I Turned GPT-6 Astra Into the Ultimate AI Second Brain

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

GPT-6 Astra를 AI 세컨드 브레인으로 활용하는 핵심은 개인·사업 맥락과 업무 도구를 연결하고, 이를 지속적으로 개선하는 지식 기반을 구축하는 것이다.

📌 핵심 요점

1. 발표자는 AI 운영체제를 맥락(Context), 연결(Connections), 역량(Capabilities), 실행 주기(Cadence)의 4C로 설명한다. 맥락과 연결이 세컨드 브레인의 기반이고, 역량과 실행 주기가 실제 업무 수행으로 확장한다.
2. 오래 유지되는 자기소개·사업 정보·우선순위는 로컬 파일에 저장하고, 수시로 바뀌는 이메일·대화·일정·업무 데이터는 도구 연결을 통해 필요할 때 조회한다.
3. AGENTS.md는 핵심 운영 규칙과 자료 위치를 안내하는 라우팅 지도로 활용한다. 자료가 많아질수록 요청에 맞는 파일을 찾아가는 규칙이 중요해진다.
4. 온보딩으로 구조를 만든 뒤 감사와 개선을 반복하고, Grill Me 인터뷰로 암묵지를 기록하며, LLM 위키로 자료 사이의 관계를 연결한다. 3D 브레인은 이렇게 쌓인 지식을 시각화하는 단계다.
5. 발표자는 일상적인 지식 업무에 Astra가 과할 수 있다고 설명한다. 모델과 추론 강도를 조절하면서, 다른 에이전트도 활용할 수 있는 파일·폴더 기반 지식 자산을 축적하는 것이 장기 목표다.

🧩 배경과 문제 정의

발표자는 자신의 사업 위키, 회의, 영상 지식, 에이전트 메모리, 프로젝트와 스킬을 한데 연결한 시스템을 소개한다. 문제의식은 AI가 개인과 사업의 상황을 모르면 답변과 자동화가 일반적인 수준에 머문다는 것이다.

영상에서 말하는 AI 운영체제는 개인·사업 정보를 저장하고 업무 도구를 연결해, 하나의 인터페이스에서 조회와 실행을 수행하는 작업 환경이다. 상대적으로 변하지 않는 맥락과 매일 달라지는 업무 데이터를 구분해 관리하고, 지식을 지속적으로 기록·연결·개선하는 구축 과정을 설명한다.

🕒 시간순 섹션별 상세정리

1. 사업 전체를 연결한 세컨드 브레인 소개

• 발표자는 GPT-6 Astra를 자신의 AI 운영체제와 세컨드 브레인으로 활용하며, 사업 상황을 아는 공동창업자와 대화하는 듯한 경험을 목표로 제시한다. [00:35]
• 사업 위키의 관계와 오래된 정보를 확인하고, 회의·영상 지식·메모리·프로젝트·스킬·에이전트를 함께 연결한 구조를 보여준다. [01:33]
• 별도 대시보드에서는 일정, 사업 지표, Slack·ClickUp·이메일, 회의 요약과 커뮤니티·업계 동향을 확인할 수 있다고 보여준다. [02:11]

2. 4C로 구분하는 맥락과 연결

• AI 운영체제를 맥락·연결·역량·실행 주기의 4C로 정의하고, 앞의 두 요소를 세컨드 브레인의 기반으로 구분한다. [02:33]
• 맥락은 개인 배경, 사업, 목표와 우선순위처럼 비교적 오래 유지되는 정보이며 분기·연간 목표와 고객 관련 설명도 포함한다. [02:52]
• 연결은 이메일·대화·프로젝트·재무처럼 계속 바뀌는 정보를 필요할 때 가져오는 통로이며, 저장된 맥락과 결합해 구체적인 답변을 가능하게 한다고 보여준다. [03:18]

3. 맥락이 작동하는 사례와 세 가지 점검 기준

• 커뮤니티 홍보 영상 제작을 요청하자 기존 맥락을 활용하고 커뮤니티에서 직접 스크린샷을 가져온 사례를 보여준다. [03:41]
• 동료의 질문에 출처를 갖춰 더 빠르고 정확하게 답할 수 있는지, 여러 탭을 오가는 일이 줄었는지를 점검 기준으로 제안한다. [04:10]
• 과거 결정과 고객 발언을 직접 기억하는 대신 Slack·이메일·회의에서 검색해 신뢰할 수 있는지도 평가한다. [04:26]

