개발환경부터 도메인 AI까지,
하나의 지도

개발환경·네트워크·데이터·AI를 하나의 흐름으로 꿴 개념 지도다. 시험용 암기가 아니라, 현장에서 무엇이 어떻게 작동하는지 파악하기 위한 자료다. 각 개념을 정의 · 비유 · 현장 적용 세 단으로 정리한다.

← AI 활동가 배움터 위 → 아래 순서 구성 점선 용어 = 클릭 시 풀이 2장에 전체 흐름 지도 사교원 · 주민운동 교육 공용
0
여는 말

왜 우리가 AI를 다루는가

기술 이전에 좌표를 먼저 본다. AI는 누가 만들고 누구를 위해 작동하느냐에 따라 전혀 다른 물건이 된다.

세 가지 지능 market / public / solidarity intelligence

경제학자 폴라니는 사회가 시장교환·재분배·호혜 세 원리로 움직인다고 봤다. 이 삼각구도가 AI 시대에 세 가지 지능으로 그대로 옮겨온다.

지능주체자본응답 원리폴라니 짝
시장지능빅테크사적 자본효율·이윤시장교환
공공지능정부공적 예산관리·서비스재분배
연대지능시민사회·협동조합조합·출자·기여호혜·동반자호혜

연대지능(Solidarity Intelligence)은 자리의 이름이자 행위의 이름이다. 마르크스의 호명 "Workers of the world, unite!"에서 unite가 곧 연대(solidarity)의 동사형이다. 연대지능이라는 명사 안에 "우리는 연대한다"는 동사가 들어 있다.

우리의 자리는 연대지능이다. 빅테크의 것도 정부의 것도 아닌 제3의 자리 — 시민과 협동조합이 함께 만드는 AI.

지능 무산자 the intelligence-dispossessed

토지에서 쫓겨난 농민이 가진 것 없는 노동자(프롤레타리아트)가 되었다. 지금은 지능에서 쫓겨난 인류가 지능 무산자가 된다.

작동 구조
위키백과·인터넷 게시판·우리가 올린 글과 사진. 인류가 함께 쌓은 공유지가 빅테크 AI의 학습 재료로 빨려 들어간다. 그리고 우리는 그 AI를 구독료를 내고 빌려 쓴다. 내가 보탠 지식으로 만든 AI를, 내가 월세를 내고 쓰는 구조다.
질문은 하나다 — 임차인으로 남을 것인가, 공동 소유자가 될 것인가. 그 실천적 대답이 8장의 도메인 AI다.

데이터 — 네 번째 허구상품

폴라니는 상품이 아닌 것을 상품처럼 사고파는 일이 사회를 파괴한다고 봤다 — 토지(자연)·노동(인간)·화폐(사회의 약속). 21세기에 네 번째가 더해진다.

허구상품실제로 무엇20세기 운동21세기 응답
토지자연환경운동생태·농업
노동인간의 활동노동운동협동조합·사회연대경제
화폐사회의 구매력사회연대금융신용협동·로컬페이
데이터인간의 인지·관계·기억(미개척)연대지능 혁명

데이터는 추상적 숫자가 아니라 인간의 기억과 관계 그 자체다. 그것을 지키고 우리 것으로 만드는 일이 이 자료의 목적이다.

0장은 '왜'다. 1장부터는 '어떻게'를 다룬다 — 컴퓨터·네트워크·데이터·AI가 실제로 작동하는 방식을, 매장·생협·운동의 예시로 푼다.
1
기초

컴퓨터가 일하는 법

AI도, 매장 POS도, 우리가 만들 사이트도 결국 컴퓨터 한 대 위에서 돈다. 그 컴퓨터의 구성부터 본다.

하드웨어 · 소프트웨어 · 운영체제

하드웨어
만질 수 있는 몸. CPU(계산하는 칩)·메모리(RAM)·저장장치(SSD)·화면·입력장치. 현장: POS 단말기 본체 + 바코드 스캐너 + 영수증 프린터.
소프트웨어
형태 없는 일꾼. 하드웨어를 움직이는 명령어 묶음. 눈에 보이지 않는다. 현장: 바코드를 읽어 데이터베이스에 저장하는 POS 프로그램.
운영체제(OS)
자원을 배분하는 관리자. 부팅 시 가장 먼저 로드되어 하드웨어와 프로그램 사이에서 자원을 나눈다. 프로세스·메모리·파일·입출력·보안 다섯 가지를 관리한다. Windows·macOS·Linux(서버 표준). 현장: 품앗이 AI 서버도 Linux 위에서 돈다.
"운영체제는 인간 사회를 컴퓨터에 옮긴 것이다. 정부·법·세금·인프라가 사회의 자원을 배분·관리하듯, OS는 컴퓨터 세계에서 자원 배분·보안·질서를 담당한다."— 김성훈

파일·폴더, 그리고 '프로그램이 돈다'는 것

컴퓨터가 다루는 모든 것은 결국 파일(문서·사진·코드 한 덩어리)이고, 파일을 담는 단위가 폴더다.

