세컨드 브레인 vs AI 메모리 레이어: 정말 달라진 건 무엇일까

원래 아이디어는 소프트웨어가 아니라 방법론이에요. 티아고 포르테(Tiago Forte)가 정리한 수집, 정리, 증류, 표현은 내가 직접 실천하는 습관을 말하고, 앱은 그 습관을 실천하는 무대일 뿐이에요. Notion, Obsidian, Roam, Logseq와 그 뒤를 이은 앱들은 모두 이 습관을 담는 그릇이에요.

이 방식을 정의하는 특성은 세 가지예요.

• 인덱싱은 내가 해요. 직접 입력하고, 태그를 달고, 링크를 걸고, 분류할 때 비로소 시스템에 가치가 생겨요. 저절로 들어오는 건 없어요.
• 구조는 내가 설계해요. 폴더, 태그, 백링크, 데이터베이스는 내가 그렇게 만들었기 때문에 존재해요. 그래프는 내 노력의 결과물이에요.
• 검색은 길 찾기예요. 대략 어디에 뒀는지 기억해 내거나, 내가 쓴 텍스트를 검색해서 찾아요.

이건 비판이 아니에요. 잘 가꾼 볼트는 정말 강력한 도구이고, 이 방식을 아끼는 사람들이 틀린 것도 아니에요. 다만 세 가지 특성 모두 기록하는 순간에 사람이 개입한다는 전제를 깔고 있어요. AI 메모리 레이어가 버리는 게 바로 그 전제예요.

메모리 레이어는 이 세 가지를 모두 뒤집어요.

• 인덱싱은 시스템이 해요. 콘텐츠는 들어오는 즉시 처리돼요. 내가 아무것도 쓰지 않아도 스크립트 변환, 분할, 임베딩, 엔티티 추출이 이뤄져요.
• 구조는 자동으로 도출돼요. 링크는 내가 연결하기로 해서가 아니라, 항목 사이의 의미적 유사도에서 생겨나요.
• 검색은 의미 기반이고, 앱 바깥에서도 이뤄져요. 답을 찾아 헤매지 않아요. 모델이 코퍼스에 질문하고 관련 구절을 돌려받는데, 그 모델이 꼭 데이터를 저장한 앱 안에 있을 필요는 없어요.

핵심은 이 마지막 문장이에요. 세컨드 브레인 시스템은 목적지예요. 내가 찾아가요. 메모리 레이어는 의존성이에요. 다른 도구들이 불러 써요.

BrainTube를 예로 들면, 이 파이프라인은 저장된 항목마다 구조화된 JSON, 3~5개의 쿼리 인덱스 변형, 엔티티 추출, 임베딩 모델로 만든 768차원 임베딩을 저장 시점에 생성해요. 따로 분류하는 단계는 없어요. 지식 그래프는 관계형 Postgres로 되어 있고, 자동 링커가 코사인 유사도 0.5를 넘는 항목 사이에 엣지를 만들어요(엣지 상한은 20개). 검색할 때는 그 그래프 위에서 Personalized PageRank를 돌려요. 이 엣지 중 어느 것도 내가 그리지 않았어요. 바로 그게 핵심이에요.

여섯 가지 기준에서 둘은 하나도 빠짐없이 갈려요.

진단 질문을 하나만 꼽자면 이거예요. 내가 고르지 않은 AI도 이 코퍼스를 읽을 수 있나요? 아니라면, 아무리 정교해도 그건 세컨드 브레인 시스템이에요. 그렇다면 메모리 레이어예요.

프로토콜은 생각보다 훨씬 중요해요. Model Context Protocol은 '아무 어시스턴트나 개인 코퍼스에 어떻게 접근할 수 있을까'라는 질문에 지금 나와 있는 답이에요. 내 앱만 읽을 수 있는 코퍼스와, 앞으로 도입할 모든 도구가 읽을 수 있는 코퍼스를 가르는 게 바로 이 프로토콜이에요. 작동 방식은 MCP 메모리 서버란 무엇인가에서 따로 다뤘어요.

이 카테고리가 한물갔다고 선언하기는 쉽지만, 사실이 아니에요. 메모리 레이어가 잘 못하거나 아예 못하는 일이 네 가지 있어요.

• 쓰면서 생각하기. 노트를 쓰는 행위 자체가 인지 작업이에요. 자동 수집은 내가 소비한 것을 검색할 수 있는 기록으로 남겨 주지만, 그걸 내 말로 다시 풀어 쓸 때 생기는 이해까지 주지는 않아요. 목표가 생각하는 것이라면, 그 마찰이 곧 기능이에요.
• 직접 만든 구조에는 판단이 담겨요. 두 아이디어가 함께 있어야 한다고 결정할 때, 유사도 점수로는 재현할 수 없는 주장을 기록하는 셈이에요. 자동 엣지는 서로 닮은 것을 찾아요. 사람이 만든 엣지는 서로에게 중요한 것을 찾아요.
• 프로젝트 워크스페이스. Notion의 데이터베이스 모델은 팀, 출시, 강의 계획을 운영하기에 정말 훌륭해요. 메모리 레이어는 워크스페이스가 아니고, 그런 척해서도 안 돼요. 구체적인 장단점은 BrainTube vs Notion에서 비교했어요.
• 파일을 온전히 소유하기. 내 디스크에 평범한 Markdown 파일로 저장하는 Obsidian의 방식은 여전히 이 카테고리에서 가장 강력한 소유권 보장이에요. 우리를 포함해 어떤 호스팅형 시스템도 구조상 이보다 약한 약속밖에 할 수 없어요. 분명한 비용이고, 짚고 넘어갈 만해요. BrainTube vs Obsidian을 참고하세요.

