 시대에 우리가 배운 건 "질문하는 법"이었다. 생각해보면 당연하다. AI가 처음으로 '사람 같은 것'이 되었으니까. 사람 대 사람으로 대화할 때도, 질문을 잘 해야 원하는 답을 얻는다. 마찬가지로, '사람 같은 것'과 더 잘 대화하기 위한 질문하는 법을 배운 것이다 — 맥락을 어떻게 전달하는지, 역할을 어떻게 부여하는지. "프롬프트를 쓰지 마세요. 대화하세요." 결국 AI와의 대화도 사람 대 사람 대화의 연장선이다.
이것 자체가 나쁜 건 아니다. 사실 이때 배운 "질문하는 법"이 이후 시대의 기초가 된다.
그런데 2024년 말부터, AI에게 새로운 능력들이 생기기 시작한다.
2) "유능한 AI" — 세 가지 능력의 등장 (2024 말~2025 초)
'유용'에서 '유능'으로. 유용은 쓸 수 있다는 것이고, 유능은 능력이 있다는 것이다. 세 가지 능력이 하나씩 추가되면서, AI가 질적으로 달라졌다. |
|
|
능력 1: Reasoning — 생각을 하게 되었다.
2024년 9월, OpenAI가 o1을 공개했다. "우리는 이 모델들이 응답하기 전에 더 많은 시간을 생각하도록 훈련시켰다(We've trained these models to spend more time thinking before they respond)." 결과는 놀라웠다. 수학 올림피아드(AIME) 정답률이 GPT-4o의 12%에서 o1의 83%로 뛰었고, PhD 수준의 과학 벤치마크에서 인간 전문가를 넘었다.
이전에는 우리가 AI한테 "이렇게 생각해봐"라고 사고 과정(Chain of Thought)을 짜줘야 했다. 이제는 AI가 스스로 복잡한 문제를 단계별로 풀어낸다. "말하기 전에 생각해보았나요?" — AI가 드디어 대답하기 전에 '생각'을 하게 된 것이다. |
|
|
능력 2: MCP — 도구를 쥐게 되었다.
2024년 11월 25일, Anthropic이 MCP(Model Context Protocol)를 발표했다. "가장 정교한 모델조차도 데이터로부터의 고립에 의해 제약받는다 — 정보 사일로와 레거시 시스템 뒤에 갇혀 있다(Even the most sophisticated models are constrained by their isolation from data)." MCP는 이 문제를 해결하는 범용 오픈 표준이었다.
이전에는 LLM이 사전 학습한 것만 알았다. 외부 세계와 단절되어 있었다. 이후에는 캘린더 확인, 파일 읽기, API 호출 등 외부 도구를 직접 사용할 수 있게 되었다. 1년 만에 수천 개 MCP 서버가 구축되고, 실험에서 업계 표준이 되었다. OpenAI와 Google도 채택했다. MCP가 승리한 이유는 단순했다 — 하나의 프로토콜로 모든 도구를 연결할 수 있으니까. 뇌만 있던 AI가 '손'을 얻은 순간이다. |
|
|
능력 3: Context Window — 기억력이 커졌다.
2024년부터 Context Window가 급격히 확장되었다. Claude는 200K → 1M 토큰 → 20M까지, Gemini는 1M → 2M까지 늘어났다. 이전에는 대화가 조금만 길어져도 앞 내용을 까먹었다. 이후에는 긴 문서, 코드베이스, 대화 히스토리를 한꺼번에 파악할 수 있게 되었다. 지적 능력(Reasoning)에 기억력까지 더해진 것. 똑똑한데 기억력까지 좋은 사람이 된 셈이다. |
|
|
이 세 가지가 합쳐진 결과 → Agentic AI.
3) "바이브의 시대" — 주둥아리로 만든다 (2025.2~) |
|
|
2025년 2월 2일, Andrej Karpathy가 X에 한 줄을 올렸다:
"There's a new kind of coding I call 'vibe coding', where you fully give in to the vibes, embrace exponentials, and forget that the code even exists."
(나는 이걸 '바이브 코딩'이라 부른다. 바이브에 완전히 몸을 맡기고, 코드가 존재한다는 것 자체를 잊어라.)
450만 뷰를 넘긴 바이럴 포스트. Collins 사전 2025 올해의 단어로 선정되었다. CodeRabbit은 이 현상의 본질을 이렇게 정리했다: "더 이상 만드는 것이 문제가 아니다. 신뢰의 문제다(We no longer have a creation problem. We have a confidence problem)."