프로그램 vs 프로세스
프로그램은 저장장치에 멈춰 있는 실행 파일이다. 이것을 실행해 메모리에 올라와 살아 움직이는 상태가 프로세스다. 악보가 프로그램이라면 연주가 프로세스에 해당한다.

터미널 — 글자로 직접 지시하는 창 terminal · CLI

평소에는 마우스로 아이콘을 누른다. 터미널은 그 대신 글자 명령으로 컴퓨터에 직접 지시하는 창이다.

활동가가 터미널을 쓰는 이유
AI 일꾼(3장)에게 일을 시키고 사이트를 세상에 내보내는(4장) 작업 대부분이 이 창에서 일어난다. 남이 만든 앱의 버튼 안에만 머무르지 않고 화면 뒤를 직접 다룬다는 뜻이다.
컴퓨터는 하드웨어(몸) 위에서 OS(관리자)가 자원을 배분하고, 그 위에서 프로그램(일꾼)이 프로세스로 돈다. 터미널은 그 일꾼에게 직접 말을 거는 창이다.
2
전체 그림

네트워크 — 우리가 연결되는 방식

이 장이 전체 지도다. 개별 용어를 외우기 전에 "사이트에 접속하면 무슨 일이 벌어지는가"의 흐름을 먼저 본다.

☁ 클라우드 — 이 모든 서버가 빌려 쓰는 데이터센터 위에서 돈다 (9장) 사용자 · 브라우저 프론트엔드(보는 쪽) 화면·버튼·글자 CLIENT 인터넷(길) IP · DNS · HTTP(S) 주소를 찾아 길을 감 NETWORK 서버 백엔드(일하는 쪽) 요청을 처리·계산 BACKEND 데이터 · AI 데이터베이스(5장) 온톨로지(7장)·모델(8장) DATA

📍 chat.solarshare.kr을 열면: ① 브라우저(프론트엔드)가 ② 인터넷 길을 통해 주소를 찾아 ③ 서버(백엔드)에 페이지를 요청하고, ④ 서버가 데이터·AI에서 답을 꺼내 다시 ③→②→① 순으로 화면에 돌려준다. 이 왕복이 1초 안에 끝난다.

클라이언트와 서버 client / server

클라이언트
요청하는 쪽. 내 폰·노트북의 브라우저. "이 화면을 달라"고 요청한다.
서버
응답하는 쪽. 어딘가의 컴퓨터(보통 Linux). 요청을 받아 처리하고 결과를 돌려준다. 실체: 데이터센터 랙에 꽂힌 얇은 컴퓨터. GCP에는 이것이 수천 대.
프론트 / 백
프론트엔드는 사용자가 보는 화면(클라이언트에서 작동), 백엔드는 화면 뒤에서 계산·저장을 맡는 서버 쪽. 둘은 인터넷으로 대화한다.

주소 찾기: IP · DNS · HTTP

IP 주소
인터넷에 연결된 모든 장치의 고유 번호(예: 123.45.67.89). 집집마다 붙은 번지수에 해당한다.
DNS
사람은 번지수(IP)를 외우지 못하므로 이름 ↔ 번지수 전화번호부가 필요하다. poomasi.org를 입력하면 DNS가 실제 IP로 변환한다.
HTTP(S)
브라우저와 서버가 대화하는 약속(규약). 뒤에 S가 붙으면(HTTPS) 내용이 암호화되어 중간에서 가로채도 읽지 못한다. 주소창 자물쇠 🔒가 그 표시다.
OSI 7계층 — 통신을 7단계로 나눈 표준
서로 다른 컴퓨터가 통신하는 과정을 7단계로 나눈 국제 표준 모델이다. 아래(물리)에서 위(응용)로 갈수록 사람에 가까워진다. 데이터를 보낼 때는 위에서 아래로 각 계층이 봉투를 덧씌우고(캡슐화), 받을 때는 아래에서 위로 봉투를 뜯는다(디캡슐화).
계층이름대표
7응용 ApplicationHTTP·DNS
4전송 TransportTCP·UDP
3네트워크 NetworkIP · 라우터
1물리 Physical랜선·광케이블
TCP vs UDP — 두 가지 택배
TCP는 등기우편이다. 수신을 확인하고, 빠지면 다시 보낸다. 느리지만 확실하다(웹·이메일·카드결제). UDP는 일반우편이다. 확인 없이 빠르게 보내고, 분실해도 재전송하지 않는다(영상 스트리밍·인터넷전화·DNS 조회).
김성훈의 비유: "버스에서 드라마를 보는데 지하 구간에서 영상이 끊긴다. 끊긴 0.5초는 다시 오지 않는다. 스트리밍이 UDP를 쓰는 이유다 — 조금 끊기는 편이 낫지, 재전송을 기다리면 더 어색해진다."

