CMDSPACE·AI를 잘 쓰는 연구자가 아니라,
AI가 일할 수 있는 지식 구조.
쓰는 방식이 축적되느냐, 매번 증발하느냐가 갈림길입니다.
연구자의 지식 시스템(볼트 · LLM Wiki · 하네스) 위에 AI Agent를 올리는 법을 다룹니다.
cmdspace.work
국가과학기술인력개발원(KIRD) · 2026.09.02(수) 15:30–17:30 · 청주
CMDSPACE연구하면서 가르치는 실천가.
오늘 보여드리는 것은 이론이 아니라, 3년 · 10,000개 노트로 직접 운영해 온 실물입니다.
KIRD 신진연구원 과정 · 구요한02CMDSPACE93%가 쓰는데,
영수증을 풀칠하고 있다.
현장은 — AI 구독료 영수증 증빙이 매월 반복, 대부분 기관에 생성형 AI 보안규정 부재로 책임은 연구자 개인에게 전가, 일부 기관은 아예 차단.
문제는 "쓸 것이냐"가 아니라 "쓰는 방식이 축적되느냐, 증발하느냐"03CMDSPACE오늘 두 시간은 이 문장에 대한 개인 수준의 실행 답안입니다. 조직의 데이터 체계는 기다려야 하지만, 내 연구 지식의 구조는 오늘 밤부터 바꿀 수 있습니다.
출처: 헬로디디 · 2026 출연연 업무보고 보도04CMDSPACE주무 부처가 트랙을 열었고,
공모 마감은 닷새 뒤입니다.
NAIS는 출연연 전용 온프레미스 AI 환경과 연구용 샌드박스를 준비 중이고, 'AI 과학자 플랫폼' 베타는 연내 예정입니다. "보안 때문에 못 쓴다"를 국가가 풀겠다고 나선 겁니다 — 다만 그 사이 넉 달을 어떻게 쓰실 겁니까?
출처: co-scientist.kr · nst.re.kr · ai4scikorea.org05CMDSPACE쓰지만, 좋아하지 않는다.
이 불편함은 비합리가 아니라 정확한 감각입니다. 오늘은 그 불편함이 어디서 오는지 짚고, 구조로 푸는 이야기를 합니다.
출처: Nature, "Scientists have a bad case of AI FOMO" (2026-06)06CMDSPACEAI는 연구를 빠르게 하는가.
| 설계 | 관측 연구 (arXiv 2412.07727 · v3) | 무작위 대조시험 (METR) |
|---|---|---|
| 표본 | 자연과학 논문 4,130만 편 관측 | n=16 · 실제 이슈 246건 |
| 결과 | 논문 3.02배 · 인용 4.84배 · 팀리더 1.37년 단축 | 완료 시간 19% 증가 (느려짐) |
| 강점 / 약점 | 규모 / 선택 편향 | 인과 식별 / 소표본 · 코딩 한정 |
두 결과가 동시에 참일 수 있다는 것 — 여기서 오늘 이야기가 시작됩니다.
출처: arXiv 2412.07727 (v3) · arXiv 2507.09089 (METR)07CMDSPACE빨라졌다고 느꼈지만,
실제로는 느려졌다.
후속 측정은 METR 스스로 선택 편향으로 해석 불가 판정. 측정조차 어려워졌다 — 그래서 감각이 아니라 구조로 접근해야 합니다.
출처: METR (arXiv 2507.09089 · 2026-02 설계변경 공지)08CMDSPACE병목은 생성이 아니라 검증이다.
환각률 자체는 개선 추세입니다. 그러나 인용은 다릅니다 — 초안이 아무리 빨라져도 인용을 못 믿으면 검증 비용이 생성 이득을 잡아먹습니다.
출처: GhostCite (arXiv 2602.06718) 외 · 프리프린트 중심 — 수치는 범위로만09CMDSPACE"무엇을 측정하지 않고 있는가."
실무 원칙은 하나 — 인용을 생성하는 도구가 아니라 검색해서 가져오는 도구를 쓸 것. 이것이 오늘의 설계 목표, 검증 가능한 구조입니다.
AI는 소스를 찾는 데 쓰되, 소스 자체로 쓰지 말 것10CMDSPACE프롬프트가 아니라
구조가 차이를 만든다.
v1 프롬프트 → v2 컨텍스트 → v3 하네스. 3년간 무엇이 바뀌었는가.
CMDSPACE입력은 짧아지고, 답은 깊어진다.
v1→v3에서 사용자 입력은 다시 짧아집니다. 그런데 출력은 더 풍부하고, 재현 가능하고, 축적됩니다. 차이를 만드는 건 프롬프트가 아니라 하네스.
