Project Jelly Blog AI와 함께 일하면서 작업 자체는 빨라졌다. 문서를 읽히고, 생각을 정리하고, 코드를 수정하고, 조사 결과를 요약하는 일은 이전보다 쉬워졌다.
그런데 쓰는 장비와 AI가 늘어날수록 다른 일이 번거로워졌다.
컨텍스트를 옮기는 일이다.
모바일에서 떠오른 생각은 메모 앱에 남고, PC에서 정리한 내용은 로컬 파일에 있다. ChatGPT와 논의한 내용은 대화 기록 안에, Claude나 Codex가 작업한 결과는 또 다른 환경에 남는다. 각 도구는 기록을 남기지만, 서로의 기록을 알지는 못한다.
결국 그 사이를 연결하는 일은 내 몫이었다. 이전 결정을 다시 설명하고, 대화를 찾아 복사하고, 작업 결과를 다시 문서에 반영했다. AI가 일을 해도 컨텍스트를 운반하는 사람은 나였다.
Notegate는 이 일을 줄이기 위해 만들기 시작했다.
현재 Notegate Workbench. 사람이 파일 트리와 문서를 보고, 연결된 에이전트는 같은 공간의 기록을 읽고 쓴다.
Table of contents
Open Table of contents
1. 도구가 아니라 기록을 중앙에 두었다
모든 장비와 AI를 하나의 환경으로 통합하려는 것은 아니다. 어떤 작업에는 ChatGPT가 편하고, 긴 문서를 읽을 때는 Claude를 쓸 수 있다. 코드 작업은 Codex 같은 에이전트에게 맡길 수 있다. 모바일에서는 생각을 빠르게 남기고, PC에서는 문서를 발전시키며, 서버에서는 자동화가 돈다.
이 환경들을 하나로 합칠 필요는 없었다. 대신 작업에서 생긴 기록을 한곳에 남기기로 했다.
Mobile / PC / Server / AI Agents
⇅
Notegate모바일에서 남긴 생각을 PC에서 구체화한다. AI와 논의한 내용 가운데 계속 참고할 맥락을 문서에 반영한다. 에이전트가 작업한 결과와 다음 할 일도 다시 같은 공간에 남긴다.
Notegate는 AI에게 정보를 보내기 위한 단방향 저장소가 아니다. 사람, 장비, AI에서 나온 기록이 모이고 다음 작업에서 다시 읽히는 중앙 공간이다. 작업은 여러 곳에서 일어나도, 컨텍스트는 한곳에 남는다.
2. 대화를 옮기는 대신 기록을 이어갔다
실제로 사용하면서 가장 크게 달라진 것은 과거 대화를 직접 운반하는 일이 줄었다는 점이다.
예전에는 같은 주제를 다시 다룰 때 운영 서버 구성을 어떻게 정리했는지, 특정 정책을 왜 그렇게 해석했는지, 문서 구조를 왜 바꿨는지 다시 찾아야 했다. 기억나는 내용을 설명하거나 관련 대화를 복사해 와야 했다.
이제는 관련 기록을 먼저 읽는다. 나도 문서를 읽고, AI도 같은 문서를 읽는다. 이전 결정과 이유, 현재 상태와 다음 작업이 남아 있으면 새로운 대화도 그 문서에서 시작할 수 있다.
ChatGPT, Claude, Codex처럼 MCP로 외부 도구를 연결할 수 있는 환경에서는 Notegate를 같은 기록 공간으로 사용할 수 있다. 중요한 것은 어느 AI를 쓰느냐보다, 작업에 필요한 맥락이 한곳에 남아 있다는 점이다.
AI가 앞선 대화를 기억할 필요는 없다. 같은 기록을 읽으면 된다.
3. 복사와 붙여넣기를 기록과 조회로 바꾸기
Notegate가 줄이려는 것은 단순히 키보드의 복사와 붙여넣기만이 아니다. 어떤 내용이 중요한지 골라내고, 다른 AI가 이해하도록 다시 설명하고, 적절한 위치에 붙여 넣고, 결과를 또 다른 곳으로 옮기는 수작업을 줄이는 일이다.