매장에 있는 그 공유기의 정체

가정·매장의 공유기(iptime 등) 하나는 사실 네 가지 기능을 한 몸에 합친 박스다.

기능하는 일
라우터바깥 인터넷과 매장 내부망 사이에서 패킷의 길을 정함
NAT공인 IP 하나를 POS·노트북·폰 여럿이 나눠 쓰도록 변환
DHCP새로 연결된 기기에 내부 주소(192.168.x.x)를 자동 발급
Wi-Fi(AP)무선 신호와 유선망을 잇는 다리
공인 IP vs 사설 IP
공인 IP는 인터넷 전체에서 통하는 진짜 주소, 사설 IP(192.168.x.x)는 매장 안에서만 통하는 내부 번호다. 전 세계 IPv4 주소가 약 43억 개뿐이라 부족하다. 그래서 NAT가 "공인 IP 하나 뒤에 내부 기기 여럿"을 두어 나눠 쓰게 한다.
네트워크는 이다. 브라우저(클라이언트)가 DNS로 주소를 찾아 HTTP(S)서버에 요청하고 답을 받는 왕복. 매장 공유기는 그 길의 첫 관문이다.
3
작업대

개발환경 — AI와 일하는 자리

지도에서 지금 여기 프론트엔드· 백엔드 인터넷 데이터·AI 직접 만드는 자리

2장 지도의 프론트엔드(화면)와 백엔드(서버)를 실제로 만드는 곳이 개발환경이다. 작업대에는 세 가지가 놓인다 — 에디터 · 터미널 · AI 일꾼.

에디터 — 코드를 쓰는 곳 VS Code

코드도 결국 글자다. 그 글을 쓰고 고치는 전용 도구가 에디터이고, 가장 널리 쓰는 것이 VS Code다. 문법을 색으로 구분하고 오류를 짚어 주는 작업용 편집기다.

CLI — 명령으로 일을 시킨다 command line interface

1장의 터미널 안에서 글자 명령으로 도구를 부리는 방식이 CLI(명령줄 인터페이스)다. 마우스로 버튼을 누르는 방식(GUI)의 반대편이다.

GUI (버튼식)

  • 아이콘·메뉴를 마우스로 조작
  • 직관적이나 제공된 기능에 한정
  • 반복 작업·자동화에 약함

CLI (명령식)

  • 글자 명령으로 직접 지시
  • 학습 곡선이 있으나 더 빠름
  • 반복·자동화에 강함

AI 일꾼 — Claude Code AI agent

단순 챗봇은 만 한다. 에이전트(일꾼)는 터미널을 쓰고, 파일을 고치고, 사이트를 배포하는 실제 작업을 수행한다. 품앗이의 '지미'가 이 Claude Code다.

챗 (대화형)

  • 질문에 답만 함
  • 직접 작업은 못 함

에이전트 (작업형)

  • 도구를 직접 사용
  • 파일 수정·배포까지 수행

하네스 — 같은 모델을 일꾼으로 만드는 틀 harness

핵심 개념이다. 하네스는 말에게 채우는 마구(馬具)처럼 AI 모델에게 일할 채비를 채워 주는 틀이다. 똑같은 모델이라도 하네스가 갖춰지면 일꾼이 되고, 없으면 대화에 그친다.

하네스 4요소무엇품앗이 예시
모델두뇌 (Claude·EXAONE 등)지미의 머리
도구손발 (터미널·파일·검색)배포·DB 조회
규칙일하는 원칙·금기지침 문서(CLAUDE.md)
지식참고할 우리 자료위키·매장 데이터
개발환경은 에디터(쓰는 곳) + 터미널/CLI(명령하는 곳) + AI 일꾼이다. 그 일꾼을 실제 일꾼으로 만드는 틀이 하네스(모델+도구+규칙+지식)다.
4
기록과 공개

버전관리와 배포

지도에서 지금 여기 프론트엔드 인터넷 백엔드 데이터·AI 만든 것을 세상에 내보내기

작업물을 안전하게 기록(버전관리)하고 세상에 내보내는(배포) 두 단계를 본다. 핵심은 모든 과정이 되돌릴 수 있다는 점이다.

