지식은 복리로 쌓인다

위키는 한 번 만드는 것이 아니라 계속 굴리는 것이다

LLM Wiki를 처음 만들 때는 폴더 구조, Schema, ingest 프롬프트, 페이지 템플릿이 중요해 보인다. 하지만 시간이 지나면 더 중요한 것이 드러난다. 위키는 설계보다 운영으로 완성된다.

좋은 위키는 하루 만에 만들어지지 않는다. 처음에는 빈 페이지가 많고, 링크도 성기고, 요약도 어설프다. 그러나 자료를 하나씩 넣고, 매주 정리하고, 매달 다시 묶으면 지식의 밀도가 달라진다. 같은 질문을 해도 어제의 AI와 한 달 뒤의 AI는 다르게 답한다. 한 달 뒤의 AI는 더 많은 맥락, 더 많은 결정, 더 많은 실패 기록을 읽고 답하기 때문이다.

이것이 지식의 복리다.

복리는 원금이 이자를 만들고, 그 이자가 다시 원금이 되는 구조다. LLM Wiki에서도 비슷한 일이 일어난다. 오늘 넣은 자료 하나가 내일의 질문에 답하고, 그 답이 다시 새 페이지가 된다. 새 페이지는 다음 자료를 해석하는 기준이 된다. 시간이 지나면 단순한 기록이 관점이 되고, 관점은 판단력이 된다.

이 장의 핵심은 간단하다.

• 하루에 자료 하나를 넣는다.

• 매주 한 번 위키를 점검한다.

• 매달 한 번 흩어진 지식을 종합한다.

• AI 대화 기록을 버리지 않고 위키 자산으로 바꾼다.

이 네 가지가 LLM Wiki를 일회성 프로젝트가 아니라 지식 운영체제로 만든다.

하루 한 자료: 부담 없이 위키를 키우는 최소 루틴

많은 사람이 지식 관리를 실패하는 이유는 처음부터 너무 많이 하려고 하기 때문이다. 책 한 권을 완벽히 정리하려 하고, 논문 열 편을 한꺼번에 넣으려 하고, 회의록을 모두 구조화하려 한다. 이런 방식은 며칠은 가능하지만 오래가기 어렵다.

LLM Wiki의 기본 단위는 "하루 한 자료"면 충분하다. 여기서 자료는 거창할 필요가 없다.

• 읽은 글 하나

• 회의록 하나

• 유튜브 transcript 하나

• 책의 한 장

• 고객 인터뷰 한 건

• ChatGPT나 Claude와 나눈 중요한 대화 하나

• 오늘 떠오른 사업 아이디어 메모 하나

중요한 것은 양이 아니라 반복이다. 하루에 하나만 넣어도 한 달이면 30개의 자료가 쌓인다. 1년이면 365개의 자료다. 이 정도면 개인의 관심사, 업무 판단, 프로젝트 흐름을 추적하기에 충분한 지식 기반이 된다.

하루 ingest 루틴은 짧아야 한다. 15분 안에 끝나는 구조가 좋다.

1. 원문을 raw/에 저장한다.

2. AI에게 핵심 내용을 요약하게 한다.

3. 기존 위키에서 업데이트할 페이지를 찾게 한다.

4. 필요한 경우 새 페이지를 만든다.

5. index.md와 log.md를 갱신한다.

완벽한 정리를 목표로 삼지 않는다. 오늘의 목표는 "위키에 흔적을 남기는 것"이다. 나중에 더 잘 정리할 수 있다. 하지만 저장하지 않은 자료는 나중에 존재하지 않는다.

예를 들어 고객 인터뷰를 했다면, 그날 바로 완성도 높은 분석 보고서를 만들 필요는 없다. 대신 다음 정도만 남기면 된다.

