기본 콘텐츠로 건너뛰기

[알아두면 쓸모 있는 구글 Gmail 팁] 기록을 위한 모든 도구는 버려라 Gmail 하나 면 충분 (Gmail 활용 Know-How)

기록하기 위한 모든 도구는 버려라!  Gmail 하나 면 충분


기록의 핵심은 타임스탬프이다. 일기를 쓰던, 회의록을 작성하던, 거래하는 업체와 계약서를 주고 받던, 내 문서를 생성하던, 디지털 문서의 진본 확인을 할 때도 가장 중요한 것은 생성된 시간(타임스탬프)에 대한 기록입니다. 

기록을 위한 앱을 활용 할 때는 개인용이던 기업 용이던 어떠한 것들을 사용하던 간에 반드시 생성 된 시간이 기록되고, 향후에도 수정 및 위변조가 불가능한 것으로 인정을 받을 수 있는 도구를 활용하는 것을 권고합니다. 

추천하고 싶은 가장 좋은 방법으로는 Gmail을 기록 보관 용으로 활용하는 것입니다.  Gmail 만큼 기록을 위한 유용한 도구가 없는 듯 합니다. 

Gmail 은 4가지 중 (무료 Gmail 사용자는 15GB, 기업용 Google Workspace 의 Gmail, 교육용 Google Workspace for Education, 비영리 단체용 Google Workspace for Nonprofit) 하나를 선택하여 사용할 수 있습니다.

저는 단순히 이메일 주고 받는 용도 외에도, 온갖 종류의 기록(일지, 일기, 아이디어, 읽은 책 기록, 회의록, 영수증 첨부, 스마트폰으로 스캐닝한 종이문서, 첨부문서등등)들을 Gmail에 저장하고 있습니다. 

구글의 제품 개발 부사장이었던 '조너선 로젠버그'는 본인의 여권, 의료 보험 증등을 스캐닝하여 본인을 받는 사람 주소로 이메일을 보내어 Gmail안에 저장한다고 합니다. 이렇게 하면, 언제 어디서든 기기와는 상관없이 검색이 쉽기 때문에 기록 및 저장을 위해서 Gmail을 사용한다고 합니다. 
 
서론이 너무 길었군요. Gmail을 활용하여 효율적으로 기록하고 자동으로 분류하고 쉽게 검색 하는 방법을 소개합니다.

기록을 원하는 내용을 자신의 이메일 주소로 메일을 보내는 것입니다. (앞에서 언급한 구글의 부사장인 ‘조나선 로젠버그'가 주로 사용하는 방법, 예). 본인의 여권을 스캔하여 Gmail로 자기 자신한테 첨부 파일로 전송하여 저장)

이때, Gmail의 다양한 기능을 활용하면 ‘태깅', ‘자동 분류', ‘라벨링', ‘검색', ‘자동 전달', ‘첨부문서 드라이브에 저장' 등이 가능해집니다.

  1. 이메일 주소를 이용한 ‘태깅' 하는 방법

  • 나는 스마트폰에서 메모용 앱으로 주로 Google의 Keep 을 사용 그때 그때의 기록들(아이디어 메모, 일기, 일지, 간단한 고객 상담메모)을 합니다. 메모된 내용은 향후에 장기 기록 보존(싯점 확인을 위한 타임스탬프를 위함)을 위해서 해당 메모를 이메일로 받는 사람 주소는 예) ’hsikchoi+아이디어@gmail.com’ 로 보냅니다. 즉, 본인의 이메일 주소가 ‘hsikchoi@gmail.com’ 인 겅우, 받는 사람의 주소는 ‘hsikchoi+아이디어@gmail.com’ 으로 보냅니다.
  • 이메일 주소 체계에서는 받는 사람 주소에 ‘hsikchoi+아이디어@gmail.com’로 메일을 보내도, 이메일 내용의 수신자 주소는 ‘hsikchoi+아이디어@’ 로 표시되고 전송시 ‘+’ 이후의 문자는 모두 무시 됩니다. 따라서, ‘hsikchoi+아이디어+고객@gmail.com’ 와 같이 메일을 보내도 이메일 시스템은 ‘hsikchoi@gmail.com’ 으로 인지합니다.
  • 스마트폰에서 종이 영수증을 캡처한 후(캡처용 앱은 어떠한 것을 사용해 도 무방) 이를 본인의 이메일 주소로 (예, hsichoi+영수증@gmail.com) 보내면 기록을 위한 저장 용도로 끝.
  • 나중에 Gmail안에서 검색할 경우는 검색창에서 ‘To:영수증' 으로 검색하면 ‘+영수증' 으로 태그된 모든 메일을 쉽게 검색 가능


