
온톨로지맵 글을 읽은 분들께 가장 많이 받은 요청은 하나였습니다 — “템플릿 주세요.” 그래서 만들었습니다. 아래에서 그대로 복사해 30분 안에 채우는 5칸짜리 ‘나의 AI 좌표계’입니다. 기업 워크숍 현장에서 반복 검증된 작성 순서와 흔한 실수까지 함께 담았습니다.
① 온톨로지맵 = AI에게 나를 가르치는 지도 — 회사 DNA · 내 직무 · 현장 용어 · 데이터 소스 · 안전 원칙의 5칸이면 충분합니다.
② 본문의 마크다운 템플릿을 복사해 채우고, AI의 시스템프롬프트(사용자 지침)에 등록하면 끝 — 등록 전/후 같은 질문으로 효과를 직접 확인하세요.
③ 완벽하게 쓰려 하지 마세요 — v0.1로 시작해 분기마다 갱신하는 살아있는 문서가 정답입니다.
왜 지도인가 — AI는 내 맥락을 모른다
AI가 내놓는 답이 어딘가 겉도는 이유는 대부분 하나입니다. AI는 똑똑하지만 내가 어느 회사에서, 무슨 일을, 어떤 말로 하는지 모릅니다. 그래서 일반론을 줍니다 — 정확하지만 쓸모없는 답을요.
온톨로지맵은 그 간극을 메우는 한 장의 지도입니다. 기업 워크숍에서 이 지도를 만들어 AI에 등록하고 등록 전/후 같은 질문을 던지는 실습을 하면, 매번 같은 장면이 나옵니다 — 일반론이 사라지고 우리 회사 말로 답하기 시작합니다. 보험사(신한EZ 편)·자동차(현대모비스 편)·보안(SK쉴더스 편) 현장에서 반복 검증된 체인입니다.
복사해서 쓰세요 — 5칸 템플릿 전문
아래 박스를 클릭하면 전체가 선택됩니다. 복사해서 메모장·노트 앱에 붙여 넣고 채우세요. [대괄호]는 여러분이 채울 빈칸이고, “예:”는 참고용 예시일 뿐 답이 아닙니다.
# 나의 온톨로지맵 v0.1
작성: [이름 · 직무] · [날짜] · 다음 갱신: [3개월 뒤]
## 1. 회사 DNA — 우리 회사는 무엇으로 가치를 만드는가
- 회사 한 줄: [예: OO 산업의 △△ 문제를 해결하는 회사]
- 가치사슬: [예: 영업 → 설계 → 구축 → 운영 → 유지보수]
- 지금 회사에서 뜨거운 주제 3가지:
1. [ ]
2. [ ]
3. [ ]
## 2. 내 직무 — 나는 그 사슬의 어디에 서 있는가
- 역할 한 줄: [예: △△ 단계에서 □□를 책임지는 PM]
- 내가 만드는 대표 산출물 5가지: [ ]
- 내 이해관계자: 보고 [ ] · 협업 [ ] · 고객 [ ]
- 내 시간을 가장 많이 먹는 일 3가지: [ ]
## 3. 현장 용어 사전 — AI가 뭉개면 안 되는 우리 말 10개
| 용어 | 뜻 (한 줄) | AI가 흔히 잘못 쓰는 표현 |
|---|---|---|
| [예: 보상] | [보험금 지급 심사·처리] | [잘못: "클레임 처리"로 평탄화] |
| [ ] | [ ] | [ ] |
(10개까지 — 약어는 풀네임 병기)
## 4. 데이터 소스 지도 — 내 AI가 읽을 자료
- 넣을 것: [예: 내가 쓴 보고서 10건 · 표준 문서 · 회의록 템플릿]
- 절대 넣지 않을 것: [고객 실데이터 · 개인정보 · 내부망 자료 · 미공개 계약]
## 5. 안전 원칙 — 사람이 확정하는 지점
- AI가 초안까지만, 내가 확정하는 일: [예: 대외 발송 · 금액 · 평가]
- 모르는 값의 규칙: 지어내지 말고 [확인 필요]로 비워 둘 것
- 출처 규칙: 내 자료에서 답할 때는 반드시 출처(파일명) 표기
30분 작성 순서 — 그리고 흔한 실수 5가지
| 실수 | 교정 |
|---|---|
| 완벽한 v1.0을 노린다 | v0.1로 시작 — 지도는 살아있는 문서, 분기마다 갱신 |
| 회사 소개서처럼 길게 쓴다 | 칸당 한 줄 — 좌표만 있으면 AI가 나머지를 묻는다 |
