팀의 맥락을 AI와 공유하는 새로운 워크스페이스, Kanwas

AI 도구가 범람하지만 팀의 지식이 파편화되어 AI 아웃풋의 품질 저하를 겪는 경우가 많습니다. 이는 팀의 고유한 맥락(Team-specific Context)이 AI 모델에 제대로 전달되지 않기 때문입니다. 새 AI 채팅마다 제품 설명, 타겟 고객, 과거 결정 사항 등을 반복 설명해야 하는 비효율이 발생하며, 이는 AI 활용의 구조적 한계로 작용합니다. Kanwas는 이러한 맥락 파편화 문제를 해결하고, 팀의 지식과 결정 과정을 '살아있는 맥락'으로 구축하는 것을 목표로 합니다.

Kanwas는 '팀의 컨텍스트 브레인(Your team's context brain)'을 표방하며, 구조화된 지식 베이스 구축에 집중합니다. 단순히 문서를 저장하는 것을 넘어, 저장된 정보가 AI 작업에 실질적으로 활용되는 구조를 만드는 것이 핵심입니다. 'Brain'이라는 공유 메모리 폴더를 중심으로 제품 맥락, 팀 규범, 의사결정 기록 등이 분리된 문서로 관리되며, AI 에이전트는 매 세션마다 이를 자동으로 참조하여 최신 맥락 기반의 작업을 수행합니다. 이는 일하는 과정 자체가 컨텍스트를 생성하는 방식으로, '쓸수록 똑똑해지는' 경험을 제공합니다.

기존 AI 툴들이 채팅 형식에 집중하는 것과 달리, Kanwas는 캔버스 기반의 시각적 작업 공간을 제공합니다. 경쟁사 분석 보드, 사용자 페르소나 문서, PRD 초안, AI 에이전트 실행 결과 등을 하나의 캔버스 위에 공간적으로 배치하여 전체 작업 흐름을 한눈에 파악할 수 있습니다. 이는 팀원 간의 실시간 협업을 촉진하며, 슬랙과 노션을 오가며 맥락을 전달하던 기존 방식 대비 명확한 커뮤니케이션 효율성을 제공합니다. 다만, 자유로운 드로잉 중심의 시각적 화이트보드(Miro 등)와는 달리, 구조화된 문서와 의사결정 중심의 작업 공간이라는 점에서 차이가 있습니다.

Kanwas는 Claude, GPT, Gemini 등 다양한 범용 AI 모델을 연동하여 활용합니다. 핵심은 에이전트가 팀의 고유한 맥락을 이해하고 작업에 반영한다는 점입니다. 'Get my brain going' 모드는 전략 수립 시 '이 기능이 기존 타깃 전략과 충돌하지 않는가?'와 같은 날카로운 질문을 먼저 던져 사용자의 판단을 자극합니다. 이는 단순히 결과물을 생성하는 것을 넘어, 사용자의 의사결정과 맥락이 결과물에 깊이 녹아들도록 지원하며, AI 결과물의 구체성과 관련성을 크게 향상시킵니다.

Kanwas는 Slack, Notion, 코드베이스 등 다양한 외부 도구와의 연동을 지원하여 기존 워크플로우를 유지하면서 컨텍스트를 확장할 수 있습니다. CLI 도구를 통해 Cursor나 Claude Code와 같은 코딩 에이전트가 Kanwas의 컨텍스트를 직접 참조하도록 연결하는 것도 가능합니다. 이는 개발팀과 프로덕트 팀이 동일한 맥락 위에서 협업할 수 있는 환경을 조성하며, 특히 소규모 팀이나 스타트업에서 여러 AI 에이전트에게 반복적으로 맥락을 설명해야 하는 시간적 부담을 크게 줄여줍니다. 또한, Apache 2.0 라이선스로 오픈소스화되어 있어 커뮤니티 기여 및 자체 활용 가능성을 열어두고 있습니다.

Kanwas의 진가를 발휘하기 위해서는 팀의 행동 변화와 새로운 작업 방식 적응이 필요합니다. 기존 노션, 클로드 코드 등 사용하던 도구에서 Kanwas 중심으로 전환하는 데 시간과 노력이 소요될 수 있습니다. 또한, 컨텍스트 품질 관리를 위한 노력이 요구되며, 이를 위해 Kanwas 팀은 '가드너(Gardener)' 기능 개발을 예고했습니다. 비개발자 팀의 경우, 초기 온보딩 경험이 다소 어색할 수 있으나, 교육 콘텐츠 확충을 통해 진입 장벽을 낮출 것으로 기대됩니다. 궁극적으로는 깊은 판단이 필요한 작업에 Kanwas를 활용할 때 가장 큰 가치를 발휘할 수 있습니다.