4. 자동화의 전제와 시작용 스킬 묶음

• 스킬과 자율 에이전트, 자동 실행 주기는 맥락과 연결이 갖춰져야 가치가 커지며, 네 요소를 순서대로 쌓아야 한다고 강조한다. [04:50]
• 무료 커뮤니티의 자료 묶음에서 온보딩, 감사, 파일 연결, 개선, 3D 브레인의 다섯 가지 스킬을 제공한다고 안내한다. [05:28]
• 온보딩은 질문을 통해 정보를 채우고 프로젝트 구조를 만들며, 이후 핵심 설정으로 agents.md를 보여준다. [05:41]

5. AGENTS.md를 자료 탐색 지도로 활용

• 자신의 설정 파일은 간결한 답변 같은 운영 규칙과 자료 위치를 안내하는 라우팅 지도로 구성되어 있다고 보여준다. [06:21]
• 사업·팀 관련 질문, 법인 구조, 글쓰기 스타일, 강의 지식 등 요청 종류에 따라 찾아볼 위치를 지정한다. [07:09]
• 발표자는 에이전트가 대화를 시작할 때 이 지침을 먼저 읽어, 사용자의 요청에 필요한 정보를 어디에서 찾을지 알게 된다고 보여준다. [07:32]

6. 로컬 프로젝트 생성과 온보딩 실행

• 컴퓨터에 새 폴더를 만든 뒤 Codex에서 해당 폴더를 선택해 로컬 프로젝트를 생성하는 과정을 시연한다. [08:27]
• 자료 묶음의 URL을 채팅에 붙여 넣고 설치와 온보딩 실행을 요청하면, 답변을 저장하면서 초기 구조를 만들기 시작한다. [08:57]
• 사업 설명과 글 샘플 등 일곱 질문에 답하는 과정에서 맥락 폴더와 지침 파일이 생성되는 모습을 확인한다. [09:46]

7. 프로필 확인과 업무 도구 연결

• 새 대화에서 자신이 누구인지 질문해 프로필 조회를 확인하고, 사업·자기소개·우선순위 파일에 정보가 채워진 모습을 보여준다. [10:14]
• 자주 사용하는 앱을 매출·고객·일정·소통·업무·회의·지식으로 정리한 뒤, API 키·MCP 서버·브라우저 사용 등 필요한 연결 방식을 물어보라고 안내한다. [11:01]
• 다른 도구에서도 활용하도록 대응 파일을 함께 생성한다고 설명하며, 글쓰기 특성을 담은 참조 파일도 확인한다. [11:38]

8. 감사 보고서로 개선 과제 찾기

• 감사 스킬은 4C 상태에 점수를 부여하고 지침 파일의 동기화 상태를 확인하며, 결과를 audits 폴더에 저장한다고 보여준다. [12:09]
• 주간 또는 격주로 감사를 실행해 점수 변화를 추적할 수 있으며, 초기 데모는 내용이 적어 100점 만점에 30점을 받는다. [12:46]
• 개선 스킬은 감사 보고서를 바탕으로 팀 업데이트를 하나의 실행 목록으로 정리하는 일과 인증 프로그램 개선 목록을 후보로 제시한다. [13:29]

9. 반복 개선과 인터뷰로 암묵지 기록

• 감사 → 개선 → 구현을 반복하며 연결·역량·실행 주기를 확장한다. 발표자는 머릿속 정보를 시스템으로 옮기는 일을 핵심 과제로 지목한다. [14:12]
• Grill Me 스킬로 현재 사업 우선순위 등을 반복 질문하게 하고, 인터뷰마다 새 파일에 답변을 저장하는 방식을 보여준다. [14:57]
• 20~30분씩 사업·팀·목표·생활에 관한 인터뷰를 쌓아 세컨드 브레인의 맥락을 확장하라고 권한다. [15:24]

10. LLM 위키로 관계를 만들고 시각화

• 자료가 단순히 쌓이는 상태를 넘어 서로 연결되도록, 영상에서 소개한 LLM 위키 방식으로 데이터 소스를 탐색하고 관계를 찾게 한다. [15:51]
• 사업 정보로 위키를 시작한 뒤 필요에 따라 영상 지식·사업 지식·회의 전사 저장소를 나누는 구성을 제안한다. [16:40]
• 인터뷰와 위키를 쌓은 뒤 3D 브레인 스킬로 시각화하고, 로컬 유지나 사이트 전환 등 접근 방식을 선택할 수 있다고 보여준다. [17:17]