| 용어 사전을 건너뛴다 | 현장 용어가 없으면 AI는 일반 PM 용어로 평탄화한다 |
| 예시를 그대로 베낀다 | 예시는 형식 참고용 — 내 것이 아니면 효과도 없다 |
| 안전 원칙(5번)을 장식으로 둔다 | “확정은 사람”(HITL) 목록이 실제 업무 경계 — 구체적으로 |
붙여 넣고, 전/후를 비교하라
완성한 지도는 쓰는 곳이 두 군데입니다. ① 대형언어모델(LLM)의 시스템프롬프트(사용자 지침·프로젝트 지시)에 전문을 붙여 넣으면 모든 대화에 기본 적용됩니다. ② 개인 지식베이스(RAG)의 첫 문서로 저장하면 검색의 뼈대가 됩니다 — 형식이 마크다운인 이유입니다(구글의 ‘AI가 읽는 지식’ 표준 OKF와 같은 계열).
이 지도는 나의 Agent 비서(블록 12종)의 기초 공사이기도 합니다 — 비서의 7-스키마 중 1번(페르소나)·2번(자료 계약)·7번(안전)이 바로 이 지도에서 나옵니다. 지도 없이 비서부터 만들면, 유능하지만 우리 회사를 모르는 비서가 됩니다.
지도를 채웠다면, 다음 단계
- M-1 Agentic PM 시리즈 진입 가이드 — 전체를 한 장으로
- Z-1 실록(Sillok) — 5세기 Audit-Grade 거버넌스를 LLM 운영에 빌려온 한국형 LLMOS 하네스
- Z-2 실록(Sillok) 2026 상반기 결산 — RAG·고객사·지능화 루프·오픈소스
- Z-3 하네스×RAG 기업 컨설팅 — 네 현장·환각 방지·TOP10 자가진단·진화 루프
- Z-4 하네스 엔지니어링 백서 — Weng 하네스론×실록 구조 매핑·자기개선 루프·정직한 결산
- Z-5 에이전트 스킬 수명주기 백서 — Dynamic Agent Skills 8단×실록 매핑(7 온전+1 갭)·분기 12문항 레퍼런스·PO/PM/PL 컨설팅 직역
- K-1 Agentic 시대, PM의 온톨로지맵 — Obsidian을 통해 나만의 RAG를 만드는 법
- K-2 Karpathy의 LLM과 Obsidian 지식 결합
- K-3 Karpathy의 autoresearch: PM에서의 적용 사례
- K-5 Karpathy LLM OS 시각으로 본 AX PM/PL 역량 — Claude Code 소스 교차 분석
- K-6 30시간 RAG 실측 — Karpathy llm-wiki vs obsidian-vault 양강 비교
- K-7 구글 OKF·Obsidian Vault·llm-wiki — 무엇을 어떻게 시작할까
- K-8 Obsidian × LLM 4만 노트 — 개인 RAG 최종 아키텍처 5층
- K-9 PM 온톨로지맵 템플릿 배포판 — 30분에 채우는 5칸
- P-0 7인의 사고 체계 종합 프레임워크
- P-1 Karpathy: 제약 설계 + 닫힌 루프
- P-2 Sutskever: 압축이 곧 지능이다
- P-3 Hassabis: 제1원리 분해
- P-4 LeCun: 세계 모델 + 예측
- P-5 Hinton: 거버넌스 + 자기부정
- P-6 Ng: AI 전환 플레이북
- P-7 Fei-Fei Li: 인간중심 설계
- P-8 Builders 종합: Boris·Cat·Truell·Masad·Murati·Brockman
- P-9 Operators 종합: Altman·Amodei·Nadella·Pichai·Zuckerberg·Suleyman
- P-10 Hardware 양강: Jensen Huang · Lisa Su
- P-11 DeepSeek 량원펑 — 연속 학습의 공백과 하네스
- X-1 AI/AX 2030 전략: McKinsey, BCG, Accenture, Deloitte, Gartner 교차 분석