AI가 유능해지니, 나의 바이브, 나의 주둥아리로 진짜 원하는 것을 뚝딱 만들어내는 시대가 열렸다. Lovable은 대화만으로 풀스택 앱을 만들고, 2025년 12월에 $6.6B 밸류에이션을 찍었다. v0, Cursor, Bolt.new, Replit — 코딩을 몰라도 만들 수 있는 서비스들이 쏟아졌다.
1)에서 배운 "질문하는 법"이 진짜 힘을 발휘하기 시작한 것이다. 프롬프트로 대화하던 것이, 프롬프트로 무언가를 '만드는' 것으로 확장되었다.
그런데 바이브만으로는 부족하다는 걸 사람들이 깨닫기 시작한다. "뭘 만들어줘"보다 "어떤 맥락에서 만들어줘"가 결과를 결정했기 때문이다.
4) "맥락의 시대" — Context Engineering (2025.6~) |
|
|
2025년 6월, Shopify CEO Tobi Lütke가 "context engineering"이라는 표현을 쓰자, Karpathy가 즉각 동의하며 확산시켰다:
"컨텍스트 엔지니어링은 컨텍스트 윈도우를 다음 단계에 딱 맞는 정보로 채우는 섬세한 기술이자 과학이다(Context engineering is the delicate art and science of filling the context window with just the right information for the next step)."
Simon Willison은 이렇게 정리했다: "대부분의 사람들이 '프롬프트 엔지니어링'에서 추론하는 정의는 '챗봇에 뭔가를 타이핑하는 것에 우스꽝스럽게 거창한 이름을 붙인 것'이다. '컨텍스트 엔지니어링'의 추론 정의는 의도된 의미에 훨씬 가깝다."
프롬프트 엔지니어링과 컨텍스트 엔지니어링의 차이는 이것이다:
- 프롬프트 엔지니어링: 하나의 질문을 잘 쓰는 것. 단일 입출력.
- 컨텍스트 엔지니어링: AI가 보는 전체 환경을 설계하는 것. 메모리, 히스토리, 도구, 시스템 프롬프트 — 전부.
프롬프트 엔지니어링은 컨텍스트 엔지니어링의 부분집합이다. Gartner도 이를 2025년 핵심 트렌드로 선정했고, HuggingFace는 "프롬프트 엔지니어링을 넘어선 진화"라 불렀다.
1)에서 "질문하는 법"을 배웠다면, 4)에서는 "환경을 설계하는 법"으로 진화한 것이다. 한 번의 프롬프트가 아니라, AI가 항상 접근할 수 있는 맥락 전체를 관리하는 시대. 이것이 바로 다음 단계의 기초가 된다.
수렴(Convergence)
프롬프트, Reasoning, MCP, 바이브 코딩, 컨텍스트 엔지니어링 — 지금까지 이것들은 각각 따로 발전해왔다. 그런데 2025년 말, 이 흩어져 있던 것들이 하나로 수렴하기 시작했다.
생각하는 뇌 + 도구를 쓰는 손 + 넓은 기억력 + 맥락을 설계하는 방법론 — 이것이 합쳐졌을 때, 우리는 드디어 '말(언어)'로 '말(AI)'을 조종할 수 있는 시대에 들어섰다.
|
|
|
2. '말(言)'로 '말(馬)'을 조종하는 시대 — 왜 지금인가
수렴이 이론이 아니라 현실이 된 증거들이 있다. 2025년 말~2026년 초, 세 가지 현상이 연쇄적으로, 동시다발적으로 일어났다.
1) Claude Code → Claude Cowork:
코드에서 지식노동으로 — 수렴의 첫 번째 신호 |
|
|
2) OpenClaw: 나만의 에이전트 환경을 만든다 — 수렴의 두 번째 신호 |
|
|
두 번째 신호는 사용자들 쪽에서 왔다. 사람들이 직접 "나만의 AI 환경"을 만들기 시작한 것이다.
2025년 11월, 오스트리아의 바이브 코더 Peter Steinberger가 OpenClaw를 출시했다. 처음엔 "Clawdbot"이라는 이름이었다. 2026년 1월 말 "OpenClaw"로 이름을 바꾸고 — 폭발이 시작됐다. 2월에 GitHub 스타 10만 돌파. React보다 빠른 속도였다. 2~3월 트래픽 925% 급증. 3월에는 텐센트 본사에 1,000명이 줄을 서서 노트북에 OpenClaw를 설치했다. WeChat과 통합되고, 중국에서 "롭스터" 열풍이 불었다. 다들 바이킹스 워프라도 가는 건지, 너도나도 롭스터를 집어들었다. 310만 스타, 58,000 포크, 1,200명 이상의 기여자. |
|
|
왜 이렇게 폭발했을까?