• 고객이 실제로 말한 문제

• 반복해서 등장한 표현

• 기존 가설과 맞는 부분

• 기존 가설과 어긋나는 부분

• 다음에 확인할 질문

이 정도만 쌓여도 다음 인터뷰를 준비할 때 큰 차이가 생긴다. AI는 이전 인터뷰들과 비교해 반복 패턴을 찾아줄 수 있고, 아직 검증되지 않은 가설을 알려줄 수 있다.

하루 한 자료 루틴에서 가장 피해야 할 태도는 "나중에 한꺼번에 정리하자"이다. 나중에는 맥락이 사라진다. 왜 이 자료가 중요했는지, 어떤 질문 때문에 읽었는지, 어떤 판단에 영향을 주었는지 잊어버린다. LLM Wiki는 자료 자체뿐 아니라 자료가 들어온 이유도 함께 저장해야 한다.

따라서 ingest할 때는 항상 이 질문을 붙인다.

이 자료를 왜 저장하는가?

이 한 문장이 나중에 자료를 되살리는 열쇠가 된다.

매주 한 번: 위키를 건강하게 유지하는 Lint 루틴

자료를 계속 넣기만 하면 위키는 금방 지저분해진다. 비슷한 페이지가 생기고, 오래된 주장이 남고, 출처 없는 요약이 늘어난다. 처음에는 별문제가 없어 보이지만 시간이 지나면 신뢰가 무너진다.

그래서 매주 한 번은 lint가 필요하다. Lint는 코드에서 오류나 스타일 문제를 점검하는 작업이다. LLM Wiki에서는 위키의 건강 상태를 점검하는 일이다.

주간 lint의 목적은 예쁘게 정리하는 것이 아니다. 다시 믿고 사용할 수 있게 만드는 것이다.

주간 점검에서 볼 항목은 많지 않아도 된다.

• 중복 페이지가 있는가?

• 서로 모순되는 주장이 있는가?

• 오래된 정보가 최신 판단처럼 남아 있는가?

• 출처 없는 중요한 주장이 있는가?

• 링크되지 않은 고아 페이지가 있는가?

• 여러 페이지에 흩어진 핵심 개념이 있는가?

• 질문만 있고 답이 없는 항목이 있는가?

AI에게는 먼저 보고서를 만들게 한다. 바로 수정하게 하지 않는 편이 안전하다. 특히 팀 위키라면 더 그렇다. AI가 "이 페이지는 병합해도 됩니다"라고 말해도, 실제 병합 여부는 사람이 판단해야 한다.

주간 lint 프롬프트는 다음처럼 단순하게 시작할 수 있다.

이번 주에 수정되거나 추가된 wiki/ 문서를 점검해줘.
다음 항목을 찾아서 보고서로 작성해줘.
1. 중복 가능성이 있는 페이지
2. 서로 충돌하는 주장
3. 출처가 부족한 중요한 문장
4. 오래되어 재검토가 필요한 내용
5. index.md에 연결되지 않은 페이지
수정은 하지 말고, 제안과 근거만 정리해줘.

보고서를 받은 뒤에는 세 가지로 나눈다.

• 바로 고칠 것

• 나중에 검토할 것

• 그대로 둘 것

모든 문제를 한 번에 해결하려고 하면 lint도 부담이 된다. 중요한 것은 매주 조금씩 신뢰도를 회복하는 것이다. 중복 페이지 두 개를 합치고, 출처 없는 문장 하나를 표시하고, 오래된 주장 하나에 "재검토 필요"를 붙이는 것만으로도 충분하다.

주간 lint는 위키를 깨끗하게 만드는 시간이 아니다. 위키가 거짓 확신을 만들지 않도록 막는 안전장치다.

매달 한 번: 흩어진 페이지를 지식으로 합성하기

하루 ingest와 주간 lint만으로도 위키는 쌓인다. 하지만 쌓인다고 모두 지식이 되는 것은 아니다. 자료와 페이지가 많아져도 전체 그림을 보지 못하면 여전히 파편이다.

