내가 저장한 것을 진짜로 아는 AI

범용 대규모 언어 모델은 자신 있게 의견을 내놓는 낯선 사람입니다. 내 회의 메모도, 밑줄 친 PDF도, 지난 화요일에 캡처한 경쟁사 스크린샷도 본 적이 없습니다. 내가 저장한 지식에 대해 물으면 답을 거절하거나 지어냅니다. 둘 다 두 번째 뇌가 할 일은 아닙니다.

SnapStash AI는 RAG(검색 증강 생성)를 기반으로 만들었습니다. 저장하는 모든 스크린샷, 링크, PDF는 OCR 텍스트·요약과 함께 파싱·임베딩되어 File Search 인덱스에 들어갑니다. 이때 계정 정보가 태그로 붙기 때문에 검색은 항상 내 저장 항목만 읽습니다. 질문하면 시스템이 먼저 보관함에서 의미상 가장 관련 있는 항목을 찾고, 언어 모델은 그렇게 찾은 맥락만으로 답합니다. 답에는 원본 항목으로 이어지는 출처가 붙습니다.

컬렉션은 AI가 기억하는 범위를 정할 수 있게 해 줍니다. 컬렉션은 프로젝트 단위 묶음입니다. 학위 논문의 문헌 검토, 클라이언트 한 곳과의 작업, 한 학기 강의가 그 예입니다. 컬렉션 안에서 질문하면 검색이 그 범위 안으로 한정됩니다. 일주일 전 마케팅 스크린샷이 고대 철학 질문에 섞여 들어가는 일이 없어집니다.

요약, 태그, 연결은 모두 같은 파이프라인에서 나옵니다. 저장한 항목마다 분석이 끝나는 즉시 한두 문장의 요약과 추론된 태그가 붙습니다. 시간이 지나면 AI가 연결을 보여 주기 시작합니다. 몇 달 간격으로 저장한 같은 주제의 스크린샷 두 장, 이전 논문과 상충하는 새 논문, 경쟁사 캡처에서 반복되는 패턴이 그런 예입니다. 두 번째 뇌는 설정이 아니라 데이터에서 만들어집니다.