Obsidian과 Claude Cowork를 함께 써본 후기

etc (KOR)
Author

Tea Tasting Lady

Published

2026-07-15

들어가며

저는 의료기기 임상시험 통계 업무를 하고 있는데, 업무 특성상 규제기관 가이던스, 통계 논문, 임상연구 논문을 숙지하고 잘 정리해 놓아야 합니다. 이렇게 정리해놓은 것들을 기반으로, 식약처와 같은 규제 기관의 보완요청에 대응할 때, 적절한 근거를 가지고 해당 보완 요청에 대한 소명을 할 수 있도록 늘 신경쓰고 있습니다. 이런 작업을 할 때 Obsidian 과 Claude 를 주로 쓰고 있는데, 이에 대해 이번 글에서 소개하려고 합니다.

Obsidian이란?

Obsidian은 markdown 형식의 텍스트 파일을 기반으로 하는 노트 앱입니다. 가장 큰 특징은 정리한 정보(노트)가 제 컴퓨터에 저장되는 구조라는 점입니다. 작성한 노트가 웹의 클라우드 서버가 아니라 제 컴퓨터의 폴더(vault)에 일반 마크다운 .md 파일로 저장됩니다. 또한 Obsidian sync 옵션이나 노트 저장 폴더(valut)를 구글 드라이브 폴더로 설정하면 여러 컴퓨터에서 같은 Vault 를 쓸 수있어 편리합니다.

또한 다양한 플러그인을 Obsidian에서 활용할 수 있습니다. 기본 기능만으로도 노트 작성·링크·검색이 가능하지만, 커뮤니티 플러그인을 더하면 용도를 크게 확장할 수 있습니다. 예를 들어 Templater는 반복되는 노트 형식(일일 노트, 회의록, 프로젝트 템플릿 등)을 자동으로 채워줍니다. 이런 편의성으로 Obsidian은 단순 메모어플을 넘어 일반적으로 다음과 같은 용도로 널리 쓰입니다.

  • 개인 지식관리(PKM) 및 제텔카스텐: 읽은 책, 논문, 아티클을 노트로 남기고 서로 링크하며 지식 네트워크를 구축
  • 프로젝트·업무 관리: 프로젝트별 노트, 할 일 목록, 회의록을 한 vault 안에서 관리
  • 일지·저널링: 데일리 노트 템플릿으로 매일의 기록을 습관화
  • 연구·집필: 논문이나 책을 쓸 때 자료 조사 노트를 모으고 초고를 구성하는 용도
  • 팀 위키: vault를 공유 저장소처럼 활용해 조직 내 지식 문서화

즉 Obsidian 자체는 특정 분야에 국한된 도구가 아니라, “무엇을 어떻게 연결해서 쌓을 것인가”를 사용자가 직접 설계하는 범용 노트 도구에 가깝습니다.

Obsidian: 오래 써온 지식 관리(PKM) 도구

Obsidian을 저도 개인 지식관리(PKM: Personal Knowledge Management) 도구로 수년간 계속 사용해오고 있었습니다. 저는 크게 세 가지 용도로 썼습니다.

업무 프로젝트 관리. 업무 프로젝트 단위로 노트를 만들어 프로젝트 현황, 진행 상황, 이슈, 논의 내용을 기록합니다.Templater 플러그인을 활용하여 동일한 구조로 매번 프로젝트 노트가 생성될 수 있도록 하였습니다.

가이던스·논문 정리 및 요약. FDA, MFDS, ICH 가이던스나 통계 방법론 논문을 읽으면서 요약 노트를 만들어왔습니다. 같은 주제를 다루는 논문끼리, 또는 가이던스와 실제 적용 사례끼리 토픽 별로 폴더에 저장해놓거나 링크를 걸어두면 나중에 비슷한 이슈가 생겼을 때 훨씬 빠르게 참고할 수 있습니다.

