
검색창을 닫은 사람들 — AI 시대의 경쟁력은 지식이 아니라 직관이다
검색보다 AI를 먼저 여는 습관이 자리 잡고 있다. 콘텐츠 제작자에게 돌아오던 통로가 좁아지는 지금, AI 시대 경쟁력은 어디에서 나오는지 짚는다.

인간 전문가에 견줄 만한 추론과 창작을 수행하는 모델이 나오면서, 디자이너의 역할 정의가 흔들리고 있다. 툴을 다루는 손기술만으로 승부하기 어려워졌고, AI를 디자인 작업의 중심에 두고 그 시스템 자체를 설계하는 역할이 요구된다. 이것을 AX 디자인이라고 부른다.
AX 디자인은 여전히 인간을 위한 디자인이다. 다만 디자이너는 결과물을 직접 그리는 사람이 아니라 AI 디자인 시스템을 설계하고, 세팅하고, 데이터를 공급하는 사람이 된다. 산업혁명이 산업 디자인을, 인쇄 매체가 그래픽 디자인을, 디지털 전환이 UX 디자인을 낳았듯 AI 전환이 새로운 장을 여는 셈이다.
문제는 시작점이다. 화려한 AI 도구가 아니라 조직 고유 데이터의 자산화가 먼저다. 아무리 뛰어난 모델이라도 브랜드 철학, 디자인 원칙, 프로젝트 히스토리, 고객 이해를 모르면 어디서나 볼 수 있는 결과물만 낸다.
조직의 지식은 대개 흩어져 있다. 디자이너의 머릿속 감각, 선배가 구두로 전수한 노하우, 슬랙과 메일함에 묻힌 의사결정의 이유들이다. 이 지식을 AI가 읽고 활용할 수 있는 형태로 정리하고, 그 위에서 에이전트가 일하게 만드는 작업이 LLM 위키 디자인이다. 사람에게 보여주기 위한 문서가 아니라 AI가 참조할 지식 베이스를 짓는 일이다. 위키의 품질이 산출물의 품질을 정한다.
옵시디언은 원래 개인의 지식 관리, 이른바 '세컨드 브레인'을 만드는 노트 앱으로 쓰였다. AI 시대에 이 도구의 가치가 다시 조명되는 이유는, 지식을 저장하는 방식이 AI 에이전트가 지식을 읽는 방식과 맞아떨어지기 때문이다.
모든 노트가 클라우드 서버가 아니라 내 컴퓨터의 폴더에 일반 파일로 저장된다. 특정 서비스 서버에 갇힌 데이터는 정책이 바뀌거나 서비스가 종료되면 온전히 내 것이라 말하기 어렵지만, 로컬 파일은 플랫폼에 종속되지 않는다. 에이전트 관점에서도 유리하다. 클로드 코드 같은 에이전트는 복잡한 연동 없이 폴더 속 파일을 직접 읽고 쓴다. 볼트가 곧 작업 공간이 되므로 위키를 만드는 도구와 AI가 일하는 무대가 하나로 합쳐진다. 민감한 디자인 자산을 외부 서버에 올리지 않아도 된다는 보안상 이점도 있다.
노트는 마크다운으로 저장된다. 사람이 읽을 수 있는 자연어에 최소한의 기호로 구조를 표시한 형식이다. AI 모델은 텍스트를 토큰 단위로 읽고 그만큼 비용과 시간을 쓰는데, 워드나 PDF처럼 서식 정보가 섞인 파일과 달리 마크다운은 내용 자체로만 구성돼 같은 지식을 더 적은 토큰으로 전달한다. 응답이 빨라지고 비용이 내려가며, 한 번에 더 많은 맥락을 넣을 수 있다. 실제로 오늘날 AI 에이전트가 지침 파일과 산출물을 주고받는 표준 형식도 마크다운이다.
문서 안에서 다른 문서를 링크로 연결할 수 있고, 그래프 뷰에서 신경망처럼 시각화된다. 중요한 건 보기 좋은 그림이 아니라 에이전트가 이 링크를 따라 탐색한다는 점이다. 브랜드 원칙 문서에서 출발한 에이전트가 링크를 타고 프로젝트 회고로, 다시 고객 리서치 노트로 이동하며 필요한 맥락만 골라 읽는다. 전체 데이터를 통째로 훑는 대신 연결망을 따라 핵심에 도달한다. 지식이 쌓일수록 연결이 촘촘해지고, 연결이 촘촘해질수록 답이 깊어진다.
전환의 첫걸음은 거창하지 않다. 팀의 디자인 원칙, 이번 프로젝트에서 배운 것, 반복해서 받는 피드백을 마크다운으로 남기고 서로 연결해두는 습관이다. 그렇게 쌓인 데이터가 에이전트를 움직이고, 에이전트가 디자인 시스템을 움직인다.
AI 도구를 조직에 들일 때 사람과 역량 배치를 어떻게 잡을지는 'AI 프로덕트 빌더' 채용을 시도했다가 배운 것에서, AI 산출물의 한계가 도구가 아니라 입력에서 온다는 관점은 AI가 뭉뚝한 게 아니라 내가 뭉뚝해지고 있었다에서 이어서 볼 수 있다.
UX 디자인이 사용자 경험을 직접 설계한다면, AX 디자인은 AI를 작업의 중심에 두고 AI 디자인 시스템 자체를 설계·세팅하고 데이터를 공급하는 역할에 가깝다. 최종 목적이 인간을 위한 디자인이라는 점은 같다.
사람이 읽기 위한 문서가 아니라 AI 에이전트가 참조하기 위한 지식 베이스라는 점이다. 마크다운 파일로 저장하고 문서 간 링크를 걸어 에이전트가 맥락을 따라 탐색할 수 있게 만든다.
AI 모델은 텍스트를 토큰 단위로 읽고 그만큼 비용과 시간을 쓴다. 마크다운은 서식 정보 없이 내용으로만 구성돼 같은 지식을 더 적은 토큰으로 전달하고, 에이전트들이 파일을 주고받는 표준 형식이기도 하다.
기사에서 본 내용을 우리 사이트에 대입해 보고 싶다면, 무료 진단으로 현재 상태부터 확인해 보세요.
영업일 기준 24시간 안에 담당자가 직접 답변드립니다.

검색보다 AI를 먼저 여는 습관이 자리 잡고 있다. 콘텐츠 제작자에게 돌아오던 통로가 좁아지는 지금, AI 시대 경쟁력은 어디에서 나오는지 짚는다.

메타가 바이브 코딩 앱 '포켓'을 미국 전체 사용자에게 개방했다. 말로 설명하면 작은 앱과 게임이 만들어지고, 그 결과물이 피드에서 유통된다.

AI 초안이 겉도는 원인은 자료 부족이 아니라 구조 설계 부재다. MECE로 각 장의 역할을 나누고 수정 이유를 남기는 방법을 정리했다.