OpenClaw의 핵심 구조를 보면 답이 나온다. soul.md라는 파일이 있다. 마크다운 텍스트 파일 하나에 나의 정체성, 커뮤니케이션 스타일, 핵심 가치관, 행동 규칙을 적는다. AI는 모든 대화에서 이 파일을 시스템 프롬프트로 로드한다. "'도움이 되어라'는 아무것도 만들지 않는다. '최대 5개 글머리, 파일 삭제 전 확인'이 일관된 행동을 만든다(Be specific, not vague. 'Be helpful' produces nothing)." 그리고 이건 10줄로 시작해서 조금씩 늘려가면 된다.
SOUL.md가 에이전트의 정체성(who)이라면, 스킬은 행동(what), 메모리는 학습(what it knows)이다. 100개 이상의 빌트인 스킬로 채팅이 아니라 행동하는 AI가 된다.
이것이 말해주는 것이 있다. 사람들이 원하는 건 "범용 AI 챗봇"이 아니었다.
"나만의 에이전트 환경"이었다. 나의 맥락을 알고, 나의 방식대로 일하는 AI. 본론 1에서 다룬 Context Engineering이 이론이었다면, OpenClaw는 그것의 실천이다 — 수렴의 두 번째 신호.
한쪽에서는 코딩 도구가 지식노동으로 확장되고, 다른 쪽에서는 사람들이 자기만의 AI 환경을 만들기 시작했다. 그리고 2026년 2월, 이 모든 흐름에 하나의 이름이 붙었다.
|
|
|
3) 하네스 엔지니어링: 이 모든 것에 이름이 붙다 — 수렴의 세 번째 신호
세 번째 신호는 이름이었다.
흩어져 있던 실천들이 하나의 개념으로 수렴한 것이다.
2026년 2월, OpenAI가 "하네스 엔지니어링"이라는 글을 올렸다. 내용은 충격적이었다. OpenAI 내부의 한 팀이 5개월간 한 줄의 코드도 직접 쓰지 않고, 약 100만 줄 규모의 제품을 만들었다. 3명으로 시작해 7명이 된 이 팀은 1,500개의 PR을 머지했다 — 1인당 하루 3.5개의 PR. 기존 방식 대비 1/10의 시간이었다.
비결이 뭐였을까? 바로 하네스였다.
"엔지니어들은 더 이상 코드를 쓰지 않는다. 그들은 하네스를 만든다 — AI 에이전트를 올바른 궤도에 유지하는 구조, 가드레일, 문서, 자동화된 검증 시스템을(Engineers aren't writing code anymore; they're building the harness)."
"에이전트 관점에서, 실행 중에 맥락 안에서 접근할 수 없는 것은 사실상 존재하지 않는다(
From the agent's point of view, anything it can't access in-context while running effectively doesn't exist)."
핵심 메시지는 이것이다: "어려운 건 에이전트가 아니다. 하네스가 어렵다(The agent isn't the hard part — the harness is)."
Martin Fowler도 이 개념을 분석했고, LangChain은 하네스만 바꿔서 코딩 에이전트 성능을 52.8%에서 66.5%로 끌어올렸다 — 모델은 그대로 두고.
|
|
|
하네스 = 말(AI)에게 씌우는 고삐.
방향을 정하고, 범위를 정하고, 맥락을 제공하는 것. 돌이켜보면, Claude Code의 CLAUDE.md도, OpenClaw의 soul.md도 — 이것들이 다 하네스의 구성요소였다.
그런데 이 이야기를 들으면 많은 사람들이 이렇게 말한다: "Claude Code 깔았는데... 뭘 시키지?" OpenClaw를 설치해도 마찬가지다. "어, 뭘 시켜야 하지?" 도구는 준비됐는데, 정작 AI에게 줄 '나의 맥락'이 없는 것이다. |
|
|
AI는 야생마와 같다. 엄청나게 빠르고 강력하지만, 고삐 없이는 어디로 갈지 모른다.
하네스 엔지니어링은 그 야생마에게 고삐를 씌우는 것이다 — MCP와 나의 지식, 경험, 스킬을 담은 환경을 구축하는 것. 핵심은 Personal Context Management(개인 맥락 관리), 즉 나와 관련된 데이터를 AI에게 체계적으로 제공하여 나를 위한 조언을 받는 것이다. 그리고 여기서 빠져서는 안 되는 것이 있다: 문서화.