Git — 되돌릴 수 있는 역사 version control

Git은 작업의 매 순간을 저장점으로 찍어 두는 도구다. 잘못되면 언제든 과거 상태로 되돌릴 수 있다. 그래서 변경을 두려워하지 않고 실험할 수 있게 한다.

커밋
지금까지의 작업을 한 지점으로 기록. "제출"이 아니라 "여기까지 했음"을 역사에 남기는 행위다.
되돌리기
실수해도 이전 커밋으로 복원한다. 그래서 Git을 쓰면 실험의 비용이 낮아진다.

GitHub — 함께 쌓는 원격 창고 remote repository

내 컴퓨터의 Git 기록을 인터넷 창고에 올려 두는 곳이 GitHub다. 혼자서는 백업이 되고, 여럿이서는 같은 작업을 나눠서 진행할 수 있다. 내 컴퓨터가 고장 나도 작업은 창고에 남는다.

배포 — 만든 것을 세상에 띄운다 deploy

내 컴퓨터에만 있던 사이트를 누구나 접속할 수 있도록 인터넷에 올리는 일이 배포다. 대표 도구가 Cloudflare Pages다. GitHub 창고에 올리면 자동으로 사이트가 떠서 wiki.poomasi.org 같은 주소로 공개된다.

정적 사이트 vs 동적 사이트
정적(static)은 미리 만들어 둔 페이지를 그대로 보여 준다. 빠르고 저렴하고 안전하다(위키·소개 페이지). 동적(dynamic)은 접속할 때마다 서버가 새로 만들어 준다. 로그인·검색·챗봇처럼 사람마다 다른 화면이 필요할 때 쓴다.
Git으로 기록(커밋)하고 GitHub 창고에 쌓은 뒤 배포로 세상에 띄운다. 모든 단계가 되돌릴 수 있다는 점이 이 구조의 핵심이다.
5
데이터

데이터와 데이터베이스

지도에서 지금 여기 프론트엔드 인터넷 백엔드 데이터·AI 지도의 오른쪽 끝 — 모든 것이 쌓이는 곳

0장에서 데이터는 "인간의 인지·관계·기억"이라 했다. 그 데이터가 실제로 어떤 모습으로, 어디에 쌓이는지 본다. 우리 AI(8장)의 재료가 바로 여기서 나온다.

DIKW — 데이터가 지혜가 되는 네 단계 data → information → knowledge → wisdom

같은 사실도 가공 단계에 따라 이름이 달라진다. 가공되지 않은 사실이 데이터고, 그 끝은 행동을 부르는 지혜다.

단계무엇매장 예시
데이터가공 전 사실·값"사과 3,000원" POS 기록 한 줄
정보의미·맥락이 붙음"5월에 사과가 가장 많이 팔렸다"
지식패턴·법칙"제철 과일은 판매량이 3배 오른다"
지혜판단·실천"다음 달 제철 과일 발주를 30% 늘린다"
"분석이 지식이라면, 활용이 지혜다. 지식(K)과 지혜(W)의 경계는 패턴을 발견하느냐, 실제로 결정하느냐다."— 김성훈

데이터의 세 가지 모습 structured / semi / unstructured

정형
행·열로 줄 맞춘 데이터. 칸이 고정돼 있다. 예: POS 판매 테이블, 엑셀 회원 명부.
반정형
이름표(키)는 있으나 칸은 고정 안 됨. 예: 영수증 JSON {"item":"사과","price":3000}, 서버 로그.
비정형
자유 형식. 빅데이터의 약 80%를 차지한다. 예: 매장 CCTV 영상, 고객 문자 "오늘 사과 싱싱하던데요".

데이터베이스 — 정형 데이터가 사는 집 table · row · column · key

데이터베이스(DB)는 데이터를 표(테이블) 형태로 정리해 두는 곳이다. 표의 구조부터 본다.

회원번호 (PK)이름가입일매장
20202···2023-04-01지족
20203···2023-04-02관저
행 (row)
가로 한 줄 = 한 건(조합원 한 명). '레코드'라고도 한다.
열 (column)
세로 한 칸 = 한 속성(이름·가입일 등). '필드'라고도 한다.
기본키 (PK)
각 행을 유일하게 구분하는 값(회원번호). 중복·빈칸 불가.

