I Turned Claude Into the Ultimate Second Brain

🖼️ 인포그래픽

I Turned Claude Into the Ultimate Second Brain 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Claude로 Ultimate Second Brain을 만들려면 최신 모델 자체보다, 개인·사업 지식을 찾을 수 있게 정리한 context와 실제 업무 도구를 잇는 connections, 반복 업무를 실행하는 capabilities, 자동으로 돌아가는 cadence가 함께 필요하다.

📌 핵심 요점

Second brain의 출발점은 파일을 많이 모으는 것이 아니라, Claude가 필요한 정보의 위치를 빠르게 찾을 수 있는 라우팅 트리와 명확한 폴더 구조를 만드는 것이다.
Four C’s 프레임워크는 context, connections, capabilities, cadence로 구성되며, 정적 지식과 실시간 데이터 연결 위에 스킬·자동화·주기 실행을 쌓는 순서로 설명된다.
Herk 2 구조에서는 Claude.md가 긴 목표 문서가 아니라 wiki path, hot cache, master index, tools, skills, API key 위치 등을 안내하는 router 역할을 한다.
실제 활용은 브레인스토밍이나 글쓰기에 그치지 않고, 이메일 발송, 리포트 추출, YouTube transcript 기반 지식 인터페이스 생성처럼 반복 업무를 Claude Code 안에서 처리하는 방향으로 확장된다.
자동화 수준이 올라갈수록 비용, 데이터 보안, 권한 범위, 모델 오류, 팀 내 채택 문제가 커지므로 검증 가능한 권한 계층과 반복적인 피드백 업데이트가 핵심 운영 기준이 된다.

🧩 배경과 문제 정의

이 영상은 개인 생활과 사업 지식이 한곳에 모인 second brain을 Claude Fable과 Herk 2가 이해하고, 일부 업무 자동화까지 지원하는 구조를 소개한다.
기존에는 여러 AI 도구, 유료 구독, 커스텀 프로젝트, 커스텀 GPT를 오가며 작업했지만, 개인과 사업 맥락을 지속적으로 이해하는 공동창업자형 인터페이스는 부족했다.
핵심 문제는 파일, 기억, 업무 도구, 자동화가 늘어날수록 AI가 필요한 정보를 어디서 찾아야 하는지 판단할 수 있는 라우팅 구조와 연결 체계를 만드는 것이다.
발표자가 말하는 AI 운영체제는 단순한 폴더 정리나 프롬프트 모음이 아니라, 정적 지식, 실시간 데이터, 실행 도구, 반복 루틴을 하나의 작업 습관과 시스템으로 연결하는 변화다.

🕒 시간순 섹션별 상세정리

Claude Fable과 Herk 2 기반 second brain의 출발점

Claude Fable은 개인 생활과 사업 전반이 담긴 second brain을 더 깊이 이해하고, 일부 업무 자동화까지 지원하는 모델로 묶인다 [00:12]
Fable은 Claude Mythos 5에 더 강한 사이버 가드레일을 더한 형태로 설명되며, 일반 공개용이 아니라 heavy cyber·infrastructure 파트너 중심의 강력한 모델이라는 맥락이 드러난다 [00:27]

여러 AI 도구를 오가던 방식에서 기본 작업 환경을 바꾸는 전환

AI 운영체제 도입 전에는 여러 AI 도구, 유료 구독, 커스텀 프로젝트, 커스텀 GPT를 번갈아 쓰며 같은 맥락을 반복 입력해야 하는 비효율이 있었다 [01:48]
핵심 목표는 개인 생활과 사업 상황을 지속적으로 이해하는 공동창업자 같은 인터페이스를 갖추는 것이다 [02:10]

Four C’s로 나누는 second brain과 AI 운영체제의 구조

Four C’s 프레임워크는 context, connections, capabilities, cadence 네 가지 축으로 구성된다 [03:39]
context와 connections는 second brain의 기반에 가깝고, capabilities와 cadence는 AI 운영체제의 실행 영역에 가깝다 [03:54]

context 계층의 핵심은 라우팅 트리와 파일 탐색 가능성

context의 중심은 routing tree이며, Claude.md는 목표와 프로세스를 모두 담는 문서가 아니라 필요한 위치로 안내하는 router 역할을 한다 [04:57]
Claude.md는 규칙, 참조, 스킬, 프로젝트, 위키가 어디에 있는지 알려주는 진입점으로 쓰인다 [05:12]

