우리는 패트릭을 사용해 패트릭을 만들었습니다. 아니, 이것은 또 다른 LLM 이야기가 아닙니다.
Source: Dev.to
번역할 전체 텍스트를 제공해 주시면, 해당 내용을 한국어로 번역해 드리겠습니다. (코드 블록, URL, 마크다운 형식 등은 그대로 유지됩니다.)
글쎄, 그건 부분적인 거짓이야. 하지만 상황을 설명해볼게.
동료들과 나는 우리 메드‑테크 솔루션을 개발하고 있다. 우리 팀은 몇 명 안 되며, 소프트웨어의 각 반복, 고객 인터뷰, 새로운 파트너십마다 수십 가지 가능한 방향이 열린다.
병원 파일럿을 추구할까, 텔레헬스 통합을 할까? 모바일 UX를 먼저 만들까, 아니면 규제 준수를 먼저 확정할까? 사스캐처원에 있는 그 클리닉은 위니펙의 연구 병원과는 약간 다른 것을 원한다 – 로드맵을 갈라야 할까, 아니면 겹치는 부분을 찾아야 할까?
우리는 대부분의 스타트업이 하는 방식대로 이를 추적하고 있었다: 여기저기 흩어진 메모, 공유 문서, 누군가가 일주일 동안 영웅적으로 업데이트하고는 버리는 스프레드시트. 그것은 작동했지만 어느 순간부터 안 되었다. 어느 날 전략 회의를 위해 앉아 보니 우리 궤도 안에 40개가 넘는 조직, 다양한 단계에 있는 5개의 제품 라인, 100개가 넘는 진행 중인 작업이 있었고, 이 모든 것이 어떻게 연결되는지 볼 수 있는 일관된 방법이 없었다.
그래서 우리는 Patrick을 만들었다.
Patrick이 실제로 무엇인가
Patrick은 대시보드가 아닙니다. CRM도 아니고, 프로젝트‑관리 도구도 아니지만 필요에 따라 세 가지 역할을 모두 수행할 수 있습니다.
핵심적으로 Patrick은 구조화된 요약과 지식 그래프입니다. Patrick은 단순히 단어 수를 줄이거나 읽기 쉽게 만들기 위해 요약하는 것이 아니라 목적을 가지고 요약합니다:
- “이 작업의 개발이 이 이니셔티브에 어떻게 기여할까?”
- “이 조직의 필요가 이 개발 작업을 정당화하는 이유는 무엇이며, 주주총회에서 설정된 우선순위와 일치하는가?”
개념들은 의미 있는 방식으로 서로 연결되며, 그 연결 자체가 핵심입니다.
우리가 “이 기능을 지연하면 어떤 일이 발생할까?” 라고 물으면, Patrick은 단순히 Gantt 차트가 빨갛게 변하는 것을 보여주지 않습니다. 상류와 하류 영향을 추적하여—어떤 고객 요구가 충족되지 않을지, 어떤 잠재 고객이 영향을 받을지, 어떤 작업이 고아가 되는지를 보여줍니다.
우리가 “다음에 무엇을 구축해야 할까?” 라고 물으면, 단순히 우선순위대로 정렬하지 않습니다. 가치와 노력, 위험을 비교하여 빠른 승리가 숨겨진 곳과 전략적 베팅이 위치한 곳을 알려줍니다.
스프레드시트, Notion 보드, Obsidian 볼트와 다른 점은 Patrick이 관계를 이해한다는 것입니다.
아무도 이야기하지 않는 문제
Here’s the thing everyone gets wrong about AI tools: the conversation is always about the model – which one is smarter, which one is faster, which one hallucinates less. But the model isn’t the bottleneck anymore. You are.
Or, more precisely, what you tell it is.
Think about the last time you asked an LLM to help you make a decision about your business. You probably spent ten minutes writing a prompt that tried to capture the full picture – who your clients are, what you’re building, which deals are in play, what’s blocking what. You gave it a slice of the truth, and it gave you a confident answer based on that slice. Maybe it was useful. Maybe it missed the thing you forgot to mention.
Now think about the best executive you’ve ever worked with. When they sit down to think through a problem, they’re not working from a prompt they typed in five minutes ago. They’re working from a mental model of the entire organization – every relationship, every dependency, every half‑finished initiative, every promise made to a client six months ago. That context is what makes their judgment good.
Patrick is that context, externalized and structured so an AI can use it the way a great executive uses institutional memory.
실제 작동 방식
Patrick을 만들게 된 통찰은 기술적인 것이 아닙니다. 핵심은 이렇습니다: AI를 가장 잘 활용하는 사람들은 최고의 프롬프트를 가진 사람이 아니라, AI에게 그들의 상황에 대한 진실하고 완전한 그림을 제공하는 방법을 알아낸 사람들입니다.
우리는 그런 사람들—전략적 가치를 지속적으로 LLM에서 끌어내는 임원과 운영자들—이 무엇을 하는지 연구했습니다. 그들이 모두 하는 일은 같은 방식의 변형입니다: 그들은 비즈니스에 대한 구조화된 정보를 유지하고 이를 AI와의 대화에 주입합니다.
- 일부는 정교한 Notion 설정을 사용합니다.
- 일부는 문서가 가득 담긴 커스텀 GPT를 사용합니다.
- 대부분은 손으로 그 구조를 유지하는 것이 두 번째 직업과 같아 누구도 원하지 않기 때문에 형편없이 혹은 일관성 없이 합니다.
