① 어떤 상황에서 AI를 활용했나요?

정보를 "일단 저장"하는 습관이 쌓이면 FOMO가 해결되지 않고 오히려 심해집니다. 모바일에서 스크랩한 링크와 키워드가 수집함에 쌓여도 검토하지 않으면 그냥 묻힙니다. "언젠가 볼 것들"이 늘어날수록 불안도 늘어납니다.
저는 Obsidian 볼트에 "모바일 수집함.md"를 두고 모든 스크랩을 던져 넣는데, 이것을 제때 처리하지 않으면 수집함 자체가 미결 과제 목록이 됩니다.

② 어떤 AI를 어떻게 활용했나요?

Claude Code의 스케줄 태스크 기능으로 note-check 스킬을 만들었습니다. 수집함을 열면 다음 순서로 동작합니다.

링크가 있으면 실제로 방문해 구조 파악 / 키워드만 있으면 2~3개 소스 검색

[거름망] — 노트 생성 전 반드시 통과해야 하는 단계
이걸 도입/기록하지 말아야 할 이유 3가지
출처가 제시한 숫자·주장 중 검증되지 않은 것
내 현재 시스템이 이미 같은 역할을 하는 부분
거름망을 통과한 것만 구조화된 노트로 생성

③ 활용 결과 어떤 변화가 있었나요?

"저장 → 방치 → 불안" 사이클이 끊겼습니다.
처리 결과가 세 가지로 분기됩니다.

삭제: 거름망에서 충분한 이유가 나오면 수집함에서 지움. 아무 파일도 남지 않음.
보류: 판단이 어려우면 노트 생성 후 action_needed에 "평가 세션 열기" 기록.
생성: 통과한 것만 내 워크플로우와의 비교 섹션까지 포함한 노트로 저장.
이전에는 스크랩 100개가 쌓이면 100개짜리 미결 목록이 됐습니다. 지금은 100개를 처리하면 삭제 60 + 보류 20 + 노트 20 정도가 됩니다. 수집함이 비워진다는 것 자체가 FOMO를 해소합니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

핵심은 AI의 긍정 편향을 전제로 설계했다는 점입니다.
대부분의 AI 활용 워크플로우는 "이걸 정리해줘", "이걸 추천해줘"를 시킵니다. 그런데 AI는 구조적으로 "이건 쓸모 있어 보인다"는 방향으로 분석하기 쉽습니다. 잘 쓴 소개글, 공감 가는 문제 제기, 숫자로 된 근거가 있으면 납득 속도가 빨라지고, 비판 회로는 그만큼 늦게 작동합니다.

거름망은 그 반대 방향을 먼저 강제합니다. AI가 도입 거부 이유를 먼저 작성하게 하면, 서사에 이미 납득한 상태에서 정리가 시작되는 것을 구조적으로 막습니다. "왜 안 되는가"를 먼저 쓰는 AI가 훨씬 날카롭습니다.

결국 이 워크플로우는 AI를 수집 도우미로 쓰는 것이 아니라, 필터링 파트너로 쓰는 설계입니다. AI가 더 많이 저장하게 돕는 것이 아니라, 더 많이 버리게 돕습니다.

⑤ 다른 사람도 따라 할 수 있나요?

Claude Code + Obsidian 조합이 필요합니다. 핵심 구조는 그대로 이식 가능합니다.

수집함 파일 하나에 모든 스크랩을 던져 넣는 습관
AI에게 "정리해줘" 대신 "거절 이유부터 써줘" 라고 시키는 프롬프트 구조
처리 결과를 삭제/보류/생성으로 분기시키는 기준

Claude Code 없이도 동일한 프롬프트를 ChatGPT나 Claude 웹에서 수동으로 실행하는 것으로 시작할 수 있습니다.