지식 관리의 문제는 이미 시작됐다
많은 조직이 비슷한 경험을 합니다. 프로젝트가 끝나면 보고서는 어딘가에 저장됩니다. 회의록은 누적됩니다. 좋은 아이디어는 메모 앱 안에 묻힙니다.
문제는 저장이 아닙니다. 저장은 충분히 하고 있습니다. 문제는 그 정보들이 연결되지 않는다는 것입니다. 쌓인다고 지식이 되지 않습니다.
카파시의 실험이 보여주는 구조
AI 연구자 안드레 카파시(Andrej Karpathy)가 자신의 지식 관리 방식을 공개했습니다. 기사, 논문, 이미지 등 원시 데이터를 그대로 던지면, LLM이 알아서 Obsidian 마크다운 위키를 구축합니다.
주목할 점은 기술의 복잡성이 아닙니다. RAG(검색 증강 생성) 같은 고급 기법 없이도 수십만 단어의 문서를 읽고, 개념을 분류하고, 오류를 검증하며, 질문에 시각화로 응답합니다. 결과는 다시 위키로 누적됩니다. 지식이 스스로 진화합니다.
기존 방식은 왜 무너지는가
기존 지식 관리의 구조는 단순합니다. 사람이 읽고, 정리하고, 문서화합니다. 이 구조에서는 손실이 불가피합니다.
바빠서 정리를 미룹니다. 맥락이 사라집니다. 팀원이 바뀌면 지식도 함께 떠납니다. 조직이 성장할수록 관리 비용이 선형으로 증가합니다. 사람이 중심에 있는 구조는 규모를 감당할 수 없습니다.
작동 방식이 바뀌고 있다
카파시의 실험은 개인의 취향이 아닙니다. 방향을 보여줍니다.
지식을 조직하는 주체가 바뀌고 있습니다. 사람이 직접 쓰고 수정하던 위키와 노트의 시대는 빠르게 저물고 있습니다. AI가 원시 데이터를 받아서 구조화하고, 연결하고, 진화시킵니다. 그리고 이 변화는 이미 개인 수준에서 실현 가능합니다.
그래서 무엇을 바꿔야 하는가
조직이 바꿔야 할 것은 도구가 아닙니다. 질문입니다.
“우리 팀은 지식을 어떻게 저장하고 있는가”가 아니라, “우리 팀의 지식이 어떻게 연결되고 있는가”를 물어야 합니다.
실행 관점에서 세 가지를 점검할 수 있습니다. 첫째, 현재 어떤 형태의 원시 데이터가 조직 안에 쌓이고 있는가. 둘째, 그 데이터가 구조화되지 않은 채 방치되고 있는가. 셋째, 사람이 그 구조화에 얼마나 많은 시간을 쓰고 있는가.
격차는 여기서 벌어진다
AI를 도구로 쓰는 조직과 그렇지 않은 조직의 차이는 속도가 아닙니다. 지식이 누적되는 방식에서 차이가 납니다.
사람이 정리하는 조직은 사람이 떠날 때마다 지식을 잃습니다. AI가 지식을 조립하는 조직은 정보가 들어올수록 지식이 쌓입니다.
이 차이는 지금 당장 크지 않습니다. 하지만 시간이 흐를수록 복리로 벌어집니다.
이 문제는 정보의 문제가 아니라, 해석과 적용의 문제에 가깝습니다.
같은 상황을 어떻게 보고, 어떤 구조로 풀어내느냐에 따라 결과가 달라집니다.
실제 적용을 고민 중이시라면 👉 이쪽에서 바로 문의하셔도 됩니다