노션 장례식에 오신 걸 환영합니다 — 회사 슈퍼브레인 LLM 위키 실전 구축
Source: X-C2EgqRndY.ko Type: youtube (12분 53초, 한국어 자막) By: theuxlabs Valid as of: 2026-05-22
핵심 Takeaway
- 회사의 진짜 자산은 매출 데이터가 아니라 “왜 그렇게 결정했는지”의 맥락이며, 그것이 사람 머릿속·죽은 노션·옛 슬랙에 흩어져 있어 사람이 나가면 증발한다 — “회사 기억 상실증”
- andrej-karpathy가 2026년 4월 제시한 LLM Wiki 패턴을 회사 단위로 끌어올린 실전 구현: AI가 회사의 결정·맥락·히스토리를 자동 정리·연결·관리하는 살아 있는 위키피디아
- Karpathy의 컴파일 비유 — 매번 원본 자료를 처음부터 다시 뒤지는 RAG와 달리, 자료가 들어오면 한 번 정리해 위키 페이지로 박아두고 그 페이지를 읽음. “재료 사다 매번 요리”가 아니라 “한 번 만들어둔 반찬을 꺼내 먹기”
- LLM 위키의 4가지 구조 요소: ①Raw vs Wiki 두 칸 창고(원본은 불변 보관) ②페이지 하나 = 개념 하나 ③페이지 간 위키링크 그물망 ④AI가 사서·편집장 역할(새 자료 → 관련 페이지 갱신/신규 생성/충돌 표시/외톨이 페이지 점검)
- 실전 스택: obsidian(지식 창고 유리창) + claude-code(24시간 사서 AI) + 위키(집단 기억 도서관). 사람이 할 일은 자료를 던지고 질문하는 두 가지뿐, 코드는 한 줄도 안 침
- 셋업 프롬프트 패턴: Karpathy LLM Wiki 원문 링크 + “이 폴더를 우리 회사용 위키로 세팅, 시작 전 ①다루는 범위 ②자료 종류 ③페이지 종류 3가지를 물어봐라” → 답변 기반으로
CLAUDE.md운영 규칙 + 폴더 구조 + 위키 인덱스 자동 생성 - 효과: 3개월 걸리던 온보딩이 3일로 단축, 의사결정 시 “예전에 비슷한 거 어떻게 했지?” → 과거 교훈 즉시 호출, 사람 입퇴사와 무관하게 회사 지식이 복리로 누적됨. 이것이 “AI를 쓰는 회사 → AI 네이티브 회사”로의 한 발
상세 요약
문제 정의: 회사 기억 상실증
영상의 출발점은 회사의 진짜 자산을 재정의하는 것이다. 매출 데이터는 결과 지표일 뿐, 자산은 “왜 이 고객을 잡았고, 왜 저 프로젝트를 접었고, 왜 이 가격으로 갔는지”의 맥락과 판단이다. 그런데 그 맥락은 지금 누군가의 머릿속, 3년 전 슬랙 어딘가, 아무도 안 들어가는 죽은 노션 페이지, 제목도 기억 안 나는 회의록에 흩어져 있다. 그래서 사람이 나가면 증발하고, 신입은 백지에서 시작하며, 10년 된 회사가 매번 1년 차처럼 같은 실수를 반복한다.
이 문제 정의는 기억-비의존-시스템이 왜 필요한지의 비즈니스 사례에 해당한다.
Karpathy LLM Wiki를 회사 단위로 끌어올리기
해법으로 andrej-karpathy가 2026년 4월 던진 LLM Wiki 개념을 회사 단위로 확장한다. 정의는 단순: “회사의 모든 결정 맥락·히스토리를 AI가 직접 정리·연결·관리하는 살아 있는 위키피디아.”
작동 원리는 세 단계다.
- 새 자료가 들어오면 AI가 핵심을 뽑아 페이지로 만든다
- “이 결정은 작년 그 프로젝트랑 연결되네” 하며 자동으로 엮는다
- “이건 저번 방침과 충돌하는데요” 하며 모순을 짚는다
결과: 사람이 바뀌어도 지식은 남고, 자료가 쌓일수록 회사는 복리로 똑똑해진다.
