대학생 AI 학습법 특강 사례: 명지대학교 마크다운·PARA·노트북LM 지식 관리법

명지대학교 대학교육혁신원 교수학습센터의 학습법 특강으로 「AI 시대 지식, 학습 관리법」을 진행했습니다. 마크다운과 노트북LM으로 나만의 지식·맥락 관리 시스템을 만드는 2시간 과정이었고, 1교시는 마크다운과 PARA, 쉬는 시간 10분 뒤 2교시는 노트북LM 실습으로 나눴어요. Zoom으로 인문캠퍼스와 자연캠퍼스의 여러 전공 학생분들이 함께 참여하셨습니다.

교수학습센터에서 대학생들을 위한 AI 활용 학습법 특강을 요청해 주셨는데요, AI와 나눈 대화를 대화창에만 두지 않고 내 파일로 남기는 법부터, 그 파일을 노트북LM에 넣어 리포트 초안까지 쓰는 과정을 강의 장표와 실제 노트북 화면으로 하나씩 살펴보시죠!

AI 답변은 세 가지 재료로 만들어져요

시작하면서 채팅창에 가장 많이 쓰는 AI 도구를 남겨 달라고 했는데요, 제미나이와 챗GPT, 클로드가 고루 올라왔고 제미나이가 조금 더 많았어요.

저도 작년까지는 챗GPT와 대화하다가 클로드나 제미나이로 옮기면 같은 이야기를 처음부터 다시 설명했습니다. 대화 기록이 그 서비스의 채팅창에만 남아 있었으니까요.

AI는 답을 만들 때 세 가지 재료를 씁니다. 모델이 미리 학습한 지식, 내가 올린 자료와 AI가 쌓아 둔 메모리, 그리고 웹 검색 결과예요. 이 중에 우리가 확실하게 통제할 수 있는 건 내가 주는 자료 하나입니다.

막연하게 물으면 누구나 받을 수 있는 수준의 답이 나오고, 나에 대해 정돈된 자료를 같이 주면 내 상황에 맞는 답이 나옵니다. 그 자료를 어떤 형식으로 남길지가 1교시의 주제였어요.

마크다운은 메모장으로도 열리는 텍스트예요!

마크다운을 처음 들어 보신다는 답이 채팅창에 많이 올라왔는데요, 마크다운은 확장자가 .md인 텍스트 파일입니다. 별도 프로그램 없이 메모장으로도 열리고, 노션이나 구글 문서, 옵시디언에서도 마크다운으로 내보낼 수 있어요.

#이 하나면 제목 1, 두 개면 제목 2, 세 개면 제목 3입니다. AI는 이런 기호로 정보의 중요도와 형태를 구분해요. 클로드 코드나 코덱스 같은 도구의 지침 파일인 CLAUDE.md, AGENTS.md도 전부 마크다운으로 되어 있습니다.

모든 기록을 마크다운으로 남겨 두면 어느 AI를 쓰든 같은 파일을 넘겨주면 됩니다. 메타의 Muse처럼 새 AI 에이전트가 나왔다는 소식이 들려도, 나에 대한 마크다운 문서를 주고 원하는 걸 설명하면 오래 대화해 온 것처럼 바로 일을 시킬 수 있어요.

PARA로 내 자료를 네 칸에 나눕니다

마크다운 파일이 쌓이면 폴더를 나누는 기준이 필요한데요, 이번 특강에서는 PARA를 소개했습니다. 「세컨드 브레인」의 저자 티아고 포르테가 만든 정리법이에요.

티아고 포르테는 대학생 시절 목과 어깨 통증이 심해 일상생활이 어려울 정도였는데, 병원에서도 원인을 찾지 못했다고 해요. 결국 통증에 관한 모든 걸 기록하기 시작했고, 그 기록을 정리하려고 고안한 방법이 PARA였다고 합니다. 졸업 후 컨설턴트로 일하면서 같은 방식을 고객사에 전해 성과를 냈다고 하더라고요.

PARA는 Projects, Areas, Resources, Archives의 앞 글자입니다. 프로젝트는 이번 학기 리포트나 공모전처럼 마감이 있는 일, 영역은 건강관리나 취업 준비처럼 끝나는 날 없이 계속 관리하는 일, 자료는 관심 있는 주제의 자료, 보관은 끝난 것들이에요. 어디에 넣을지 애매하면 AI에게 물어보는 게 제일 빠릅니다.

