구글 OKF: 전 세계 AI 개발자들이 마크다운(MD) 파일에 열광하는 이유

1. 엑셀과 노션, PDF에 갇혀 죽어가는 회사의 지식을 구출하라

회사의 가장 중요한 인프라 운영 규칙은 노션의 깊숙한 페이지에 숨겨져 있고, 이번 달 마케팅 집행 지표는 모 대리 컴퓨터 바탕화면에 이름 모를 엑셀 파일로 방치되어 있으며, 시스템의 가장 치명적인 예외 조항이나 장애 복구 히스토리는 오직 퇴사를 한 달 앞둔 박 부장님의 머릿속에만 가물가물하게 존재합니다. 직장인이라면 하루에도 수십 번씩 마주하는 이 끔찍한 ‘정보의 파편화’ 현상은 인간 직원뿐만 아니라 기업을 위해 일해야 하는 인공지능 비서에게도 거대한 재앙이자 장벽입니다.

앞서 1편에서 심도 있게 다루었던 안드레 카파시의 ‘LLM 위키’ 철학을 적극적으로 수용하여, 테크 거인 구글은 전 세계 모든 인공지능이 번역이나 오차 없이 똑같은 규칙으로 데이터를 초고속 이해할 수 있도록 규격화한 지식 표준, 구글 OKF(Open Knowledge Format)를 전격 선언했습니다. 개발자들만의 전유물이 아닌, 미래 비즈니스를 준비하는 리더들이 무조건 뼈에 새겨야 하는 이 표준 기술의 내장 구조를 비개발자 눈높이에서 가장 명쾌하게 파헤쳐 드립니다.

2. 구글이 선언한 우주 공통 ‘AI 전용 정리 공책’의 단순한 아키텍처

구글 OKF의 근본적인 철학은 허무할 정도로 가볍고 심플합니다. 대기업들이 수억 원의 라이선스 비용을 내고 도입하는 값비싼 데이터 관리 소프트웨어나 복잡하게 꼬인 데이터베이스(DB) 솔루션들을 과감하게 쓰레기통에 버리라는 것입니다.

대신, 컴퓨터 초창기 시절부터 존재했던 가장 직관적이고 가벼운 기본 텍스트 파일 형식인 마크다운(.md) 파일 구조로 회사의 모든 지식을 통일하고, 각 파일의 맨 위머리에는 일종의 데이터 인식용 딱지인 요약 딱지(YAML Frontmatter)를 붙이자는 세계 공통의 규칙입니다. 전 세계의 어떤 인공지능 브랜드를 가져다 쓰더라도 단번에 읽어낼 수 있는 ‘우주 공통 지식 포맷’을 정립한 것입니다.

구글 OKF 규격이 명시하는 정리 공책 파일은 군더더기 없이 딱 두 가지 핵심 영역으로 명확하게 쪼개집니다.

첫 번째 영역은 파일 최상단에 하이픈 기호 세 개(---)로 경계가 구분되어 위치하는 ‘요약 딱지(YAML 영역)’입니다.
이 영역은 인공지능이 문서 전체를 다 읽어보느라 시간과 토큰 비용을 낭비하지 않고도, 단 0.1초 만에 문서의 핵심 정체성을 파악하도록 돕는 데이터 라벨링 공간입니다.

실제 구글 OKF의 표준 코드는 다음과 같이 매우 단순한 텍스트 행태를 띱니다.

인공지능은 문서를 열자마자 이 딱지를 읽고 “아, 이 문서는 전략기획팀 김팀장이 2026년 7월에 업데이트한 KPI 관련 회사 규정이구나!”라며 맥락을 즉시 짚고 작동을 시작합니다.

두 번째 영역은 그 바로 밑으로 이어지는 ‘본문(Markdown 영역)’입니다.
마크다운은 화려한 폰트 디자인이나 불필요한 레이아웃 코드가 빽빽하게 박혀 있는 PDF, 워드, 웹페이지 서식과 완전히 다릅니다. 샵(#) 기호로 제목을 구분하고, 하이픈(-) 기호로 글머리를 나누는 등 오직 인간의 문자 언어와 데이터의 계층 구조만 남겨둔 지극히 순수한 데이터 형태입니다.

이 서식은 사람이 메모장으로 열어봐도 한눈에 읽힐 만큼 직관적이며, 인공지능(LLM)이 컴퓨터 프로세서로 텍스트를 읽어 내려갈 때도 오독률과 오차율이 사실상 0%에 수렴할 정도로 완벽한 가독성을 제공합니다.
불필요한 소스 코드가 다 걷어내어 졌기 때문에 인공지능이 소비하는 서버 비용도 기하급수적으로 절감됩니다.

3. 데이터 전처리의 민주화, 인간의 손길을 거부하는 AI 컴파일러

“다 좋은데, 우리 회사에 있는 그 수많은 문서와 엑셀 파일을 저 마크다운 형식으로 바꾸고 맨 위에 YAML 딱지를 타이핑하려면 직원들이 또 밤을 새워야 하는 것 아닌가요?”라는 걱정이 당연히 드실 것입니다.

