디지털 환경은 조용하지만 지각변동을 겪고 있습니다. 20년 넘게 검색 엔진 최적화(SEO)는 단 하나의 단순한 패러다임에 의해 지배되어 왔습니다. 즉, 웹 페이지를 사람이 보기 좋게 최적화하고, 웹 크롤러를 통해 색인을 생성하며, 기계가 기본적인 엔티티를 이해할 수 있도록 복잡한 스키마 마크업을 사용하여 데이터를 구조화하는 것이었습니다. 그러나 검색 엔진 시대에서 자율적인 AI 에이전트 시대로 전환됨에 따라 이러한 패러다임은 빠르게 무너지고 있습니다.
오늘날 기업들은 심각한 "맥락 부족" 문제에 직면해 있습니다. 대규모 언어 모델(LLM)은 세련된 코드를 작성하고, 문서를 초안하고, 방대한 데이터 세트를 분석할 수 있지만, 구조화되고 최신이며 기업 고유의 비즈니스 맥락이 부족하다는 근본적인 한계에 부딪힙니다. 데이터베이스 스키마와 맞춤형 비즈니스 지표부터 내부 운영 지침서와 선임 엔지니어의 비공식적인 통찰력에 이르기까지 이러한 지식은 사일로화된 위키, 공유 드라이브, 슬라이드 자료, 채팅 기록 등에 파편화되어 존재합니다.
이러한 격차를 해소하기 위해 Google Cloud는 최근 조직의 지식을 상호 운용 가능한 "디지털 두뇌"로 표현하도록 설계된 개방형 벤더 중립 사양인 OKF(Open Knowledge Format) v0.1을 발표했습니다. OKF는 "LLM-Wiki" 패턴으로 알려진 것을 공식화함으로써 기존의 상태 비저장 검색 증강 생성(RAG) 방식에 종지부를 찍고, 누적형 에이전트 방식의 미래를 열어갑니다.
Switas와 같은 미래지향적인 조직 및 컨설팅 선구자에게 OKF는 단순한 기술적 업데이트가 아닙니다. 이는 완전히 새로운 상업적 분야인 에이전트 기반 검색 최적화(ASO)의 토대입니다.
1. 무국가적 RAG의 종말과 복합적 지식의 부상
구글의 OKF가 획기적인 이유를 이해하려면 먼저 현재의 AI 통합 방식이 왜 한계에 부딪히는지 살펴봐야 합니다.
대부분의 최신 기업용 AI 솔루션은 검색 증강 생성(RAG)에 의존합니다. 사용자가 질문을 하면 RAG 시스템은 벡터화된 문서 덩어리 전체에 걸쳐 유사성 검색을 실행하고, 가장 관련성이 높은 스니펫을 검색하여 LLM 컨텍스트 창에 입력함으로써 답변을 생성합니다.
RAG는 정적인 질의응답에는 매우 효과적이지만, 몇 가지 시스템적인 한계가 있습니다.
무상태성: 모든 쿼리는 독립적인 이벤트로 처리됩니다. 시스템은 이전 상호 작용에서 "학습"하거나 새로운 연결을 생성하지 않습니다.
검색 노이즈 및 청크 경계 오류: 50페이지 분량의 PDF 파일을 500개 토큰 단위의 청크로 분할하면 중요한 맥락이 절반으로 나뉘어 불완전하거나 잘못된 결과를 초래할 수 있습니다.
종합성 부족: 기존의 RAG 방식은 원시 정보를 추출하는 데는 탁월하지만, 지속적으로 변화하는 단일한 "진실의 원천"을 유지하는 데는 어려움을 겪습니다.
2026년 4월, AI 분야의 선구자인 안드레이 카르파티(OpenAI 공동 창립자이자 테슬라의 전 AI 담당 이사)는 혁신적인 대안인 LLM 위키 패턴을 제안했습니다.
카르파티는 매번 처음부터 가공되지 않은 비정형 문서를 검색하는 대신, LLM을 컴파일러로 사용하는 것이 올바른 활용법이라고 주장했습니다. 이 패러다임에서 새로운 문서, 데이터 세트 또는 클라이언트 브리핑이 도착하면 LLM은 이를 한 번 읽고 핵심 개념을 추출한 다음, 이를 점진적으로 "컴파일"하여 구조화되고 영구적이며 고도로 상호 연결된 마크다운 기반 위키를 생성합니다.
새로운 정보가 기존 항목과 모순될 경우, LLM은 단순히 두 정보를 모두 저장하는 데 그치지 않고, 적극적으로 충돌을 해결하고, 엔티티 페이지를 업데이트하고, 주제 요약을 수정하며, 진화하는 종합 정보를 강화하거나 반박합니다. 지식은 마치 인간의 두뇌처럼 시간이 지남에 따라 축적됩니다.
