AI 도구가 넘쳐나는 시대, 정작 팀의 지식은 Claude 채팅창, 노션 문서, 로컬 폴더 사이를 떠돌고 있습니다. 회의에서 내린 결정은 이틀 뒤면 아무도 기억하지 못하고, 고객 인터뷰에서 나온 인사이트는 누군가의 노트 앱 깊숙이 사라지는 경우도 생깁니다. AI를 열심히 쓰는데도 아웃풋이 항상 ‘뭔가 우리 팀 이야기가 아닌 것 같은’ 느낌이 드는 이유가 바로 여기에 있습니다. 오늘 소개할 ‘Kanwas’는 이 구조적 문제를 정면으로 겨냥한 서비스입니다. 몇 주간 직접 써보면서 느낀 점을 솔직하게 정리해 봤습니다.

팀에서 AI를 쓰다 보면 반복되는 패턴이 있습니다. 새 채팅창을 열 때마다 ‘우리 제품은 이런 서비스고, 타깃은 이런 사람들이고, 지난번에 이런 결정을 내렸는데’와 같은 맥락과 배경 설명을 반복해야 한다는 점입니다. 물론 이를 해결할 수 있는 여러 방법이 있지만, 서비스나 상황에 따라 이를 피해 갈 수 없는 경우가 여전히 존재합니다.

더 근본적인 문제는 '문서를 만드는 것'과 '지식이 살아있는 것' 사이의 간극입니다. 노션에 PRD를 써두지만 3개월 뒤엔 아무도 업데이트하지 않고, 화이트보드 내용은 회의가 끝나면 사진 한 장으로만 남는 것과 같은 상황입니다. 사진을 어떤 채널에 올렸는지, 언제 누가 어떤 방법으로 공유했는지 검색에 의존해야 하거나 아예 포기하는 경우도 발생합니다.

Kanwas는 이 구조적 문제를 해결하려고 만들어진 서비스입니다. ‘팀의 컨텍스트 브레인(Your team's context brain)’이라는 슬로건처럼, 팀의 지식과 결정 맥락을 한 곳에 모아두고 사람과 AI 에이전트 모두가 동일한 맥락 위에서 함께 일할 수 있는 공간을 만드는 게 핵심 목표입니다. 쓰다 보면 잊혀지는 문서도, 세션이 끝나면 사라지는 채팅도 아닌, 팀이 그 안에서 실제로 생각하고 협업할 수 있는 '살아있는 맥락'을 지향합니다. 단순히 ‘모든 걸 한 곳에 저장하자’는 접근이 아니라, 저장된 맥락이 실제로 AI 작업에 활용되는 구조를 만드는 것이 핵심 차별점입니다.

Kanwas는 어떤 서비스인가?

한 줄로 요약하면, 컨텍스트 중심의 AI 워크스페이스입니다. 노션처럼 문서를 쓰는 곳이기도 하고, Figma처럼 캔버스 위에서 작업하는 곳이기도 하고, AI 에이전트와 함께 전략을 짜고 PRD를 작성하는 곳이기도 합니다. 처음 접속했을 때 '또 다른 올인원 툴인가?' 싶었는데, 실제로 써보면서 기존 도구들과 결이 다르다는 걸 느꼈습니다. 노션이나 Confluence는 정보를 저장하는 데 최적화되어 있지만, Kanwas는 저장된 정보가 AI와 함께 실제로 작동하는 데 최적화되어 있습니다. 이 차이가 생각보다 큽니다.

Kanwas가 집중하는 건 쌓일수록 깊어지는 맥락인데, AI가 일반적인 결과물을 내는 건 지능이 부족해서가 아닙니다. 범용 모델에 대략적인 맥락을 제공하면 일반적인 결과가 나올 수밖에 없기 때문입니다. 그런데 ‘우리 팀만의 특정 맥락’이 더해지면 같은 모델이라 하더라도 결과는 달라질 수밖에 없습니다. 때문에 오늘 내린 결정, 지난 분기에 논의한 트레이드오프, 고객 인터뷰에서 나온 인사이트가 단순히 저장되는 게 아니라 연결되고 쌓이는 것이 중요합니다.

Kanwas를 활용해 이번 분기 로드맵을 검토하게 될 경우, 에이전트가 지난달 고객 인터뷰 요약, 이전 스프린트 회고 내용, 경쟁사 분석 결과를 함께 참조해서 ‘이 기능을 우선순위에 올리면 Q2에 결정한 타깃 세그먼트 전략과 충돌합니다’라고 짚어줍니다.