컴파일 비유 — 한 번 정리해두고 다시 안 뒤짐
영상은 기존 RAG와의 차이를 Karpathy의 컴파일 비유로 설명한다.
| 기존 RAG | LLM Wiki | |
|---|---|---|
| 질문 시점 | 원본 더미를 매번 처음부터 뒤짐 | 이미 정리해 둔 페이지를 읽음 |
| 비유 | 매번 재료 사다가 요리 | 한 번 만들어둔 반찬 꺼내 먹기 |
| 결과 | 느리고 일관성 없음 | 빠르고 일관되고 쌓일수록 강해짐 |
이는 얕은-컴파일과-깊은-이해의-분리의 실용적 적용으로 볼 수 있다.
LLM 위키의 4가지 구조 요소
영상은 LLM 위키 내부 구조를 4가지로 해부한다.
- 두 칸 창고: 회의록·문서·기록 원본은
raw/창고에 그대로 쌓이고, AI가 가공한 깔끔한 페이지는wiki/칸에 만들어진다. 원본은 절대 건드리지 않는다 — llm-wiki-concept 의 3계층 아키텍처와 정확히 대응 - 페이지 하나 = 개념 하나: 위키피디아 항목처럼 맨 위 한 줄 요약, 태그 몇 개, 본문. “우리 회사 가격 정책”, “땡땡 고객사” 등 개념마다 페이지 하나
- 위키링크 그물망: 가격 정책 페이지 안에 “땡땡 고객사 협상” 링크가 걸리는 식. 흩어진 회사 지식이 하나의 그물망이 됨
- AI가 사서·편집장: 새 자료가 오면 관련 페이지 갱신, 없으면 신규 생성, 충돌하면 표시, 아무 데도 연결 안 된 외톨이 페이지나 빠진 개념까지 알아서 점검
실전 스택: Obsidian + Claude Code + 위키
영상의 실전 구현 스택:
- obsidian → 회사 지식 창고를 들여다보는 유리창
- claude-code → 자료를 정리·연결하는 24시간 사서 AI
- 위키 → 사서가 만든 회사 집단 기억 도서관
사람이 할 일은 정확히 두 가지다: 자료를 던지기, 질문하기. 정리·연결·관리·모순 체크는 모두 사서 AI 담당. 코드는 한 줄도 안 친다.
셋업 절차 (영상에서 시연한 그대로)
- Obsidian에서 새 보관함 생성 (예: “Company Brain”)
- 터미널에서 해당 폴더로 이동 후
claude실행 - Karpathy LLM Wiki 원문(
llm-wiki.md) 링크를 제시하며 셋업 요청 - 셋업 프롬프트 핵심 구조:
“이 링크를 주고, Karpathy LLM Wiki 아이디어 파일을 읽고 이 폴더를 우리 회사용 LLM 위키로 세팅해달라. 시작 전 나한테 물어봐라: ①이 위키가 어떤 범위의 주제를 다루는지 ②처음 나올 자료가 어떤 종류인지 ③어떤 페이지 종류가 필요한지. 내가 답하면 그에 맞는
CLAUDE.md운영 규칙과 기본 폴더 구조, 위키 인덱스를 만들어달라.” - Claude Code가 3가지 질문 → 답변(예: “30명 규모 SaaS 전사, 의사결정 기록·고객 협상 회의록·온보딩 프로세스, 추천 6종 그대로, 출처 표기·모순 체크 필수”)
- Claude Code가
CLAUDE.md+README.md+ 폴더 구조(decision/client/process/wiki/index/log) 자동 생성
데이터 투입 + 정리 요청
raw/폴더에 47개 회사 문서 일괄 업로드 (고객·결정·프로세스·회의록 등)- 정리 프롬프트:
“
raw/폴더 안에 새 자료를 넣어 놨다.CLAUDE.md규칙대로 위키에 정리해라. 끝나면 뭘 만들고 연결했는지 요약해달라.” - Claude Code가 파일을 전부 읽으며 자동 분류:
- 사람(people) 위키 페이지 정리
- 프로세스·이어지는 프로젝트 페이지
- 소스(언제 무엇이 일어났는지)
- decision(어떤 결정을 했는지)
- 고객 페이지
- Obsidian Graph View: 위키 페이지들이 백링크 기반 상관계도로 시각화 — 박서현이라는 사람이 어떤 롤을 갖고 어떤 프로젝트(Securi Data Police 등)를 오너십하는지 자동으로 드러남. 영상은 이를 **“작은 온톨로지”**라고 표현 — AI-네이티브-vs-AI-어시스티드 의 자동화된 메타-구조 사례
질의 패턴 두 가지
① 히스토리 질문 (시간순 정리)
“우리 가격 정책이 지금까지 어떻게 바뀌었는지 각각의 이유와 결과를 시간순으로 정리해달라.”