업무 스케줄 관리. Templater 플러그인으로 일일/주간 노트 템플릿을 만들어 반복적인 업무 기록(회의, 마감, 검토 항목 등)을 표준화하여 관리합니다. 매번 새로 포맷을 잡을 필요 없이 구성한 템플릿을 업데이트하는 형태로 작업을 합니다

수년간 Obsidian을 활용하여 업무 및 여러 정보들을 정리, 기록해 놓고 있었습니다.

Claude Cowork

Claude Cowork는 올해 초부터 쓰기 시작했습니다. Obsidian을 사용하던 workflow 에 내용을 직접 업데이트할 수 있는 Claude Cowork 를 함께 사용하니 매우 편리합니다.

LLM Wiki 세팅 — 3-tier 구조. Obsidian vault 안에 LLM이 참고할 수 있는 구조화된 위키 영역(00_Wiki/)을 구성하였습니다. “이 문장을 규제기관 원문 인용으로 써도 되는가”를 폴더 위치만 보고 판단할 수 있도록 3단계(tier)로 자료를 분리했습니다.

  • Tier 1 — 원문 발췌 (raw/{papers|guidances|standards}/extracts/): PDF에서 그대로 뽑아낸 verbatim 발췌. 페이지 번호까지 포함되어 있어 직접 인용이 필요할 때는 이 tier만 사용합니다.
  • Tier 2 — 한국어 요약 (00_Wiki/sources/): Claude가 작성한 자료 1건당 1개 요약 노트. 현재 32개 자료가 등록되어 있는데, FDA·MFDS·IMDRF·WHO의 AI/SaMD·생성형 AI·사이버보안·RWE·사용적합성 가이던스, 의료기기법·체외진단의료기기법·디지털의료제품법 등 국내 법령의 법률·시행령·시행규칙, 그리고 Bayesian 확증임상시험이나 표본크기 산정 같은 통계 논문까지 포함됩니다.
  • Tier 3 — 합성 해설 (00_Wiki/bridges/, 00_Wiki/topics/, 00_Wiki/standards/concepts/): 여러 Tier 1·2 자료를 엮어 만든 해설 페이지. 이 페이지 자체는 인용원으로 쓰지 않고, 링크를 따라 원 출처로 거슬러 올라가 검증하는 용도로만 씁니다.

이 구분 덕분에, Claude가 vault를 참고해 답변할 때 “이건 원문 인용 가능한 자료인지, 아니면 재서술된 요약인지”를 구조적으로 구분할 수 있게 되었고, 훈련 지식 기반 문장이 규제기관 가이던스의 직접 인용처럼 섞여 들어갈 위험도 크게 줄었습니다.

Bridges — 임상·통계 교차 연결. 02_Clinical Study(임상·규제)와 03_Biostatistics(통계 방법론) 두 도메인은 원래 폴더가 분리되어 있어 서로 참조하기 번거로웠습니다. MRMC, RWE-규제, performance-metric 같은 주제는 두 도메인에 걸쳐 있는 경우가 많아, 00_Wiki/bridges/에 교차 합성 페이지를 만들어 양쪽 근거를 한 번에 찾을 수 있도록 했습니다.

FDA·MFDS 가이던스 한국어 요약본 생성. 실제로 가장 자주 하는 작업은 FDA·MFDS 가이던스나 임상 연구 문헌을 한국어로 요약해 vault에 쌓는 것입니다. 한국어 요약본을 통해 원문을 처음부터 정독할지, 훑어보고 넘어갈지 판단이 훨씬 빨라졌습니다.

paper-to-wiki 스킬. 논문이나 가이던스 PDF를 업로드하면 Tier 1 원문 발췌와 Tier 2 한국어 요약을 함께 생성하고, _index.md(vault 전체 지식 지도)와 관련 하위 인덱스까지 한 번에 갱신해주는 스킬을 만들어 쓰고 있습니다. 등록 위치와 형식이 매번 동일하게 유지되니, 몇 달 지나 다시 찾아볼 때도 어디에 무엇이 있는지 헤매지 않습니다.