관계형 데이터베이스(RDB)는 여러 표를 키로 연결해 쓴다. 예를 들어 '조합원 표'와 '판매 표'를 회원번호로 이으면 "이 사람이 무엇을 샀나"를 따라갈 수 있다. 품앗이는 Supabase(PostgreSQL 기반 RDB)에 매장 데이터를 둔다.

SQL 한 입 — DB에게 말 거는 언어
SQL은 데이터베이스에 질문하고 지시하는 표준 언어다. 대표 동작 네 가지면 큰 그림이 잡힌다.
· SELECT 조회 — "지족점 5월 사과 판매를 보여줘"
· INSERT 추가 — "판매 한 건을 새로 넣어"
· UPDATE 수정 / DELETE 삭제
POS가 결제할 때마다 내부적으로 INSERT가 실행되어 Supabase에 한 행이 쌓인다.

암묵지 → 형식지 — 현장 경험을 데이터로 SECI

현장에는 글로 적히지 않은 지식이 많다. 베테랑의 진열 감각, 단골 응대, 농가와의 관계. 이것을 암묵지라 한다. 몸에 배어 있어 옆에서 봐야 배운다. 반대로 글·표·데이터로 꺼내 둔 것이 형식지다.

단계방향현장 예시
사회화암묵지 → 암묵지신입이 베테랑 옆에서 몸으로 배움
표출화암묵지 → 형식지노하우를 문서·위키로 적어 냄
연결화형식지 → 형식지문서를 모아 교육자료·데이터로 재조합
내면화형식지 → 암묵지자료로 배워 다시 몸에 익힘
"표출화(암묵지 → 형식지)가 품아이의 핵심이다. 매장의 암묵지를 형식지로 만드는 일."— 김성훈

형식지로 꺼낸 기록은 두 가지가 된다 — 조직의 자산이자, 우리 AI의 교과서다. 이 일을 돕는 도구가 위키(Obsidian으로 작성, Quartz로 사이트화)다.

데이터는 DIKW를 거쳐 지혜가 된다. 정형 데이터는 데이터베이스(표·행·열·키, 품앗이는 Supabase)에 쌓이고, 현장의 암묵지는 형식지로 꺼낼 때 비로소 조직 자산이자 AI의 재료가 된다.
6
AI가 읽는 지식

LLM 위키백과 — 위키를 AI의 교과서로

지도에서 지금 여기 프론트엔드 인터넷 백엔드 데이터·AI 기록을 AI가 읽게

5장에서 현장의 암묵지를 형식지(위키)로 꺼냈다. 그 위키는 사람만 읽는 것이 아니다. 이제 위키는 LLM(AI)이 읽고 배우는 교과서가 된다. 위키를 AI가 잘 읽도록 만드는 법을 본다.

사람용 위키 vs LLM이 읽는 위키

같은 위키라도 누가 읽느냐에 따라 잘 쓰는 법이 다르다. AI 시대의 위키는 두 독자를 함께 고려한다.

사람용 위키

  • 보기 좋은 편집·흐름
  • 맥락은 글로 풀어 설명
  • 그림·강조로 가독성

LLM이 읽는 위키

  • 한 문서에 한 주제
  • 제목·구조가 명확
  • 문서끼리 연결(백링크)
  • 군더더기 없는 사실 위주

핵심은 LLM 위키 개념이다 — 위키를 처음부터 "AI도 읽는다"는 전제로 정리하면, 사람에게도 더 명료하고 AI에게도 더 쓸모 있는 지식이 된다.

잘 읽히는 위키의 세 가지 원칙

한 주제
문서 하나에 개념 하나. 여러 주제가 섞이면 사람도 AI도 핵심을 놓친다. "조합원" 문서와 "출자금" 문서를 나눈다.
백링크
문서끼리 연결한다. 관련 개념을 링크로 이으면 고립된 섬이 아니라 연결된 지식 그물이 된다. AI는 이 연결을 따라 맥락을 모은다.
계층
핵심을 맨 앞에. 가장 중요한 것을 위(L1)에, 더 깊은 것은 포인터(L2)로, 상세는 따로(L3) 둔다. AI가 적은 분량으로 핵심부터 읽게 하는 구조다.
이 3계층(L1 핵심 · L2 포인터 · L3 상세) 방식은 품앗이의 AI 일꾼 '지미'가 매 작업에서 쓰는 컨텍스트 관리법이기도 하다 — 같은 지식을 절반의 분량으로 읽어 들인다.

graphify — 위키를 지식그래프로 knowledge graph

잘 정리된 위키는 한 걸음 더 나아간다. graphify는 위키 문서 전체를 자동으로 읽어 개념과 관계의 그래프로 바꾼다(7장의 지식그래프와 같은 형태).

