AI 책쓰기의 전환 — 챗봇·프롬프트에서 스킬·코워크·LLM 위키로

지난 몇 년간 책은 챗봇 대화창에서 만들어졌습니다. 좋은 프롬프트를 찾고, 챕터를 뽑고, 다시 붙여 넣는 방식입니다. 올해 저는 그 방식을 접었습니다. 같은 AI를 쓰는데 결과가 달라진 이유는 도구가 아니라 작업 구조를 바꿨기 때문입니다. 챗봇 한 대에서 스킬·코워크·옵시디언·LLM 위키로 옮기고 나서야 책이 제대로 만들어지기 시작했습니다.

바뀐 것은 프롬프트가 아니라 컨텍스트입니다

GPT로 책을 쓰던 시절의 고민은 늘 “어떻게 더 잘 물어볼까”였습니다. 프롬프트를 길고 정교하게 다듬는 일에 시간을 썼습니다. 그런데 결과는 그때그때만 좋아지고, 다음 챕터에서 같은 설명을 다시 해야 했습니다.

2026년의 전환은 이 지점에 있습니다. 무게가 프롬프트에서 컨텍스트로 옮겨갔습니다. 문구를 다듬는 일이 아니라, 모델이 받을 정보 구조 전체를 짓는 일입니다. 모델 성능이 올라갈수록 영리하게 묻는 것보다 작업 주위를 어떻게 구성했는지가 결과를 좌우합니다. 좋은 프롬프트의 시대가 좋은 컨텍스트 구조의 시대로 바뀐 것입니다.

컨텍스트 구조라는 말이 막연하게 들린다면, 이렇게 보면 됩니다. 매번 입으로 설명하던 기준 — 어떤 톤으로 쓰는지, 무엇을 피하는지, 어떤 자료를 근거로 삼는지 — 을 스킬과 설정 파일에 적어 둡니다. 그리고 자료와 지식은 옵시디언 볼트의 위키에 쌓습니다. 코워크는 이 둘을 직접 읽고 쓰는 작업자입니다. 제가 “이 자료를 위키에 정리해줘”라고 하면 코워크가 볼트를 열어 새 페이지를 만들고 기존 글과 연결합니다. 글을 쓸 때는 “이 주제로 위키에서 근거를 꺼내 초안을 잡아줘”라고 합니다. 기준은 스킬에, 지식은 위키에, 실행은 코워크에 — 매번 처음부터 설명하지 않아도 같은 구조 위에서 작업이 돌아갑니다.

챗봇 한 대에서 스킬과 코워크 체인으로

범용 챗봇 하나에 모든 것을 맡기면 맥락 관리가 수동으로 남고, 서식 없는 날것의 텍스트가 나옵니다. 대신 작업을 잘게 나눕니다. 기획·리서치·집필·퇴고·출처를 각각 스킬로 만들고, 그 스킬들을 체인으로 잇습니다. 클로드를 만능 도우미가 아니라 과업별 전문가들의 묶음으로 다루는 방식입니다.

여기서 작가의 시간 배분이 달라집니다. 날것 텍스트의 많은 부분은 AI가 만들고, 작가는 그 책을 자기 것으로 만드는 일에 집중합니다. 코워크는 이 흐름을 데스크톱과 파일에서 실행하는 환경입니다. 단발 대화가 아니라, 입력과 출력이 정의된 워크플로가 돌아갑니다.

LLM 위키 — 한 권이 다음 책의 출발선이 됩니다

가장 큰 차이는 LLM 위키에서 옵니다. 2026년 4월 카파시가 제안한 이 패턴은, 검색으로 매번 자료를 다시 찾는 대신 마크다운 위키를 자산으로 쌓는 방식입니다. 자료를 넣을 때마다 위키가 연결되며 풍부해지고, 새로 들어온 자료는 이미 쌓인 것과 이어지며 가치가 커집니다.

실제로 제가 지금 책을 쓰는 방식이 그렇습니다. 쓸 만한 자료를 만나면 위키에 넣습니다. 모든 것을 다 쌓는 게 아니라, 유튜브 자막이든 기사 한 편이든 제 옛 원고든 AI가 읽고 핵심을 추려 한 주제에 한 장으로 정리하고, 다시 꺼내 쓸 자료만 골라 이미 있는 글과 연결합니다. 그래서 책을 쓸 때는 빈 화면에서 시작하지 않습니다. 위키에서 해당 주제의 페이지를 꺼내 근거와 사례, 제 문체 기준까지 함께 끌어옵니다. 한 권을 쓰며 정리한 것이 위키에 남으니, 다음 책은 그만큼 앞선 자리에서 출발합니다.

경쟁력은 프롬프트가 아니라 쌓는 구조에서 나옵니다

올해 제가 겪은 전환은 저 혼자의 취향 변화가 아니라 시대의 방향과 같았습니다. AI 책쓰기의 경쟁력은 더 좋은 프롬프트를 찾는 데 있지 않습니다. 컨텍스트를 구조로 설계하고, 그 구조를 책마다 복리로 쌓아 가는 데 있습니다. 챗봇 대화창을 더 잘 다루는 일에서, 내 작업을 떠받칠 시스템을 짓는 일로 무게를 옮기는 것 — 그것이 올해 책쓰기에서 일어난 진짜 전환입니다.