KIRD 신진연구원 과정 · 구요한12CMDSPACE제가 '하네스'라 부르는 걸 Anthropic은 '컨트롤 플레인'이라 부릅니다. 이름만 다를 뿐 업계가 같은 곳을 가리킵니다. 그리고 Claude Code SDK가 Agent SDK로 개명됐습니다 — 코딩에서 검증된 하네스가 연구로 일반화되는 중.
출처: Anthropic — Effective context engineering for AI agents13CMDSPACE지식의 IDE, 공유 언어, 엔진.
코딩 에이전트의 하네스가 도구·권한·지식베이스·룰이라면, 연구자의 하네스는 볼트 + 레퍼런스 매니저 + 연구노트 + 개념 위키 + 시스템 파일입니다.
KIRD 신진연구원 과정 · 구요한14CMDSPACE포맷은 사고를 강제한다.
| 포맷 | 강제하는 사고 |
|---|---|
| PPT | 슬라이드 단위 사고 — 닫힌 포맷, AI에게도 닫힌 지식 |
| 표 | 비교 사고 |
| Markdown | 구조화 + 연결 사고 — 에이전트가 파싱 레이어 없이 그냥 읽는다 |
| YAML | 필드 수준 의미 선언 — 기계가 읽는 메타데이터 |
kepano의 "file over app" — 논문을 쓰기 전에, 어떤 포맷으로 지식을 쌓을지를 먼저 결정해야 합니다.
McLuhan "미디어가 메시지다"의 AI 시대 확장15CMDSPACE"내 연구 분야 최근 동향 정리하고
우리 과제와의 접점 찾아줘."
마무리: 10,000+ 노트 그래프뷰 — "정리한 게 아니라 연결된 겁니다"⚠ v3 선발사 · 실패 시 캡처 백업CMDSPACE휴식, 15분.
2부는 오늘의 본론 — LLM Wiki, 지식이 복리로 쌓이는 구조입니다.
CMDSPACE지식이 복리로 쌓이는 구조.
볼트가 일하는 공간이라면, 위키는 지식이 축적되는 코드베이스입니다.
CMDSPACEthe LLM is the programmer,
the wiki is the codebase."
에이전트가 불변 원문(raw sources)을 지속·상호링크된 마크다운 위키로 컴파일합니다. 읽을 때마다 새로 요약하는 게 아니라 기존 페이지를 갱신 — 그래서 복리.
출처: Karpathy · LLM Wiki (GitHub gist)19CMDSPACE검색은 휘발되고, 위키는 쌓인다.
어제의 답이 오늘의 출발점이 되는 구조 — 연구 지식에 필요한 건 이것입니다.
KIRD 신진연구원 과정 · 구요한20CMDSPACE원문과 해석을 분리한다.
연구자에게 익숙한 감각입니다 — 사료와 논문을 분리하는 것. 원문은 건드리지 않고, 해석만 계속 갱신합니다.
KIRD 신진연구원 과정 · 구요한21CMDSPACE내가 넣은 것 안에서만
말하게 하라.
AI가 인용을 만들어내지 못하게 하는 가장 확실한 방법 — 내가 넣은 것 안에서만 말하게 하는 것. 검증 병목과 LLM Wiki가 한 줄로 연결됩니다.
NotebookLM은 학술 DB에 독립 접근하지 않고 사용자가 준 소스에만 근거22CMDSPACE위키보다 먼저 필요한 것은
스키마다.
문서를 쌓기 전에 해석의 질서를 설계하세요. 파일이 약 200개를 넘고 에이전트가 전체 그래프를 담지 못하면 패턴이 무너집니다 — 그때 필요한 게 경량 인덱스와 스키마.
Forte의 경고 — "노트가 엉망이면 AI가 구원하지 않는다." AI는 PKM을 대체하지 않고 leverage를 바꿉니다. 잘 쓰면 구조화된 memory로, 못 쓰면 문서를 high-speed drift로.
CMDSPACE벤더 락인이 아니라, 벤더 탈락인.
모델 계층에서 싸우는 회사들이 인프라 계층에서는 협력합니다 — Linux · Kubernetes가 걸어간 길과 같은 패턴.
출처: modelcontextprotocol.io · 규모 수치는 방향성만 (18개월 만에 세 자릿수 배수 성장)24CMDSPACE내 레퍼런스 매니저가
에이전트의 손에 연결된다.
한계도 정직하게 — 대부분의 학술 MCP 서버는 검색·메타데이터에 집중하고 인용 내보내기는 Zotero 계열이 그 간극을 메웁니다.
GitHub 1차 확인 · 보안: 표준이 인프라가 되며 CVE·프로덕션 사고 보고 시작 (기관 심사 필요)25CMDSPACE에이전트가 인용을 검증한다.