Herk 2 내부 구조와 대형 프로젝트를 한곳에 모으는 방식

Herk 2 설정에는 지식 기반의 정확한 wiki path, hot cache, master index, 검색 방식, 도구, API key 위치, skills 위치와 사용 기준이 포함된다 [06:20]
Claude.md에서 특히 중요한 요소는 sub agents와 skills이며, 커스텀 skills는 생산성을 끌어올리는 핵심 기능으로 쓰인다 [07:09]

connections 우선순위와 teammate 수준의 맥락 점검

connections를 고를 때는 매주 여는 앱, Chrome bookmark, 내부·외부 커뮤니케이션 채널처럼 가장 자주 쓰는 tier one 도구부터 연결하는 것이 우선이다 [09:51]
revenue, customers, calendar, comms, tasks, project management, meetings, knowledge가 어디에 있는지 먼저 정리하면 무엇을 먼저 연결해야 할지 드러난다 [10:19]

개인·채널·비즈니스 맥락을 바탕으로 생성된 소개 영상

Hyperframes 프로젝트 안의 정보만으로 개인 여정, 유튜브 채널, 사업 구조를 반영한 소개 영상이 한 번의 goal 프롬프트에서 생성됐다 [12:00]
결과물에는 AI 자동화, 시카고, 창업자·크리에이터 정체성, 2024년 첫 영상 업로드, 2025년 영상 수 증가 등 개인·채널 히스토리가 반영됐다 [12:13]

채널 플라이휠과 사업 구조까지 연결되는 AIOS 맥락

무료 8시간 강의는 150만 회 이상 조회수를 기록했고, 유튜브 콘텐츠는 무료 AI 상품과 유료 AI 상품으로 이어지는 플라이휠을 만든다 [13:00]
이후의 코칭·고가 상품도 이 플라이휠의 다음 단계로 연결된다 [13:15]

Fable 비용 문제와 one-shot 지식 인터페이스 생성

Fable은 강력하지만 비용 부담이 크고 세션 한도를 빠르게 소모한다 [14:18]
200달러 월간 Max 플랜의 5시간 세션도 스트레스 테스트 중 한 시간 남짓 만에 소진될 수 있다 [14:33]

데이터베이스보다 마크다운과 연결 구조로 시작하는 방식

Fable은 프론트엔드 제작에 그치지 않고, 유튜브 transcript 전체를 훑어 개념 간 관계를 추출한 뒤 실제로 탐색 가능한 지식 구조로 묶었다 [16:01]
connection 설계는 데이터가 계속 변하는지, 정적인지, 그리고 어떤 방식으로 가져올지에 따라 달라진다 [16:24]

스킬은 작은 반복 업무에서 시작해 피드백으로 계속 개선된다

AIOS를 제대로 쓰려면 브레인스토밍이나 글쓰기에서 멈추지 않고, 이메일 발송이나 리포트 추출 같은 실제 업무를 브라우저 대신 VS Code와 Claude Code 안에서 처리하는 습관이 필요하다 [17:00]
외부 도구를 연결할 때는 API endpoint나 CLI처럼 바로 활용 가능한 접점을 우선 고려할 수 있다 [17:38]

전문화된 에이전트, 위임, cadence로 자동화 수준이 올라간다

모든 작업을 한 세션에 몰아넣으면 맥락이 흐려지고 context rot가 생길 수 있다 [19:12]
조사, 초안 작성, 다듬기처럼 단계별 산출물을 넘기는 조립 라인식 전문화가 더 효과적이다 [19:27]

자동화 확장과 실제 권한 계층

자동화는 Claude Code 루틴, 반복 루프, Modal·TypeScript 기반 결정적 스크립트, n8n 플로우 등 다양한 방식으로 구성할 수 있다 [24:01]
중요한 것은 사용 사례에 맞춰 어떤 방식으로 배포하고 실행할지 선택하는 것이다 [24:16]