AI에게 나의 시스템 구조, 가치관, 목표 체계를 명시적으로 알려주는 작업이 필수다. 문서화되지 않은 맥락은 AI에게 존재하지 않는 것과 같다.
그리고 이것을 가능하게 만든 경제적 전제가 있다. AI의 진짜 혁신은 모델이 똑똑해진 것이 아니라, 지능 비용이 급락한 것이다. 지능이 비쌀 때는 개인이 하네스를 만들 여유가 없었다. 지능이 싸지니까, 개인 단위로 "나만의 하네스"를 만드는 것이 처음으로 경제적으로 가능해졌다.
흩어져 있던 실천들에 하나의 이름이 붙었다. 이제 "뭘 해야 하는지"가 명확해졌다 — 나만의 하네스를 만드는 것. 수렴의 세 번째 신호.
코드가 지식노동으로 확장되고(1), 사람들이 자기만의 AI 환경을 만들기 시작했고(2), 이 모든 것에 이름이 붙었다(3). 수렴은 완성되었다.
그렇다면 이 하네스의 핵심은 무엇인가? 결국 "나의 맥락"이다. |
|
|
3. 나의 맥락이 곧 나의 AI OS — 그래서 뭘 해야 하나
1) 다들 같은 방향을 가리키고 있다
하네스를 만들려면, 그 안에 채울 "나의 맥락"이 필요하다. 서론에서 던진 시그널을 기억하는가? Tiago Forte, Nick Milo, 김익한 교수님, Andrej Karpathy — 서로 다른 분야의 사람들이 같은 방향을 가리키고 있다고 했다. 이제 그 시그널이 구조적으로 왜 같은 곳을 향하는지 보자. |
|
|
그리고 우리 더배러 커뮤니티에서는 이미 이런 것을 만들기 위해 노력해왔다. 구요한 교수의 CMDS(Connect-Merge-Develop-Share) 지식관리 체계, ACH(안창현)님의 실천, 그리고 나(Brian)의 Brain Trinity. 용어는 다르지만 가리키는 곳은 하나다: 나의 맥락을 체계적으로 관리하고, AI에게 제공하는 환경을 만드는 것.
2) PKM을 넘어 PCM으로 — 패러다임이 바뀌고 있다
그렇다면 이 "나의 맥락"이란 정확히 무엇인가? 그리고 왜 기존의 PKM으로는 부족한가?
PKM(Personal Knowledge Management)에서 PCM(Personal Context Management)으로 패러다임이 확장되고 있다. PKM은 지식을 정리하고 연결하는 것 — 나를 위한 지식 관리. PCM은 그 지식을 포함한 나의 전체 맥락을 AI에게 제공할 수 있도록 관리하는 것 — 나와 AI를 위한 맥락 관리. PKM이 "내가 뭘 알고 있나"라면, PCM은 "AI가 나를 얼마나 알고 있나"다. |
|
|
그렇다면 나의 맥락이란 무엇인가? 내가 AI를 활용하고자 할 때, AI가 나를 이해하기 위해 필요한 모든 것이다. 지식만이 아니다. 나의 자아, 목표, 가치관, 일하는 방식, 도구, 워크플로우 — 이 모든 것이 맥락이다.
이걸 나는 MAAP 프레임워크로 부른다.
- Meaning — 나의 자아, 목표, 비전, 우선순위. 내가 이루고자 하는 것, 왜 이 AI를 쓰는가?
- Assets — 나의 지식 체계. 수집하고, 경험하고, 생각한 것들. 세컨드 브레인에 쌓아온 모든 것.
- Actions — 도구들. MCP, 스킬, 자동화 워크플로우 등 내가 가용한 것. AI가 쓸 수 있는 '손'.
- Persona — 에이전트의 정체성. 어떤 역할과 방식으로 일할 것인가. AI에게 부여하는 '성격'.
이 맥락이 풍부할수록, AI는 더 적은 토큰으로 더 정확한 아웃풋을 생성한다. 그리고 이 맥락을 채우는 방법은 결국 하나다:
기록.
|
|
|
나는 이걸 직접 실험했다. "누군가 나의 모든 것을 알고 있다면 어떨까?" — 이 질문에서 출발해서, 내 삶의 데이터를 하나씩 AI에 연결시키기 시작했다.
일정(Google Calendar), 지식과 기록(옵시디언), 할 일(Todoist), 집중 시간(Toggl Track), 자동 사용 로그(RescueTime). 도구를 고를 때 기준은 하나였다: AI와 연결할 수 있는가.