그래서 우리는 효과적인 방식을 시스템으로 만들었습니다. Patrick은 귀하의 조직에 대한 정보—잠재고객, 제품, 팀 역량, 전략적 우선순위, 그리고 이들 간의 관계—를 수집하고 이를 그래프 형태로 구조화합니다. 그런 다음 질문을 하면, AI는 차가운 프롬프트를 받는 것이 아니라 전체 조직 그림을, 당신이 묻는 구체적인 질문에 맞추어 받게 됩니다.
“이 파트너십을 추진해야 할까요?”는 진공 상태에서 답해지는 것이 아니라, 현재 구축 중인 내용, 같은 기능을 필요로 하는 다른 부서, 비용, 그리고 지난 분기에 약속한 방향과의 정렬 여부와 같은 맥락 속에서 답해집니다.
재귀가 시작된 순간
몇 달이 지나자, Patrick은 우리 회사의 신경계가 되었습니다. 모든 회의는 “Patrick은 뭐라고 했지?”라는 질문으로 시작되었습니다. 새로운 리드마다 조직으로 입력하고, 그 조직의 필요를 기능에 연결했습니다. 매주 포트폴리오 건강 점검과 가치 분석을 수행했습니다.
그때 질문이 나왔습니다: Patrick 자체를 위해 다음에 무엇을 만들어야 할까?
우리는 아이디어가 있었습니다. 정말 많았습니다:
- 비기술적인 팀원도 대화식으로 질문할 수 있는 챗봇 인터페이스.
- 더 나은 보고서 템플릿.
- 전략적 이니셔티브를 평가하기 위한 점수 매기기 프레임워크.
그래서 우리는 본능처럼 행동했습니다. 우리는 Patrick을 열었고, 각 아이디어마다 기능을 만들고, 그것이 충족할 필요와 연결했으며, 작업량을 추정하고, 분석을 수행했습니다.
Patrick은 우리에게 Patrick이 필요로 하는 것을 알려주었습니다
분석 결과, 대화형 인터페이스가 가장 큰 가치를 창출할 수 있음이 밝혀졌습니다 – 가장 기술적으로 인상적이어서가 아니라, 우리 CEO(및 팀 전체)가 새로운 UI를 배우거나 특정 그래프‑쿼리를 기억할 필요 없이 시스템을 자연스럽게 질의할 수 있게 해 주기 때문입니다.
그때부터 Patrick의 로드맵은 회사 전체의 로드맵과 매우 유사하게 보이기 시작했습니다: 컨텍스트‑인식, 관계‑중심, 그리고 항상 “현재 전체 시스템에 무엇이 필요한가?” 라고 묻는 방식.
왜 우리는 이것을 출시하는가
우리는 5명의 직원이 4개 주에 걸쳐 40개 이상의 관계를 관리하는 의료 기술 회사를 위해 Patrick을 만들었습니다. 하지만 그가 해결하는 문제는 의료 기술 문제가 아닙니다. 스타트업 문제조차 아닙니다.
오늘날 AI를 사용하는 모든 지식 노동자는 같은 제약을 안고 있습니다: AI는 당신이 알려주는 만큼만 좋으며, 모든 것을 알려줄 시간은 없습니다. 모든 프롬프트는 실제 상황을 손실 압축한 것입니다. 업무가 복잡할수록 빠뜨리는 부분이 많아지고, 결과물은 점점 나빠집니다.
Patrick은 곧 OpenClaw의 skill 로 제공될 예정입니다. 즉, 이미 OpenClaw 인스턴스—당신만의 머신에서 실행되는 AI 비서를—운영하고 있다면 Patrick을 설치하고 조직의 구조화된 그림을 구축하여 AI가 실제로 활용할 수 있게 할 수 있습니다.
기술적인 지식이 필요하지 않습니다. 이 skill은 우리가 성공적인 운영자들이 AI에서 전략적 가치를 얻기 위해 사용하는 패턴을 기반으로 만든 사전 구축 프롬프트와 함께 제공됩니다—따라서 직접 방법을 찾아볼 필요가 없습니다.
- Patrick에게 당신의 비즈니스를 알려 주세요.
- 회의 기록, 고객 리스트, 제품 로드맵을 제공하세요.
Patrick은 데이터를 구조화하고 연결하며, AI가 전체 그림을 바탕으로 모든 질문에 답할 수 있도록 제공합니다.
결과는 더 나은 챗봇이 아니라, 더 잘 알려진 챗봇입니다. 이 두 가지의 차이는, 단순히 멋진 문장을 쓰는 AI와 실제로 당신의 사고를 돕는 AI의 차이와 같습니다.
What this means for you
AI 비서가 단순히 “기억하는 척” 하는 수준이 아니라, “당신의 가장 큰 잠재 고객 3명을 알고, 각각이 필요로 하는 것을 파악하며, 당신의 기능 중 두 가지를 동시에 만족시키는 것이 무엇인지” 이해한다면, 바로 그게 Patrick이 하는 일입니다.
- 우리는 이를 사용해 의료 기술 회사를 만들었습니다.
- 그 다음에는 그것을 스스로 구축하는 데 사용했습니다.
- 이제 여러분이 그것으로 무엇을 만들 수 있을지 보고 싶습니다.
Patrick은 곧 OpenClaw 스킬로 제공될 예정입니다. 설치하고, 여러분의 비즈니스를 가르친 뒤, 더 나은 질문을 시작해 보세요.