어떤 문서를 PDF로 넣었나. 지금까지 등록한 자료는 크게 네 종류입니다.
A. FDA·MFDS·IMDRF·WHO가 낸 규제 가이던스로, AI/SaMD, 생성형 AI, LLM 기반 디지털의료기기, RWE, 사이버보안, 사용적합성 관련 안내서들입니다.
B. 통계 방법론, 임상연구 논문(비열등성, 베이지안 확증임상시험, 다중성 보정, 맡은 임상 프로젝트 관련 임상 연구 문헌 등)입니다
C. ebook 형태로 가지고 있던 자료(임상시험, 임상통계 관련)입니다.
D. 규제 관련 법령들(의료기기법, 의료기기 시행규칙 등) 입니다.

Obsidian + Claude Cowork: 두 도구를 잇는 지점

Cowork의 결과물을 Obsidian markdown으로 활용
Cowork에서 생성한 결과물을 markdown 파일로 Obsidian vault에 바로 저장되도록 합니다. 별도의 작업없이 Obsidian에서 바로 그 결과물을 열어 편집할 수 있습니다.

노션으로 바로 업로드. 이렇게 생성된 markdown 파일은 필요한 경우, 회사 노션 페이지에 업로드합니다. markdown은 노션이 서식을 그대로 인식해서 옮겨주기 때문에, 별도의 재작업 없이 동료들에게 정리 → 공유를 할 수 있습니다.

markdown 형식의 유용성. 같은 내용을 워드 파일 docx 이나 파워포인트 pptx로 만들 때보다 markdown으로 만들 때 토큰 소모가 확연히 적습니다. 서식·레이아웃을 위한 구조가 거의 없다 보니, 텍스트 자체에 토큰을 더 쓸 수 있는 구조입니다.

LLM Wiki 활용 프로세스 — tier 구분은 스킬이 자동으로. 자료를 등록할 때 제가 “이건 Tier 1로, 이건 Tier 2로 넣어줘”라고 매번 직접 판단하는 것은 아닙니다. PDF를 첨부하고 “이 논문/가이던스를 vault에 등록해줘”라고 요청하면, paper-to-wiki 스킬이 정해진 파이프라인에 따라 자동으로 처리합니다.

  1. 스킬이 PDF의 유형(논문/가이던스/표준)과 파일명 규칙(stem)을 먼저 정합니다.
  2. PDF에서 원문을 그대로 추출해 페이지 번호와 함께 raw/.../extracts/에 저장하고, frontmatter에 verbatim: true를 자동으로 표시합니다 (Tier 1).
  3. 같은 자료를 한국어로 요약해 00_Wiki/sources/에 저장하고, frontmatter에 verbatim: false를 자동으로 표시합니다 (Tier 2).
  4. _index.md와 관련 하위 인덱스까지 같은 세션에서 자동으로 갱신합니다.

이렇게 요청 한 번으로 원문 발췌와 요약이 동시에 만들어지고, 어떤 파일이 직접 인용 가능한 원문인지는 frontmatter의 verbatim 값과 폴더 위치만 보면 구분되는 구조입니다. 나중에 여러 자료를 엮어 만드는 해설·보완대응 답변(Tier 3)은 별도로 요청할 때만 만들어지며, 이 페이지 자체는 인용원으로 쓰지 않고 링크를 따라 원 출처로 거슬러 올라가 검증하는 용도로 씁니다.

마치며

Obsidian이 오랫동안 쌓아온 개인 지식 저장소였다면, Claude Cowork는 그 저장소를 채우고 다시 꺼내 쓰는 속도를 크게 높여준 도구였습니다. 올해 두 도구를 함께 써보면서 업무의 효율이 올라가서 많은 도움을 받고 있습니다.