"그래서 뭐가 제일 좋아요?"

지난주 한 임원 교육에서 익숙한 질문을 받았다.

"구 대표님, 그래서 결론적으로 어떤 도구가 제일 좋습니까? 노션입니까, 옵시디언입니까? GPT입니까, 클로드입니까?"

너무 자주 받는 질문이다. 그런데 그날은 다른 답이 하고 싶었다.

"그 도구에 무엇을 담으실 건데요?"

강의실이 잠깐 조용해졌다. 한 번도 거꾸로 생각해본 적이 없다는 표정이었다. 우리는 늘 채널 번호를 묻는다. MBC가 11번이고 KBS가 7번인 것처럼, 어떤 도구가 몇 번인지를 외우려 한다. 하지만 번호를 안다고 좋은 프로그램이 나오는 것은 아니지 않은가.

평균을 복제하는 기계 앞에서

송길영 작가는 인공지능이 인간의 평균을 복제한다고 말한다. 정량화되고 문서화될 수 있는 것은 AI가 대체한다는 뜻이다. 나는 이 통찰이 우리 시대를 설명하는 가장 정확한 문장 중 하나라고 생각한다.

생각해보자. 정리해줘? 1초. 요약해줘? 1초. 자료 찾아줘? 1초. 우리가 그동안 '생산성'이라 불렀던 일의 대부분을 AI가 평균 이상으로, 그것도 즉시 해버린다. 그래서 이상한 일이 벌어진다. AI를 잘 쓰는 사람은 점점 많아지는데, 정작 사람이 더 깊어졌다는 증거는 보이지 않는다. 모두 빨라졌지만, 아무도 두꺼워지지 않았다. 빨라진 당신은, 그만큼 깊어졌는가?

그렇다면 질문은 분명해진다. AI가 평균을 1초에 만드는 시대에, 인간은 무엇을 가져갈 것인가?

이 질문에 답하려고 나는 오래된 노트를 다시 펼쳤다. 커맨드스페이스의 9계명이다.

한 글자도 안 바꿨는데, 의미가 달라졌다

9계명은 원래 지식을 잘 기록하고 관리하기 위한 원칙이었다. 마크다운으로 써라, 지식을 연결하라, 정리하라. 그런 실용적인 규칙이었다.

그런데 올해 이걸 다시 읽다가 소름이 돋았다. 한 글자도 바꾸지 않았는데 의미가 완전히 달라져 있었다. 예전엔 '기록을 잘하자'는 정리법이던 것이, 지금은 'AI 시대에 인간이 어떻게 생각할 것인가'라는 사고의 원칙이 되어 있었다. 내가 9계명을 고친 게 아니다. 시대가 9계명을 다시 쓴 것이다.

그래서 2026 해석판으로 다시 정리하기로 했다. 오늘은 그 아홉 가지를 하나의 강물처럼 먼저 흘려보낸다. 하나하나 깊은 이야기는 앞으로 한 편씩 풀어갈 것이다.

생각이 흐르는 아홉 단계

하나, 생각을 붙잡는다(THINK IN MARKDOWN).

복잡한 생각도 처음부터 완성된 문장으로 나오지 않는다. 제목이 생기고, 목록이 생기고, 연결이 붙으면서 자란다. 그걸 단순하고 오래 살아남는 형식으로 붙잡는 것이 시작이다. 마크다운은 문법이 아니라 태도다. 잘 남긴 기록은 6개월 뒤의 나도, AI도 다시 읽는다. 요즘은 잘 쓴 기록이 그 자체로 가장 강력한 프롬프트가 된다.

둘, 멀리 있는 것을 연결한다(CONNECT KNOWLEDGE).

많이 아는 것이 힘일까? 아니다. 멀리 떨어진 것을 정확하게 잇는 것이 힘이다. 독일의 사회학자 니클라스 루만이 평생 메모 상자(Zettelkasten) 속에서 카드와 카드를 연결하며 자기 자신과 대화했던 것처럼 말이다. AI는 두 점 사이를 빠르게 채우지만, 어떤 두 점을 이을지 정하는 것은 끝까지 사람의 몫이다.