이 데이터들을 연결시키자, 하루가 끝나면 AI가 자동으로 회고를 만들어준다. 종합 타임라인이 나오고, 개인과 업무가 자동 분리되고, 계획 대비 실제 행동의 괴리(Drift)가 감지된다. 아침에는 에이전트가 모닝 브리핑을 보내준다 — 오늘의 일정, 밀린 업무, 이번 주 목표 대비 진행률. 누가 나를 하루종일 따라다니면서 기록한 것처럼. Live it, Log it, Get it — 인생을 살고, 기록하고, 이해하라.
한 달 반 운영하면서 깨달은 것이 있다. 모든 걸 기록할 필요는 없다. 다만 내가 직접 쓴 기록이 가장 가치 있고, 그것을 AI에게 우선순위와 함께 제공해야 한다. 그리고 무엇보다 — AI를 위해 기록하는 게 아니다. 나를 위해 기록하는 거다. AI는 그 기록을 증폭시켜줄 뿐이다.
이 데이터 라이프로깅 시스템과 실제 활용 사례는 더배러톡톡 강연 〈AI 기반 데이터 라이프로깅 시스템 구축 및 활용법〉에서 더 자세히 다뤘다.
|
|
|
3) 개인 맥락 + 개인 하네스 = AI OS |
|
|
그렇다면 이 맥락을 실제로 어떻게 AI에게 전달하는가? 이때 본론 2에서 다룬 하네스가 다시 등장한다.
핵심 공식: 개인 맥락(MAAP) + 개인 하네스(CLAUDE.md, soul.md 등) = 나만의 AI OS
맥락은 '무엇을' 전달할지(콘텐츠)이고, 하네스는 '어떻게' 전달할지(구조)다. 둘이 합쳐지면 — 나를 아는 AI가 나의 방식대로 일하는 운영체제가 된다.
재미있는 건, 사용하는 용어는 다르지만 다들 같은 것을 가리킨다는 것이다:
- CMDS (구요한) — Connect-Merge-Develop-Share
- Brain Trinity (Brian) — First Brain ↔ Second Brain ↔ Third Brain ↔ Zeroth Brain
- AI Second Brain (Tiago Forte) — BASB + AI
- ACE + AI (Nick Milo) — Atlas/Calendar/Efforts + AI
- LLM Knowledge Base (Karpathy) — raw/ → wiki/ 파이프라인
- AI 기록학 (김익한 교수님) — 기록 → AI 맥락 제공
결국 그래서 무엇이 중요한가? 나의 맥락, 나의 지식, 나의 환경을 구축하는 것. 이것이 AI OS다 — 나를 아는 AI를 만드는 운영체제.
4) 2023년부터 했던 고민, 돌고 돌아 브레인 트리니티
사실 나는 이 이야기를 2023년 3월부터 해왔다.
ChatGPT가 세상을 바꾸기 시작할 때 나는 이런 질문을 던졌다: "AI 시대에 내 두뇌와 내 지식 시스템과 AI는 어떤 관계인가? 이 셋이 어떻게 하면 하나로 작동할 수 있을까?"
2023년 3월 27일, GPTers 커뮤니티 AI토크에서 이 생각을 처음으로 공개 발표했다 — AI토크: ChatGPT, 제대로 알고 사용하자. ChatGPT의 한계("세 가지 인격의 줄다리기")를 분석하면서, "그렇다면 어떻게 받아들여야 하는가?"라는 질문에 대한 답으로 Brain Trinity를 제시했다. 컴퓨터에 비유하면 — First Brain은 CPU(프로세싱), Second Brain은 SSD(저장), Third Brain은 Internet(집단지성), Zeroth Brain은 ROM(나의 정체성).
2023년 3월, GPS 프레임워크(Goal-Principles-Process-System-Space)를 만들었다 — 나의 북극성을 정의하는 것이 모든 시스템의 출발점이었다. ry |
|
|
그리고 2023년 8월, Brain Trinity 개념을 본격 정리하고 영상으로 발표했다. Trinity, 삼위일체의 의미 — "세 가지가 서로 구별되지만 연결되어 있고, 본질적으로는 같다." 세 두뇌의 공통점은 네트워크다. 생물학적 뉴런, 디지털 파일 그래프, 인공 신경망 — 본질이 같다. 각 두뇌는 고유한 강점이 있다:
- First Brain (뇌) — 정보를 프로세싱하여 새로운 아이디어와 창의력을 발휘하는 힘. 직관, 감성, 창의성의 원천. 컴퓨터로 치면 CPU.
- Second Brain (옵시디언) — 나의 선택과 경험을 저장한 "두뇌의 복사본". 저장과 검색의 힘. 기억의 한계를 넘어 지식을 축적하고 연결하는 외장 하드, SSD.
