본문으로 건너뛰기

업무메뉴얼을 에이전트가 읽는 지식으로

민혁

2026.07.26

업무 매뉴얼을 에이전트가 읽는 지식으로

GPTers AI 지식관리 스터디 후기와 AKM 적용 구상

시도하고자 했던 것과 그 이유

토요일, GPTers AI 학습 커뮤니티의 'AI 지식관리' 스터디에 참석했습니다. Deck님이 안드레 카파시의 LLM Wiki 개념을 차용해 직접 구축한 AKM(Agent Knowledge Management)을 어떻게 활용하는지 배우는 자리였습니다.

제 목표는 대량 소스 관리보다는 직장 업무 매뉴얼의 AX(AI Transformation)였습니다. 파일로 흩어진 매뉴얼과 담당자 머릿속 암묵지를, AI 에이전트가 읽고 답할 수 있는 지식 기반으로 재구축하고 싶었습니다.

진행 방법

1) 스터디에서 배운 것 — AKM은 '지식 운영체제'다

Deck님의 AKM(github.com/DECK6/akm)은 마크다운 기반 AI 에이전트 지식 OS입니다. DB·서버 없이 순수 마크다운으로 동작하고, git으로 버전관리가 됩니다.

  • 7개 레이어: 10-sources(원본, 불변) → 20-knowledge(컴파일된 지식) → 30-context(우리 조직에서만 참인 맥락) → 40-memory(매 세션 읽는 짧은 포인터) → 50-procedures(실행 절차) → 60-actions(선별된 실행 기록) → 70-evaluation(실패 패턴·품질 기준)

  • 3개 저장소: MEMORY(항상 읽음) · BRAIN(행동할 때) · VAULT(지식 필요할 때)

  • 7단계 루프: Ingest → Classify → Compile → Contextualize → Execute → Verify → Learn Back

핵심 문장: "지식만 쌓으면 위키, 실행만 반복하면 자동화. 실패를 고쳐야 할 레이어로 되돌리는 Learn Back이 있어야 AKM."

2) 원문 확인 — 카파시의 3레이어

스터디 후 카파시 원문(2026년 4월 gist)을 직접 확인했습니다. 핵심 비유는 "Obsidian is the IDE; the LLM is the programmer; the wiki is the codebase." 구조는 3레이어입니다: 원본 소스(날재료, 불변) / 위키(LLM이 작성하는 산출물) / 스키마(규칙서). 카파시 위키가 지식의 '지도'라면, AKM은 여기에 실행·검증·학습을 얹은 '운영체제'였습니다.

3) 세 개념의 관계 정리

처음엔 위키·온톨로지·RAG의 우열이 궁금했는데, 결론은 우열이 아니라 역할 분담이었습니다. RAG는 질문할 때마다 같은 관계를 다시 조합해 노력이 채팅 히스토리 속으로 증발하지만, 위키/AKM은 정리된 지식이 파일로 남아 축적됩니다. 즉 위키 = 지식의 축적, 온톨로지/KG = 관계 구조, RAG = 검색·주입 수단입니다.

4) 업무 매뉴얼 AX 적용 설계

  • 00-inbox: 신규·개정 매뉴얼, 공문이 먼저 착륙 (7일 내 분류)

  • 10-sources: 원본 매뉴얼 — 마크다운 스냅샷, 불변 보관

  • 20-knowledge: 제도 개념, 시스템 사용법, 용어 정의

  • 30-context: 우리 부서에서만 참인 해석·관행 = 행간의 암묵지

  • 40-memory: 매번 알아야 할 짧은 규칙 포인터

  • 50-procedures: 업무 매뉴얼의 본체 — 절차·체크리스트·검증법

  • 60-actions: 처리 기록 중 재현·인수인계에 필요한 것만 선별

  • 70-evaluation: 실수 패턴·감사 지적 → Learn Back으로 매뉴얼 개선

통찰: 업무 매뉴얼의 본체는 '지식'이 아니라 '절차(50)'였고, 인수인계 문제의 답은 30-context(암묵지)와 60-actions(handoff 기록)에 있었습니다.

