AI 요약
방대한 분량의 국립국회도서관 디지털 컬렉션을 효율적으로 소비하기 위해 AI를 '도구 제작'에 활용한 혁신적인 방법론이 공개되었습니다. 저자는 '조금이라도 번거로운 작업은 AI로 해결한다'는 원칙에 따라, Claude Code를 활용해 자신만의 연구 환경을 구축하고 Tampermonkey와 Python을 결합한 맞춤형 툴을 제작했습니다. 특히 6,000건이 넘는 검색 결과를 자동으로 관리하고 열람 이력을 보존하는 시스템을 구축하여, 단순 반복 작업인 클릭과 기록의 노이즈를 제거하고 분석의 순도를 높였습니다. 그 결과, 2025년 연간 누적 처리량인 62,877건을 2026년에는 단 3개월 만에 육박하는 56,864건으로 끌어올리는 비약적인 성과를 거두었습니다. 이는 AI가 단순한 정보 제공자를 넘어 개인의 연구 생산성을 극대화하는 '엔지니어링 파트너'로서 기능할 수 있음을 보여줍니다.
핵심 인사이트
- 폭발적인 데이터 처리량 증가: 2025년 상반기 월평균 약 2,600건이었던 처리량이 2026년 3월(24일 기준)에는 29,200건으로 10배 이상 증가했습니다.
- 생산성 가속화 수치: 2026년의 일일 평균 처리 건수는 2025년 전체 평균 대비 약 3.3배의 속도를 기록하며 데이터 소비의 질적 전환을 이뤄냈습니다.
- 대규모 링크 관리 자동화: 특정 조건에서 발생하는 6,036건의 검색 결과를 전수 조사하기 위해 'ndl-helper.user.js'와 'ndl_server.py'를 제작하여 열람 이력을 영구 저장하고 관리합니다.
주요 디테일
- AI 기반 개발 환경: Claude Code를 도입하여 환경 구축을 자동화하고, Emacs 위에서 zellij 세션을 제어하는 맞춤형 인터페이스를 통해 AI에게 명령을 내리는 체계를 구축했습니다.
- 즉시 기록 시스템: Python을 이용해 'cmd + Ctrl + m' 단축키 하나로 현재 브라우저의 서지 정보와 페이지 번호를 'readkindai.txt' 로그 파일에 즉시 저장하는 기능을 구현했습니다.
- 하드웨어 및 입력 최적화: Dvorak 자판 배열보다 효율적인 입력을 위해 Shokz OpenComm2 골전도 헤드셋을 통한 음성 입력을 적극 권장하며, 장시간 작업 피로를 줄이기 위해 OWNDAYS 게이밍 렌즈를 활용합니다.
- 데이터 분석 순도 유지: '읽기, 정보 요약, 출력'이라는 핵심 작업 외의 모든 과정을 AI로 자동화하여 연구자의 집중력을 보존하는 방법론을 제시했습니다.
향후 전망
- AI가 개인 연구자에게 맞춤형 데이터 파이프라인을 설계해 주는 '도구 제작자'로서 보편화되면서, 개인이 처리할 수 있는 정보의 양이 기하급수적으로 늘어날 것으로 보입니다.