- Third Brain (AI) — 전 세계의 집단지성을 개인화한 것. 내가 모르는 분야의 지식을 확장하는 힘. 인터넷에 연결된 것처럼, 세상의 지식을 나의 맥락으로 가져오는 확장.
- Zeroth Brain (나 자신) — 세 두뇌는 결국 하나로 연결된다. 그것이 "나 자신". 나의 정체성, 가치관, 방향성 — ROM처럼 변하지 않는 나의 본질. 모든 것은 "나라는 사람이 어떤 사람인지 깨닫고 발전시키는 것"으로 귀결된다.
그때 이 생각을 했을 때, 주변 반응은 "그래서 그걸로 뭘 하는데?"였다. 3년이 지난 2026년, 각자 다른 언어로 같은 이야기를 하기 시작했다. Tiago Forte가 AI Second Brain을 선언했고, Nick Milo가 "Your AI needs a home"이라고 말했고, Karpathy가 raw/ → wiki/ 파이프라인의 LLM Knowledge Base를 공유했다. 그리고 본론 1~2에서 본 것처럼 — Reasoning, MCP, Context Window, 바이브 코딩, 컨텍스트 엔지니어링, 하네스 엔지니어링 — 기술이 드디어 이 비전을 실현할 수 있는 수준에 도달했다.
돌고 돌아, 결국 같은 곳에 도착했다. 나의 뇌 × 나의 지식 × AI가 하나로 작동하는 시스템. 그것이 Brain Trinity이고, 그것이 AI OS다.
Brain Trinity의 비전: "AI 시대에서 숨겨진 잠재력을 일깨워 무한 성장을 통해 '최고의 나' 되는 새로운 패러다임을 제시한다." 이건 나만의 이야기가 아니다.
모든 사람이 자신만의 Brain Trinity를, 자신만의 AI OS를 만들 수 있다. 기술은 준비되었다. 선구자들이 방향을 가리키고 있다. 남은 건 "나의 맥락"을 채우는 것이다.
|
|
|
1999년, 피터 드러커는 하버드 비즈니스 리뷰에 「Managing Oneself」(자기경영론)를 썼다.
"지식 경제에서의 성공은 자기 자신을 아는 사람에게 온다
— 자신의 강점, 가치관, 그리고 어떻게 일할 때 가장 잘하는지를 아는 사람."
드러커가 던진 다섯 가지 질문이 있다:
- 나의 강점은 무엇인가?
- 나는 어떻게 일할 때 가장 잘하는가?
- 나의 가치관은 무엇인가?
- 나는 어디에 속하는가?
- 나의 기여는 무엇이어야 하는가?
27년 전의 질문들이다. 그런데 이 다섯 가지에 답할 수 있는 사람은 — MAAP의 Meaning을 채울 수 있다. 자신의 강점을 아는 사람은 Assets의 우선순위를 정할 수 있다. 어떻게 일할 때 가장 잘하는지 아는 사람은 Actions와 Persona를 설계할 수 있다. 드러커는 AI를 몰랐지만, AI OS의 설계도를 이미 그려놓은 셈이다.
이 글에서 다룬 모든 것 — 프롬프트 엔지니어링, Reasoning, MCP, 바이브 코딩, 컨텍스트 엔지니어링, 하네스 엔지니어링 — 은 결국 하나의 전제 위에 서 있다: "나를 아는 것."
나를 알면 → 나의 맥락을 안다. 나의 맥락을 알면 → AI에게 무엇을 넣어야 하는지 안다. 무엇을 넣어야 하는지 알면 → 하네스를 만들 수 있다. 하네스가 있으면 → 나만의 AI OS가 된다.
기술은 이미 준비되었다. 도구도 있다. 하지만 그 안에 채울 "나의 맥락"은 아무도 대신 만들어줄 수 없다. 나다움을 알고, 그것을 글로 표현할 수 있는 것 — 그것이 AI 시대의 진짜 출발점이다.
이 글의 시작은 "너무 빨리 변해서 뭐가 중요한지 모르겠다"였다. 이제 답을 알았다:
변하지 않는 것은 하나다 — 나 자신.
프롬프트 엔지니어링이 컨텍스트 엔지니어링이 되고, 하네스 엔지니어링이 되고, AI OS가 되어도 — 그 중심에는 항상 "나의 맥락"이 있다. 용어는 바뀌어도 본질은 같다.
그리고 솔직히 말하겠다. Karpathy의 LLM Knowledge Base 이후로, 큰 파도가 온다.