셋, 차원 속에 배치한다(ORGANIZE DIMENSIONS).

차돌짬뽕이 울면과 냉면 사이에 있으면 면요리이고, 침착맨과 단군 사이에 있으면 철면수심이 된다(철면수심의 별명이 차돌짬뽕이다). 같은 지식도 무엇과 함께 두느냐에 따라 전혀 다른 것이 된다. 정리는 폴더를 예쁘게 나누는 일이 아니라, 이것을 어떤 차원에서 볼 것인가를 정하는 사고다. 당신의 그 노트는 지금 어떤 이웃과 나란히 놓여 있는가?

넷, 평균을 넘는다(TRANSCEND AVERAGE).

AI는 평균을 1초에 만든다. 그러니 인간이 할 일은 평균을 더 빨리 소비하는 것이 아니라, 평균이 닿지 못하는 질문을 던지는 것이다. 같은 AI에 같은 주제를 던져도 결과가 다른 이유는 도구가 아니라 질문에 있다. 챗GPT가 못하고 사람만 할 수 있는 것이 무엇인가? 바로 질문하기, 그리고 나만이 가진 감정과 관점과 시각을 표현하는 일이다.

다섯, 다음 단계로 바꾼다(PRODUCE NEXT-LEVEL KNOWLEDGE).

정보는 누구나 받는다. 하지만 해석은 각자의 몫이다. 받은 것을 자기 언어와 경험에 통과시켜 다음 단계의 의미로 바꾸는 것, 그것이 인간이 하는 일이다. AI가 1차 콘텐츠를 무한히 찍어내는 시대일수록 더욱 그렇다. 정보의 소비자로 남을 것인가, 지식의 생산자가 될 것인가.

여섯, 시간 속에서 숙성시킨다(THINK CHRONOLOGICALLY).

기록은 현재를 박제하는 일이 아니라 미래의 나에게 보내는 편지다. 3년 전 무심코 적어둔 한 줄이 오늘 강의의 한 장면이 되는 일을 나는 자주 겪는다. 그때는 쓸모없어 보이던 메모가, 시간이 지나서야 가장 멀리 가 있었다. 깊이는 속도를 이긴다. AI는 오늘의 답은 알아도 내가 어떻게 여기까지 왔는지는 모른다. 그 길을 미래의 나에게 남기지 않으면, 누가 남겨주겠는가.

일곱, 환경과 태도를 설계한다(DESIGN ENVIRONMENT & ATTITUDE).

같은 AI를 쥐여줘도 어떤 조직은 변하고 어떤 조직은 변하지 않는다. 차이는 도구가 아니라 그 도구를 둘러싼 환경이다. 세컨드 브레인은 도구가 아니라 태도다. 아이에게도 조직에게도, AI를 주기 전에 읽고 쓰고 묻는 습관부터 먼저 주어야 한다. 당신의 조직은 AI를 쥐여주기 전에 무엇을 먼저 쥐여주었는가?

여덟, 나누어 미래와 약속한다(SHARE WITH FUTURE PROMISE).

지식은 혼자 쥐고 있으면 닫히고, 나눌 때 다음 단계로 진화한다. 15년간 과외를 하며 몸으로 배운 것이 하나 있다. 가장 깊이 배우는 방법은 가르치는 것이라는 사실이다. 내가 강의와 이 뉴스레터를 멈추지 않는 이유다. 공유는 양이 아니라 약속이다. 한 문장이 누군가의 회의 언어를 바꾸는 것을 나는 여러 번 보았다.

아홉, 다차원으로 판단한다(SEE MULTI-DIMENSIONALLY).

AI 시대의 진짜 질문은 'AI를 쓰느냐 마느냐'가 아니다. 어디까지 AI에 맡기고, 어디부터 인간이 끝까지 책임질 것인가다. 효율 하나로 결정할 수 없다. 책임도, 맥락도, 시간도 함께 봐야 한다. AI에 맡길 것인가, 끝까지 내가 책임질 것인가? 그리고 마지막 책임은 언제나 사람이 진다.