11. 업무 난도에 맞춘 모델과 추론 강도 선택

• 문서 검색이나 스프레드시트 작성 같은 일상 지식 업무에는 Astra가 과할 수 있으며, 다른 5.6 모델도 강력하다고 평가한다. [17:54]
• 스킬 실행과 도구 연결에는 전사에서 5.6 Soul로 표기된 모델도 시도하라고 권하며, Astra가 더 비싸고 주간 사용 한도를 더 많이 소모한다고 보여준다. [18:16]
• 추론 강도를 낮추면 역량과 비용 사이에서 조정할 수 있다고 안내하고, 시스템의 기반이 파일과 폴더임을 다시 강조한다. [18:39]

12. 도구를 넘어 남는 지식 자산과 마무리

• 발표자는 같은 파일 기반 지식을 다른 에이전트와 모델에 연결할 수 있어 도구 전환 부담과 공급자 종속을 줄일 수 있다고 주장한다. [19:04]
• 구축 대상은 자신의 지식 자산이며, 인터뷰·라우팅·맥락을 계속 쌓으라고 권하고 무료 커뮤니티 자료를 다시 안내한다. [19:28]
• 마지막에는 음성으로 여러 에이전트에 업무를 위임하는 후속 영상을 소개하며 마무리한다. [19:47]

🧾 결론

• 출발점은 자신의 사업·목표·우선순위를 AI가 찾아볼 수 있는 형태로 기록하는 것이다.
• 맥락과 도구 연결이 충분해야 스킬과 자동화도 개인 업무에 맞는 결과를 낼 수 있다는 것이 영상의 중심 주장이다.
• 구축 완료를 한 번의 설치로 판단하지 않고, 감사 → 개선 제안 → 구현을 반복하며 지식과 기능을 보강한다.
• 최종적으로 남기는 자산은 특정 모델에 대한 대화 기록을 넘어, 여러 에이전트가 읽고 활용할 수 있는 지식 기반이다.

📈 투자·시사 포인트

• 업무 도입 관점에서는 최고 성능 모델의 사용량보다 필요한 맥락을 얼마나 잘 기록하고 검색할 수 있는지가 중요한 평가 항목이다.
• 운영 비용 관점에서는 문서 검색·스프레드시트 작성 같은 업무를 여러 모델과 추론 강도로 비교필요가 있다. 영상은 Astra의 사용 한도 소모가 더 크다고 설명하지만 구체적인 비용 수치는 제시하지 않는다.
• 지식 자산 관점에서는 로컬 파일과 폴더에 축적한 정보를 다른 도구에서도 활용할 수 있는지가 장기 활용 가치와 연결된다.
• 생산성 평가는 출처를 갖춘 답변의 품질, 화면과 탭을 오가는 빈도, 과거 결정을 직접 기억해야 하는 부담의 감소를 중심으로 설계할 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• Astra가 가장 강력하다는 평가는 발표자의 사용 경험이다. 모델 간 성능·정확도·비용을 비교한 정량 실험은 제공되지 않는다.
• 전사에는 모델·앱·파일명이 여러 형태로 표기된다. 특히 AGENTS.md와 대응 파일의 명칭, 모델 선택지와 추론 강도 이름은 실제 설치 환경에서 확인해야 한다.
• 발표자는 일정·통신·통계의 동기화와 응답 기능을 시연하지만, 연결별 설정 절차와 갱신 주기, 실패 시 처리 방식은 상세히 설명하지 않는다.
• 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

• 로컬 작업 폴더를 만들고, 자기소개·사업 설명·우선순위·최근 글 샘플을 준비해 온보딩에 구체적으로 답한다.
• AGENTS.md에 핵심 운영 규칙과 요청 유형별 자료 위치를 정리하고, 새 대화에서 프로필과 관련 자료를 제대로 찾는지 확인한다.
• 매주 사용하는 도구를 매출·고객·일정·소통·업무·회의·지식으로 나누어 목록화하고, 필요한 연결 방식부터 확인한다.
• 자료와 도구를 연결한 뒤 감사를 실행하고, 보고서를 바탕으로 가장 큰 업무 병목 하나를 개선한다. 이후 주간 또는 격주 단위로 결과를 비교한다.

❓ 열린 질문

• 지식과 연결이 늘어날 때, 오래된 정보와 서로 충돌하는 기록을 어떤 기준으로 갱신하고 정리할 것인가?
• 감사 점수의 상승이 실제 답변 정확도, 업무 시간 절감, 자동화 품질 향상으로 이어지는지 어떻게 측정할 것인가?
• 다른 에이전트로 이전할 때 파일 외에 도구 연결과 실행 규칙도 어느 정도까지 재사용할 수 있는가?