용어집/LLM 위키 (LLM Wiki)
정의

LLM 위키 (LLM Wiki)

LLM 위키는 AI가 원문을 읽고 주제별 설명과 연결을 작성하며, 사람이 그 내용과 변경을 검토해 재사용하는 지식 운영 방식입니다. 대화 기록을 쌓는 데서 나아가 출처·판단·갱신 이력을 함께 관리합니다.

BOAZ · 최종 업데이트 2026-09-13

대화 기록과 위키의 차이

AI와 여러 번 대화해 교육 방향을 정했다고 해봅시다. 다음 대화에서 필요한 것은 오류 재시도나 문장 수정의 전 과정이 아니라, 어떤 방향을 채택했고 왜 그렇게 했는지입니다.

대화 기록에 남는 것 위키에서 정리할 것
여러 차례의 제안과 수정 현재 채택한 설명과 결정
중간에 버린 가설 보류·기각한 이유가 필요한 경우만 기록
AI가 작성한 요약 원문과 대조한 설명, 확인하지 못한 부분
같은 주제를 다룬 여러 세션 하나의 주제에 모인 출처와 연결

이 글의 LLM 위키는 특정 제품이나 공인 표준의 이름이 아닙니다. BOAZ가 업무 문서와 세션 기록을 연결해 관리하는 방식을 설명하는 표현입니다.

원문·정리된 지식·검토 기록을 나눈다

BOAZ 위키에서는 교안과 업무 메모를 원래 위치에 보존하고, 정리된 페이지에서 원문의 위치를 가리킵니다. 사람이 읽는 설명, 반복 질문에 대한 답, 관련 개념을 연결하되 AI가 작성했다는 기록과 사람이 사실을 확인했다는 기록은 따로 둡니다.

특히 초안과 정식 지식을 구분합니다. AI가 ‘이 두 프로그램은 같다’고 제안해도, 사람이 적용 범위를 확인하기 전에는 확정된 관계로 사용하지 않습니다. 형식 검사에 통과해도 문장의 뜻이 맞는지는 별도로 봐야 합니다.

사람과 AI, 코드가 맡을 일

주체 하는 일 남기는 것
AI 원문 읽기, 기존 설명과 비교, 변경 제안 출처가 붙은 초안과 열린 질문
사람 사실·표기·해석·관계·적용 범위 판단 채택·수정·보류·제외와 이유
코드 링크, 필수 항목, 원문 위치, 버전 검사 검사 결과와 반영 이력

예를 들어 ‘팀장 교육’이라는 공개 표기와 실제 참가자의 직급은 다를 수 있습니다. 둘을 하나의 사실로 합치기보다 표기와 실제 대상을 구분해야 합니다. AI가 이 차이를 스스로 확정하도록 두기보다 사람이 확인할 질문으로 남기는 편이 맞습니다.

새 문서가 들어오면 기존 답도 바꾼다

문서 한 건을 요약해 추가하는 것만으로는 위키가 최신 상태가 되지 않습니다. 새 결정이 이전 설명을 바꾸는지, 같은 이름의 다른 대상을 만들지는 않는지, 이미 연결된 질문의 답도 고쳐야 하는지 확인해야 합니다.

지식 갱신은 기존 페이지 탐색 → 변경 제안 → 검사와 사람 판단 → 반영과 재확인의 흐름으로 다룹니다. 사람이 매번 모든 페이지를 읽기보다, 바뀌는 부분과 그 근거를 함께 검토할 수 있도록 준비하는 것이 AI의 역할입니다.

RAG·온톨로지와 어떻게 함께 쓰는가

RAG는 질문에 필요한 내용을 찾아 답변에 넣습니다. 위키는 여러 원문에서 정리한 설명과 관계를 파일로 남깁니다. 따라서 위키를 RAG의 검색 대상으로 삼을 수도 있습니다. RAG에 기억이나 갱신 기능을 붙일 수 없다는 뜻은 아닙니다.