사고 파트너로 쓰되 반대 관점과 편향을 함께 관리하기

AIOS는 계획 수립과 아이데이션 과정에서 사고 파트너로 활용될 수 있다 [26:16]
다만 AI의 답을 그대로 실행하는 것은 위험하므로, 반대 관점과 편향 가능성을 함께 점검해야 한다 [26:31]

인터뷰형 스킬로 머릿속 지식을 AIOS에 넣기

“grill me” 스킬은 반복 질문으로 사용자를 밀어붙이며 사업, 사고방식, 운영 방식에 대한 암묵지를 AIOS 안으로 끌어내는 용도다 [27:15]
브레인스토밍 폴더에는 이렇게 진행한 세션별 문서가 계속 축적된다 [27:30]

자체 검증과 도구 독립적인 두 번째 뇌

산출물을 만든 뒤에는 동적 워크플로우를 통해 정확성과 실제 작동 여부를 확인해야 한다 [28:10]
초보자, 소프트웨어 엔지니어, 사업자처럼 서로 다른 사용자가 결과물을 이해할 수 있는지도 중요한 검증 기준이다 [28:25]

비용·데이터·오류·연결·팀 적용의 운영 기준

하루 종일 운영할 때의 비용은 작업 강도에 따라 달라진다 [31:06]
지식 작업 중심으로 사용할 경우 월 200달러 플랜에서도 5시간 한도나 주간 세션 한도에 도달하는 일은 드문 편이다 [31:21]

데이터·오류·연결 방식의 실전 운영 답변

Claude 모델을 쓰면 데이터는 Anthropic으로 가므로, 민감한 데이터가 많다면 폐쇄형 모델 사용을 신중히 봐야 한다 [31:31]
코딩을 몰라도 빈 폴더에서 시작할 수 있고, 제공되는 AIOS GitHub repo와 코스를 따르면 하루 안에 세팅할 수 있다고 설명한다 [31:44]
AI가 자신 있게 틀린 답을 내면 작업을 확인한 뒤 cloudmd나 skills를 업데이트해 같은 오류가 반복되지 않게 만들어야 한다 [31:58]
외부 서비스 연결은 API나 CLI 문서를 찾아 필요한 endpoint를 확인하고, 읽기 전용 같은 scoped API key로 실제 권한 범위를 제한하는 방식으로 운영한다 [32:23]

팀 적용의 핵심은 공유 지식과 adoption

몇 주 동안 시스템을 방치해도 큰 문제는 없고, 돌아왔을 때 필요한 데이터를 다시 sync하거나 pull하면 된다 [33:06]
팀원도 각자 시스템을 만들 수 있지만, 먼저 본인이 작동 방식을 익히고 가르칠 수 있어야 한다 [33:13]
팀 전체가 쓸 skills를 일부 공유하고, ClickUp·Slack·Notion·Google Drive 같은 곳의 팀 지식은 읽기 전용으로 접근할 위치를 정해야 한다 [33:24]
최악의 상황은 지식·skills·작업이 중복되는 것이며, 결국 가장 큰 문제는 사람들이 공유 지식을 실제로 쓰고 담당자가 계속 업데이트하게 만드는 adoption이다 [33:42]

🧾 결론

이 영상의 핵심은 “Claude를 더 똑똑하게 쓰는 법”보다 “Claude가 계속 참고할 수 있는 개인·사업 운영체제를 어떻게 설계할 것인가”에 가깝다.
좋은 second brain은 거대한 데이터베이스에서 시작하지 않는다. 영상에서는 Markdown, Obsidian, 명확한 폴더 구조, 라우팅 파일만으로도 충분히 시작할 수 있다고 설명한다.
AIOS의 성숙도는 모델 성능보다 사용 습관에 달려 있다. 자주 여는 앱, 반복 업무, 사업 데이터, 회의 기록, 고객·수익·콘텐츠 정보를 하나의 작업 환경에서 연결해야 실제 생산성으로 이어진다.
Claude Fable은 영상 기준으로 강력하지만 비싸고 느리며 세션 한도를 빨리 소모할 수 있는 모델로 제시된다. 따라서 모든 작업을 고가 모델에 맡기기보다 저렴한 모델·전문화된 에이전트·요약 위임을 조합하는 방식이 중요하다.
최종 목표는 사용자가 모델을 바꿔도 남는 자산을 만드는 것이다. 폴더, 파일, 맥락, 연결, 스킬이 잘 정리되어 있으면 Claude, Codex, 다른 에이전트가 바뀌어도 같은 기반 지식을 활용할 수 있다.

