Ch.02 · AI가 나를 모르면 결과물이 평범해진다 | 맥락(Context)

AI가 실행을 잘해도 나에 대해 모르면 결국 평범한 결과물만 나옵니다. 매번 맥락을 줄 수 없으니 저장해야 하고, 그게 세컨드 브레인입니다.

Overview

Ch.01에서 AI를 실행하는 존재로 다시 봤습니다. 막상 일을 맡겨보면 같은 작업이라도 결과가 천차만별입니다.

같은 회의록을 맡겨도 어떤 때는 핵심을 제대로 짚고, 어떤 때는 초점이 어긋난 요약을 냅니다. 무엇이 이 차이를 만들까요?

이번 챕터는 그 답으로 맥락(Context)을 다룹니다. 왜 맥락이 결정적인지 짚고, 매번 맥락을 줄 수 없으니 한곳에 저장해 자동으로 참고하는 환경이 왜 필요한지까지 이어갑니다.

학습 목표

• AI가 맥락 없이 일할 때 왜 평범한 결과물이 나오는지 이해합니다
• 하나의 채팅창으로 맥락을 주는 방식의 두 가지 한계를 설명할 수 있습니다
• 세컨드 브레인이 무엇인지, 왜 필요한지 알게 됩니다

맥락의 힘: 같은 일도 결과물이 달라진다

새로 들어온 직원에게 일을 맡기는 장면을 떠올려 보세요. 우리 팀이 작년에 뭘 했고 지금 뭐가 문제인지 다 아는 직원과, 오늘 첫 출근한 직원. 같은 일을 맡겨도 결과물이 같을 리 없습니다. 능력의 차이가 아닙니다. 우리 상황을 아느냐 모르느냐의 차이입니다.

AI도 똑같습니다. 두 AI에게 회의 전사문을 그대로 넣고 "요약해줘"라고 맡긴다고 해봅시다. 한쪽은 내 맥락을 알고, 다른 쪽은 내 맥락을 모릅니다.

같은 전사문인데 요약이 이렇게 다릅니다. 맥락 없는 쪽은 들은 말을 줄였을 뿐이고, 맥락 있는 쪽은 왜 그렇게 정했고 다음에 뭘 해야 하는지까지 담습니다. 차이는 AI 능력이 아니라 AI가 가진 맥락의 양입니다.

ChatGPT·Claude 같은 AI 서비스는 입력된 정보를 바탕으로 확률이 가장 높은 결과물을 만듭니다. 정보가 부족하면 가장 일반적이고 평균적인 결과물이 확률이 가장 높아집니다. 일부러 무난하게 가는 게 아니라, 주어진 정보로 낼 수 있는 최선입니다.

좋은 결과물 = AI 능력 × 내 맥락

AI 능력이 아무리 높아도 내 맥락이 0에 가까우면, 곱한 결과도 평범해집니다. Ch.01에서 본 강력한 실행 능력이 빛을 발하려면, 맥락이라는 또 다른 축이 채워져야 합니다.

채팅창의 한계: 맥락을 다 담지 못한다

대부분은 맥락을 유지하려고 하나의 채팅창을 계속 켜두고 그 안에서 작업을 이어갑니다. 작업을 맡길 때마다 필요한 배경도 같은 대화에 함께 설명합니다.

하지만 이 방법에는 두 가지 한계가 있습니다.

한계 1: 한 채팅창의 기억에는 한계가 있다

대화가 길어지면 Claude 같은 챗봇은 앞 대화를 자동으로 압축합니다. 어느 시점부터는 처음에 한 이야기를 정확히 참고하지 못하고, 결정적인 순간에 내 의도를 잘못 이해하기도 합니다. 채팅창을 책상에 빗대 보면 이 한계가 분명해집니다.

한계 2: 한 채팅창은 한 번에 한 가지 일밖에 못 한다

기억 압축은 한 채팅창 안의 문제입니다. 그 밖에도 하나의 채팅창엔 또 다른 한계가 있습니다.

직원 한 명에게 일을 맡길 때를 생각해 보세요. 아무리 유능해도 한 사람은 한 번에 한 가지 일을 합니다. 오늘 처리할 일이 5개면, 한 줄로 세워 차례로 끝낼 때까지 기다려야 합니다.

하나의 채팅창도 똑같습니다. 한 번에 하나씩, 순서대로 처리합니다. 하지만 AI의 진짜 가치는 여러 일을 동시에 빠르게 처리하는 데 있습니다. 할 일이 5개라면 AI 5명과 동시에 작업해야 제대로 활용할 수 있습니다. 하나의 채팅창으로는 그 가치를 절반도 못 씁니다.

여러 개의 채팅창: 그래도 안 되는 이유

채팅창을 여러 개 열면 기억 압축과 순차 처리, 두 한계는 풀립니다. 일을 나눠 맡길 AI가 5명 생깁니다. 그런데 막상 그렇게 하면 새로운 문제가 생깁니다.