그래서 매달 한 번은 synthesis가 필요하다. Synthesis는 흩어진 내용을 묶어 새로운 관점으로 만드는 작업이다. 요약과 다르다. 요약은 줄이는 일이고, synthesis는 연결하는 일이다.

월간 synthesis에서는 이런 질문을 던진다.

• 이번 달에 반복해서 등장한 주제는 무엇인가?

• 내 생각이 바뀐 지점은 어디인가?

• 기존 가설 중 강화된 것은 무엇인가?

• 반대로 약해진 가설은 무엇인가?

• 아직 답하지 못한 중요한 질문은 무엇인가?

• 다음 달에 더 파고들 주제는 무엇인가?

개인 위키라면 월간 회고 문서가 될 수 있다. 연구 위키라면 주제별 동향 보고서가 될 수 있다. 스타트업 위키라면 제품 전략 메모가 될 수 있다. 팀 위키라면 의사결정 리뷰가 될 수 있다.

중요한 것은 월간 synthesis의 결과물을 별도 페이지로 남기는 것이다. 예를 들어 다음과 같은 파일을 만들 수 있다.

wiki/synthesis/2026-05-monthly-synthesis.md
wiki/research/llm-wiki-perspective-map.md
wiki/projects/product-strategy-review-2026-05.md

이 문서는 단순한 월말 보고서가 아니다. 다음 달의 판단 기준이 된다. 한 달 동안 쌓인 자료를 바탕으로 "우리는 지금 무엇을 알고 있는가"를 정리하는 페이지다.

월간 synthesis에서 특히 유용한 형식은 관점 지도다. 관점 지도는 특정 주제에 대해 서로 다른 주장, 근거, 반론, 미해결 질문을 한곳에 모은 문서다.

예를 들어 "AI 글쓰기 도구의 미래"라는 주제를 다룬다면 다음처럼 정리할 수 있다.

• 주요 주장: AI는 초안 작성보다 지식 재사용에서 더 큰 가치를 만든다.

• 근거: 사용자는 빈 화면보다 기존 자료를 재조합할 때 더 빠르게 쓴다.

• 반론: 자동 생성 글의 품질이 낮으면 오히려 편집 비용이 늘어난다.

• 미해결 질문: 사용자가 신뢰할 수 있는 출처 연결을 얼마나 요구하는가?

• 다음 실험: 위키 기반 글쓰기 워크플로를 실제 사용자에게 테스트한다.

이런 문서는 단순한 기록보다 강하다. 이후 블로그, 강의안, 보고서, 제품 기획서, 책 원고로 바뀔 수 있다. LLM Wiki에서 지식의 복리가 크게 발생하는 지점이 바로 여기다. 자료 하나하나는 작지만, 매달 합성하면 새로운 결과물이 나온다.

AI 대화 기록을 버리지 않는 습관

AI 시대의 가장 큰 낭비 중 하나는 좋은 대화를 그냥 버리는 것이다. 우리는 ChatGPT, Claude, Gemini, Cursor와 많은 대화를 나눈다. 문제를 설명하고, 답을 받고, 반박하고, 다시 물어본다. 그 과정에서 꽤 좋은 아이디어와 판단이 나온다. 하지만 대화창을 닫는 순간 대부분 사라진다.

LLM Wiki를 운영한다면 중요한 AI 대화는 위키로 전환해야 한다. 모든 대화를 저장할 필요는 없다. 기준은 간단하다.

• 나중에 다시 물어볼 것 같은가?

• 실제 결정에 영향을 주었는가?

• 새로운 아이디어가 나왔는가?

• 기존 위키 페이지를 업데이트할 내용이 있는가?

• 반복되는 고민을 다루었는가?

하나라도 해당하면 저장할 가치가 있다.

AI 대화 기록은 그대로 붙여 넣지 않는 편이 좋다. 대화 전체는 길고 중복이 많다. 대신 다음 구조로 정리한다.

