비전공자 임원을 위한 3분 설명 자료
Hermes가
기억하고 일하는
AI 직원이 되려면
AI에게 일을 잘 시키는 것만으로는 부족합니다.
회사의 자료와 결정이 쌓이고, 찾히고, 다시 쓰이는 구조가 함께 있어야 합니다.
정확한 관계: Second Brain은 전체 체계이고, Obsidian·PARA·LLM Wiki는 이를 구현하는 서로 다른 역할의 구성요소입니다.
사람이 찾기 쉬운 구조
AI가 이해하기 쉬운 지식
업무 지식 시스템
기억 + 실행
SECOND BRAIN전체 기억 운영체계
OBSIDIAN
사람이 보고 고치는 공간
PARA사람 관점
Projects
Areas
Resources
Archives
LLM WIKIAI 관점
요약 · 개념
인물 · 회사 · 제품
관계 · 비교 · 갱신
WHY THIS STACK
왜 Hermes만 쓰지 않고
지식 구조를 함께 붙일까요?
Hermes 자체도 대화와 경험을 기억하고 도구를 사용할 수 있습니다. 다만 회사 문서·회의·결정·프로젝트 이력처럼 오래 남아야 하는 지식은 사람이 확인할 수 있는 별도 구조로 관리할수록 더 투명하고 재사용하기 쉽습니다.
한 문장 결론
Hermes는 일을 하는 AI, Second Brain은 기억 체계, Obsidian은 작업 공간, PARA는 사람용 정리 기준, LLM Wiki는 AI용 지식 운영 방식입니다.
구조 없이 사용
똑똑하지만, 매번 설명이 필요한 AI
자료가 여러 폴더와 메신저에 흩어져 있으면 무엇이 최신이고 공식인지 계속 알려줘야 합니다.
1
과거 결정과 현재 자료가 쉽게 끊깁니다.
2
같은 질문에도 참조 범위에 따라 답이 달라질 수 있습니다.
3
좋은 답변이 나와도 조직의 자산으로 남지 않을 수 있습니다.
Second Brain과 연결
맥락을 이어받고, 결과를 다시 축적하는 AI
원본과 정리본의 위치가 분명해져 Hermes가 같은 기준으로 찾고, 답하고, 업데이트할 수 있습니다.
✓
회의·문서·의사결정이 프로젝트 맥락으로 이어집니다.
✓
AI의 요약과 연결 관계를 사람이 확인할 수 있습니다.
✓
한 번 정리한 지식이 다음 보고·회의·업무에 재사용됩니다.
FIVE SIMPLE ROLES
5개 용어를
비전공자의 언어로 바꾸면
서로 비슷해 보이지만, 실제로는 질문이 다릅니다. “무엇을 기억할까?”, “어디에 둘까?”, “AI가 어떻게 이해할까?”, “누가 일을 할까?”를 나눠 보면 쉽습니다.
01
Second Brain
회사의 외장 기억
앱 하나의 이름이 아니라, 중요한 자료·생각·결정을 머리 밖에 모아 필요할 때 다시 꺼내 쓰는 전체 지식 운영체계입니다.
핵심 질문 · 무엇을 잊지 않고 다시 활용할 것인가?
02
Obsidian
문서 보관실 + 검색 화면
Markdown 파일을 작성하고 연결하고 검색하는 지식베이스 도구입니다. Second Brain을 사람이 직접 보고 고치는 대표적인 작업 공간입니다.
핵심 질문 · 지식을 어디에서 저장하고 확인할 것인가?
03
PARA
사람이 찾기 쉬운 4칸 서랍
자료를 주제보다 지금 어디에 쓰는지로 나누는 방식입니다. Projects, Areas, Resources, Archives 네 범주로 현재 업무와 보관 자료를 구분합니다.
핵심 질문 · 이 자료는 지금 어느 서랍에 있어야 하는가?
04
LLM Wiki
AI 사서 + 지식 색인
특정 앱 이름이라기보다, 원본 자료를 바탕으로 AI가 요약·개념·회사·인물·제품·비교·관계 페이지를 만들고 새 자료가 들어오면 계속 갱신하는 설계 방식입니다.
핵심 질문 · AI가 이 자료의 의미와 관계를 어떻게 이해하고 유지할 것인가?
표현 수정: “AI가 분류하는 규칙”도 맞는 방향이지만, 더 정확히는 AI가 원문을 읽고 요약·연결·갱신하는 지식층과 운영 규칙입니다.
05
Hermes
자료를 찾아 실제 일을 하는 AI 직원
자연어 지시를 받아 파일·웹·메신저·자동화 도구 등을 사용하고, 정보를 찾고 정리하고 반복 업무를 수행하는 AI 에이전트입니다.
핵심 질문 · 이 지식을 이용해 어떤 일을 실행할 것인가?