다시 한번 강력하게 강조하지만, 이 작업은 인간이 손가락 하나 대지 않는 완전한 ‘AI 백엔드 전처리 작업’입니다. 인간이 직접 문서를 손질해야 했다면 구글 OKF는 표준이 되지 못했을 것입니다.

실제 시스템이 구동되는 현장은 이렇습니다. 직원이 할 일은 그저 평소처럼 포맷이 엉망인 고객 상담 녹취록 텍스트, 복잡한 표가 얽혀 있는 PDF 제안서, 혹은 카메라로 대충 찍은 영수증 사진을 시스템 폴더에 마우스로 드래그 앤 드롭하여 던져 넣는 것이 전부입니다.

그 순간 시스템 내부에 상주하는 지식 변환 AI 에이전트가 가동되어 다음과 같은 전처리 파이프라인을 실행합니다.

• 멀티모달 문서 인지: 이미지나 PDF 속의 텍스트와 데이터 구조를 완벽하게 해독합니다.
• 노이즈 필터링: 메뉴 바, 광고, 무의미한 서식 코드 등 쓰레기 데이터를 싹 걷어냅니다.
• OKF 규격 조립: 추출한 정보의 메타데이터를 계산해 상단 YAML 딱지를 자동으로 코딩하고, 본문을 깔끔한 마크다운 문법으로 변환하여 index.md 파일로 저장합니다.

인간은 그저 퇴근하고, 밤새도록 인공지능이 회사의 모든 지저분한 레거시 데이터들을 AI 전용 정리 공책인 OKF 파일들로 완벽하게 전처리해 두는 기적을 누리기만 하면 됩니다.

엔지니어를 위한 초정밀 기술 팁 박스

Q. 마크다운 파일의 크기가 엄청나게 거대해지거나 파일 개수가 수십만 개로 늘어나면, 결국 컨텍스트 윈도우 한계(LLM의 한 번에 읽는 용량 제한)에 걸려 중요한 지식을 유실하지 않나요? 대용량 스케일링 이슈를 해결하는 아키텍처 공식이 궁금합니다.

A. 엔지니어링 관점에서 매우 정확하고 뼈아픈 지적입니다. 아무리 경량화된 OKF 마크다운이라도 파일 수만 개를 AI에게 한 번에 밀어 넣으면 작동이 불가능합니다. 이를 완벽하게 해결하기 위해 아키텍처 설계 시 반드시 ‘청킹(Chunking) 세분화’와 ‘하이브리드 계층 검색(Hybrid Hierarchical Search)’을 얹어야 합니다.

하나의 OKF 문서가 일정 글자 수(예: 4,000토큰)를 넘어가면 시스템이 강제로 섹션을 분할하여 하위 자식 노드 파일로 쪼개고, 부모 파일에는 자식 파일로 향하는 하이퍼링크 주소만 남기는 ‘트리 구조 청킹’을 수행해야 합니다.

그리고 사용자가 질문을 던졌을 때, 시스템은 전체 폴더를 다 뒤지는 게 아니라 1차로 각 OKF 파일 상단의 YAML 메타데이터와 파일 제목을 기반으로 키워드 검색(BM25)을 수행하여 후보군을 좁힙니다. 그 뒤 2차로 좁혀진 후보 문서들의 본문 내용을 벡터 값으로 가볍게 대조하는 의미 검색(Semantic Search)을 결합하는 ‘하이브리드 파이프라인’을 통과시킵니다.

이렇게 하면 수십만 개의 지식 파일이 쌓여 있어도, 인공지능(LLM)의 손에는 정확히 지금 이 순간 정답에 필요한 칼날 같은 노트 3~4개만 쥐어지게 되므로 컨텍스트 초과 현상과 지식 유실 현상을 완벽하게 원천 차단할 수 있습니다.

2편 최종 요약 및 핵심 결론

• 구글 OKF 표준의 실체: 전 세계 모든 AI가 단번에 이해하도록 지식을 마크다운(.md) 포맷과 YAML 요약 딱지로 규격화한 개방형 표준 지식 양식.
• 압도적인 경량화: 복잡하고 무거운 대형 데이터베이스 인프라가 필요 없으며, 사람이 메모장으로 읽어도 투명하게 보일 만큼 직관적임.
• AI의 전담 전처리: 지저분한 원본 문서를 규격화된 OKF 파일로 가공하는 귀찮은 작업은 인공지능이 백엔드에서 100% 자동 처리함.
• 최종 결론: 데이터를 무작정 많이 쌓아두는 빅데이터의 시대는 끝났습니다. 이제는 인공지능이 막힘없이 종횡무진 걸어 다닐 수 있도록 지식의 표준 포맷(OKF)을 선점하는 기업만이 차세대 AI 생태계의 패권을 쥐게 될 것입니다.