무엇이 드러나나
어떤 개념이 핵심 허브인지, 멀리 떨어진 줄 알았던 두 주제가 실은 어떻게 이어지는지가 한눈에 보인다. 품앗이 위키(약 390개 노드)도 이렇게 지식그래프로 만들어 graph.poomasi.org에서 항해한다(비공개).

위키는 Obsidian으로 쓰고 Quartz로 사이트화하며, graphify로 그래프가 되고, 그 지식이 RAG(7장)를 통해 우리 도메인 AI의 근거가 된다. 현장의 기록 한 줄이 곧 우리 AI의 실력으로 돌아온다.

위키는 사람의 지식 정리이자 AI의 교과서다. 한 주제 · 백링크 · 계층으로 쓰면 AI가 잘 읽고, graphify로 지식그래프가 되며, RAG로 우리 AI의 근거가 된다. 잘 쓴 위키 한 편이 우리 AI를 키운다.
7
지식으로 엮기

온톨로지와 디지털 트윈

지도에서 지금 여기 프론트엔드 인터넷 백엔드 데이터·AI 흩어진 데이터를 의미로

5장의 데이터는 표 안에 흩어진 사실이다. 이 장은 그 사실을 의미와 관계로 엮어 지식으로 키우는 두 방법을 본다 — 온톨로지와 디지털 트윈. 둘 다 품앗이에서 실제로 돌고 있다.

온톨로지 — 지식의 뼈대 ontology · knowledge graph

온톨로지는 한 분야의 개념과 그 사이의 관계를 정의한 지도다. 표가 "값"을 담는다면, 온톨로지는 "이것은 무엇이고 무엇과 어떤 관계인가"를 담는다.

표 vs 온톨로지
표: 생산자=한누리, 품목=사과 (값의 나열).
온톨로지: 한누리(생산자) —[공급한다]→ 사과(품목) —[속한다]→ 과일(분류). 개념을 점으로, 관계를 선으로 이은 그물이라 지식그래프라 부른다.

관계를 정해 두면 사람이 적지 않은 사실도 컴퓨터가 추론한다. "사과는 과일이고, 과일은 농산물이다"를 넣으면 "사과는 농산물이다"를 묻지 않아도 안다. 품앗이는 GraphDB라는 도구에 이 그물을 저장한다.

디지털 트윈 — 현실의 데이터 쌍둥이 digital twin

디지털 트윈은 현실의 대상을 데이터로 똑같이 만든 쌍둥이다. 현실이 바뀌면 쌍둥이도 바뀌고, 쌍둥이를 들여다보며 현실을 분석한다.

품앗이생협 디지털 트윈
매장·조합원·생산자·거래·재무·자동화를 모두 노드와 관계로 옮겨, 화면에서 클릭하며 항해할 수 있게 만든 것. "이 생산자가 누구에게 얼마나 팔았나", "이 거래가 어느 자동화의 산물인가"를 따라간다. twin.poomasi.org에서 돌고 있다(비공개).

온톨로지가 트윈의 설계도이고, 5장의 데이터베이스가 트윈을 채우는 재료다. 셋은 한 줄로 이어진다 — 데이터(5장) → 온톨로지로 의미 부여 → 디지털 트윈으로 항해.

RAG — 우리 문서로 답하는 AI retrieval-augmented generation

일반 AI는 인터넷 전체로 배운 일반론을 답한다. RAG는 답하기 전에 우리 문서고를 먼저 검색해, 거기서 찾은 근거로 답을 만든다.

작동 순서
질문 → 우리 위키·데이터에서 관련 문서 검색 → 그 근거를 붙여 AI가 답변. 그래서 "일반 AI"가 아니라 "우리 현장을 아는 AI"가 된다. 출처가 우리 자료라 근거를 댈 수 있다.

5장에서 형식지로 꺼낸 위키 기록이 여기서 AI의 근거가 된다. 현장 기록이 곧 AI의 실력으로 돌아오는 고리다.

세 도구는 서로를 보완한다

지식을 다루는 세 도구는 경쟁이 아니라 역할이 다르다.

