AI 도구를 계속 써보다 보면 어느 순간 비슷한 한계에 부딪힌다. 대답은 잘하는데, 실제로 내 환경 안에서 뭔가를 이어서 하게 만들기는 어렵다는 점이다. 메모를 남기고, 문서를 정리하고, 서버를 확인하고, 필요하면 설정을 바꾸고, 다음에 다시 이어서 판단하는 흐름까지 자연스럽게 만들려면 단순한 챗 인터페이스만으로는 조금 부족하다. OpenClaw를 붙이기 시작한 건 바로 그 지점 때문이었다.
처음부터 거창한 자동화를 목표로 둔 건 아니었다. 오히려 반대였다. 너무 많은 걸 한 번에 자동화하면 금방 통제가 어려워진다. 내가 원한 건, 대화형 인터페이스를 유지하면서도 실제 작업과 문서화, 환경 점검, 설정 변경까지 같은 흐름 안에서 이어질 수 있는 구조였다. 말하자면 “잘 말하는 AI”보다 “내 환경 안에서 일하는 AI”에 가까운 쪽이다.
OpenClaw를 쓰면서 가장 먼저 정리해야 했던 건 도구보다 운영 기준이었다. 어디를 작업 폴더로 쓸지, 어떤 문서는 어디에 남길지, 메모리는 어떤 파일에 쌓을지, 외부 액션은 어디까지 허용할지 같은 것들이다. 이런 기준이 없으면 AI가 똑똑하더라도 나중에 흔적이 안 남고, 매번 같은 설명을 반복하게 된다. 그래서 실제로는 모델보다 문서 구조와 작업 흐름을 먼저 잡는 쪽이 훨씬 중요했다.
내가 가져간 방향은 비교적 단순하다. 실행은 작업용 workspace에서 하고, 장기 기록과 운영 메모는 Obsidian으로 남기는 방식이다. 이렇게 분리해두면 지금 당장 움직이는 파일과 나중에 다시 읽어야 할 문서가 섞이지 않는다. 특히 서버 작업이나 블로그 운영 같은 건, 지금 뭘 바꿨는지보다 왜 그렇게 바꿨는지가 더 중요해질 때가 많기 때문에 문서화를 빼놓고 보기 어렵다.
OpenClaw의 장점은 여기서 조금씩 드러난다. 단순히 질문 답변만 하는 게 아니라, 필요한 파일을 읽고, 문서를 만들고, 수정한 내용을 기록하고, 실제 서버 상태까지 확인할 수 있다. 그러다 보니 작업 흐름 자체가 바뀐다. 예전에는 조사 따로, 수정 따로, 기록 따로였다면, 이제는 하나의 요청 안에서 그 세 가지를 같이 묶을 수 있다. 물론 이건 편한 만큼 기준이 필요하다. 외부 메시지 전송이나 공개 변경처럼 영향이 큰 작업은 확인 후 진행하고, 내부 문서화나 상태 점검은 더 자유롭게 처리하는 식의 구분이 있어야 한다.
실제로 써보니 좋은 점은 “대단한 자동화”보다 작은 마찰이 줄어드는 데 있었다. 예를 들어 새로운 블로그를 붙이거나, DNS를 정리하거나, 문서를 정리하거나, 다음에 쓸 글 초안을 만드는 작업이 전부 한 흐름으로 이어진다. 이게 별거 아닌 것 같아도 반복 작업에서는 꽤 차이가 크다. 특히 문서화가 자동으로 따라붙기 시작하면, 다음 세션에서 다시 판단하기가 훨씬 쉬워진다. 사람도 기억에 의존하면 금방 놓치는데, AI는 더더욱 기록 구조가 중요하다.
물론 OpenClaw를 붙인다고 갑자기 모든 게 매끄러워지는 건 아니다. 오히려 초반에는 어떤 작업을 어디까지 맡길지, 어떤 변경은 바로 하게 둘지, 어떤 건 반드시 확인을 거치게 할지 기준을 세우는 시간이 필요하다. 하지만 그 기준만 조금 잡히면, 그 다음부터는 단순한 도구가 아니라 운영 계층에 가까운 느낌으로 쓸 수 있다. 그냥 물어보는 AI가 아니라, 실제 환경 안에서 읽고, 확인하고, 바꾸고, 기록하는 쪽으로 역할이 넓어진다.
지금 기준으로 보면 OpenClaw를 붙인 가장 큰 이유는 결국 하나다. 작업과 대화와 문서를 따로따로 관리하지 않기 위해서다. 뭔가를 알아보고 끝나는 게 아니라, 그 결과를 바로 작업으로 이어가고, 그 작업을 다시 문서화로 남기고, 나중에 다시 이어서 판단할 수 있게 만드는 구조. 그게 내가 원했던 흐름이었고, OpenClaw는 그 방향으로 꽤 잘 맞는 편이었다.
앞으로 더 다듬을 부분도 많다. 어떤 채널에선 얼마나 적극적으로 답할지, 어떤 종류의 외부 액션은 어디서 끊을지, Markdown과 Mermaid 같은 작성 흐름은 어떻게 안정화할지, OpenClaw 설정 가이드는 어떤 식으로 표준화할지 같은 것들이다. 하지만 지금 시점에서도 분명한 건 있다. AI를 단순한 채팅창 밖으로 꺼내서 실제 운영 흐름 안에 넣고 싶다면, 결국 중요한 건 모델 성능보다 구조와 기준이다. OpenClaw는 그 구조를 만들기 시작하기에 꽤 괜찮은 출발점이었다.