핵심 관계: Hermes가 Second Brain을 읽고 쓰게 연결하면, 대화 결과가 다시 지식으로 쌓이고 다음 업무에 재사용됩니다.
ONE EASY ANALOGY
회사의
작은 도서관으로
생각하면 쉽습니다
각 용어를 기술 제품이 아니라 도서관의 역할로 바꾸면 관계가 한 번에 보입니다.
AI만 있으면 사서는 있지만 도서관이 없고, 폴더만 있으면 도서관은 있지만 일해 줄 사서가 없습니다.
🏛️
Second Brain
도서관 전체의 운영체계. 무엇을 모으고, 어떻게 꺼내 쓰며, 어떻게 최신 상태로 유지할지 정합니다.
🗄️
Obsidian
도서관 건물과 서가. 사람이 문서를 열고 수정하고 서로 연결해 보는 공간입니다.
🏷️
PARA
서가 표지판. 진행 업무, 지속 책임, 참고 자료, 종료 자료를 사람이 찾기 쉽게 나눕니다.
🧭
LLM Wiki
AI용 목록과 사서 규칙. 문서의 의미, 관계, 요약, 최신 내용을 연결해 둡니다.
✨
Hermes
질문을 받으면 적절한 서가와 목록을 찾아 자료를 꺼내고, 보고서를 만들고, 다시 정리해 넣는 실행 담당자입니다.
PARA ≠ LLM WIKI
PARA와 LLM Wiki는
서로 경쟁하는 방식이 아닙니다
PARA는 사람이 원본 자료를 놓는 기준이고, LLM Wiki는 AI가 그 자료의 의미를 정리하는 지식층입니다. 한쪽은 위치, 다른 한쪽은 이해와 연결을 담당합니다.
👤 사람 관점
PARA
“이 자료를 지금 어디에 둘까?”를 해결합니다.
1
Projects · 끝나는 목표가 있는 진행 업무
2
Areas · 계속 관리해야 하는 책임 영역
3
Resources · 관심 주제와 참고 지식
4
Archives · 종료되거나 비활성화된 자료
🤖 AI 관점
LLM Wiki
“이 자료가 무슨 뜻이고 무엇과 연결될까?”를 해결합니다.
1
여러 원문을 묶어 핵심 요약을 만듭니다.
2
회사·인물·제품·개념별 엔티티 페이지를 만듭니다.
3
일정·이슈·결정의 관계와 변화를 연결합니다.
4
새 원문이 들어오면 기존 페이지를 갱신·점검합니다.
PARA · 원본이 놓이는 곳
10_Projects/
고객사 A 신제품 승인/
회의록/2026-08-06.md
고객사 A 신제품 승인/
회의록/2026-08-06.md
LLM WIKI · AI가 만든 이해와 연결
50_Wiki/고객사 A.md
50_Wiki/제품 X.md
50_Wiki/승인 리스크.md
50_Wiki/제품 X.md
50_Wiki/승인 리스크.md
HOW IT WORKS
실제 업무에서는
이렇게 한 바퀴 돕니다
핵심은 “질문하고 끝”이 아니라, 원본을 보존하고 AI 정리본을 갱신한 뒤 다시 업무에 쓰는 순환 구조입니다.
01
자료가 생김
회의록, 이메일, 보고서, 메신저 대화, 조사 자료가 들어옵니다.
02
Hermes에게 지시
자연어로 저장 위치와 정리 기준, 원하는 결과를 말합니다.
“프로젝트에 저장하고 결정사항을 Wiki에 반영해줘.”
03
PARA에 원본 저장
사람이 나중에 다시 확인할 수 있도록 업무 맥락에 맞는 위치에 둡니다.
04
LLM Wiki 갱신
AI가 요약, 개념, 관계, 일정, 리스크 페이지를 추가하거나 업데이트합니다.
05
다음 업무에 재사용
Hermes가 Wiki와 원문을 찾아 보고·질의·자동화를 수행하고 결과를 다시 축적합니다.
EXECUTIVE VALUE
임원 관점에서 중요한 것은
도구가 아니라 업무 효과입니다
이 조합의 목적은 메모를 예쁘게 정리하는 것이 아니라, 조직의 기억 손실을 줄이고 판단 속도와 답변 일관성을 높이는 데 있습니다.
01 · CONTEXT
반복 설명 감소
매번 배경을 처음부터 설명하지 않고 프로젝트 이력과 기존 결정을 바로 이어서 활용합니다.
02 · CONTINUITY
인수인계 리스크 완화
개인 머릿속이나 메신저에 있던 지식을 조직이 확인 가능한 문서와 연결 구조로 남깁니다.
03 · CONSISTENCY
보고 기준 일관성
최신 원문과 Wiki를 기준으로 답변하게 해 담당자와 시점에 따른 편차를 줄입니다.