도구강점비유
온톨로지(GraphDB)형식 추론 — 규칙으로 새 사실을 끌어냄논리의 뼈대
지식그래프(graphify)개념 발견 — 흩어진 글에서 연결을 찾음발견의 그물
위키서사 — 맥락과 철학을 사람의 말로이야기책
온톨로지는 데이터를 개념·관계로 엮은 지식의 뼈대이고, 디지털 트윈은 그것으로 현실을 복제한 쌍둥이다. RAG는 우리 문서를 근거로 답하는 AI다. 셋 다 8장 "우리만의 AI"의 부품이 된다.
8
귀결점

도메인 AI — 우리만의 AI

지도에서 지금 여기 프론트엔드· 백엔드· 데이터·AI 1~7장을 합친 자리

여기가 1장부터 올라온 길의 도착점이다. 컴퓨터·네트워크·개발환경·데이터·위키·온톨로지를 모아 "우리만의 AI"를 만든다. 0장의 질문 — 임차인인가 공동 소유자인가 — 에 대한 실천적 대답이다.

범용 AI vs 도메인 AI

범용 AI

  • 모든 주제를 조금씩
  • 빅테크 소유, 구독해 사용
  • 우리 현장은 모름
  • 예: 일반 챗봇

도메인 AI

  • 한 분야를 깊이
  • 우리가 만들고 통제
  • 우리 데이터·맥락을 앎
  • 예: 품아이·품에·코아이

도메인(domain)은 "분야·영역"이라는 뜻이다. 로컬푸드, 재생에너지, 주민운동처럼 우리가 깊이 아는 영역에 특화된 AI가 도메인 AI다. 범용 AI가 만물박사라면, 도메인 AI는 한 분야의 전문가다.

우리 지식을 AI에 넣는 두 길 RAG vs fine-tuning

우리 현장 지식을 AI에 담는 방법은 크게 둘이다. 둘은 대체재가 아니라 함께 쓴다.

RAG (검색·참고)

  • 답할 때마다 우리 문서를 찾아봄
  • 모델은 그대로, 문서만 갱신
  • 최신 자료 즉시 반영
  • 출처를 댈 수 있음

파인튜닝 (학습)

  • 모델 자체에 우리 지식을 새김
  • 한 번 학습하면 체화됨
  • 말투·전문성까지 익힘
  • 학습에 비용·장비 필요
비유
RAG는 책상에 자료집을 펴 놓고 찾아가며 답하는 방식, 파인튜닝은 공부해서 머릿속에 넣어 두는 방식이다. 급한 최신 정보는 RAG로, 몸에 밴 전문성은 파인튜닝으로 — 둘을 겸한다.
LoRA · EXAONE — 파인튜닝을 현실적으로
큰 모델을 통째로 다시 학습하려면 막대한 장비가 든다. LoRA는 모델 전체가 아니라 일부 작은 부품만 덧붙여 학습하는 방법이라, 적은 자원으로 우리 지식을 새길 수 있다. EXAONE은 LG가 공개한 한국어 모델로, 품앗이가 이 방식으로 양육(파인튜닝)하는 토대다.

도메인 AI를 우리 것으로 — 다섯 갈래

도메인 AI는 기술이기 이전에 운동의 실천이다. "빌려 쓰는 AI"에서 "함께 소유하는 AI"로 가는 다섯 갈래다.

갈래
지능 공유지 회복빅테크에 빨려간 공동의 지식을 우리 쪽으로 되찾음
도메인 양육임차에서 짓기로 — 우리 데이터로 우리 모델을 키움
데이터 협동조합데이터의 주인이 함께 모여 공동으로 관리·결정
연합학습 · 로컬추론데이터를 한곳에 모으지 않고 각자 자리에서 학습·실행
오픈소스 접속Linux·공개 모델·위키 등 공유 자원 위에 올라탐

우리가 키우는 도메인 AI

이름도메인역할
품아이로컬라이프(직매장)매장·조합원 현장을 아는 AI
품에시민재생에너지햇빛·바람·물 에너지 전환을 돕는 AI
코아이주민운동(CO방법론)트레이너의 강의안을 정본으로 받쳐 주는 AI
도메인 AI는 우리 분야에 특화된, 우리가 만들고 통제하는 AI다. RAG(검색·참고)와 파인튜닝(학습)으로 우리 지식을 담고, 다섯 갈래로 공동 소유에 다가간다. 0장의 질문에 대한 대답 — 우리는 임차인이 아니라 공동 소유자가 된다.
9
토대

클라우드와 보안

지도에서 지금 여기 프론트엔드· 인터넷· 백엔드· 데이터·AI 이 모든 것을 떠받치는 바닥

지도 맨 아래에서 모든 서버를 떠받치던 바닥이 클라우드다. 그 위에서 데이터를 어떻게 지키고(보안), 무엇보다 어디에 둘 것인가(데이터 주권)로 이 자료를 닫는다.

클라우드 — 빌려 쓴다는 것 IaaS · PaaS · SaaS

클라우드는 서버·저장소·소프트웨어를 사지 않고 인터넷으로 빌려 쓰는 방식이다. 얼마나 통째로 빌리느냐에 따라 세 단계로 나뉜다.