AI OS, 하네스 엔지니어링, 개인 맥락 관리, 옵시디언 — 모든 AI 크리에이터들이 이 이야기를 하기 시작할 것이다.
아마 조만간 유튜브 피드가 이 키워드들로 도배될 것이다.
그 파도에도 흔들리지 말자.
새로운 용어가 나올 때마다 처음부터 다시 공부해야 한다는 피로 — 이 글의 서론에서 다뤘던 바로 그 문제가 또 반복될 수 있다. 하지만 이제 우리는 안다. 용어가 바뀌어도, 도구가 바뀌어도, 본질은 같다. 제일 중요한 것은 — 나부터 아는 것.
오늘 10분만 시간을 내서, 드러커의 첫 번째 질문에 답해보라. "나의 강점은 무엇인가?" 그 답이 당신의 CLAUDE.md의 첫 줄이 되고, soul.md의 첫 문장이 되고, AI OS의 첫 번째 벽돌이 된다.
나부터 알자. 그것이 AI OS의 첫 걸음이다. |
|
|
- 💪 숨겨진 잠재력을 일깨워 최고가 되는 여정을 함께합니다, 브라이언 - |
|
|
📰 더배러 주간 하이라이트:
'더배러' 커뮤니티의 활기찬 한 주를 정리한 주간 하이라이트 뉴스레터입니다.
이번 주 우리는 Claude Code 소스코드 유출이라는 예상치 못한 사건을 함께 목격했습니다. 내부 지침 논란에 커뮤니티가 들끓는 와중에도, 구요한 님은 유출 코드를 즉시 분석해 자신의 시스템을 v4로 업그레이드하는 실행력을 보여줬고, 이제현 박사님은 논문 큐레이션 파이프라인을 오픈소스로 세상에 내놓았습니다. DESIGN.md 하나로 GPT의 프론트엔드가 극적으로 달라지는 실험 결과가 공유되고, Karpathy마저 옵시디언과 마크다운 기반 지식관리를 이야기하기 시작하면서, 우리가 걸어온 길이 틀리지 않았음을 다시 한번 확인한 한 주이기도 했습니다.
하지만 그 어떤 도구보다 인상적이었던 건 사람들이었습니다. LALALAND 목사님의 조용한 책 출간, 달빛 님의 "질투는 나의 힘"이라며 따라 만들기에 뛰어드는 용기, KEY 님이 새벽에 펼쳐든 종이책 한 페이지, 그리고 "운동할 때만큼은 딴생각이 안 나서 좋다"는 솔직한 대화까지. 도구는 빠르게 바뀌지만, 기록하고 배우고 나누려는 우리의 태도는 변하지 않는다는 걸 느낀 한 주였습니다.
📚 AI 디자인 및 개발 워크플로우 (DESIGN.md & Claude Code)
최근 AI를 활용한 프런트엔드 개발 및 에이전트 운용 방식에 대한 기술적 논의가 가장 활발했습니다.
-
DESIGN.md의 충격: 마크다운 파일 하나로 GPT가 수준 높은 프런트엔드 디자인을 뽑아내는 성능에 대해 많은 이들이 놀라움을 표했습니다. (ACH_안창현 님이 주도적으로 테스트 결과를 공유하며 관련 링크드인 시리즈를 소개했습니다.)
-
Claude Code 소스 유출 및 분석: 앤스로픽의 Claude Code 소스가 유출된 사건과 이를 분석한 문서들이 빠르게 공유되었습니다. (ACH_안창현, 디케이, 구요한 님 등이 분석 결과와 이를 이용한 'Harness' 개념을 설명했습니다.)
-
AI의 감정과 성능: 앤스로픽의 연구 결과를 인용하며, AI에게도 '기능적 감정'이 있으며 맥락과 커뮤니케이션 방식이 성능에 영향을 미친다는 인사이트가 공유되었습니다. (브라이언 님)
📚 개인 지식 관리(PKM) 및 옵시디언 고도화
단순한 메모를 넘어 AI 에이전트가 활용할 수 있는 '지식 아키텍처' 구축에 대한 심도 있는 논의가 있었습니다.
-
CMDS 시스템 파일 v4 업데이트: Claude Code의 우선순위(precedence) 읽기 방식을 분석하여 옵시디언 볼트 관리 시스템을 리팩토링한 결과가 공유되었습니다. (구요한 님)
-
AI 에이전트를 위한 지식 바운더리: 모든 데이터를 다 보여주는 것이 아니라, AI에게 필요한 맥락만 효과적으로 전달하는 설계의 중요성이 강조되었습니다. (구요한, 디케이 님)
-
Andrej Karpathy의 PKM 방식: 유명 AI 학자인 카파시가 옵시디언을 지식 베이스 구축의 프런트엔드로 활용한다는 소식이 화제가 되었습니다. (브라이언, ACH_안창현 님)
📚 유용한 도구 및 정보 공유
실무에 즉시 적용 가능한 하드웨어와 소프트웨어 팁들이 공유되었습니다.