강의에서는 경영학과 3학년 예시 학생의 폴더로 시연했는데요, 「AI 시대의 인재상」 리포트는 프로젝트에, 진로·취업 준비는 영역에, AI 네이티브 업무 방식 기사는 자료에, 지난 학기 경영통계는 보관에 넣었어요.

가장 먼저 만들면 좋은 파일은 나에 대한 위키입니다. 내가 어떤 걸 해 왔고 어떤 경험과 프로젝트가 있는지 적은 파일이에요. 제가 고객사 컨설팅을 할 때도 똑같이 시작하는데요, 회사라면 나에 대한 파일이 회사의 비즈니스 모델과 지금 하는 사업의 방향이 됩니다. 프로젝트 파일은 양이 많지 않다면 프로젝트마다 md 파일 하나로 관리해도 충분해요.

AI와 나눈 대화는 마크다운 문서로 받아 둡니다

저는 예전에 AI와 나눈 대화를 노션에 복사해 저장했어요. 그때는 그 방법밖에 없었으니까요. 지금은 대화가 끝나면 바로 마크다운으로 정리해 달라고 요청합니다.

지금까지 대화를 마크다운 문서로 정리해줘. 정한 것, 보류한 것, 근거로 쓴 자료, 다음에 할 일 순서로. 코드블록 안에 넣어줘.

코드블록으로 받으면 복사 버튼 한 번에 기호까지 그대로 복사되고, 메모장에 옮겨 .md로 저장하면 됩니다. 파일명은 날짜, 프로젝트명, 상세 내용 순서로 짓고, 기준이 헷갈리면 이것도 AI에게 물어보면 돼요.

회사에서는 이렇게 일하지 않으면 협업이 안 되고, 어떤 게 최신 문서인지도 확인할 수 없습니다. 학생 때부터 이렇게 기록해 두는 것만으로도 앞서 나갈 수 있다고 말씀드렸어요.

강의 PDF, 한글 문서, 필기 사진도 마크다운으로!

요즘 AI를 쓸 때 화두 중 하나가 토큰을 얼마나 효율적으로 쓰느냐인데요, 300페이지, 500페이지짜리 PDF를 매번 AI에게 줄 수는 없습니다. 한 번 마크다운으로 바꿔 두면 다음부터는 그 문서를 주면 되고, AI도 빠르게 읽고 맥락을 파악해요.

노션과 구글 문서는 내보내기 메뉴에서 마크다운으로 받을 수 있습니다. 한글 문서는 hwp 파일을 AI가 수정하지 못하지만 hwpx로 변환해서 주면 수정할 수 있어요. 손으로 쓴 필기는 사진을 올리고 마크다운으로 정리해 달라고 하면 됩니다.

변환한 문서 맨 위에는 출처와 요약을 적어 둡니다. 어디서 온 자료이고 어떤 내용이 담겼는지 알려 주면 AI가 필요 없는 건 건너뛰고 필요한 부분만 읽어요.

저도 고객사 프로젝트를 이렇게 운영합니다. 고객사 자료가 한글 문서로, 사진으로, PDF로 카카오톡에 오면 받는 대로 전부 마크다운으로 저장해 둬요. 강의 중에는 부모님 가게 홈페이지를 만들 때 쓴 기획 문서도 보여드렸는데요, 마크다운으로 적어 둔 메뉴 구성과 소개 문구가 완성된 홈페이지에 그대로 들어가 있었습니다.

1교시에 다룬 파일은 아래 네 가지이고, 한 번 만들고 끝내지 않고 계속 업데이트하는 게 중요합니다.

쉬는 시간 10분 동안에는 각자 자주 쓰는 AI에서 나에 대한 위키 마크다운 문서를 만들어 보시도록 했어요.

노트북LM은 넣은 자료 안에서만 답해요

2교시는 AI가 왜 없는 말을 지어내는지부터 설명했습니다. 저는 AI 답변을 내비게이션에 비유하는데요, 같은 목적지라도 매번 경로가 바뀌듯 AI도 정해진 답을 주는 게 아니라 확률적으로 가장 그럴듯한 답을 매번 새로 만들어요. 그러니 같은 질문을 해도 답이 매번 다르게 나와요.

