12장. Organize에서 AI는 무엇을 하는가

AI는 정리의 주인이 아니라 규칙의 보조자다

앞선 글에서 Organize는 입력을 구조 안에 배치하고 연결하는 단계라고 말했다.

그렇다면 다음 질문은 자연스럽다.
이 단계에서 AI는 정확히 어디까지 도울 수 있을까.

여기서 중요한 것은 하나다.
AI가 대신 생각해 주는 것이 아니라, 이미 정해진 구조를 더 일관되게 적용하도록 돕는다는 점이다.

구조가 없는 상태에서도 AI는 그럴듯한 정리를 제안할 수는 있다.
하지만 그런 정리는 대개 임시방편에 가깝다.
사람마다 감각이 다르면 정리 방식도 흔들리기 쉽기 때문이다.

반대로 객체 정의, 파일명 규칙, 메타데이터 규칙, 분류 축이 먼저 정해져 있으면 이야기가 달라진다.
그때 AI는 꽤 강한 운영 보조자가 된다.

Organize에서 AI가 맡는 일은 네 가지다

첫째는 분류 추천이다.

입력된 노트나 새로 만든 초안이 어떤 객체인지,
어떤 축에 놓여야 하는지,
어떤 유형 이름을 써야 하는지를 AI가 먼저 제안할 수 있다.

둘째는 기존 자산과의 연결 추천이다.

실무에서는 새 노트를 계속 만드는 것보다
이미 있는 노트를 업데이트하는 편이 더 맞는 경우가 많다.

AI는 유사한 노트, 관련 근거, 관련 결정,
연결할 MOC나 허브 후보를 먼저 탐색해 보여줄 수 있다.

셋째는 메타데이터 초안 작성이다.

사람이 매번 frontmatter, 즉 노트 상단의 구조화된 속성 정보를 처음부터 채우려면 생각보다 손이 많이 간다. AI는 노트 유형에 맞는 최소 메타데이터를 제안하고,
빠진 항목이 있는지도 함께 점검할 수 있다.

넷째는 구조 확장 포인트 제안이다.

같은 유형의 노트가 일정 수준 이상 쌓였는지,
새로운 MOC가 필요한지,
체크리스트나 프레임워크로 끌어올릴 만한 패턴이 보이는지를 AI가 먼저 알려줄 수 있다.

정리하면 Organize에서 AI는 저장만 돕는 것이 아니다.
배치와 연결, 그리고 구조의 다음 단계를 함께 제안하는 역할을 한다.

Organize 단계에서 AI의 강점은 창의성이 아니라 일관성이다

사람은 의미를 읽고 예외를 판단하는 데 강하다.
하지만 같은 규칙을 반복해서 적용하는 일에는 생각보다 쉽게 흔들린다.

어제는 같은 성격의 노트를 '개념'으로 만들었는데

오늘은 '메모' 나 '정리'같은 임의 이름으로 저장해 버리는 일이 흔하다.

이런 흔들림이 쌓이면 구조는 금방 약해진다.
같은 유형의 정보가 같은 방식으로 쌓이지 않기 때문이다.

AI는 바로 이 지점에서 강점을 가진다.

한 번 정해진 규칙이 있으면
그 규칙에 따라 비슷한 입력을 비슷한 방식으로 정리하고,
파일명과 메타데이터도 더 안정적으로 맞출 수 있다.

그래서 Organize 단계에서 AI의 가장 큰 가치는 창의성이 아니다.
이미 정한 구조를 반복적으로 지키게 해주는 일관성에 있다.

사람은 예외와 의미를 판단해야 한다

그렇다고 Organize를 AI에 전부 맡길 수는 없다.

구조에는 언제나 예외가 생기고,
예외는 대개 맥락을 함께 읽어야 판단할 수 있기 때문이다.

겉으로 보기에는 개념 노트처럼 보이지만
실제로는 특정 프로젝트에서만 유효한 의사결정 근거일 수 있다.

반대로 사소한 실행 메모처럼 보이는 것도
반복되기 시작하면 체크리스트나 가이드로 승격할 가치가 있을 수 있다.

이런 판단은 단순히 텍스트만 읽어서 끝나지 않는다.
조직의 맥락, 프로젝트의 중요도,
앞으로 다시 쓸 가능성까지 함께 봐야 한다.

그래서 Organize 단계에서도 최종 구조 판단은 사람이 가져가야 한다.

AI는 구조를 제안하고, 사람은 구조를 승인한다

여기서 가장 현실적인 협업 방식은 단순하다.

AI가 먼저 분류와 연결과 초안을 제안한다.
사람은 그 제안을 승인하거나 조정한다.

이 방식의 장점은 분명하다.

하나는 정리 속도가 빨라진다는 점이다.
매번 빈 화면에서 처음부터 시작하지 않아도 된다.

다른 하나는 구조 품질이 좋아진다는 점이다.
AI가 먼저 후보를 내놓으면
사람은 그 후보를 보며 더 빠르게 맞고 틀림을 판단할 수 있다.

중요한 것은 역할 구분이다.
AI에게 구조를 맡기는 것이 아니라,
구조 운영의 보조자이자 규칙 적용의 자동화 도구로 쓰는 것이다.

Organize가 안정되어야 Distill도 가능해진다

Distill은 흩어진 기록에서 패턴을 발견하고,
재사용 가능한 원칙으로 끌어올리는 단계다.

그런데 Organize가 약하면 Distill도 약해진다.

같은 유형의 정보가 같은 방식으로 쌓여 있지 않으면
비교 자체가 어렵다.
비교가 안 되면 반복도 보이지 않는다.

관련 노트가 링크로 이어져 있지 않으면
무엇이 계속 등장하는지 파악하기도 어렵다.

그래서 Organize는 단순한 정리 단계가 아니다.
Distill이 가능해지기 위한 전제 조건에 가깝다.

좋은 Distill은 좋은 구조 위에서만 나온다.

정리하면

Organize에서 AI가 하는 일은 구조를 대신 만드는 것이 아니다.
이미 정해진 구조를 더 안정적으로 적용하고,

더 빠르게 연결하고, 더 일관되게 유지하도록 돕는 일이다.

분류 추천, 연결 추천, 메타데이터 초안, 구조 확장 포인트 제안까지는 AI가 꽤 잘할 수 있다.
하지만 예외와 의미를 읽고,
무엇을 정말 재사용 가능한 자산으로 볼지 결정하는 일은 여전히 사람의 몫이다.

결국 Organize에서 좋은 협업 방식은 분명하다.
AI는 제안하고, 사람은 승인한다. 이 역할 구분이 선명할수록

정리 속도도 빨라지고 구조 품질도 좋아진다.

다음 글에서는 이렇게 구조 안에 쌓인 기록에서
무엇을 발견하고 무엇을 끌어올릴 것인지,
즉 Distill을 어떻게 해야 하는지 이어서 보려 한다.