옵시디언으로 지식 마인드맵 만들어보기

학생 때부터 그리고 IT 업계에 진입한 이후 줄곧 기록의 제1원칙은 신속함이었습니다. 손필기로 빠르게 받아 적거나 메모장에 키워드 단위로 쏟아내는 속기 습관은 오랫동안 가장 직관적인 기록 도구였습니다. 하지만 처리해야 할 업무의 양이 폭발적으로 늘어나고 변경사항이 쉴 새 없이 쏟아지면서, 단순히 시간순으로 나열하고 기억에 의존하는 방식은 명확한 한계에 부딪혔습니다. 퇴사 직전까지 '메모장 기록 후 노션 정리'라는 방식으로 버텨보았으나, 노션의 정교한 데이터베이스와 템플릿조차 작업이 종료되면 지식이 휘발되거나 다시 꺼내 쓰기 위한 전환 비용이 과도하게 발생하는 문제를 해결해주지 못했습니다.

정보가 범람하는 AI 시대로 전환되면서 파편화된 메모는 더 이상 자산이 아닌 관리 부채가 되었습니다. 이러한 결핍을 해결하고자 옵시디언과 지식 그래프 체계를 도입했습니다. 초기에는 마크다운 문법과 백링크 개념이 높은 러닝커브로 다가왔으나, 이 진입장벽 역시 AI를 협업 파트너로 활용하며 돌파했습니다.

{ image }이미지 불러오는 중

그 결과 휘발성 정보를 유기적 지식으로 전환하는 7단계 위키 파이프라인을 정립했습니다. 기록의 범위를 규정하는 주제 선정, 탐색성을 부여하는 키워드 및 태그 지정, 수집 데이터의 신뢰도를 확보하는 내용 검증과 참고문헌 명시, 실무 적용성과 이해도를 확인하는 사용자 검증, 관련 개념을 그물망처럼 엮는 백링크 연결, 그리고 문서 구조와 링크 누락을 점검하는 자체 LINT 검사 순으로 이어지는 체계화된 기록 프로세스를 완성했습니다.

여기에 지식 저장소를 소프트웨어 프로젝트처럼 Git 형상관리에 얹고, 안드레이 카파시(Andrej Karpathy)의 Wiki Thesis 개념을 접목했습니다. AI가 위키 기반으로 세션 맥락을 기억하고 상호 간 린트(Lint) 검사를 수행하도록 구축함으로써, 키워드와 자연어 문장 단위로 데이터를 즉시 탐색하고 업데이트하는 고도화된 개인 지식 엔진을 갖추게 되었습니다.

현재 생산성은 비약적으로 향상되었으나, AI 에이전트 호출 빈도 증가에 따른 API 비용 부담은 지속 가능한 운영을 위해 해결해야 할 핵심 과제입니다.

이 비용 문제를 해결하기 위해서는 정형화된 작업과 심층 작업을 분리하는 하이브리드 아키텍처로의 확장 또는 다른 유용한 방법이 있는지 계속 알아보는 게 숙제가 될 것 같습니다.