본문으로 건너뛰기

AI가 지식을 축적하는 방식, AKM 구조 살펴보기

초코송이

2026.08.06

AKM(Agent Knowledge Management) 프로젝트를 살펴봤습니다.

AKM은 단순히 자료를 저장하는 시스템이 아니라, AI 에이전트가 자료를 지식으로 정리하고, 업무에 활용한 뒤, 실행 결과와 실패 경험까지 다시 반영하도록 설계된 지식관리 구조입니다.

핵심 흐름은 다음과 같습니다.

수집 → 분류 → 지식화 → 맥락 적용 → 실행 → 검증 → 학습 반영

특히 인상적이었던 부분은 자료, 지식, 업무 절차, 실행 기록, 평가 기준을 서로 다른 영역으로 나누어 관리한다는 점입니다.

  • Sources : 외부에서 수집한 원본 자료

  • Knowledge : 여러 업무에 재사용할 수 있는 일반화된 지식

  • Context : 특정 사용자·조직·프로젝트에만 적용되는 정보

  • Memory : 작업 전에 반드시 확인해야 하는 핵심 포인터

  • Procedures : 반복 업무를 수행하는 단계와 검증 방법

  • Actions : 중요한 결정과 재현이 필요한 실행 기록

  • Evaluation : 실패 사례, 품질 기준, 검수 체크리스트

  • Outputs : 최종 보고서, 제안서, 발표자료 등의 산출물

일반적인 지식관리 도구가 자료를 저장하고 검색하는 데 초점을 둔다면, AKM은 AI가 실제 업무를 수행하고 그 결과를 개선하는 과정까지 포함합니다.

예를 들어 작업 결과에 문제가 생기면 단순히 오류를 수정하고 끝내는 것이 아니라,

실패 원인 기록 → 업무 절차 수정 → 검증 기준 보완 → 다음 작업에 적용

이라는 방식으로 경험을 지식 자산으로 전환합니다.

AKM은 완성된 앱이라기보다, 마크다운 문서와 폴더 구조를 기반으로 한 AI 에이전트용 업무 운영 프레임워크에 가깝습니다.

이번 자료를 통해 얻은 핵심 학습은 다음과 같습니다.

AI의 성능만큼 중요한 것은
AI가 어떤 자료를 참고하고, 어떤 절차로 일하며, 결과를 어떻게 검증하고 학습할지를 구조화하는 것이다.

앞으로 AI 활용은 프롬프트를 잘 작성하는 단계를 넘어, 지식·맥락·절차·평가 기준을 함께 설계하는 방향으로 발전할 가능성이 높아 보입니다.

3

함께 이야기해요 3

로그인하고 댓글을 남겨 주세요

뽀짝이 프로필 이미지
뽀짝이2026.08.06

AKM 구조를 단순 요약이 아니라 "왜 이렇게 나눴는가"까지 짚어서 정리해 주셨네요.

Sources/Knowledge/Context를 따로 두는 이유, 특히 Memory를 "작업 전에 반드시 확인해야 하는 핵심 포인터"로 분리한 것이 실용적으로 읽혔어요. 지식이 많아도 꺼내는 타이밍을 놓치면 의미가 없으니까요.

Evaluation 영역에 실패 사례·품질 기준·검수 체크리스트를 같이 두는 것도 — 일반적인 지식관리 도구에서 빠지기 쉬운 부분인데, AKM이 "결과를 다시 구조에 반영"하는 루프를 명시적으로 설계했다는 게 다른 점이라고 이해했어요.

"프롬프트를 잘 작성하는 단계를 넘어, 지식·맥락·절차·평가 기준을 함께 설계하는 방향"이라는 마지막 문장이 정리가 잘 됐어요.

2주차 결과물도 궁금해요 ✨

꾸
꾸기작2026.08.06

AKM을 자료를 저장하는 시스템이 아니라 실행과 학습까지 포함한 업무 운영 구조로 정리해 주신 관점이 눈에 띄었습니다. 수집에서 분류, 지식화, 맥락 적용, 실행, 검증, 학습 반영으로 이어지는 흐름을 한 줄로 잡아주셔서 처음 접하는 사람도 어디부터 손대야 할지 감을 잡기 좋았습니다.

여덟 영역을 나눠 정리해 주신 부분이 특히 참고가 됐습니다. 여러 업무에 재사용할 수 있는 일반화된 지식과 특정 사용자·조직·프로젝트에만 적용되는 정보를 Knowledge와 Context로 갈라둔 기준, Memory를 작업 전에 반드시 확인해야 하는 핵심 포인터로 좁게 정의한 점, Actions를 중요한 결정과 재현이 필요한 실행 기록으로 둔 점이 그렇습니다. 실무에서 가장 자주 뒤섞이는 게 지식과 맥락이라, 이 경계가 명확한 것만으로도 절반은 정리되는 느낌입니다.

Evaluation에 실패 사례와 품질 기준, 검수 체크리스트를 함께 둔 설계, 그리고 문제가 생겼을 때 오류를 고치고 끝내는 대신 실패 원인을 기록하고 업무 절차를 고치고 검증 기준을 보완해 다음 작업에 적용한다는 순환이 이 구조의 핵심으로 보였습니다. 경험이 개인의 기억에 남는 대신 절차와 기준으로 옮겨간다는 점에서 설득력 있었습니다. Procedures에 단계만 있는 게 아니라 검증 방법이 같이 들어간 것도 같은 맥락이라 흥미로웠습니다.

완성된 앱이 아니라 마크다운 문서와 폴더 구조를 기반으로 한 프레임워크에 가깝다는 설명도 좋았습니다. 특별한 도구 없이 오늘 당장 시작할 수 있다는 뜻이면서, 동시에 설계가 곧 성능이라는 뜻으로도 읽혔습니다. 마지막에 정리하신 학습, 즉 성능만큼 중요한 것은 어떤 자료를 참고하고 어떤 절차로 일하며 결과를 어떻게 검증하고 학습할지를 구조화하는 것이라는 문장에 공감합니다. 프롬프트를 넘어 지식·맥락·절차·평가 기준을 함께 설계하는 방향이라는 전망도 같은 생각입니다. 실제 업무에 적용해 보시면서 어느 영역이 먼저 무거워지는지, 어떤 부분을 덜어내게 되는지 담은 후속 글을 기대하며 응원하겠습니다!

DECK 프로필 이미지
DECK2026.08.07

이 글에서 AKM은 자료 창고가 아니라, 실패가 생겼을 때 절차와 기준을 다시 고치는 장치였습니다. 그냥 지나갈 오류가 다음 실행을 바꾸는 기록이 되면서 지식관리의 쓰임도 달라지겠지요. 평소 반복되는 업무 하나를 이 순환에 넣었을 때 어디가 먼저 바뀔지 상상해 보게 됩니다.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기