Google Cloud의 OKF는 바로 이러한 LLM-Wiki 패턴을 개방형 산업 표준으로 공식화한 것입니다.
2. 오픈 지식 형식(OKF)에 대한 이해 증진
OKF는 본질적으로 매우 단순하게 설계되었습니다. 구글은 지식을 표현하는 데 복잡한 데이터베이스, 독점 SDK 또는 무거운 런타임이 필요하지 않다는 확고한 철학적 입장을 취했습니다. 대신, 지식은 보편적으로 이식 가능하고, 사람이 읽기 쉽고, LLM이 기본적으로 이해할 수 있는 형식으로 저장되어야 합니다.
해당 형식은 YAML 프런트매터를 사용하는 마크다운입니다.
Git clone 명령으로 저장소를 복제할 수 있다면 OKF 번들을 배포할 수 있습니다. cat 명령으로 텍스트 파일을 읽을 수 있다면 OKF 번들을 읽을 수 있습니다. 데이터베이스도, 중앙 관리 기관도, 특정 플랫폼에 종속되지도 않습니다. GitHub에서 보기 좋게 표시되고, Obsidian이나 Notion 같은 도구로 정리할 수 있으며, 최신 AI 에이전트라면 어떤 것이든 즉시 색인을 생성할 수 있습니다.
OKF 지식 묶음의 구성 요소
OKF 번들은 마치 사람이 설계한 위키처럼, 디렉터리 안에 디렉터리가 중첩된 구조로 표현됩니다. 주요 구성 요소는 세 가지입니다.
진입점 파일(index.md): 모든 OKF 번들에는 진입점 파일이 필요합니다. 이 인덱스 파일은 지식 기반의 구조를 설명하고, 들어오는 에이전트가 사용 가능한 핵심 개념, 데이터 세트 및 플레이북을 찾도록 안내합니다.
개념 디렉토리: OKF는 원본 문서(예: q4_marketing_report.pdf)를 기준으로 파일을 정리하는 대신, 개념(예: /metrics/customer_acquisition_cost.md)을 기준으로 정보를 재구성합니다. 각 개념은 단일한 단위의 마크다운 문서로 표현됩니다.
로그 파일(log.md): 자율 에이전트가 활동을 기록하는 살아있는 원장입니다. 에이전트가 개념을 업데이트하거나, 데이터 모순을 해결하거나, 새로운 소스를 수집할 때, 해당 변경 사항을 로그 파일에 기록하여 감사 가능한 기록을 남깁니다.
컨셉 페이지 구조
OKF 번들에 포함된 개념을 나타내는 모든 개별 마크다운 파일은 YAML 프런트매터와 마크다운 본문이라는 두 부분으로 구성된 엄격한 구조를 가지고 있습니다.
---
type: concept
title: Customer Acquisition Cost (CAC)
description: The primary financial metric used to evaluate marketing efficiency at Switas.
resource: bigquery://switas-analytics/finance/cac_summary
tags:
- finance
- marketing-efficiency
- saas-metrics
timestamp: 2026-06-18T14:30:00Z
---
After this structured frontmatter, the document opens into a free-form Markdown Body. This is where the magic happens. The body can contain natural language definitions, raw data tables, calculation formulas, playbooks, and—crucially—interlinks using standard markdown bracket notation (e.g., [[LTV_Calculation]]).이러한 상호 연결을 통해 에이전트는 디렉터리를 구조적으로 탐색할 수 있으며, 단순한 텍스트 파일 폴더를 고도로 연결되고 탐색 가능한 의미론적 지식 그래프로 변환할 수 있습니다.
3. "의미론적 분해": 자연 지식의 철학
OKF 출시에서 나온 가장 심오한 용어 중 하나는 "의미론적 분해(Semantic Unbaking)"입니다.
수년간 기술 업계는 인간의 지식을 JSON-LD나 마이크로데이터와 같은 매우 경직되고 기계가 읽을 수 있는 스키마에 억지로 끼워 맞추려 했습니다. 이러한 과정은 취약하고 부자연스러웠으며, 인간이 아이디어를 표현하는 방식과는 근본적으로 동떨어져 있었습니다. 유동적인 인간의 사고를 차갑고 딱딱한 기계 구조에 억지로 끼워 넣으려는 시도였던 것입니다.
OKF는 이러한 접근 방식을 완전히 뒤집습니다. 최신 LLM(언어 관리 도구)은 자연어를 읽는 데 매우 능숙하기 때문에 OKF는 일종의 "의미론적 분해" 역할을 합니다. 이를 통해 조직은 비즈니스 규칙, 프로세스 및 지표를 자연스럽고 표현력 있는 언어로 문서화할 수 있습니다.
