이우혁

LLM Wiki를 만들었는데, 여전히 사람이 문서를 최신화하고 있다면 문제는 그대로입니다.

여러 데이터를 연결하고
RAG를 붙여 질문에 답하게 만드는 것까지는 어렵지 않습니다.

그런데 정책이 바뀔 때마다 누군가는 관련 문서를 찾아 고쳐야 하고,
미처 고치지 못한 문서는 AI가 계속 참고합니다.

결국 AI를 도입했지만
AI가 읽을 지식을 관리하는 일은 여전히 사람의 몫입니다.

Catch Up은 문서가 바뀌어야 할 때 먼저 움직입니다.

새로운 정책, 기능 업데이트, 고객 요구가 들어오면
AI가 기존 지식과 비교해 영향받는 문서를 찾고
원문 근거가 붙은 변경안을 만듭니다.
담당자는 최종 반영 여부만 결정합니다.

AI가 문서를 마음대로 고치게 하지는 않습니다.
검토 없는 자동 갱신은 위키를 최신으로 만드는 것이 아니라,
아무도 믿지 않는 문서를 더 빠르게 만들 뿐이기 때문입니다.

위키가 계속 최신이면 두 가지가 달라집니다.
최신 정보를 확인하러 다니는 시간이 사라지고,
고객 문의 대응 자동화를 믿을 수 있게 됩니다.

응대 초안의 품질은 결국
AI가 참고하는 지식의 최신성이 결정하니까요.

8월에는 두 팀에 한해,
진단부터 첫 번째 LLM Wiki 구축까지 직접 진행합니다.

지식이 어디에서 낡고 있는지,
어떤 업무부터 시작해야 효과가 나는지 짚어드립니다.

LLM Wiki를 구축하고 있거나,
만들었지만 최신화에서 막히고 있다면
댓글에 “진단”이라고 남겨주세요.

DM으로 몇 가지 여쭤보면서
어디서부터 시작해야 할지 함께 논의해보면 좋겠습니다.

무료 진단 신청하기 - https://tally.so/r/QKa0JX

[Catch Up] 인수인계의 공백, 스타트업의 보이지 않는 리스크

🌱 새 팀원이 들어왔을 때

처음 출근한 동료가 “어디서부터 시작하면 되나요?”라고 물으면,
우린 늘 구글 Docs, 노션, 슬랙, 지라… 여기저기 흩어진 자료를 보여줍니다.
하지만 정작 중요한 건 업무의 맥락과 흐름인데, 그건 잘 보이지 않죠.
결국 새 사람은 시행착오를 거치며 맥락을 스스로 찾아야 하고,
온보딩은 1~2주씩 지연됩니다.

📝 인수인계를 맡는 사람의 번거로움

인수인계 문서를 쓰는 건 또 다른 고역이에요.
“어디까지 적어야 하지? 뭘 빼먹은 건 아닐까?” 늘 애매합니다.
표준 양식이 없으니 결국 개인 스타일대로 문서가 쌓이고,
작성 시간은 길어지는데 후임자는 또 다시 답답해하곤 합니다.

🚀 CatchUp이 제안하는 방법

CatchUp은 이 불편과 번거로움을 줄이는 데 집중했어요.

🔄 협업툴 로그 자동 수집 → 흩어진 자료를 한눈에 정리

📑 표준화된 템플릿 & 체크리스트 → “뭘 써야 하지?” 고민 없이 작성

💡 암묵지 질문 리스트 → 문서에 담기지 않던 노하우와 맥락까지 자연스럽게 기록

인수인계는 더 이상 불편한 절차가 아니라,
팀의 성장을 돕는 자연스러운 과정이 될 수 있습니다.

👉 CatchUp 랜딩페이지 보러가기

🙌 우리에게 목소리를 들려주세요

다만, 팀마다 불편한 지점은 조금씩 달라요.
그래서 지금, 현업에서 인수인계를 직접 겪는 분들의 이야기를 모으고 있습니다.

👉 짧은 설문 참여하기 : https://form.typeform.com/to/RVoJa6zF
참여해주신분들께는 베타 테스트 오픈 소식을 가장 먼저 공유드리고,
CatchUp 정식 서비스에 가장 먼저 초대드릴 예정이에요 🚀

인수인계는 늘 “어쩔 수 없는 번거로움”처럼 여겨져 왔습니다.
하지만 팀이 성장할수록, 이 작은 번거로움은 프로젝트 지연과 팀 사기 저하라는 큰 비용으로 돌아옵니다.
우리는 이 문제를 단순히 툴 하나로 푸는 게 아니라, 
팀이 더 잘 이어지고 성장할 수 있도록 돕는 과정으로 바꾸고 싶습니다.

이번 설문은 그 첫걸음이에요.
여러분이 겪은 불편과 경험이 모여야, 더 많은 팀이 불필요한 시행착오를 줄이고,
“일이 더 자연스럽게 이어지는 팀”을 함께 만들어갈 수 있습니다.

Catch Up을 기대해주세요! 감사합니다:)

LLM Wiki를 만들었는데, 여전히 사람이 문서를 최신화하고 있다면 문제는 그대로입니다.

여러 데이터를 연결하고
RAG를 붙여 질문에 답하게 만드는 것까지는 어렵지 않습니다.

그런데 정책이 바뀔 때마다 누군가는 관련 문서를 찾아 고쳐야 하고,
미처 고치지 못한 문서는 AI가 계속 참고합니다.

결국 AI를 도입했지만 AI가 읽을 지식을 관리하는 일은 여전히 사람의 몫입니다.

Catch Up은 문서가 바뀌어야 할 때 먼저 움직입니다.

새로운 정책, 기능 업데이트, 고객 요구가 들어오면
AI가 기존 지식과 비교해 영향받는 문서를 찾고
원문 근거가 붙은 변경안을 만듭니다.
담당자는 최종 반영 여부만 결정합니다.

AI가 문서를 마음대로 고치게 하지는 않습니다.
검토 없는 자동 갱신은 위키를 최신으로 만드는 것이 아니라,
아무도 믿지 않는 문서를 더 빠르게 만들 뿐이기 때문입니다.

위키가 계속 최신이면 두 가지가 달라집니다.
최신 정보를 확인하러 다니는 시간이 사라지고,
고객 문의 대응 자동화를 믿을 수 있게 됩니다.

응대 초안의 품질은 결국
AI가 참고하는 지식의 최신성이 결정하니까요.

8월에는 두 팀에 한해,
진단부터 첫 번째 LLM Wiki 구축까지 직접 진행합니다.

지식이 어디에서 낡고 있는지,
어떤 업무부터 시작해야 효과가 나는지 짚어드립니다.

LLM Wiki를 구축하고 있거나,
만들었지만 최신화에서 막히고 있다면
댓글에 “진단”이라고 남겨주세요.

DM으로 몇 가지 여쭤보면서
어디서부터 시작해야 할지 함께 논의해보면 좋겠습니다.

무료 진단 신청하기 - https://tally.so/r/QKa0JX