기존
대화 → 사람이 선별하고 복사 → 다른 AI → 사람이 다시 정리 → 문서
Notegate
대화와 작업 → 중앙 기록에 반영 → 다음 사람이나 에이전트가 읽음 → 결과를 다시 기록현재도 모든 과정이 자동화된 것은 아니다. 사용자가 기록이나 정리를 요청하면 에이전트가 Notegate에 반영하고, 이후 관련 문서를 다시 읽어 작업을 이어가는 방식으로 쓴다. 목표는 대화 전체를 무조건 저장하는 것이 아니라, 다음 작업에 필요한 기억을 축적하는 것이다.
4. 익숙한 파일 트리에서 필요한 구조가 생겼다
처음부터 완성된 지식 관리 체계를 정해두지는 않았다. 파일을 만들고 폴더를 나누고, 다시 찾기 어려워지면 이름이나 위치를 바꾸는 식으로 썼다.
이 방식이 자연스러웠던 이유는 파일 시스템이 이미 익숙한 UX이기 때문이다. 폴더는 묶음이고, 파일 이름은 내용의 힌트이며, 경로는 문서가 놓인 맥락을 보여준다. 새로운 데이터 모델이나 속성 체계를 먼저 배울 필요가 없다.
작업이 쌓이면 필요한 구조도 그 안에서 생긴다. 자주 함께 보는 문서는 가까이 두고, 성격이 다른 기록은 폴더를 나눈다. 예를 들어 나는 날짜별 파일을 만들고 그날의 판단과 작업을 남기는 Daily 로그 규칙을 정해 쓸 수 있다. 제품에 Daily라는 기능이 미리 있는 것이 아니라, 내가 정한 파일 구조와 작성 규칙으로 그런 기록 방식을 만드는 것이다.
규칙은 문서로 남긴다. 어디에 무엇을 쓰고 파일 이름을 어떻게 정할지 적어두면 사람도 AI도 같은 방식으로 기록할 수 있다. 방식이 바뀌면 폴더와 그 규칙을 함께 고친다.
사람은 파일 트리를 보고 맥락을 이해한다. AI도 같은 경로와 문서를 읽어 어디에서 무엇을 찾아야 할지 판단한다. 그래서 기록의 구조를 제품이 미리 정하는 대신, 사용하면서 필요한 모양을 만들 수 있게 두고 싶었다.
정형화된 속성과 관계를 중심으로 설계하면 검색이나 집계는 더 효율적일 수 있다. 대신 사람과 AI 모두가 그 스키마를 먼저 이해해야 한다. Notegate는 일부 구조적 효율을 포기하더라도, 경로와 파일 이름, 자연어 문서만으로 같은 맥락을 이해할 수 있는 방식을 우선했다.
5. 장비와 AI, 시간의 경계를 넘기가 쉬워졌다
중앙 기록을 두자 세 가지 경계를 넘는 비용이 줄었다.
장비의 경계. 모바일에서 짧게 남긴 생각을 나중에 PC에서 발전시킬 수 있었다. 어느 장비에 최신 메모가 있는지 찾거나 파일을 따로 옮기는 일이 줄었다.
AI의 경계. ChatGPT와 정리한 내용을 Claude가 읽고, 같은 문서를 바탕으로 Codex가 구현을 이어갈 수 있다. 앞선 대화를 공유한 것이 아니라, 모두 같은 기록을 읽은 것이다.
시간의 경계. 며칠이나 몇 주 뒤에도 이전 작업을 다시 시작하기 쉬워졌다. 당시 상태와 조사한 내용, 변경 이유가 문서에 남아 있기 때문이다. 작업을 이어준 것은 특정 AI의 기억이 아니라 기록이었다.
6. 기록이 쌓이면 지식이 된다
기록이 한곳에 쌓이면, 시간이 지난 뒤 다시 읽고 새 사실을 보태며 이전 판단을 고칠 수 있다. 그렇게 이어진 기록이 개인의 지식이 된다고 생각한다.
Notegate는 그 기록이 흩어지지 않게 하는 기반을 먼저 만드는 시도다. AI는 바뀌고 장비와 작업 방식도 달라질 수 있다. 그래도 기록은 같은 곳에 남고, 다음 작업은 그 기록에서 다시 시작된다.