① 어떤 상황에서 AI를 활용했나요?

처음에는 작은 자료 모음이었습니다. 책, 논문, 영상 자막, 웹 글이 1,460건까지 늘어나자 필요한 대목을 다시 찾고 다른 자료의 설명과 비교하는 일이 어려워졌습니다. 모아 둔 자료를 다음 질문과 글쓰기에 다시 쓰려면 정리해 두고 찾아 쓰는 체계가 필요했습니다.

그래서 AI 코딩 도구의 도움을 받아 개인 자료 앱 두 개를 만들었습니다. 사유고는 자료를 페이지 단위로 저장하고, 질문을 넣으면 관련 페이지를 원본 이미지와 함께 보여 줍니다. 사유고2는 같은 자료를 책마다 논점, 주장, 근거, 용어로 한 번 더 정리해 데이터베이스로 만들고, 검색 결과에서 원문 위치로 바로 이동하게 합니다.

이 두 앱을 바탕으로 분야별 아카이브 여덟 개를 만들었고, 책 원고도 쓰고 있습니다.

② 어떤 AI를 어떻게 활용했나요?

스캔한 책 페이지는 문자 인식으로 텍스트를 만들고, 인식이 의심스러운 페이지는 PaddleOCR로 다시 읽습니다. 텍스트에는 페이지 번호와 원본 이미지 위치를 붙여 저장합니다. 사유고는 이 페이지들을 BGE-M3로 색인해 두었다가 질문과 뜻이 가까운 페이지를 찾아 줍니다.

사유고2에서는 Qwen3.8-Flash-Next가 책을 읽고 논점, 주장, 근거, 용어를 뽑습니다. 뽑은 항목마다 근거가 되는 원문 문장을 짧게 함께 저장하고, 그 문장이 원문에 실제로 있는지 프로그램이 대조합니다. 이렇게 만든 항목과 개념 사전 항목을 합쳐 10월 27일 기준 1,182,964개를 EmbeddingGemma 2로 색인했습니다. 검색할 때는 단어가 일치하는 결과와 뜻이 가까운 결과를 합쳐 보여 주고, 책이나 항목 종류, 말한 사람으로 범위를 좁힐 수 있습니다.

질문할 때마다 자료 전체를 처음부터 읽히지 않고, 미리 정리해 둔 항목에서 후보를 찾은 다음 원문 페이지로 돌아가 앞뒤 문맥을 확인합니다. 원문은 확인 기준으로 남겨 두고, 정리한 데이터는 여러 작업이 반복해서 꺼내 쓰는 재료로 씁니다.

아카이브는 이 데이터를 한 번 더 가공해 만들었습니다. 철학사 아카이브의 경우 사유고2에서 관련 주장과 근거를, 사유고에서 원문 구간을 골라 사건마다 재료를 묶었습니다. 그 재료로 사건, 인물, 학파 설명을 쓰고 사실 검토에서 나온 수정 사항과 날짜, 중복 사건, 연결 관계를 정리해 반영했습니다. 여덟 아카이브는 하나의 통합 색인으로 묶어 함께 검색합니다. 내용이 바뀌지 않은 항목은 기존 색인을 그대로 쓰고, 새로 생기거나 바뀐 항목만 다시 색인합니다.

앱과 아카이브의 프로그램은 Codex와 Claude Code로 만들고 고쳤습니다. 장편소설 초고는 ChatGPT로 썼습니다.

③ 활용 결과 어떤 변화가 있었나요?

모아 둔 자료가 한 번 쓰고 끝나지 않고 여러 결과물에 계속 쓰이게 됐습니다.

경제사, AI, 과학사, 음모론, 역사, 주식투자사, 철학사, 편향 아카이브 여덟 개를 운영하고 있습니다. 10월 26일 운영 화면에 표시된 사건 기록은 모두 6,501개입니다. 같은 사건을 여러 아카이브가 함께 다루기도 해서 고유 사건 수와는 다릅니다. 통합 검색에서 FTX를 찾으면 같은 파산 사건을 경제사, 주식투자사, 철학사, 편향 아카이브에서 각각 읽을 수 있습니다. 시장 붕괴로만 보던 사건을 효과적 이타주의 논쟁이나 투자자들의 판단 오류와 나란히 놓고 비교할 수 있게 됐습니다.

책은 지금 다섯 번째를 만들고 있습니다. 출간한 책은 아직 없습니다. 장편소설 닫힌 주사위와 실용 철학서 AI를 활용하는 철학은 전자책 파일까지 만들었고, 투자서 구조론적 투자자, 교양서 다른 보폭, 기업 분석서 AI를 만드는 회사들은 전권 초고나 퇴고 단계입니다.

닫힌 주사위는 초고를 다 쓴 뒤 자료 앱에서 관련 연구와 사례를 찾아 18개 장, 29곳을 고쳤습니다. 44장에서는 아직 밝혀지지 않은 상대의 목적을 설명하던 문장을 지우고, 인물이 과녁 두 개를 그려 앞면과 뒷면의 차이를 보여 주는 장면으로 바꿨습니다. 판단 오류를 설명할 때 쓰는 과녁 그림을 소설 장면에 옮긴 것입니다. AI를 활용하는 철학은 완성한 전자책을 사유고에 다시 등록해 다른 자료와 함께 검색되도록 했습니다.

이 밖에 10월에는 38권의 대목을 비교한 자유의지 연구 글과, 도서 33권에서 뽑은 영상 소재 105개를 정리했습니다. 시간을 얼마나 줄였는지나 독자 반응은 따로 재지 않았습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

자료를 한 번 정리하면 그 결과를 다음 작업이 다시 쓰도록 만든 점입니다. 원문 보관, 내용 정리, 검색, 분야별 재정리를 따로 두었기 때문에 아카이브를 하나 더 만들거나 책을 한 권 더 쓸 때 자료를 처음부터 다시 읽히지 않아도 됩니다.

아카이브는 결과물이면서 다음 검색의 재료입니다. 책에서 찾은 설명이 사건과 인물 기록이 되고, 그 기록이 다시 통합 검색에 들어갑니다. 완성한 책을 자료 앱에 다시 등록하는 것도 같은 이유입니다.

AI가 정리한 항목은 그대로 쓰지 않고 원문 위치를 함께 남겨, 필요할 때 원문으로 돌아가 확인합니다. 검색 결과가 질문과 비슷하다고 해서 그 내용이 사실로 확인된 것은 아니기 때문입니다.

⑤ 다른 사람도 따라 할 수 있나요?

제 시스템도 작은 자료 모음에서 시작했습니다. 처음부터 앱을 만들 필요는 없습니다.

직접 쓴 메모나 이용권한이 있는 자료를 다섯에서 열 개쯤 고르고, 원본과 정리본을 따로 보관합니다. AI에게 자료마다 주장, 근거, 반론과 그 위치를 정리하게 하고 이 정리본을 저장해 둡니다. 새 질문이 생기면 정리본에서 관련 항목을 찾고, 원본으로 돌아가 문맥을 확인한 뒤 짧은 글이나 카드 한 장으로 만듭니다.

자료가 늘면 제목과 출처 표기 규칙을 맞추고 중복을 정리합니다. 그다음에 검색 기능을 붙이고, 카드끼리 연결하거나 완성한 글을 다시 자료로 넣으면 됩니다. 한 번 정리한 내용을 다음 질문에 다시 쓰는 습관을 먼저 들이면, 시스템은 자료가 늘어나는 만큼 조금씩 키워 갈 수 있습니다.