주요 기능 살펴보기

캔버스 기반 작업 공간: 코드, 문서, 태스크, 임베드, iframe을 하나의 공간에서 다룰 수 있습니다. 대부분의 AI 툴이 채팅 형식을 고집하는 반면, Kanwas는 경쟁사 분석 보드, 사용자 페르소나 문서, PRD 초안, 에이전트 실행 결과를 캔버스 위에 공간적으로 배치하면 전체 흐름이 한눈에 파악할 수 있도록 도와줍니다.

팀원과 같은 캔버스를 보면서 실시간으로 작업하는 경험은, 슬랙과 노션을 번갈아 가며 맥락을 전달하던 방식과 확실히 달랐습니다. 한 가지 짚고 넘어갈 점은, Miro나 Excalidraw처럼 포스트잇을 붙이거나 자유롭게 드로잉하는 시각적 화이트보드를 기대한다면 안된다는 점입니다. Kanwas의 캔버스는 구조화된 문서와 의사결정이 중심이고, 아이디어와 근거가 하나의 맥락 위에 연결되는 '구조 있는 작업 공간'에 가깝습니다. Figma 경험이 있다면 바로 적응할 수 있고, 그렇지 않더라도 대부분 금방 익숙해집니다.

컨텍스트 그래프: 노트, 보드, 태스크, 의사결정 내용이 모여 공유 지식 베이스를 형성합니다. 내부 구조를 들여다보면, Kanwas는 brain이라는 공유 메모리 폴더를 워크스페이스의 중심에 둡니다. 회사 정보와 제품 맥락(product), 팀 구성과 작업 규범(team), 중요한 의사결정 기록(decisions)이 각각 분리된 문서로 쌓이고, 에이전트는 매 세션 시작 시 이를 자동으로 불러와 항상 최신 맥락 위에서 일을 시작합니다.

중요한 건 이게 수동으로 태깅하거나 별도로 정리해야 하는 구조가 아니라는 점입니다. 일하는 과정 자체가 컨텍스트가 됩니다. 새로운 작업 영역이 생기면 에이전트가 해당 폴더에 자동으로 instructions 파일을 만들고, 시스템 전체가 저절로 정리되는 구조입니다. ‘쓸수록 똑똑해진다’는 말이 처음엔 마케팅 문구처럼 들렸는데, 직접 경험해보니 구조적으로 설계된 결과라는 게 납득이 됐습니다.

다양한 모델로 활용하는 AI 에이전트: Claude, GPT, Gemini 등 원하는 모델을 자유롭게 연결해서 쓸 수 있습니다. 특징적인 점은 에이전트가 도구를 호출하고 작업을 처리하는 전 과정이 팀원 모두에게 공유 타임라인으로 실시간 공개된다는 것입니다.

에이전트 모드는 두 가지입니다. 코딩 에이전트처럼 직접 태스크를 실행하는 Direct 모드와 사용자에게 질문을 던지며, 사고를 자극하는 ‘Get my brain going’ 모드입니다. 위 이미지는 후자에 해당하는 에이전트와 초기 맥락을 쌓아가는 과정인데요.

전략 문서를 쓸 때 이 모드를 켜면 에이전트가 ‘이 기능을 추가하면 기존 타깃과 충돌하는 부분은 어떻게 정리할 건가요?’ ‘Q1에 내렸던 아키텍처 결정이 이 스펙에 영향을 주지 않나요?’ 같은 날카로운 질문을 먼저 던집니다. 단순히 아웃풋을 뽑아내는 게 아니라, 제 판단과 맥락이 결과물에 녹아드는 경험이 기존 AI 툴과 확실히 달랐습니다.

물론 신규 프로젝트의 경우, 아직 마땅한 자료나 가이드가 없을 가능성이 있기에 ‘Get my brain going’ 모드를 활용하면 서비스와 관련된 다양한 내용을 질문 - 답변 형태로 주고받으며 내용을 채워 넣을 수 있습니다. 또한 이렇게 완성된 내용들을 앞서 말씀드린 워크스페이스의 두뇌 역할을 하는 ‘Brain’에 틈틈이 저장하는 기능도 지원합니다. 이런 식으로 계속해서 참고할 맥락과 배경을 쌓고, 저장 여부를 에이전트와 함께 확인하며 작업할 수 있습니다.