📈 투자·시사 포인트

AI 생산성 시장의 경쟁력은 단순 모델 성능보다 개인·팀의 지식 구조화, 업무 도구 연결, 권한 설계, 자동화 운영 노하우로 이동할 가능성이 크다.
기업 도입 관점에서는 “AI를 쓰는가”보다 “AI가 참조할 수 있는 내부 지식과 최신 업무 데이터가 정리되어 있는가”가 성과를 가를 핵심 변수로 보인다.
Markdown·파일 기반 second brain은 초기 도입 비용이 낮고 도구 독립성이 높다는 장점이 있다. 이는 무거운 데이터베이스나 복잡한 인프라 없이 AI 업무 시스템을 실험하려는 개인·소규모 팀에 유리하다.
반대로 고급 모델 사용료, 세션 한도, 외부 모델로 데이터가 전달되는 문제, API 키 권한 범위는 중요한 리스크다. AIOS가 업무 핵심에 가까워질수록 비용 관리와 보안 거버넌스의 중요성이 커진다.
교육, 컨설팅, 템플릿, 팀용 스킬 패키지, AIOS 구축 지원 같은 주변 시장도 확장 여지가 있다. 영상에서도 Four C’s 프레임워크가 개인 구축뿐 아니라 팀 교육과 기업용 세팅에 적용될 수 있음을 시사한다.

⚠️ 불확실하거나 확인이 필요한 부분

Claude Fable이 “Claude Mythos 5에 더 많은 사이버 가드레일이 들어간 형태”라는 설명, heavy cyber·infrastructure 파트너 중심 모델이라는 설명, 6월 9일~6월 22일 제공 기간 및 이후 usage credits 전환, 입력 100만 토큰당 10달러·출력 100만 토큰당 50달러라는 가격 정보는 영상 내 언급 기준이므로, 공식 Anthropic 문서나 공지로 별도 확인이 필요하다.
Hyperframes 소개 영상 생성 사례에서 구독자 수가 62만 명으로 나왔지만 실제는 약 80만 명 수준이라고 언급된다. 이는 AIOS 안의 정적 데이터가 오래되었을 가능성을 보여주는 사례이며, 현재 수치와 데이터 갱신 시점은 따로 검증해야 한다.
무료 8시간 강의가 150만 회 이상 조회수를 얻었다는 내용, 13명 규모 핵심 팀과 AAI 관리 회사 구조, 향후 인증 프로그램·코칭·고가 상품 계획은 발표자의 사업 맥락 설명으로 제시되며, 외부에 인용하려면 공개 자료와 대조 확인이 필요하다.
자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

개인 또는 팀의 second brain에서 context, connections, capabilities, cadence를 기준으로 현재 자료와 자동화 수준을 분류한다.
Claude.md나 유사한 루트 문서를 긴 설명서가 아니라 라우팅 트리로 정리해, 규칙·참조·스킬·프로젝트·위키의 위치를 빠르게 찾을 수 있게 만든다.
revenue, customers, calendar, comms, tasks, project management, meetings, knowledge가 각각 어디에 있는지 목록화하고, 가장 자주 쓰는 tier one 도구부터 연결 우선순위를 정한다.
매주 반복하는 프롬프트, 리포트 생성, 이메일 초안, 회의 정리처럼 작은 반복 업무를 하나씩 스킬로 저장하고 실행 후 피드백을 반영해 개선한다.

❓ 열린 질문

정적 Markdown 파일로 보관할 정보와 API·CLI로 실시간 조회해야 할 정보는 어떤 기준으로 나누는 것이 가장 안전한가?
하나의 harness를 기본 작업 환경으로 삼을 때 Claude Code, Codex, VS Code, 데스크톱 앱 중 어떤 조합이 개인 작업 흐름에 가장 적합한가?
팀 단위 AIOS에서는 개인별 second brain과 공통 스킬·공유 지식을 어디까지 분리하고 어디부터 통합해야 하는가?