일하는 ai

03. Rowboat 그래프

6 min read

-

핵심 요약: Rowboat는 이메일/회의노트 같은 업무 데이터를 로컬 Markdown 기반으로 누적해 지식 그래프 기억으로 관리하고, 이를 바탕으로 브리프/문서/메일 생성을 자동화하는 오픈소스 도구다. 포인트는 “검색형 AI”가 아니라 “시간이 지날수록 맥락을 축적하는 AI 동료”라는 점이며, 도입 성패는 설치보다 기억 품질 운영 규칙에 달려 있다.

flowchart TD
    A[이메일·회의노트 유입] --> B[엔티티 추출: 사람/프로젝트/결정/액션]
    B --> C[지식 그래프 누적 저장]
    C --> D[브리프/메일/로드맵 자동 생성]
    D --> E[사람 검토]
    E --> F[승인 시 Write-back]
    F --> C

1) Rowboat가 주목받는 이유

  • 기존 업무 AI는 질문할 때마다 문서 조각을 다시 붙여 맥락을 복원한다.
  • Rowboat는 관계(누가/무엇을/왜/언제)를 그래프로 누적해 “설명 재시작 비용”을 줄인다.
  • 기억 저장소가 벤더 락인이 아닌 Markdown(vault)이라 열람/수정/감사가 가능하다.

2) RAG 중심 업무 AI와의 차이 (실무 관점)

  • RAG 강점: 최신 문서 검색/요약이 빠름
  • 한계: 관계와 결정 맥락을 매번 재조립해야 함
  • Rowboat 강점: 관계 중심 메모리로 장기 맥락 유지
  • 주의점: 관계가 잘못 기록되면 오염이 누적될 수 있음

한 줄 비교:

  • RAG = “문서 찾기”
  • 그래프 메모리 = “업무 관계 기억”

3) 실제 활용 시나리오

  1. 회의 전 1장 브리프 자동 생성
    • 상대와의 과거 결정/미결 이슈/최근 액션 아이템 요약
  2. 다음 분기 로드맵 초안 생성
    • 과거 합의사항과 리스크를 반영한 일관된 문서 생성
  3. 정기 업데이트 자동화
    • 프로젝트별 상태 요약을 주간 템플릿으로 자동 작성
  4. 신규 합류자 온보딩
    • 프로젝트 히스토리를 관계 중심으로 빠르게 전달

4) 도입할 때 반드시 넣어야 할 운영 규칙

4-1) 기록 타입 분리 (필수)

  • 결정(DECISION)
  • 가정(ASSUMPTION)
  • 미결(OPEN)
  • 액션(ACTION)

같은 문단에 섞지 말고 태그/템플릿으로 분리해야 그래프 오염이 줄어든다.

4-2) Write-back 가드레일

  • 자동 기록 전 사람 검토 단계 필수
  • “중요 의사결정”은 2인 검토 권장
  • 원문 링크(근거) 없는 기록은 확정 금지

4-3) 주간 정비 루틴

  • 중복 엔티티 병합(예: 회사명 표기 다름)
  • 종료된 액션 상태 갱신
  • 오래된 가정(ASSUMPTION) 정리

5) 2주 파일럿 운영안 (작게 시작)

1주차

  • 데이터 소스 2개만 연결(이메일 + 회의노트)
  • 사람/프로젝트/결정 최소 스키마 확정
  • 회의 브리프 자동생성 1개 팀에서 테스트

2주차

  • 주간 업데이트 자동 초안 도입
  • 오탐/오기억 사례 수집
  • 검토 규칙 보강 후 적용 범위 확대 여부 결정

성과 측정 KPI 예시:

  • 회의 준비 시간(분)
  • “과거 맥락 재설명” 빈도
  • 브리프 초안→최종본 수정량

6) 우리 환경(OpenClaw)에서의 적용 포인트

  • OpenClaw + NotebookLM + 콘텐츠 파이프라인에 Rowboat형 메모리 레이어를 얹으면,
    • 검색/요약 + 관계기억 + 자동작성의 3단 구성이 가능해진다.
  • 권장 우선순위:
    1. 결정/미결 기록 표준 먼저
    2. 브리프 자동생성부터 적용
    3. 발행/외부 공유는 사람 승인 후

7) 결론

Rowboat의 본질은 “지식 그래프 기술” 자체보다, 내 데이터 소유(로컬/Markdown) + 장기 기억 운영 + 자동화 연결이라는 운영 철학이다. 설치는 시작일 뿐이고, 실제 ROI는 기록 규칙·검토 루프·정비 루틴을 얼마나 일관되게 돌리느냐에서 나온다.

참고 링크

그래프 뷰

백링크