- X-2 빅테크 리더십 격변과 AX 전략
- X-3 2026년 GitHub에서 주목할 프로젝트와 AI 전환 신호
- X-4 AI 에이전트 2026 상반기 대해부 — 지금 무슨 일이, 리더는 무엇을
- W-1 Agentic 월간 관전포인트 2026-05 — 가우스+빅테크 듀얼 모델 시대
- W-2 Agentic 2026 상반기 총결산 — 다섯 축 6개월
- E-1 AI 네이티브 기업 전환 — CHO·PMO 재정의
- E-2 한국 기업 AX 2030 (Capstone)
- E-3 NH농협은행 SAFe 애자일 3년 — 페이스메이킹의 기록
- E-4 하나은행 × BCG 애자일 전환 — 두 개의 리듬으로
- E-5 네이버랩스 AKI — 하이브리드 애자일 PMO로 7개 제품을 한 박자로
- S-1 Agentic PM의 시대가 열리다 — LG전자 SW PM 워크숍을 마치며
- S-2 삼성전자 PMC: AI와 함께하는 PM 교육 혁신
- S-3 SKT Agent 도출을 위한 AI 퍼실리테이션 기법
- S-4 리스크는 그릇이었다 — LG전자 SW공학연구소 GenAI RISK 워크숍
- S-5 코드 한 줄 없이 손익관리팀이 만든 에이전트 — 신한EZ손해보험
- S-6 “어디까지 입력해도 되나요?” — 삼성 구매 현장의 Agentic 각성
- S-7 지금 Agentic으로 전환해야 하는 이유 — 삼성·LG·KT·Clean&Science 300여 분의 증명
- S-8 ‘바이브 프로젝트 매니징’을 스스로 이름 붙였습니다 — 현대모비스 편
- S-9 “대충 시키면 다 해줄 줄 알았는데” — SK쉴더스 보안 PM들의 이틀
- S-10 휴맥스 전사 ALM 정착 — 표준 4개를 codeBeamer 하나에
- S-11 AI로 신약 프로젝트 관리 — KDRA 바이오 PM 3일 워크숍
- S-12 AI 바이오·제약 회사는 무엇부터 자동화해야 하는가 — 26주 실측
- S-13 에이전트를 어디까지 붙일 것인가 — 되돌릴 수 없는 일 먼저 NEW
- S-14 같은 기준, 다른 답 — 22개 업무 유형의 사람 확정 지점 NEW
- S-15 가장 무거운 일은 전문 업무가 아니었다 — 에이전트 10종 NEW
- G-1 삼성전자 GAUSS PM Agent: 효과적 설계로 주니어 PM 지원하기
- G-2 주니어 PM 위한 AI 하네스 구축 가이드
- G-4 삼성 DX 엔지니어를 위한 Codex 온보딩 — 하네스 & 개인 RAG
- G-5 나의 Agent 비서, 블록 12개로 조립한다 — 재사용 블록과 77%의 법칙
- G-6 내 업무를 맡길 AI 에이전트 — 6블록 설계와 PROFILE BIND
- CC-6 사내 지식을 RAG로 — 망분리·토큰0 6단계
- CC-4 내 노트 4만 개 검색 — LLM 직접 읽기 vs 전용 CLI, 하이브리드 5.5배
- CC-5 Obsidian 노트를 앱 없이 검색 — 오픈소스 byeori(벼리)
- A-5 Fable 5와 보낸 첫 하루 — 모델 × 하네스 × RAG 실측 회고
- A-8 좋은 엔진은 없다, 맞는 엔진이 있다 — Codex/Sol vs Claude/Fable 5대 실전 비교
- CC-3 Opus xhigh 솔로 vs ultracode 멀티에이전트 — 작업유형별 A/B 실측
- A-6 맥은 이미 AI 워크스테이션 — 사진·노트·인박스 0원 정리
- A-7 Mac@Work 2026 — 맥 20년차의 도구 모음과 Agentic 카테고리
- G-3 대기업 직장인을 위한 AI Agent & Skill 추천 가이드 2026
- G-7 녹취 엔진 두 레인 — SpeechAnalyzer와 Alt, 코칭·컨설팅 6장면 판단표