마케팅 인텔리전스 레이어 - 흩어진 경험을 AI의 재사용 가능한 컨텍스트로 만들기

문서·회의록·Slack 등에 흩어진 15년 이상의 경험을 구조화해, 다양한 AI 도구가 활용할 수 있는 마케팅 인텔리전스 레이어로 구축하는 법 /raw에 원본 자료를 넣고 /build를 실행하면 Extractor가 문서 요약이 아니라 다른 상황에서도 재사용할 수 있는 개별 학습 내용을 추하고, Router가 의미에 따라 주제별로 분류함 회사 기밀은 제거하거나 일반화하고 사람이 추출 결과와 분류를 승인한 뒤 반영하며, 업무에서 얻은 전이 가능한 판단과 교훈은 보존함 Claude Code용 /build 스킬과 HTML 템플릿을 공개, 새 회의와 캠페인, 실험과 실패를 계속 추가해 개인의 경험이 AI와 함께 복리로 축적되는 자산을 만드는 것이 목표임 결과물은 Claude·ChatGPT·Gemini·에이전트에 전달할 수 있는 단일 HTML 파일이며, 무료 Claude Code 스킬과 템플릿으로 로컬이나 Google Drive에서 운영할 수 있음 흩어진 경험을 AI가 사용할 수 있는 자산으로 전환 오랜 경력에서 얻은 지식은 Google Docs, 발표 자료, Slack 대화, 회의록, 음성 메모와 개인의 기억에 흩어져 있음 사람은 일부 경험을 직관적으로 활용하지만 언제 어떤 상황에서 무엇을 배웠는지 모두 기억하기 어려움 AI도 접근할 수 있는 컨텍스트가 없으면 새 대화마다 사용자의 경험과 판단 기준을 알지 못한 채 시작함 사용자가 자신의 프레임워크와 과거 사례를 다시 설명하지 않으면 일반적인 학습 데이터에 기반한 답변만 나오기 쉬움 Darwin이 관찰·인용문·아이디어·질문을 commonplace book과 노트에 축적해 이후 더 큰 작업에 활용했듯, 누적 지식을 인간의 기억만으로 관리하기는 어려움 문제는 자료가 부족한 것이 아니라, AI가 활용할 수 있는 형태로 개인의 경험이 구조화되어 있지 않다는 점 경력 전체를 담는 하나의 인텔리전스 레이어 Marketing Intelligence Layer는 경력에서 얻은 재사용 가능한 지식을 주제별로 정리한 하나의 구조화된 결과물임 보존하려는 정보는 단순한 업무 기록이 아니라 다음 판단 자산임 반복해서 사용하는 프레임워크와 공식 성공한 캠페인과 실패한 실험 신뢰할 만한 지표와 벤치마크 직관과 반대되는 학습 내용 팀과 업무를 운영하는 원칙 완성된 결과는 독립형 HTML 파일로 저장되어 브라우저에서 읽거나 AI의 컨텍스트로 전달할 수 있음 특정 AI 제품의 메모리 기능에 경험을 맡기...