04 · TRACEABILITY
근거 확인 가능
AI 요약만 보는 것이 아니라 연결된 원문과 결정 이력을 함께 확인할 수 있습니다.
REAL COMMANDS
Hermes에는
이런 식으로 말하면 됩니다
명령은 기술 용어보다 “어디에 저장할지, 무엇을 정리할지, 어떤 기준으로 답할지”를 명확히 말하는 편이 좋습니다.
저장 + 정리
회의록을 지식으로 남기기
원본과 AI 정리본의 역할을 나눠 지시합니다.
이 회의록 원본을 고객사 A 신제품 승인 프로젝트에 저장해줘. 결정사항, 담당자, 기한, 미결정 이슈를 추출하고 기존 Wiki의 고객사 A, 제품 X, 승인 리스크 페이지에 반영해줘. 기존 내용과 충돌하면 임의로 덮어쓰지 말고 충돌 항목을 먼저 보고해줘.
조회 + 보고
Wiki 기반 임원 보고
요약만이 아니라 원문 근거까지 요청합니다.
Wiki와 연결된 원문을 기준으로 고객사 A의 최근 90일 진행 상황을 보고해줘. 1. 완료 사항 2. 지연 원인 3. 미결정 사항 4. 이번 주 의사결정이 필요한 항목 각 항목에는 근거가 된 원문 파일을 함께 표시해줘.
반복 자동화
정기 리스크 브리핑
정해진 시간에 같은 기준으로 보고받습니다.
매주 월요일 오전 8시에 활성 Projects와 관련 Wiki 변경사항을 확인해줘. 일정 지연, 담당자 미지정, 결정 대기, 원문 간 충돌을 찾아 임원용 1페이지 리스크 브리핑으로 작성해줘. 변경이 없는 항목은 반복하지 말고 지난주 대비 달라진 내용만 강조해줘.
SPEAKING SCRIPT
임원에게는
이렇게 설명하세요
상황에 맞게 10초, 30초, 3분 버전을 선택할 수 있습니다. 기술 이름보다 “기억, 서랍, 사서, 직원”이라는 역할 비유를 중심으로 말하면 쉽습니다.
10초 버전
Hermes는 일을 하는 AI 직원이고, Second Brain은 회사의 외장 기억입니다. Obsidian은 그 기억을 담는 공간, PARA는 사람용 서랍 구조, LLM Wiki는 AI용 사서 규칙입니다.
BETTER WORDING
잘못 말하기 쉬운 표현만
조금 다듬으면 됩니다
처음 설명할 때 자주 섞이는 개념을 아래처럼 바꾸면 기술적으로도 맞고, 비전공자에게도 훨씬 명확합니다.
“Second Brain은 Obsidian입니다.”
“Second Brain은 전체 지식 체계이고, Obsidian은 그것을 구현하는 편리한 도구입니다.”
“PARA는 폴더 4개를 만드는 겁니다.”
“PARA는 자료를 현재 활용 목적에 따라 4개 범주로 나누는 행동 중심 분류법입니다.”
“LLM Wiki는 AI 자동 분류기입니다.”
“LLM Wiki는 AI가 원문을 요약하고 개념과 관계를 연결하며 계속 갱신하는 지식층입니다.”
“Hermes에 넣으면 회사 일을 다 기억합니다.”
“중요 지식을 명시적으로 저장하고 권한·원본·검토 기준을 정해야 Hermes가 안정적으로 재사용합니다.”
운영 원칙: LLM Wiki는 공식 원문을 대체하는 것이 아니라 원문을 바탕으로 만든 요약·연결층입니다. 중요한 수치와 의사결정은 원문 링크, 접근 권한, 사람의 검토 절차를 함께 두는 것이 안전합니다.
START SMALL
처음부터 전사 지식관리로
크게 시작할 필요는 없습니다
임원에게는 복잡한 구축 계획보다, 한 프로젝트에서 반복 설명과 보고 시간을 줄이는 작은 실증으로 제안하는 편이 이해와 승인 모두 쉽습니다.
추천 최소 구조
Obsidian Vault/
├── 00_Inbox/ 새 자료 임시 수집
├── 10_Projects/ 진행 중인 목표
├── 20_Areas/ 지속 책임 영역
├── 30_Resources/ 참고 지식
├── 40_Archives/ 종료 자료
└── 50_Wiki/ AI 요약·연결 지식
4주 파일럿 제안
1
한 프로젝트만 선택
회의와 보고가 잦고 자료가 흩어진 업무부터 시작합니다.
2
원본과 Wiki 분리
원본은 PARA, AI 요약·관계는 Wiki에 저장합니다.
3
명령 3개만 표준화
저장, Wiki 기반 조회, 주간 리스크 보고부터 적용합니다.
4
주 1회 사람이 검토
잘못 연결된 정보와 최신성, 접근 권한을 점검합니다.