노트북LM은 내가 넣은 소스 안에서만 근거를 찾아 답합니다. 자료와 상관없는 질문에는 답하지 않아서 지어낸 답이 섞일 여지가 적어요. 노트북LM은 2026년 7월 16일에 이름이 Gemini Notebook으로 바뀌었고, 기능은 그대로입니다.

노트북 하나는 폴더 하나라고 보시면 됩니다. 1교시에 나눈 PARA 폴더 이름을 그대로 노트북 이름으로 쓰면, 리포트를 물을 때 취업 자료가 섞이지 않아요.

소스는 파일 업로드, 유튜브, 웹사이트, 구글 드라이브로 넣을 수 있습니다. 시연에서는 티아고 포르테의 유튜브와 홈페이지 글을 소스로 넣고, Fast Research로 티아고 포르테가 AI로 PARA를 어떻게 고도화하는지 자료 조사를 시켰어요.

Fast Research는 금방 끝나지만 2년 전 자료처럼 오래된 결과도 섞여 들어옵니다. "최근 1년 이내"처럼 기간 조건을 같이 적어 주세요. 롱블랙이나 서브스택처럼 로그인이나 구독이 필요한 사이트는 오류 표시가 뜨고 가져오지 못하는데요, 이럴 때는 본문을 직접 복사해 붙여 넣으면 됩니다.

마인드맵과 보고서로 자료를 먼저 훑어봅니다

소스를 넣으면 추천 질문으로 바로 물어볼 수 있고, 마음에 드는 답변은 메모로 저장했다가 다시 소스로 바꿀 수도 있어요.

자료가 많을 때는 마인드맵부터 만듭니다. 이 주제가 크게 다섯 가지 맥락으로 나뉘는구나 하고 숲을 먼저 보는 용도예요.

보고서는 브리핑 문서 형식으로 만들고 구글 문서로 내보냈습니다. 구글 문서는 워드, 시트는 엑셀, 슬라이드는 PPT라고 생각하시면 돼요.

슬라이드는 발표자용과 상세 자료용을 고를 수 있고, 프롬프트로 디자인 스타일도 지정할 수 있어요. 강의 중에 80년대 레트로 게임 스타일로 요청해 둔 슬라이드는 강의가 끝난 뒤 열어 보니 이렇게 완성되어 있었어요.

퀴즈와 플래시카드는 시험 대비로, 오디오 오버뷰는 통학 중에 듣는 용도로 쓰시면 좋습니다. 노트북은 특정 사용자를 초대해 편집 권한을 줄 수도 있고, 링크가 있는 모든 사람에게 공개할 수도 있어요.

제미나이에서 노트북을 불러올 수 있어요!

제미나이 채팅창에서 플러스 버튼, 업로드 더보기, Notebooks 순서로 들어가면 만들어 둔 노트북을 맥락으로 불러올 수 있습니다.

시연에서는 PARA 노트북을 불러와 클로드와 PARA를 효율적으로 연동해 관리하는 법을 물었는데요, 클로드 프로젝트 기능으로 관리하는 법, 클로드 코드나 Cowork로 로컬 폴더와 연동하는 법, MCP로 연동하는 법까지 나왔어요. 모두 노트북에 넣은 소스를 근거로 답한 내용입니다.

AI 시대 인재상 리포트, 이 순서로 써 봤어요

마지막 시연은 예시 학생의 「AI 시대의 인재상」 리포트였습니다. 이름 폴더 안에 프로젝트, 영역, 자료, 보관 폴더를 만들고 시작했어요.

가설부터 세웠습니다. 한때는 AI 시대에 경험 많은 시니어가 유리하다고들 했지만, 요즘은 선입견 없이 AI를 막 써 보는 20대에게서 새로운 게 더 많이 나온다는 이야기도 나오고 있거든요.

전날 페이스북에서 본 글도 소개했는데요, 한 스타트업의 신입 개발자가 회사에서 쓸 서버를 당근 거래로 사러 갔다고 해요. 값이 꽤 나가는데 현장에서 잘 돌아가는지 확인하기 어려웠는데, 옆에 있던 스물두 살 대학생이 그 자리에서 챗GPT 코덱스로 메모리 점검 프로그램을 만들었고, 돌려 보니 12개 중 2개가 고장이었다고 하더라고요. 현장에서 AI를 잘 쓰는 능력은 그 일을 얼마나 오래 했는지와는 별개라고 봅니다.