형태무엇을 빌리나비유예시
IaaS서버·저장소 (인프라)빈 건물 임대 — 인테리어는 직접GCP Compute Engine
PaaS개발·실행 환경(플랫폼)인테리어된 사무실 — 업무만App Engine
SaaS완성된 소프트웨어호텔 — 그냥 사용Gmail·Notion·Slack

품앗이 AI 서버는 GCP(IaaS)를 빌려 그 위에 Linux를 얹어 운영한다. 빌리는 만큼 빠르고 싸지만, 내 데이터가 남의 컴퓨터 위에 있다는 뜻이기도 하다 — 이 점이 마지막 주제로 이어진다.

보안의 세 기둥 — CIA confidentiality · integrity · availability

정보보안은 세 가지를 지키는 일이다. 약자 CIA로 묶어 부른다(정보기관과 무관).

기밀성
허락된 사람만 본다. 예: 조합원 개인정보는 사무국 직원만 열람. 수단: 암호화·접근통제.
무결성
함부로 바뀌지 않는다. 예: POS 판매 기록이 해킹으로 조작되지 않음. 수단: 해시·전자서명.
가용성
필요할 때 작동한다. 예: 영업 중 POS가 멈추지 않음. 수단: 이중화·백업.
암호화 — 자물쇠를 채운다는 것
데이터를 읽을 수 없는 형태로 바꿔 비인가자를 막는 것이다. 2장의 HTTPS가 바로 이 암호화(TLS)를 통신에 적용한 사례다. 가로채도 내용이 봉투 안에 잠겨 있어 읽지 못한다.

데이터 주권 — 어디에 둘 것인가

클라우드는 편하지만, 결국 남의 컴퓨터다. 우리 데이터가 어느 회사의 서버에 있고, 그 회사가 규칙을 바꾸거나 서비스를 닫으면 우리는 휘둘린다. 0장의 "지능 무산자"가 데이터 층위에서 반복되는 지점이다.

주권의 정도
완전한 데이터 주권은 우리가 직접 운영하는 서버(self-host)에 둘 때 성립한다. 현실에서는 비용·역량을 따져 단계적으로 간다 — 무엇을 남에게 맡기고, 무엇을 끝까지 우리가 쥘지를 스스로 판단하는 것 자체가 주권의 시작이다.
클라우드는 빌려 쓰는 토대(IaaS·PaaS·SaaS)이고, 보안은 기밀성·무결성·가용성을 지키는 일이다. 그러나 가장 큰 질문은 기술이 아니다 — 우리 데이터를 어디에, 누구의 손에 둘 것인가. 이 자료의 처음(연대지능)과 끝(데이터 주권)은 같은 곳을 가리킨다.

한 바퀴를 돌아

컴퓨터(1) 위에서 네트워크(2)로 연결하고, 개발환경(3)에서 만들어 배포(4)한다. 현장은 데이터(5)로 쌓여 AI가 읽는 위키(6)가 되고, 온톨로지·트윈(7)으로 의미가 되어, 도메인 AI(8)로 우리 손에 돌아온다. 그 모든 것이 클라우드(9) 위에서 돈다. — 임차인이 아니라 공동 소유자로.

더 깊이, 손으로

워크숍·실습 자료

이 지도가 개념을 훑었다면, 아래는 직접 손을 움직여 만드는 워크숍 실습 자료다. 바이브코딩부터 하네스·위키·배포·자동화까지, 손에 남는 자산을 만드는 순서대로 정리했다.

바이브코딩 개요

AI와 함께 코드를 짜는 바이브코딩의 전체 흐름을 지도 한 장으로.

딸깍을 넘어(2부)

명령 한 번으로 만드는 걸 넘어, 하네스와 스스로 도는 루프까지.

하네스 엔지니어링

AI에게 지시문·기억·도구·검증이라는 작업장을 직접 지어보는 실습.

현장에서 위키까지

현장의 기록을 위키로 옮겨, 나와 AI가 함께 읽는 지식으로 만드는 법.

배포 흐름 개념도

만든 사이트를 인터넷에 실제로 올리는 배포 과정 한 장 정리.

자동화 M6

발주·폐기·마감처럼 반복되는 현장 일을, 스스로 도는 코드 한 개로.

손에 남는 다섯 자산

워크숍이 끝나면 손에 남는 다섯 개 — 레포·위키·DB·사이트·자동화.

워크숍 전, 계정 네 개

미리 만들어 올 계정 네 개와 순서. 당일 실습 시간을 아낀다.