5) 제작 워크플로: 이 글의 초안·구조·이미지 프롬프트는 Claude로 설계하고, 이미지는 Gemini 이미지 API로 생성했습니다.

결과와 배운 점

  • 시행착오 ①: 위키·온톨로지·RAG를 관계로 착각 → 실은 역할이 다른 레이어

  • 시행착오 ②: "소스 = IDE"로 오독 → 원문(gist)을 직접 확인하며 교정. 비유는 원문으로 검증하자

  • 시행착오 ③: 검색으로 찾은 동명 레포(itlackey/akm, Agent Knowledge Manager)를 분석했다가 폴더 구조가 달라서 눈치챘습니다. Deck님 레포(DECK6/akm, Agent Knowledge Management)와 이름만 같은 전혀 다른 프로젝트였습니다. 레포는 계정명까지 확인하기. 덤으로 둘을 비교하며 "itlackey는 '어떻게 찾을까'의 엔진, DECK6는 '어디에 두고 어떻게 굴릴까'의 헌법"이라는 구도를 얻었습니다.

  • 직접 질문해 얻은 통찰: "AKM 쓰면 토큰이 절약되나요?"라고 묻자 Deck님 답은 "절약 안 된다"였습니다. 뜯어보니 정확한 답이었습니다. 상시 로드는 최소화하지만 분류(ROUTER)·검증(Tier 0~3)·Learn Back에 토큰을 더 씁니다. AKM은 토큰 절약이 아니라 토큰 재배치 시스템이었습니다.

  • 핵심 교훈: 지식관리의 병목은 '작성'이 아니라 '유지보수와 운영'이다.

도움이 필요한 부분 / 앞으로의 계획

  • 파일럿: 매뉴얼 5건으로 4개 레이어(10/20/50/70)만 먼저 구축 → 결과를 지피터스에 후속 공유

  • 도움 필요: HWP→마크다운 변환 자동화, 사내 보안 환경에서의 LLM 선택 경험

도움 받은 글

  • Deck님의 AKM: github.com/DECK6/akm (99-system/ROUTER.md, LOOP.md 추천)

  • Andrej Karpathy, LLM Wiki idea file (GitHub gist, 2026.4)

  • (비교 참고) itlackey/akm — 같은 이름의 별개 프로젝트, CLI형 Agent Knowledge Manager

8

함께 이야기해요 8

로그인하고 댓글을 남겨 주세요

꾸
꾸기작2026.08.07

대량 소스 관리보다 직장 업무 매뉴얼의 AX, 즉 흩어진 매뉴얼과 담당자 머릿속 암묵지를 에이전트가 읽을 지식 기반으로 재구축하겠다는 목표를 명확히 세우신 부분이 좋습니다. AKM의 7개 레이어·3개 저장소·7단계 루프를 스터디에서 배운 뒤 카파시 원문(2026년 4월 gist)까지 직접 확인해 자신의 오독('소스=IDE')을 스스로 교정하신 태도가 인상적입니다.

동명의 다른 레포(itlackey/akm)를 분석하다가 폴더 구조가 달라서 눈치채고 DECK님의 실제 레포로 바로잡으신 시행착오도 솔직하게 공개하신 점이 좋습니다. 'AKM 쓰면 토큰이 절약되나요'라는 질문에 DECK님의 '절약 안 된다'는 답을 직접 확인해보고, 상시 로드는 최소화하지만 분류·검증에 토큰을 재배치하는 시스템이라는 걸 스스로 검증하신 부분도 훌륭합니다.

업무 매뉴얼의 본체가 '지식'이 아니라 '절차(50-procedures)'였고, 인수인계 문제의 답이 30-context(암묵지)와 60-actions(handoff 기록)에 있었다는 통찰이 이 글의 핵심 같습니다. 위키·온톨로지·RAG를 우열 관계로 오해했다가 역할이 다른 레이어라는 걸 정리하신 과정도 명확합니다.