붙잡고, 연결하고, 판단한다

늘어놓고 보면 결국 하나의 문장으로 흐른다.

생각을 붙잡고, 멀리 있는 것을 연결하고, 차원 속에 배치하고, 평균을 넘어서고, 다음 단계로 바꾸고, 시간 속에서 숙성시키고, 환경을 설계하고, 나누어 약속하고, 다차원으로 판단한다.

이것이 내가 생각하는, AI 시대를 살아가는 인간의 운영체제다. 단순한 메모법이 아니다. 커맨드스페이스를 메모 시스템이 아니라 지식 운영체제(Knowledge Operating System)라 부르는 이유가 여기 있다. 도구는 1~2년마다 바뀐다. 모델도 계속 바뀐다. 하지만 어떻게 생각할 것인가라는 원칙은 도구 너머에서 작동한다.

마지막 질문

AI를 잘 쓰는 사람은 앞으로 점점 더 많아질 것이다. 그건 확실하다. 그러나 AI와 함께 더 깊이 생각하는 사람은 여전히 드물 것이다. 나는 그 차이를 만드는 것이 결국 이 아홉 가지 원칙이라고 믿는다.

그래서 앞으로 하나씩 깊이 풀어보려 한다. 강의실에서, 컨설팅 현장에서, 그리고 내 10,000개 노트 안에서 실제로 검증한 이야기로. 오늘은 그 지도를 한 장 펼쳐 보인 셈이다.

그러니 다음에 AI 앞에 앉거든, 도구를 고르기 전에 이것 하나만 떠올리면 된다.

나는 지금 저장하고 있는가, 아니면 생각을 만들고 있는가?

이 질문 하나가 출발점이다. 다음 첫 번째 계명, '생각을 붙잡는 법'으로 다시 찾아온다. 그 차이를 만드는 건 결국 당신의 다음 질문이다. 그것은 무엇인가?

나의 인생을 운영하는 AI 워크스페이스를 만들어보아요! 

🌟 같은 AI를 쓰는데, 왜 결과는 다를까요?
— LLM Wiki 바이블 (= 나만의 AI OS 강의), 패스트캠퍼스 오픈 🎉

다른 누구도 아닌, 더배러의 브라이언이 직접 준비했습니다.

🔥 진짜 격차는 'AI를 잘 쓰느냐'가 아니에요.

AI에게 줄 내 컨텍스트가 있느냐'입니다.

같은 ChatGPT를 써도, 내 상황·목표·지식을 아는 AI는 나에게 딱 맞는 답을 주고,

그렇지 않은 AI는 누구나 받는 일반론을 줍니다.

AI 학습용 외부 데이터는 이미 바닥났어요.

이제 세상에 단 하나뿐인 자산은 — 나의 기록, 나의 맥락입니다.

이번 강의는 그 '나의 컨텍스트'를 옵시디언과 클로드코드 위에 직접 올려,

나를 아는 AI 워크스페이스(AI OS)를 함께 짓습니다.

AI가 딸깍해주는 자동화가 아니라, 듣고 → 따라하고 → 직접 만드는 강의예요.

📌 LLM Wiki 바이블 — 클로드코드와 옵시디언으로 구축하는 나만의 AI 지식 체계
📅 6/4부터 4회 순차 공개 (6/4 · 6/26 · 7/10 · 7/24)

코드 한 줄 몰라도 괜찮아요. 옵시디언 설치부터, 명령은 전부 한국어로.

✅ 나를 정의하는 L1·L2·L3 정의문과 나만의 CLAUDE.md
✅ 스스로 정리되고 나를 이해하는 LLM Wiki — 진짜 '나를 아는 3rd Brain'
✅ 수집부터 아웃풋(블로그·카드뉴스)까지 자동으로 굴러가는 워크플로우

제 Vault는 참고서일 뿐, 정본은 여러분의 Vault예요.

라이언과 함께, 나를 아는 AI를 지어봐요!

🔗 https://fastcampus.co.kr/biz_online_llmwiki