마인드맵으로 자료 구조를 먼저 훑은 뒤에는 질문을 구체적으로 바꿨습니다. 채용 시장에서 기업이 가장 중요하게 평가하는 요소를 묻기보다, AI 활용을 구체적으로 어떻게 평가하는지가 우리가 훨씬 더 궁금한 내용이니까요.

학벌과 스펙에서 AI 유창성과 실제 포트폴리오 평가로 바뀌고 있다는 답이 나왔어요. 실제로 면접에서 AI 도구를 주고 직접 써 보게 하는 사례도 있습니다.

이 답을 복사해 마크다운 문서로 변환해 달라고 하면 GPT든 제미나이든 클로드든 알아서 바꿔 줍니다. .md로 내려받아 프로젝트 폴더에 저장하고, 새 채팅에 첨부해 리포트 초안을 쓰는 데까지 이어서 보여드렸어요.

여기에 여러분의 관점과 경험을 더해야 나만의 리포트가 됩니다. AI와 함께 그 작업을 계속 고쳐 나가면 돼요.

질의응답에서 나온 질문들

나에 대한 위키는 얼마나 자주 업데이트하나요?

저는 주 단위나 월 단위로 회고를 하는데요, AI와 함께 합니다. 회고를 도와주는 질문들을 세팅해 두고 그 답으로 위키를 고쳐요. 주기는 각자 정하시면 됩니다.

md 파일이 계속 늘어나면 어떻게 관리하나요?

막힐 때는 지금 겪는 문제를 그대로 적어 제미나이나 클로드의 좋은 모델과 같이 논의합니다. 문서 하나에 내용이 너무 많으면 AI가 다 읽지 않는 경우가 있어서, 4천 자, 5천 자가 넘어가면 챕터별로 쪼개 두는 편이에요.

AI가 쌓인 문서를 정확히 참조하게 하는 기준 문서는 클로드에서는 CLAUDE.md, 코덱스에서는 AGENTS.md입니다. 프로젝트 개요, 실행 방법, 핵심 규칙, 폴더마다 무엇이 들어 있는지 경로를 적어 둬요. 이 문서도 클로드가 짜 준 거예요. 채팅에서만 AI를 쓴다면 맥락 파일을 잘 넘겨주는 것으로 충분합니다.

하나의 대화창에서 GPT와 클로드를 같이 쓸 수 있나요?

저는 클로드를 가장 많이 쓰고 이미지 생성처럼 GPT가 잘하는 일은 GPT를 같이 씁니다. Aside라는 브라우저에서는 모델을 골라 부를 수 있어서, 자료 조사와 분석, 제안서 작성, PPT 제작처럼 여러 단계로 나뉜 일을 어떤 건 클로드에게, 어떤 건 GPT에게 나눠 시킬 수 있어요. 한국 스타트업이 만든 도구라 더 추천드렸습니다.

교육을 마치며

AI는 이제 대화로 답을 받는 데서 끝나지 않고, 실행을 대신 해 주는 에이전트로 넘어갔습니다. 해 줘 하면 대부분 되는 상황이라, 이게 안 될 이유가 있나 하고 먼저 던져 보는 쪽으로 관점이 바뀌었어요. 관점이 바뀌려면 일단 해 봐야 합니다.

기업들이 AI를 무조건 반기기만 하는 건 아닙니다. 사람을 줄이고 AI를 도입했다가 AI스러운 답변에 고객이 떠나 다시 사람을 뽑은 회사도 있고, 듀오링고는 AI를 전사적으로 밀어붙였다가 구성원들의 반발을 샀다고 해요.

그래서 AI에게 일을 맡겼을 때 문제가 어디서 생기는지, 그걸 어떻게 해결할지에 초점을 둬야 합니다. AI 결과물에 나의 관점을 녹여내는 일을 기업들도 가장 많이 보고 있어요. 나만의 기준과 근거는 직접 해 보면서만 쌓입니다.

오늘 알려드린 방법이 정답은 아니고 여러 방법 중 하나인데요, 강의가 끝나면 나만의 위키부터 만들고 PARA 관점으로 파일을 하나씩 쌓아 보시길 권해 드렸습니다. 이번 학기 리포트 하나를 이 방식으로 끝까지 써 보시면, 다음 학기부터는 AI에게 처음부터 설명할 일이 훨씬 줄어들 거예요!