위키에 링크가 많다고 온톨로지가 완성되는 것도 아닙니다. ‘관련 문서’라는 연결에서 더 나아가 ‘무엇이 무엇을 대체하는가’처럼 관계의 뜻을 명시하고 다룰 필요가 생기면 그때 구조화를 검토합니다.

다음 에이전트가 다시 읽을 기억으로 만든다

위키에 결정이 저장됐다는 사실만으로 다음 세션이 그 결정을 따르는 것은 아닙니다. 관련 질문에서 해당 페이지를 찾고 실제 입력에 포함시키는 경로가 필요합니다. 예전 요약이 남아 있다면 새 결정 대신 그 요약을 읽을 수도 있습니다.

예를 들어 가상 교육의 대상이 바뀌면 대상 설명과 관련 질문의 답을 함께 고치고, 다음 소개문 작업에서 새 근거가 읽히는지 확인합니다. 이는 모델 자체를 재학습시키는 일과 다릅니다.

업무 대상의 관계를 반복 조회할 필요가 생기면 지식 그래프로 구조화할 수 있습니다. 위키를 무조건 그래프로 바꾸기보다 현재 질문에서 어떤 연결을 찾지 못하는지 먼저 확인합니다.

작은 업무에서 시작하는 방법

반복해서 다시 찾는 질문 하나와 관련 원문 몇 개를 고릅니다. 현재 답, 출처, 확인하지 못한 부분을 적고 다음 자료가 들어왔을 때 그 답을 고쳐봅니다. 오래된 답을 되풀이하는지, 원문으로 돌아갈 수 있는지, 사람의 수정이 다음 작업에도 반영되는지를 보면 운영의 빈틈이 드러납니다.

위키에 내용을 많이 넣는 것보다 다음 질문에 쓸 수 있는 상태로 유지하는 것이 중요합니다. Context 관리는 그중 이번 작업에 필요한 부분을 고르는 역할을 합니다.

자주 묻는 질문

대화 내용을 전부 복사하면 LLM 위키인가요?+

대화는 원천 자료입니다. 주제별 설명을 만들고, 확정한 결정과 AI 제안을 구분하며, 출처와 갱신 경로를 남겨야 다음 업무에서 재사용하기 쉬워집니다.

사람이 위키 전체를 매번 읽어야 하나요?+

새 문서 때문에 바뀌는 주장과 관계를 중심으로 검토할 수 있습니다. 변경 전후, 원문, AI의 해석, 아직 확인하지 못한 점을 함께 받으면 검토 범위를 좁힐 수 있습니다.

벡터 데이터베이스가 꼭 필요한가요?+

아닙니다. 작은 위키는 목차·링크·텍스트 검색으로 시작할 수 있습니다. 자료 규모와 검색 실패를 확인한 뒤 검색 방식을 보완하면 됩니다.

위키를 만들면 에이전트가 영구적으로 기억하나요?+

위키는 다시 읽을 수 있는 저장된 지식입니다. 다음 작업에서 관련 내용을 찾고 입력에 포함해야 활용할 수 있으며, 최신 결정과 충돌하지 않는지도 확인해야 합니다. 모델 자체가 그 내용을 학습했다는 뜻은 아닙니다.

BOAZ

LINE 엔지니어 출신이, 실효성 있는 AX 프로그램을 진행합니다. 대기업 임원 및 실무자 대상 AX 프로그램 진행 경험을 바탕으로, 기업의 실제 업무를 분석하고 작동하는 AI 활용 결과물까지 함께 만듭니다.

관련 용어

우리 조직에 맞는 AX가 궁금하다면

조직 상황과 대상(임원·실무자·전사)을 알려주시면, 어떤 프로그램이 맞는지 — 혹은 아직 워크숍이 필요 없는 단계인지 — 솔직하게 답해드립니다.