AI가 초안을 쓰는 건 이제 놀랍지 않습니다. 놀라워야 할 건 — AI가 자기가 쓴 인용을 스스로 검증하게 만드는 것.
검증 병목(§support vs existence)이 눈앞에서 닫히는 지점⚠ 백업 클립 준비CMDSPACE"새 모델이 아니라 워크플로로
과학자를 설득한다."
성능이 아니라 재현성 · 감사 가능성 · 기존 도구 통합이 채택을 결정합니다 — 이 문장이 오늘 강의 전체의 요약이기도 합니다.
출처: TechCrunch (Claude Science) · Google DeepMind Blog27CMDSPACE회의에서 Nature까지, 1년.
검증은 아직 실험실 단계.
남는 질문 — 즐거운 노동을 자동화하는 방향이 맞는가. 실행은 넘기되, 무엇을 지킬지는 연구자의 선택입니다.
과학이 어려운 이유: 아이디어에 실험적 검증이 필요하기 때문28CMDSPACE공통 원칙 하나 — AI는 저자가 될 수 없다.
| 출판사 | 입장 |
|---|---|
| Science (AAAS) | 가장 엄격 — AI 생성 텍스트 사실상 전면 금지, 프롬프트·출력 요청 시 제공 |
| Nature / Springer | AI 저자 금지 · 실질 사용은 Methods 기재 · 순수 copy editing 면제 · 심사자의 원고 업로드 금지 |
| Elsevier | 별도 AI declaration statement · 편집자·심사자의 AI 사용 금지 |
현 정책은 '생성형 AI 도구' 일반 — 자율 에이전트 규정은 아직 공백. 이 공백이 지금 감사 로그 남기는 구조를 만들어야 하는 이유입니다. 국내도 AI연구윤리 가이드라인·국가연구데이터법 추진 중.
전 출판사 공통: 책임을 질 수 없으므로 저자 불가29CMDSPACE등급을 나누는 게 답이다.
| 넣어도 되는 것 | 판단 유보 — 기관 확인 | 절대 금지 |
|---|---|---|
| 공개된 논문·특허·표준 | 미공개 실험 데이터 (등급 확인) | 국가연구개발과제 미공개 정보 |
| 내가 쓴 초안 문장 (민감정보 제거) | 과제 제안서 일부 표현 | 보안과제 자료 일체 |
| 공개 데이터셋 | 공동연구 파트너 자료 | 심사 중인 타인 원고·심사보고서 |
| 개념 질문·방법론 상담 | 내부 회의록 | 개인정보 포함 데이터 |
"AI 쓰지 마세요"도 "마음껏 쓰세요"도 답이 아닙니다. 등급을 나누는 게 답이고 — 등급을 나누려면 지식이 이미 구조화돼 있어야 합니다.
출처: 한국연구재단 권고 (제40조) · N2SF 기밀(C)/민감(S)/공개(O) 차등 통제30CMDSPACE제도가 바뀌기를 기다리는 동안,
지식이 증발하지 않게 하는 법.
제도는 "가능하다, 다만 명확히 관리되어야 한다"고 말하는데, 그 단서 조항이 현장에서는 "그냥 하지 말자"로 귀결되곤 합니다. PBS 전환기의 불확실성도 여러분이 직접 당사자입니다.
오늘 드리는 건 제도를 바꾸는 방법이 아니라, 그 사이 여러분 개인의 지식을 지키는 방법입니다.
CMDSPACEAI가 여러분을 분류하기 전에, 먼저 측정하세요.
문서만 있으면 2점, 도구가 강제해야 3점, 시스템이 시스템을 고친 기록이 있어야 4점. 모든 점수는 아티팩트 증거 필수. L(Loop)만은 최근 30일 가동 흔적이 없으면 상한 2점 — akm.cmdspace.work 셀프 측정.
행동 앵커 기반 루브릭 · 실제 제출 데이터로 계속 개정 중 (심리측정 검증 진단 아님)32CMDSPACE양이 아니라 연결이다.
노트 50개면 그래프가 보이기 시작합니다. 단, 약 200개를 넘으면 스키마와 인덱스가 필요해집니다 — 그때가 LLM Wiki로 갈 시점.
KIRD 신진연구원 과정 · 구요한33CMDSPACE·연구자의 하네스는
이미 여러분 손에 있습니다.
여러분이 읽고 쓰고 정리해온 모든 것 — 그게 재료입니다.
AI가 여러분을 분류하기 전에, 먼저 측정하세요.
cmdspace.work · 더배러(The Better)KIRD 신진연구원 과정 · 2026.09.02(수)