회사에 오늘 처음 들어온 사람도, 기억이 안 나는 임원도 같은 질문으로 즉시 맥락을 회수한다. 영상에서는 월간·연간 병행 정책, 변경 이유, 결과까지 3가지 큰 흐름으로 정리된 답변을 보여준다.
② 의사결정 지원 질문 (과거 교훈 호출)
“지금 또 다른 대형 고객이 비슷한 요금 불만을 제기했다. 위키에서 과거에 비슷한 상황을 어떻게 풀었는지, 효과 있었던 것과 주의할 점, 반복하면 안 될 실수도 정리해달라. 출처 표기하고 위키에 없으면 ‘없음’이라고 말해달라.”
핵심은 “회사가 과거의 판단을 기억하기 시작한다” — 매번 백지에서 결정하는 게 아니라 지난 경험 위에서 결정한다. “회식 할인으로 막지 마라” 같은 교훈이 자동으로 호출된다.
결론: AI 네이티브 회사
영상은 AI 어시스티드 → AI 네이티브 전환의 구체적 첫 걸음으로 이 패턴을 제시한다.
- 지금: 지식이 사람 머릿속·죽은 노션에 흩어져 있음 → 인재 퇴사 시 증발 → 신입은 매번 백지
- 해법: 회사 슈퍼브레인을 두기 → AI를 쓰는 회사가 아닌 AI 네이티브 회사로 한 발
- 실천 권고: “오늘 회의록 하나, 결정 기록 하나부터 한번 넣어 보라 — 그게 여러분의 슈퍼브레인 첫 페이지”
jyp-garden 프로젝트 연결
이 영상은 jyp-garden 프로젝트의 정확한 메타-사례다. jyp-garden은 4개 vault를 Zettelkasten + PARA 하이브리드로 통합하면서 LLM Wiki 패턴을 개인 지식 관리에 적용 중이며, 영상은 같은 패턴의 회사 단위 적용을 보여준다. 차이점:
| jyp-garden (개인) | 영상 (회사) | |
|---|---|---|
| 스코프 | 1인 평생 지식 관리 | 30명 SaaS 회사 의사결정 기록 |
| 폴더 구조 | 10/20/30/40 + sources/concepts/entities | decision/client/process/wiki |
| 사서 AI | Claude Code + 스킬·서브에이전트 | Claude Code (기본) |
| Raw 보관 | 00-Inbox/ | raw/ |
| 정리 결과 | sources/concepts/entities/insights | wiki/ 단일 평면 |
→ 향후 jyp-garden 운영 노하우를 회사 적용용 템플릿으로 역전개할 수 있는 사례 (의사결정 기록·고객 협상·온보딩 패턴 등).
연결되는 위키 페이지
- llm-wiki-concept — Karpathy 원문 정리. 본 영상이 회사 단위로 확장한 모태
- andrej-karpathy — LLM Wiki 패턴 창안자
- obsidian — 영상의 지식 창고 유리창
- claude-code — 영상의 24시간 사서 AI
- theuxlabs — 영상 채널
- AI-네이티브-vs-AI-어시스티드 — 영상의 핵심 결론 프레임
- 기억-비의존-시스템 — “회사 기억 상실증” 문제 정의의 일반화
- 얕은-컴파일과-깊은-이해의-분리 — 영상의 컴파일 비유와 직접 호응