직원이 5명으로 늘었는데 모두 오늘 첫 출근이라고 생각해 보세요. 한 명 한 명에게 우리 팀이 뭘 하는 곳인지 처음부터 다시 설명해야 합니다.

채팅창마다 내 맥락을 매번 새로 설명해야 합니다.

프로젝트가 바뀌고 업무가 달라질 때마다 처음부터 다시 설명해야 합니다. 우리 팀 구조, 지난 분기의 결정, 내가 일하는 방식까지 매번 반복입니다.

첫 번째 채팅에게: "우리 회사는 ○○이고, 지난 분기에는 △△ 했고..." 두 번째 채팅에게: "(또 다시) 우리 회사는 ○○이고, 지난 분기에는..."

배경 설명이 짧다면 모를까, 팀 구조·의사결정 히스토리·내 업무 방식까지 더하면 분량이 만만치 않습니다. 매번 같은 내용을 다시 쓰거나 복붙하는 것도 번거롭습니다. 게다가 채팅마다 조금씩 다르게 설명하면 AI도 채팅마다 다른 기준으로 일합니다.

해답: 맥락을 한곳에 저장한다

두 문제의 공통점은 하나입니다. 맥락이 어디에도 저장되어 있지 않습니다. 해결하려면 맥락을 한곳에 저장해야 합니다. 그 환경을 세컨드 브레인(Second Brain), 곧 내 지식과 판단을 쌓아두는 두 번째 뇌라고 부릅니다.

세컨드 브레인이 갖춰지면, 어떤 채팅창을 열든 AI는 매번 설명하지 않아도 동일한 맥락을 참고해서 실행합니다. 이 시리즈의 목표는 그 환경을 직접 만드는 것입니다.

핵심 포인트 정리

1. 맥락 없는 AI = 평범한 결과물: 실행 능력이 있어도 어디서나 들을 수 있는 수준
2. 한 채팅창의 한계: 기억은 압축되고, 한 번에 한 가지 일만 한다
3. 여러 채팅창의 한계: 채팅창마다 맥락을 처음부터 다시 설명해야 한다
4. 답은 세컨드 브레인: 맥락을 한곳에 쌓아두면 매번 설명 없이 AI가 참고해서 일함

부록: Claude Code vs NotebookLM

맥락을 한곳에 저장하는 환경이라면, 구글의 NotebookLM을 떠올릴 수 있습니다. 자료를 올려두면 그 안에서 질문에 답하고 요약해주는 도구라, 세컨드 브레인과 닮았습니다. 둘의 차이를 정리합니다.

NotebookLM도 이제 자료를 스스로 분석하고 문서까지 만들어 줍니다. 다만 그 일은 모두 내가 구글에 올린 자료를, 구글 환경 안에서 합니다.

핵심 차이는 어디서 일하느냐입니다. NotebookLM은 구글에 올린 자료를 구글 울타리 안에서 다룹니다. 세컨드 브레인은 내 컴퓨터의 내 파일에서 일하고, 내 슬랙·캘린더까지 직접 실행합니다.

예를 들어 "회의록을 정리해 내 폴더에 저장하고 슬랙에 공유"하는 일은 NotebookLM이 못 합니다. 요약이나 문서는 만들어 줘도, 내 컴퓨터 파일을 건드리거나 내 도구로 보내지는 못합니다.

이 강의에서 만드는 세컨드 브레인은 내 파일에서 일하고 실행까지 갑니다. 그래서 NotebookLM이 아니라 Claude Code를 기준으로 삼습니다.

FAQ

Q: 매번 채팅창에 맥락을 잘 설명하면 되지 않나요? A: 짧은 작업이면 그게 더 빠릅니다. 하지만 팀 구조·의사결정 히스토리까지 매 채팅창에 다시 쓰는 건 금방 한계에 부딪힙니다.

Q: 맥락을 많이 주면 줄수록 항상 결과물이 좋아지나요? A: 관련 있는 맥락일 때만 그렇습니다. 지금 작업과 무관한 정보까지 잔뜩 넣으면 오히려 핵심이 묻혀 결과물이 흐려집니다. 그래서 다음 챕터부터 "지금 필요한 맥락만 골라 참고하게 하는" 구조를 다룹니다.

Q: ChatGPT 메모리 기능이랑 같은 건가요? A: 비슷한 문제를 푸는 도구지만, 세컨드 브레인은 내가 직접 들여다보고 고칠 수 있는 내 폴더입니다. 무엇이 저장됐는지 투명하게 보이고, 여러 AI 도구에서 같은 자료를 참고하게 만들 수 있습니다.

이어서 배울 내용

맥락을 한곳에 저장해야 한다는 점은 확인했습니다. 다음 챕터에서 세컨드 브레인이 정확히 무엇인지, 그리고 AI가 그 안에서 필요한 노트만 찾아 읽는 방식을 다룹니다.

• 세컨드 브레인을 한 문장으로 정의하기
• AI가 노트를 통째로 안 읽고 필요한 것만 찾아 읽는 방식(RAG)
• 좋은 노트가 먼저인 이유

Ch.03 · 세컨드 브레인이란