제조업의 회의 노트를 Python과 Obsidian으로 "활용"하는 자동 의사록 만들기

1. 과제: 의사록이 "쓰고 끝"나고 있지는 않습니까?

제조업 회의에서는 설계 변경, 생산 조정, 품질 지적 등 결정 사항이 차례차례 나옵니다.

메모는 남더라도, 나중에 "그날 무엇을 결정했지?", "누가 액션을 맡았지?"라고 찾는 데 시간이 걸리는 현장이 많습니다. 저도 목공소의 DX 지원을 위해 기간 시스템(Core System) 교체를 이끌었을 때, 동일한 과제에 직면했습니다.

"쓰는" 것 자체는 수고가 아닙니다. "활용하는" 데 시간이 걸리고 있는 것입니다

그것이 자동화의 출발점입니다.

2. 구체적인 해결책: Obsidian + Python + 생성 AI의 최소 플로우

이번에 소개해 드리는 것은 단 한 줄의 Python 스크립트로 "회의 메모 → 정돈된 의사록 → Obsidian Vault"까지 흘려보내는 메커니즘입니다.

플로우 도표 (텍스트 버전)

1. 회의 raw 메모 (.md)
↓ Python 스크립트
2. LLM으로 요약·TODO 추출
...

동작하는 코드 예시

다음은 OpenAI 호환 API(로컬 LLM 또는 OpenAI 등)를 사용하여 메모를 정돈하는 최소 스크립트입니다. 테스트 시 http://localhost:11434/v1/chat/completions를 지정하면, 로컬 환경에서도 동작 확인을 할 수 있습니다.

import json
from pathlib import Path
from datetime import datetime
...

한 줄로 요약하자면:

"가공되지 않은 회의 노트를 LLM으로 정돈하여, Obsidian에 날짜 슬러그(Date Slug)로 저장하는 것"을 자동화하고 있습니다.

3. 제가 실제로 사용하고 있는 팁

참석자·결정 사항은 필수 키(Key)로 설정

나중에 검색하기 쉽도록, frontmatter의 tags에 meeting/의사록과 회의 토픽을 반드시 넣습니다.

raw 메모는 남기고, 의사록은 덮어쓰지 않기

Obsidian의 Dataview를 통해 raw 미정리 메모와 정돈된 의사록을 일람으로 표시하면, 메모의 입도(Granularity)를 비교할 수 있어 편리합니다.

로컬 LLM (Ollama)로 테스트하기

대외비 정보가 포함된 회의 메모는 API에 그대로 던질 수 없는 경우가 많습니다. 로컬 LLM으로 프로토타입을 만든 후 클라우드 API와 구분하여 사용하는 운용 방식이 현실적입니다.

4. 왜 Python + Obsidian인가

Python은 파이프라인 구축에 강함

파일 조작, API 호출, Markdown 정돈이 동일한 언어 내에서 완결되므로, "중간 과정이 보이는" 자동화에 적합합니다.

Obsidian은 "문장 자산"의 보관 장소로 최적

검색, 양방향 링크, 태그 지정이 표준으로 가능하며, 의사록을 단순한 문서가 아닌 "활용 가능한 정보"로서 재사용하기 쉽습니다.

코바야시 WEB 시스템에서는 자사의 회의 메모 정형화도 지원 가능합니다

사내 회의 규칙에 맞춘 템플릿 생성부터, 공정 관리·목공소 DX 업무 플로우에 따른 의사록 구조 커스터마이징까지 대응할 수 있습니다.

5. 요약

사무 처리 자동화는 "거대한 investments"가 아니라, 작은 스크립트부터 시작할 수 있습니다.

회의 노트를 Obsidian으로 일원 관리하고, Python으로 생성 AI의 힘을 빌려 의사록을 자동 정돈하는 메커니즘은 개인이라도, 소규모 팀이라도 시작하기 쉬운 기점입니다.

제조업 DX에서의 "작게 시작하여 크게 키우는" 사례로서, 코바야시 WEB 시스템으로의 상담도 받고 있습니다.

• 📩 문의는 공개 프로필을 통해 부탁드립니다
• 🏠 사례: 목공소 DX · 기간 시스템 교체 · 자사 서버 운용

코드 예시는 python과 openai 패키지로 동작합니다. 로컬 API를 사용하는 경우 Ollama 등의 호환 엔드포인트를 지정해 주세요.

Discussion