'지식관리의 병목은 작성이 아니라 유지보수와 운영'이라는 결론이 정확합니다. 매뉴얼 5건으로 4개 레이어부터 먼저 구축하는 파일럿 계획, 응원합니다!

DECK 프로필 이미지
DECK2026.07.27

민혁님, 업무 매뉴얼의 본체를 Knowledge가 아니라 Procedure로 보신 점, 그리고 인수인계의 빈틈을 30-context의 암묵지와 60-actions의 handoff 기록으로 연결하신 점이 AKM의 설계 의도를 정확히 짚었습니다. 매뉴얼은 정보를 설명하는 문서에 그치지 않고, 누가 어떤 조건에서 무엇을 실행하고 어디서 멈추며 어떻게 확인할지를 알려줘야 실제 업무 지식이 됩니다.

“AKM은 토큰 절약이 아니라 토큰 재배치 시스템”이라는 표현도 정확합니다. 매번 배경을 반복 설명하는 토큰은 줄이지만, 분류·검증·Learn Back처럼 신뢰를 만드는 곳에는 오히려 토큰을 더 사용합니다.

매뉴얼 5건 파일럿에는 계획하신 10/20/50/70과 함께 30-context도 한 건은 넣는 것을 권합니다. 실제 조직에서는 문서에 적힌 공식 절차보다 “우리 부서는 이 경우 이렇게 처리한다”, “이 단계는 담당자 승인 전에는 진행하지 않는다” 같은 암묵지가 결과를 크게 좌우하기 때문입니다. 원본 매뉴얼, 재사용할 제도 지식, 부서별 예외와 승인권자, 실행 체크리스트, 반복되는 실수와 검증 기준을 한 세트로 만들면 작은 규모에서도 전체 루프를 시험할 수 있습니다.

HWP→Markdown 자동화에서는 변환과 검증을 분리해야 합니다. 원본 HWP/HWPX는 수정하지 않고 보존한 뒤 파생 Markdown을 만들고, 제목 계층·표·각주·붙임·누락 페이지를 원문과 대조해야 합니다. 변환에 성공했다는 메시지가 내용 보존까지 증명하지는 않으므로, 통과 기준을 먼저 정하고 검수된 파일만 Knowledge나 Procedure로 승격하는 방식이 안전합니다.

“지식관리의 병목은 작성이 아니라 유지보수와 운영”이라는 결론이 이 글의 핵심으로 읽혔습니다. 문서를 AI가 읽게 만드는 데서 끝나지 않고, 실제 업무 사례 하나를 처리한 뒤 실패가 Procedure와 Evaluation을 어떻게 바꾸는지까지 보여주면 좋은 후속 사례가 될 것 같습니다.

민혁 프로필 이미지
민혁2026.07.27

AKM 매커니즘 더 깊게 공부하고 이해하려고 노력하고 있습니다. 앞으로 Deck님께 드릴 질문이 더 많아질 것 같아요. 창안하신 게 쉽게 스치고 넘길 건 아니라는 생각이 들었습니다. 더 넓고 깊은 거 같아요. 아직 잘 이해못했습니다. 또 질문드릴게요.

민혁 프로필 이미지
민혁2026.07.27

변환에 성공했다는 메시지가 내용 보존까지 증명하지는 않으므로,...

이부분 완전 동의 합니다.

민혁 프로필 이미지
민혁2026.07.27

급하게 질문 드리고 싶은 거는 이걸 연역적으로 구축하신 건지? 아니면 시행착오를 거치면서 하나씩 구축해 나가신 건지 궁금합니다.

DECK 프로필 이미지
DECK2026.07.27

@민혁

민혁님, 결론부터 말씀드리면 첫 골격은 연역적으로 설계했고, 이후 실제 운영의 시행착오를 통해 계속 보강했습니다.