이제 AI 에이전트에게 비즈니스 계산을 설명하기 위해 복잡한 API를 작성할 필요가 없습니다. 간단히 플레이북만 작성하면 됩니다.
# Playbook: Diagnosing Mid-Funnel Conversion Drops
When an analyst agent detects a drop in mid-funnel conversion rate greater than 5% week-over-week, follow these steps:
1. Query the `conversions_db` table to isolate the traffic source.
2. Cross-reference results with our [[Marketing_Campaign_Log]].
3. If the drop is isolated to paid search, trigger the [[Google_Ads_Audit_Playbook]].
This represents a more natural way to structure knowledge. You tell the agent: "Here is where you go in my organization's brain to get this information, and here is how we want you to reason about it."4. 스위타스의 기회: 전문성을 수익화하고 ASO 혁명을 선도하다
기업용 AI가 성숙해짐에 따라 구조화된 지식에 대한 수요는 급증할 것입니다. 기업들은 더 이상 웹 트래픽만으로 경쟁하는 것이 아니라, 에이전트 기반 접근성을 통해 경쟁하게 될 것입니다.
이는 스위타스에게 두 가지 주요 분야에서 엄청난 사업 기회를 열어줍니다.
I. 에이전트 기반 검색 최적화(ASO) 컨설팅
소비자가 직접 웹을 검색하는 시대는 이제 지나가고 있습니다. 인공지능 에이전트가 대신 검색해 주는 시대입니다. 사용자가 개인 에이전트에게 "OKF 가이드라인에 따라 데이터 스택을 재구성할 최고의 컨설팅 회사를 찾아줘"라고 요청하면, 에이전트는 웹을 검색하여 기계가 접근할 수 있는 정보를 찾아낼 것입니다.
만약 귀사의 전문 지식이 접근이 제한된 PDF 파일이나 구조화되지 않은 자바스크립트 기반 웹사이트에 숨겨져 있다면, 담당자는 귀사를 완전히 건너뛸 것입니다.
Switas는 기존 SEO에서 ASO(에이전트 검색 최적화)로의 전환을 선도할 수 있습니다. 당사의 컨설턴트는 기업에 다음과 같은 도움을 제공할 수 있습니다.
- 기존에 보유하고 있는 비정형 지식 저장소를 감사하십시오.
- 독자적인 비즈니스 로직, 플레이북 및 데이터 스키마를 추출합니다.
- 이러한 자산을 컴파일하고 구조화하여 규정을 완벽하게 준수하고 크롤링이 용이한 OKF 지식 번들로 만듭니다.
- 검증된 OKF 번들이 사용 준비가 완료되었음을 외부 에이전트에 알리기 위해 llms.txt 파일에 방향 경로를 통합하십시오.
II. 지식 번들 마켓플레이스
현재 기업들은 법률 준수, 세금 구조 설계 또는 고급 SEO 감사와 같은 전문적인 지식이 필요할 때 값비싼 컨설턴트를 고용하여 수동 감사를 수행합니다.
머지않아 조직들이 검증된 에이전트 실행형 OKF 번들을 사고팔 수 있는 글로벌 지식 시장이 등장할 것입니다.
스위타스가 자체 개발한 성장 해킹 프레임워크, 디지털 전환 플레이북, 데이터 감사 방법론 등을 모듈형 OKF 패키지로 묶어 제공한다고 상상해 보세요. 고객의 AI 에이전트는 스위타스 성장 플레이북 OKF 패키지를 구매하여 자체 시스템 파일 시스템에 직접 마운트한 후, 스위타스의 특화된 추론 로직을 사용하여 즉시 감사를 실행할 수 있습니다.
또한 이러한 번들은 고정되어 있지 않습니다. 시장 상황, 검색 알고리즘 또는 컨설팅 모범 사례가 변화함에 따라 퍼블리셔는 OKF 마스터 번들을 업데이트합니다. 이러한 업데이트는 네트워크 전체에 전파되어 클라이언트의 현지화된 AI 인텔리전스가 지속적으로 최신 상태로 유지되도록 합니다.
5. 종합 FAQ: OKF의 기술적 및 전략적 미묘한 차이를 이해하기
OKF가 점차 인기를 얻음에 따라 기업 팀, 개발자 및 마케팅 책임자들은 중요한 질문을 던질 것입니다. 알아야 할 사항은 다음과 같습니다.
Q1: 외부 AI 에이전트는 실제로 어떻게 OKF 번들을 발견하고 액세스합니까?
