많은 조직이 AI 도입을 위해 데이터 적재 인프라에 집중하지만, 진정한 AI 네이티브 전환은 데이터가 지식으로 전환되는 루프를 구축하는 데 달려 있다. 빌더 조쉬의 사례는 데이터 적재(1단계) → 자가 개선 루프(2단계) → 지식 자산화(3단계)의 명확한 계층을 보여준다. 특히 raw data md 파일과 상위 문서(SOP)의 이중 구조는 단순 저장을 넘어 조직의 판단 기준과 방향성까지 에이전트가 활용할 수 있게 만든 핵심이다.
근거
원문에서 지식 자산화는 “매일 회의록 + 할일과 수행한 일들 Raw data로 md 파일 쌓기”와 “위 내용을 통한 상위 문서”로 구성된다. 이는 단순한 데이터 축적이 아니라, 데이터에서 의미를 추출하고 의사결정 기준을 추상화하는 지식 관리의 고전적 원칙을 AI 시대에 구현한 것이다.
“주로 2가지로 이루어진다. 1) 매일 회의록 + 할일과 수행한 일들 Raw data로 md 파일 쌓기 2) 위 내용을 통한 상위 문서… 어떤 일을 현재 다 하고 있는지, 나아가야 할 방향은 무엇인지, 우리의 판단기준은 무엇인지 만드는 중앙 문서다.”
연결된 생각
- 20260530-ai-native-knowledge-management-methodology — 이 노트가 설명하는 방법론의 핵심 속성
- 20260530-ai-literacy-over-security-governance — AI 리터러시가 지식 자산화 루프의 성공을 결정하는 요인