AKM의 첫날 출발점은 백지상태가 아니었습니다. 당시 저는 이미 제 지식 볼트에 LLM Wiki와 CMDS를 적용해 사용하고 있었습니다. LLM Wiki는 원본을 수집하고 재사용 가능한 지식으로 정리하는 구조에 강했고, CMDS는 지식이 Connect → Merge → Develop → Share로 이동하는 과정을 설명해주었습니다.

다만 CMDS의 폴더 구조가 제겐 조금 복잡했고, LLM Wiki는 보완점이 많아보이는 아이디어였죠.

첫날 던진 질문은 “이 지식 볼트를 사람이 찾아보는 위키에서 끝내지 않고, AI 에이전트가 매 세션 읽고 실제 작업에 활용하며 결과까지 다시 학습하게 만들려면 무엇이 더 필요한가?”였습니다.

그래서 LLM Wiki의 Source·Knowledge 구조는 그대로 살리고, 에이전트 운영에 필요한 Context·Memory·Procedure·Action·Evaluation을 분리했습니다. CMDS는 폴더 구조로 복제하지 않고, 지식이 어떤 생애주기 단계에 있는지 나타내는 프로세스 문법과 메타데이터로 연결했습니다. 여기에 실행 결과를 검증하고 실패를 책임 레이어로 되돌리는 Execute → Verify → Learn Back을 더하면서 AKM의 첫 구조가 만들어졌습니다.

그렇다고 첫 구조가 완성본이었던 것도 아닙니다. 공개 Git 이력에도 과정이 그대로 남아 있습니다. 첫 코어를 공개한 뒤, 같은 날 lint·보안·검증 템플릿을 추가했고, 실제 운영에서 발견한 문제를 반영해 inbox와 99-system, 멀티 하네스 Adapter 구조를 정리했습니다. 프로덕션 검증 체계를 v0.2로, Evidence Schema와 Task Contract를 v0.3으로 승격했습니다.

즉 AKM은 순수하게 연역적으로 만든 이론도 아니고, 시행착오를 그대로 쌓은 규칙 모음도 아닙니다. 실패에서 패턴을 발견하고, 그것을 일반 구조로 설명한 뒤, 다시 실제 작업에서 검증된 것만 코어로 승격하는 방식으로 만들어지고 있습니다. 지금도 제 개인 운영 환경에서 먼저 시험하고, 근거와 회귀 검증을 통과한 것만 공개 코어에 반영합니다.

아직 잘 이해되지 않는다고 느끼시는 것이 자연스럽습니다. AKM은 폴더 사용법보다 “무엇을 근거로 실행했고, 결과를 어떻게 검증하며, 실패를 어디로 돌려보낼 것인가”를 다루는 운영 체계라 실제 사례를 몇 번 돌려봐야 전체 연결이 보입니다. 질문 계속 주시면 저도 설계 의도를 더 명확하게 설명하고, 부족한 부분은 다시 검증하겠습니다.

민혁 프로필 이미지
민혁2026.07.28

@DECK

맞습니다 실제 돌려봐야 그림이 그려지는데 그러지 못 하고 있습니다. 조금 더 생각을 정리하고 있습니다.

유피테르 프로필 이미지
유피테르2026.07.27

업무 매뉴얼의 본체를 단순한 지식이 아니라 50-procedures의 절차와 체크리스트로 다시 정의하고, 인수인계의 빈틈을 30-context와 60-actions로 연결하신 설계가 특히 인상적이었습니다. 동명이인 레포를 계정명까지 대조하고 카파시 원문을 직접 확인해 해석을 바로잡은 과정 덕분에 AKM의 역할과 구조가 훨씬 선명하게 전달되네요. 토큰 절약이 아니라 재배치 시스템이라는 결론까지 실제 질문과 검토를 통해 정리하신 점도 매우 꼼꼼합니다.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

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

이런 사례도 있어요

사례 전체 보기