## 질문
내가 무엇을 알고 싶었는가?

## 배경
왜 이 질문을 했는가?

## 핵심 답변
AI가 제안한 핵심 내용은 무엇인가?

## 내가 채택한 결정
실제로 받아들인 것은 무엇인가?

## 버린 내용
동의하지 않거나 보류한 내용은 무엇인가?

## 연결할 페이지
관련 개념, 프로젝트, 결정 문서는 무엇인가?

이렇게 정리하면 AI 대화는 단순한 로그가 아니라 지식 조각이 된다. 특히 "내가 채택한 결정"과 "버린 내용"이 중요하다. AI가 말한 모든 것이 지식은 아니다. 인간이 검토하고 선택한 내용만 위키의 판단 자산이 된다.

예를 들어 AI와 사업 아이디어를 논의했다면 대화 원문을 저장하는 대신 ideas/나 projects/의 관련 페이지를 업데이트한다. 가격 전략을 논의했다면 결정 기록 페이지에 남긴다. 글의 목차를 논의했다면 책 기획 페이지에 반영한다. 반복되는 개인 고민을 상담했다면 회고나 패턴 페이지로 옮긴다.

질문도 버리지 말아야 한다. 좋은 질문은 미래의 색인이다. 답보다 질문이 오래 살아남는 경우도 많다. 지금은 답하지 못한 질문이라도 위키에 남겨두면, 다음 자료가 들어왔을 때 AI가 연결해줄 수 있다.

세 가지 리듬이 만나야 복리가 생긴다

LLM Wiki 운영은 복잡한 자동화보다 단순한 리듬이 중요하다.

하루 ingest는 원금을 만든다. 매일 하나씩 자료와 생각을 넣는다.

주간 lint는 손실을 막는다. 중복, 모순, 출처 누락, 오래된 주장을 정리해 위키의 신뢰를 지킨다.

월간 synthesis는 이자를 만든다. 흩어진 페이지를 묶어 새로운 관점, 보고서, 전략, 원고로 바꾼다.

이 세 가지 중 하나만 있어도 도움이 된다. 하지만 셋이 함께 돌 때 지식은 복리로 쌓인다. 넣기만 하고 점검하지 않으면 혼란이 된다. 점검만 하고 합성하지 않으면 관리 비용만 늘어난다. 합성만 하려고 하면 재료가 부족하다.

처음부터 완벽한 운영 체계를 만들 필요는 없다. 다음 정도로 시작하면 충분하다.

• 매일 10분: 자료 하나 저장하고 관련 페이지 하나 업데이트하기

• 매주 30분: AI에게 lint 보고서 만들게 하고 세 가지 수정만 반영하기

• 매달 2시간: 핵심 주제 하나를 synthesis 문서로 정리하기

이 루틴은 작아 보이지만 강하다. 한 달 뒤에는 위키가 나를 조금 더 잘 이해한다. 세 달 뒤에는 반복되는 고민과 판단 패턴이 보인다. 1년 뒤에는 내가 무엇을 읽었고, 무엇을 믿었고, 어떤 결정을 했고, 어떤 생각을 버렸는지가 남는다.

AI에게 매번 새로 물어보는 사람은 매번 출발선에 선다. AI와 함께 위키를 쌓는 사람은 어제의 질문 위에서 오늘의 질문을 시작한다.

지식의 복리는 여기서 시작된다. 질문을 버리지 않는 것. 대화를 흘려보내지 않는 것. 자료를 쌓기만 하지 않고 다시 묶는 것. 그리고 그 과정을 무리하지 않을 만큼 작게 반복하는 것.

LLM Wiki는 완성하는 물건이 아니다. 계속 굴리는 시스템이다. 이 시스템이 오래 굴러갈수록, AI는 단순한 답변자가 아니라 나와 팀의 축적된 맥락을 다루는 지식 운영자가 된다.