옵시디언(Obsidian)과 AI를 결합하면 흩어져 쌓이기만 하던 메모가 자동으로 요약되고, 서로 연결되고, 필요한 순간에 다시 꺼내 쓸 수 있는 살아 있는 지식 베이스가 된다. 옵시디언은 마크다운 텍스트 파일을 로컬에 저장하고 노트끼리 [[위키링크]]로 잇는 개인 지식관리(PKM, Personal Knowledge Management) 도구다. 2020년 출시 이후 “내 데이터는 내 컴퓨터에 둔다”는 로컬 우선 철학으로 빠르게 자리 잡았다. 그런데 노트가 수백, 수천 개로 불어나면 정작 쓸 때 못 찾는 ‘디지털 서랍장’ 문제가 생긴다. 이 글의 핵심 메시지는 하나다 — 지식관리의 진짜 병목은 ‘수집’이 아니라 ‘연결과 재사용’이며, 바로 그 지점을 AI가 자동화해준다.

sticky notes on corkboard Photo by Jo Szczepanska on Unsplash

왜 옵시디언에 AI를 붙여야 하는가

메모 앱의 흔한 실패는 비슷하다. 기사 스크랩, 회의록, 책 인용을 부지런히 넣지만 다시 열어보는 노트는 전체의 10%도 안 된다. 수집은 쉽고 연결은 어렵기 때문이다. 새 메모를 적을 때마다 “이게 예전 어느 노트와 관련 있더라?”를 사람이 일일이 기억해 링크를 거는 건 현실적으로 불가능하다.

AI는 정확히 이 빈틈을 메운다. 노트의 의미를 벡터(임베딩)로 변환해두면, 단어가 한 글자도 겹치지 않아도 “주제가 비슷한 노트”를 찾아낸다. 예를 들어 ‘직원 동기부여’를 적은 메모와 6개월 전 적어둔 ‘심리적 안전감’ 노트가 자동으로 연결되는 식이다. 사람이라면 놓쳤을 연결을 기계가 제안해주니, 지식이 점(點)이 아니라 망(網)으로 자란다.

옵시디언이 AI와 특히 잘 맞는 이유는 모든 노트가 순수 텍스트(마크다운) 파일이라는 점이다. 데이터가 특정 회사 서버에 잠겨 있지 않으니, 로컬 AI든 클라우드 API든 원하는 모델에 그대로 먹일 수 있다. 도구의 개방성이 자동화의 자유도를 결정한다.

자동화를 만드는 핵심 플러그인 3종

옵시디언 커뮤니티 플러그인 생태계에는 AI 연동 도구가 빠르게 늘었다. 실전에서 조합하기 좋은 세 가지를 꼽으면 다음과 같다.

  • Smart Connections: 노트를 임베딩으로 색인해 “지금 보는 노트와 의미가 비슷한 노트”를 사이드바에 실시간으로 띄운다. 링크를 직접 안 걸어도 관련 메모가 따라붙는다. 자동 연결의 핵심 엔진이다.
  • Copilot for Obsidian: 보관함 전체를 대상으로 질문하는 ‘Vault 채팅’이 가능하다. “내가 작년에 정리한 마케팅 전략 노트들 요약해줘” 같은 질문에, 실제 내 노트를 근거로 답하고 출처 노트를 링크로 달아준다.
  • Text Generator / Templater: 정해진 틀(템플릿)에 AI 호출을 끼워 넣는다. 긴 노트를 붙이면 3줄 요약과 핵심 태그를 자동 생성하는 ‘요약 템플릿’을 만들어두면, 단축키 한 번으로 처리된다.

brown fountain pen on notebook Photo by David Travis on Unsplash

모델 선택은 데이터 민감도로 갈린다. 외부에 나가면 안 되는 업무·개인 기록이 많다면, Ollama로 PC에 라마(Llama)나 큐원(Qwen) 같은 오픈 모델을 띄워 인터넷 없이 로컬에서 임베딩·요약을 돌릴 수 있다. 반대로 품질이 중요하고 민감도가 낮은 자료라면 클로드(Claude)나 GPT 계열 API를 붙이는 편이 결과가 낫다. 나는 회사 기밀이 섞인 보관함은 로컬 모델, 공개 리서치용 보관함은 클라우드 API로 분리해 쓴다.

실제 자동화 워크플로우: 수집에서 재사용까지

도구를 나열하는 것보다 중요한 건 흐름이다. 내가 실제로 돌리는 파이프라인은 네 단계로 단순하다.

  1. 수집(Capture): 웹 클리퍼나 모바일로 기사·아이디어를 일단 받은편지함(Inbox) 폴더에 던진다. 이 단계에선 분류하지 않는다. 분류하려는 욕심이 수집을 막기 때문이다.
  2. 정제(Distill): 요약 템플릿을 실행하면 AI가 3줄 요약과 후보 태그를 붙인다. 사람은 그 결과를 30초간 검토만 한다. 처음부터 직접 요약하는 것보다 압도적으로 빠르다.
  3. 연결(Connect): Smart Connections가 제안한 관련 노트 중 진짜 관련 있는 것만 골라 링크한다. 이때 여러 노트를 묶는 ‘MOC(Map of Content)’ — 일종의 목차 노트 — 를 AI에게 초안으로 만들게 하면 주제별 지도가 빠르게 선다.
  4. 재사용(Express): 글·보고서·기획서를 쓸 때 Vault 채팅으로 “이 주제와 관련된 내 노트 다 끌어와”라고 묻는다. 흩어진 메모가 한 화면에 모이고, 거기서 새 결과물이 나온다.

person writing on white paper Photo by Luke Southern on Unsplash

자동화의 함정: AI는 사서이지 저자가 아니다

여기서 분명히 짚어야 할 게 있다. AI 자동화는 만능이 아니다. AI가 단 요약과 태그는 가끔 핵심을 빗나가고, 자동 생성된 링크에는 엉뚱한 연결도 섞인다. 검토 없이 전부 받아들이면 보관함이 그럴듯하지만 신뢰할 수 없는 ‘환각의 도서관’이 된다.

그래서 역할을 명확히 나눠야 한다. AI는 자료를 정리·연결·검색하는 사서(司書)이고, 의미를 판단하고 결론을 내리는 저자(著者)는 끝까지 사람이다. 요약 초안은 AI가 만들되 채택은 사람이, 링크 후보는 AI가 제안하되 확정은 사람이 한다. 이 경계를 지키면 자동화는 시간을 벌어주고, 무너뜨리면 오히려 잘못된 지식을 빠르게 쌓는다.

결국 옵시디언과 AI의 결합이 바꾸는 건 ‘메모를 더 많이 모으는 능력’이 아니다. 이미 가진 지식을 다시 꺼내 쓰는 능력이다. 수집은 누구나 한다. 차이는 연결과 재사용에서 갈리고, 이제 그 어려운 절반을 AI가 거들어준다. 오늘 받은편지함에 쌓인 메모 하나를 골라 요약 템플릿을 한 번 돌려보는 것 — 자동화된 지식 베이스는 거기서 시작된다.

이 글은 일반적인 도구·워크플로우 소개이며 특정 제품 광고가 아닙니다. 플러그인 기능과 모델 사양은 업데이트에 따라 달라질 수 있습니다.