실시간 협업 및 1,000개+ 연동: 팀원들이 동시에 보드 위에서 작업할 수 있고, Slack, Linear, Notion, 코드베이스 등 기존 툴과 연동해서 컨텍스트를 끌어올 수 있습니다. CLI 도구도 제공되어 있어서, Cursor나 Claude Code 같은 코딩 에이전트가 Kanwas의 컨텍스트를 직접 참조하며 작업하도록 연결할 수 있습니다. 개발팀과 프로덕트 팀이 같은 컨텍스트 위에서 움직이는 환경을 만들 수 있다는 점이 실용적이고, 기존 워크플로우를 통째로 갈아엎지 않아도 된다는 점에서 특히 유용한 기능이라고 생각합니다.

Kanwas가 가장 유용한 순간은 깊은 판단이 필요한 작업을 할 때입니다. 전략 메모 작성, PRD 초안, 투자자 피치덱, 경쟁사 분석, 포지셔닝 정의 같은 작업들이 대표적입니다. 저는 신규 기능 PRD 작업에 처음 Kanwas를 본격적으로 활용해 봤는데, 기존 방식과의 차이가 분명했습니다. 기존에는 노션에 빈 PRD 템플릿을 열고, 슬랙에서 관련 대화를 복붙하고, 지난 회의 녹취록을 뒤지고, Claude에 맥락을 입력해서 초안을 받는 순서였습니다. 그렇게 나온 초안은 항상 ‘맞는 말인데 우리 상황하고는 좀 다른’ 느낌이었습니다.

Kanwas에서는 흐름이 달랐습니다. 이전에 작성해 둔 사용자 인터뷰 노트, 경쟁사 분석 보드, 팀 회의 결정 내용이 이미 같은 공간에 연결되어 있었고, AI 에이전트에게 ‘이 맥락을 바탕으로 PRD 초안을 잡아줘’라고 했을 때 나온 결과물이 생각보다 만족스러웠기 때문입니다. 우리 팀이 지난 분기에 결정한 타깃 세그먼트가 반영되어 있었고, 이전에 논의했던 기술적 제약도 함께 고려되어 있었습니다. ChatGPT에 같은 요청을 넣었을 때와 비교하면 결과물의 구체성과 맥락이 눈에 띄게 달랐습니다.

위 이미지는 제가 운영 중인 팁스터 뉴스레터의 맥락을 바탕으로, 신규 클럽에 대한 기획안을 작성하는 모습인데요. 명확하고 구체적인 맥락 정보가 이미 쌓여있고, 이를 바탕으로 제안이 진행되기 때문에 비현실적인 내용은 최소화하고 바로 실행 가능한 수준의 내용을 바로 확인할 수 있습니다. 대화하고, 이를 캔버스에 문서(.md 형식)로 남기기 때문에 맥락이 계속 쌓이게 되고 Kanwas 안에서는 물론, 앞서 말씀드린 것과 같이 커서 등과 연계해서 실제 기능 구현까지도 이어지는 흐름을 만들 수 있다는 점이 특히 매력적이었습니다.

한 번은 꼭 써봐야 하는 이유

실제 사례로, Schematik의 창업자 Samuel Beek은 Kanwas에 고객 콜 내용, 투자자 대화, 포지셔닝을 모두 가져와서 피치덱을 만들고 피드백 받고 수정하기를 반복한 뒤 일주일 만에 460만 유로 규모의 프리시드 투자를 유치했다고 밝혔습니다.

결과도 인상적이지만, 그 과정이 Kanwas가 설계된 방식과 정확히 맞아떨어집니다. 투자자와 나눈 대화, 고객으로부터 들은 피드백, 포지셔닝 결정이 하나의 공간에 쌓이고, 그 위에서 AI와 함께 반복적으로 피치를 다듬는 흐름을 보여주기 때문입니다. 피치덱 하나를 만들기 위해 여러 툴을 오가며 맥락을 끊임없이 확인해야 했던 기존의 방식과 다른 접근이기도 합니다.

아래와 같은 상황에 해당된다면, 그리고 지금까지 제가 소개한 맥락에 맞는 팀이라면 한 번쯤 써봐야 할 이유가 충분하다고 생각합니다.