검색은 주로 새롭게 떠오르는 표준인 llms.txt를 통해 처리될 것입니다. 웹사이트 루트(robots.txt와 유사)에 위치하는 llms.txt 파일은 언어 모델을 위한 디렉토리 역할을 합니다.
llms.txt 파일에 공개 OKF 번들을 가리키는 직접 URI 경로를 추가하면 GPT-Bot, Claude-Bot 또는 Google-Extended와 같은 크롤러 에이전트에게 비즈니스 지식에 대한 구조화되고 기계에 최적화된 위키를 직접 이용할 수 있음을 알릴 수 있습니다.
Q2: OKF는 벡터 데이터베이스(Vector DB) 및 그래프 데이터베이스를 대체할 수 있습니까?
아니요. OKF는 데이터베이스가 아니라 데이터 교환 및 저장 사양입니다.
개인 또는 소규모 사업체 규모(문서 100개 미만 또는 토큰 약 80,000개 미만)에서는 LLM이 데이터베이스를 거치지 않고 파일 시스템에서 OKF 디렉터리를 직접 읽을 수 있습니다.
하지만 기업 규모에서는 OKF 번들이 광범위한 검색 시스템에 입력되는 깨끗하고 사람이 직접 선별한 "진실의 원천(Source of Truth)" 역할을 합니다. 기업은 일반적으로 OKF 번들을 수집하여 의미 검색을 위한 벡터 데이터베이스로 벡터화하고, 이를 기반으로 기업 전체의 그래프 데이터베이스를 구축합니다. OKF는 데이터베이스 오염을 방지하는 깨끗하고 구조화된 의미론적 입력값을 제공합니다.
Q3: OKF는 어떻게 AI 환각을 방지합니까?
전통적인 RAG 방식은 LLM이 단편적이고 때로는 모순되는 문서 조각들에서 답을 도출하도록 강요하기 때문에 종종 잘못된 판단을 내리게 됩니다.
OKF는 명시적인 관계 매핑, 플레이북, 정확한 참조를 통해 이러한 문제를 방지합니다. OKF의 개념은 사람이 직접 선별하고 구조화했거나 엄격한 사람의 감독 하에 작성되었기 때문에, 에이전트는 즉석에서 연결을 추측하는 대신 미리 합성되고 검증된 논리에 의존합니다. 또한 OKF의 기본 인용 지원 기능을 통해 에이전트가 제시하는 모든 사실적 주장은 특정하고 검증된 마크다운 파일 또는 데이터 리소스로 추적할 수 있습니다.
Q4: 이러한 OKF 번들을 수동으로 작성하고 유지 관리해야 합니까?
절대 안 됩니다. 수백 개의 마크다운 파일을 작성하고 복잡한 YAML 스키마를 수동으로 관리하는 것은 병목 현상을 초래할 것입니다.
대신, 이 과정은 협력적입니다. 인간은 학습하고 지시하며, AI 에이전트는 데이터를 수집하고 유지 관리합니다.
클로드 코드(Claude Code), 커서(Cursor) 또는 사용자 지정 Python 파이프라인과 같은 고급 에이전트 설정을 사용하면 녹취록, 백서, 데이터베이스 스키마와 같은 원시 데이터 소스를 시스템에 입력할 수 있습니다. 에이전트는 자동으로 개념을 추출하고, YAML 프런트매터를 작성하고, 상호 링크를 생성하고, 변경 사항을 log.md에 기록합니다.
사람의 역할은 편집자의 역할로 바뀌어, 컴파일된 위키를 검토하고, 전략적 지침을 추가하고, 자동화된 "린터" 스크립트를 실행하여 깨진 링크, 고립된 페이지 또는 논리적 모순을 확인합니다.
Switas와 함께 에이전트 중심의 변화에 대비하기
오픈 지식 포맷(Open Knowledge Format)의 출시는 디지털 경제가 나아갈 방향을 명확히 보여주는 신호입니다. 우리는 사람이 스크롤하며 찾아보는 산만한 페이지로 이루어진 인터넷에서 벗어나, 능동적인 실행을 위해 설계된 상호 연결된 디지털 두뇌의 인터넷으로 나아가고 있습니다.
기업에게 선택은 분명합니다. 지금 당장 기업 지식 체계를 구축하든지, 아니면 미래의 상거래를 주도할 AI 에이전트에게 보이지 않는 존재가 될 위험을 감수하든지 둘 중 하나입니다.
스위타스는 귀사가 이러한 전환기를 성공적으로 헤쳐나갈 수 있도록 지원하는 데 있어 독보적인 위치에 있습니다. 디지털 전략, 데이터 엔지니어링, 그리고 최신 AI 표준에 대한 깊이 있는 전문성을 결합하여, 분산된 비즈니스 자산을 강력하고 지속적으로 성장하는 OKF 지식 엔진으로 전환할 수 있도록 도와드립니다.
미래는 분산화되고, 구조화되고, 주체적인 세상입니다. 함께 만들어 갑시다.