-
Flexbar (매크로 하드웨어): 터치바 형태의 매크로 장치를 사용해본 후기와 구매 팁이 공유되었습니다. (숑이 님)
-
대한민국 법령 MCP: 법령 검색 및 분석을 돕는 유용한 도구가 소개되었습니다. (앤드류 님)
-
기타 꿀팁: 논문 큐레이션 스킬(이제현 박사님), 레이캐스트 iOS 매뉴얼(앤드류 님), 클로드 토큰 절약 방법 10가지(타마 님 펌글) 등.
|
|
|
🌟Why에서 How까지 단 하루만에!
— 2026 지식관리 스프링캠프🌟
🔥 AI 써도 달라지는 게 없다면, 이유는 하나입니다
기록도 합니다. 메모도 합니다. AI도 씁니다.
근데 왜 여전히 "그때 뭐였더라…"를 반복할까요?
4월 18일, 서울AI허브에서 하루 만에 끝냅니다.
📌 2026 지식관리 스프링캠프 — 여행가J × 더배러
📅 4월 18일(토) 10:00 ~ 17:00
📍 서울AI허브 (서초구 서초구 태봉로 108)
🛜 온라인 동시 진행 · 녹화 다시보기 제공
❤️ 재능기부 기반 행사로, 수익은 전액 로컬 교육 봉사에 기부됩니다.
"지식관리가 나한테 왜 필요하지?"라는 근본적인 질문부터,
에이전트를 만들고 싶었지만 방법을 몰랐던 분까지 —
PKM 철학에서 AI 에이전트 실전까지 한 자리에서 다 다룹니다.
더배러 운영진 전원이 참여하는 AI 교육봉사단이 직접 설계한 커리큘럼,
7명의 현역 실전가가 관점 → 감각 → 시스템 → 확장까지 풀어드립니다.
관심 주제별 조별 좌석 배치로, 나와 같은 관심사를 가진 베리즈님들을 직접 만나실 수 있습니다. 더배러에서 사업이나 커뮤니티 파트너를 만난 역사가 굉장히 많답니다! 😎
오프라인 좌석은 한정되어 있으니 늦지 않게 신청해주세요.
👉 지금 슈퍼 얼리버드 진행 중 (4/2 마감)
맥락 없이 쓰는 AI는, 아직 진짜 AI를 쓰는 게 아닙니다!
|
|
|
🌟더배러 톡톡 안내🌟
엑셀 함수로 자동화를 시작했는데 부업, 그리고 창업으로 이어져 지금은 7인 기업의 대표가 되었다면?
📅 4/7(화) 밤 10시
💻 Zoom: https://talk.thebetter.today
💡 무엇을 다루나요?
이번 더배러 톡톡에서는 윤자동님을 모시고 자동화 18년차 실무자의 성장 스토리를 생생하게 나눕니다.
• 엑셀만으로 시작한 자동화가 부업과 창업으로 이어지기까지의 과정
• 토스 PO 경험이 비즈니스에 미친 영향
• 1인 기업을 운영하다 팀을 꾸리게 된 계기
• 교육, 기업강의, B2B 자동화 에이전시, 유튜브로 확장된 수익 구조
• 대표가 된 이후 중요하게 여기게 된 생각들
“일단 실행하라”는 말이 커리어와 사업에서 현실이 되고, 누구나 무료로 AI와 자동화를 배울 수 있는 학교를 만들고 싶다는 미래로 이어지는 가슴 웅장한 서사를 이번 더배러 톡톡 시간에 들어보세요. 자동화, 창업, 실행, 확장에 관심 있는 분들께 좋은 자극과 용기가 되리라 믿습니다. :)
|
|
|
🎯 성장에 진심인 사람들이 모여 어제보다 더 나은 오늘을 만드는 곳
더배러 커뮤니티는 성장에 진심인 사람들이 모여 함께 한걸음씩 나아가는 커뮤니티입니다. 자기계발 정보 공유, 독서모임, 세미나 등이 활발히 운영되고 있습니다. 함께 성장하고 싶으시다면 지금 바로 참여하세요! |
|
|
|
더배러(The Better) | newsletter@thebetter.today
|
|
|
|
|