• 소비의 공백. 생각을 만드는 재료의 대부분은 영상, 오디오, 긴 글로 들어오고, 우리는 그걸 따로 정리해 두지 않아요. 세컨드 브레인 시스템은 정리할 기운이 남아 있던 일부만 담아요. 메모리 레이어는 나머지를 담아요. YouTube 스크립트, 팟캐스트, 기사, PDF와 EPUB, 회의 녹음, 스크린샷까지요. 수집하는 데 아무런 결정도 필요 없기 때문이에요.
• 모델 이식성. 이게 구조적인 논거예요. 모델은 몇 달마다 바뀌어요. 한 회사의 어시스턴트에 묶인 코퍼스는 그 회사가 계속 앞서 나간다는 데 거는 베팅인데, 2년 연속 앞서 나간 곳은 아직 없어요. 개방형 프로토콜 뒤에 있는 코퍼스는 이런 변화 속에서도 살아남아요. 더 긴 이야기는 여러 도구에서 이어지는 AI 메모리에 썼어요.
• 기억하지 않아도 되는 검색. 길 찾기식 검색은 뭔가를 찾으려면 먼저 그걸 기억하고 있어야 해요. 의미 기반 검색은 그렇지 않아요. 저장한 영상 400개 중 어느 것이 특정 논거를 언급했는지 기억나지 않을 때, '대충 어디에 뒀더라'는 쓸 수 있는 전략이 아니에요.
• 기억 유지라는 별도의 문제. 저장은 기억이 아니에요. BrainTube는 저장한 항목에 FSRS 간격 반복을 적용해서, 자료가 보관함에 묻혀 있지 않고 정해진 일정에 따라 다시 떠오르게 해요. 볼트는 무엇이든 영원히 보관하지만, 그걸 한 번도 다시 꺼내 주지는 않아요.

솔직하게 말한 판단 기준이에요.

세컨드 브레인 시스템이 맞는 경우: 병목이 생각하는 데 있고, 들어오는 재료가 주로 직접 쓰는 것이며, 구조를 가꾸는 일 자체를 즐기고, 파일 단위 소유권은 절대 양보할 수 없다면요.

메모리 레이어가 맞는 경우: 병목이 찾는 데 있고, 들어오는 재료가 주로 소비하는 것이며, 볼트를 만들었다가 방치한 경험이 있고, 앞으로 2년 안에 AI 도구를 한 번 이상 바꿀 것 같다면요.

둘 다 쓰는 게 맞는 경우: 사실 현실에서 가장 흔한 답이에요. 볼트에 글을 쓰면서, 소비한 기록도 그 옆에서 질문할 수 있길 원한다면요. 둘은 함께 쓸 수 있어요. 메모리 레이어는 들어오는 것을 담고, 볼트는 생각을 담아요. 서로 배타적인 부분은 하나도 없어요. 지난 5년의 실패는 한 제품이 둘 다 해내야 한다고 우겼던 데 있었어요.

우리는 세컨드 브레인 앱이 아니고, 그렇게 내세우지도 않아요. BrainTube는 메모리 레이어예요. 보고 읽은 것을 어떤 AI든 쓸 수 있는 지식 베이스로 엮어 주고, Claude, ChatGPT, Cursor를 비롯해 MCP를 지원하는 모든 도구에서 접근할 수 있어요. 한 번 저장하고, 어디서든 물어보세요.

구체적으로, 그리고 실제로 만들어진 것만 말하면 이래요. YouTube, 기사, PDF와 EPUB, Notion, 팟캐스트와 오디오, 회의 녹음, 스크린샷, 소셜 게시물을 자동으로 수집해요. 항목마다 구조화된 정보를 추출하고 768차원 임베딩을 만들어요. 엣지가 자동으로 생기는 관계형 지식 그래프와 PageRank 기반 검색이 있어요. 잊기 전에 다시 꺼내 주는 FSRS 간격 반복이 있어요. 클릭 한 번으로 저장하는 Chrome 사이드 패널이 있어요. 외부 모델이 코퍼스에 직접 질문할 수 있는 MCP 서버도 있어요.

여기서 사용자 수 같은 숫자는 내세우지 않아요. 인상적으로 보이기보다 검증할 수 있는 쪽을 택하고 싶어서예요. 세컨드 브레인 앱 17개 해부기에서 이 카테고리에 요구한 기준, 즉 자동 수집과 개방형 프로토콜을 통한 이식성은 우리에게도 그대로 적용돼요. 언젠가 우리가 슬그머니 코퍼스를 자체 채팅 화면 안에 가둔다면, 그 글이 우리를 반박하는 근거가 될 거예요. 지금의 제품들이 이 기준에 얼마나 부합하는지는 최고의 세컨드 브레인 앱 정리 글에서 확인해 보세요.

메모리 레이어 쪽이 필요하다고 판단했다면, ChatGPT와 Claude를 위한 최고의 AI 메모리 도구를 기본 내장 메모리와 MCP 기반 메모리로 나눠 나란히 비교해 뒀어요.