AI를 열심히 쓰는데 결과물이 항상 맥락 없이 느껴지는 팀: 좋은 AI 툴을 갖고 있어도 팀의 히스토리와 맥락을 모르면 결과물은 늘 일반적인 수준에서 벗어나지 못합니다. ‘GPT가 써준 것 같은 느낌’이 든다면, 문제는 프롬프트가 아니라 컨텍스트의 부재일 가능성이 큽니다.
문서가 쌓이지만 실제로 아무도 찾아보지 않는 팀: 노션 페이지가 수백 개인데 정작 AI에게 우리 팀 맥락을 설명할 때 아무것도 활용하지 못하고 있다면, 저장 방식이 아니라 활용 구조를 바꿔야 합니다. Kanwas는 이 구조를 처음부터 고려해 설계되어 있습니다.
소수 인원으로 여러 AI 에이전트를 운용하는 스타트업: 개발 에이전트, 마케팅 에이전트, 전략 에이전트 모두에게 ‘우리 제품은 이런 서비스입니다’를 매번 설명하는 대신, Kanwas에 한 번 정리해 두면 모든 에이전트가 같은 맥락을 공유합니다. 특히 솔로 파운더나 소규모 팀에게 시간 절약 효과가 큽니다.
PM, 프로덕트 리드, 팀 리더: PRD, 로드맵, 의사결정 로그, 고객 인사이트를 한 공간에서 AI와 함께 관리하고 싶은 분에게 적합합니다. 특히 ‘우리가 특정 순간에 왜 그 결정을 내렸는지’를 팀원이나 에이전트에게 쉽게 설명할 수 있는 구조가 필요한 PM이라면 무엇보다 활용도가 좋은 서비스라 생각합니다.

게다가 Knawas에서는 기본적으로 50개의 스킬을 제공하며 커스텀 스킬을 생성해 활용하는 것도 가능합니다. 스킬에는 리서치, 유저 스토리 생성, 글쓰기, OKR 리뷰, 슬랙 스레드 요약 등 다양한 업무 목적과 상황에 따라 활용할 수 있습니다. Kanwas의 코어 코드베이스는 GitHub에 Apache 2.0 라이선스로 오픈소스 공개되어 있습니다. 포크, 수정, 내부 배포, 상업적 활용 모두 자유롭게 가능한 진짜 오픈소스라는 점이 Hacker News 등 기술 커뮤니티에서 특히 높은 평가를 받았습니다.

물론 이제 막 시작된 서비스인만큼 부족하거나 아쉽게 느껴지는 부분도 존재합니다.

첫째, 행동 변화가 필요합니다. Kanwas가 진가를 발휘하려면 실제로 그 공간에서 일해야 합니다. 노션과 노션 에이전트를 활용하고 있거나, 클로드 코드나 오픈클로 등을 활용해 에이전트를 구축해 둔 상태라면, 기존 방식을 일부 변경하고 적응하는 시간을 개인 또는 팀 단위로 가져야 할 수 있습니다.

둘째, 컨텍스트 품질 관리가 필요합니다. 팀원들이 자유롭게 작업하다 보면 오래된 정보, 충돌하는 내용, 관련 없는 문서가 쌓이기 시작합니다. Kanwas 팀은 이를 위한 ‘가드너(Gardener)’ 기능을 개발 중이라고 밝혔습니다. 에이전트가 주기적으로 컨텍스트를 순회하며 중복되거나 오래된 내용을 찾아 알려주는 기능인데, 이 기능이 잘 작동하면 컨텍스트 관리 부담이 크게 줄어들 것 같습니다. 개인적으로도 빨리 출시됐으면 하는 기능 중 하나입니다.

셋째, 비개발자 팀의 온보딩 경험입니다. 캔버스 인터페이스 자체는 직관적이지만, 처음에 어디서부터 시작해야 할지 막막할 수 있습니다. ‘일단 뭔가를 채워야 의미가 생기는 도구’라는 특성상, 빈 공간에서 시작하는 첫 경험이 다소 어색합니다. 저도 처음 며칠은 ‘이걸 어떻게 구성해야 하지?’라는 고민이 있었습니다. Kanwas 팀에서도 이를 인지하고 교육 콘텐츠를 준비 중이라고 했는데, 온보딩 경험이 개선되면 진입 장벽이 크게 낮아질 것 같습니다.

<참고>

https://kanwas.ai