  1. 태그된 메일을 자동으로 분류하여 라벨링 하는 방법

  • Gmail은 ‘라벨’ 이라는 기능과 ‘필터' 라는 기능을 통해서 수신되는 모든 메일를 자동 분류하여 원하는 ‘라벨' 을 색깔로 구별하여 붙일 수 있습니다.
  • ‘hsikchoi+아이디어@gmail.com’ 로 수신되는 메일은 라벨 ‘아이디어' 가 자동으로 부여되어 저장할 수 있습니다.
  • 아래 캡쳐한 이미지에서

(1) 번은 이메일 관리를 위하여 생성한 라벨들
(2) 번은 ‘필터' 기능으로 자동 부여된 라벨들
(3) 번은 Gmail만이 갖고 있는 쓰레드 기능으로, 기록된 메일에 대해서 추가로 메일을 주고 받거나, 보충 내용을 기록하고자 할 경우에 해당 메일에 대하여 reply를 하면 자동으로 쓰레드로 묶여서 하나의 메일로 저장되고 묶인 메일의 건수를 보여 줍니다. (4) 번에 표시된 심볼은 이메일 주소에 수신자로 본인만 유일하게 지정되어 있는 메일임을 알려주는 표시 입니다.   
  • 예) 받는사람 주소:‘hsikchoi+evernote@gmail.com 로 메일을 보내면 ‘My Evernote’ 라벨이 자동으로 부여되고, 내부적으로 필터를 적용하여 ‘자동으로 Evernote 에도 저장이 되도록 허용을 할 수도 있습니다. (이메일을 이용하여 에버노트 저장 기능은 최근 에버노트에서 유료 버전으로 바뀌었습니다)


  1. 라벨 검색 및 태그 검색

  • Gmail에서는 라벨 검색인 경유는 검색창에서 ‘label:아이디어' 로 검색이 가능
  • 받는 사람 주소에 ‘+’로 태그한 메일 검색은 검색창에서 ‘To:아이디어' 로 검색

4. 요점 정리

  • 기록을 위한 저장 도구로 이메일 시스템을 활용해야 하는 이유는 이메일의 싯점확인(타임스탬프) 기록에 대한 효력 때문입니다.
  • 생성된 기록의 시간을 나중에 임의로 수정할 수 있는 도구들은 기록용 저장 도구로 적합하지 않습니다.
  • Gmail안에서는 라벨, 태그, 필터등을 활용하여 수신 된 메일들을 아주 쉽게 관리가 가능
  • 기록 작성용 도구는 무엇을 사용하여도 무방하나, 저장 만은 이메일 시스템 활용하는 것을 권고
  • Gmail 만큼 장소, 시간, 디바이스 상관없이 메일을 보내고 저장하고 검색할 수 있는 시스템은 많지 않을 것입니다. 모든 기록은 Gmail로 모든 데이터 저장 관리는 Google Drive로 통일

----------------------------------------








댓글

이 블로그의 인기 게시물

초파리 뇌가 게임하고 로봇을 조종한다? 커넥톰 AI의 원리와 현실

CONNECTOME × AI 초파리 뇌가 게임하고 로봇을 조종한다? 커넥톰 AI가 실제로 하는 일과 하지 못하는 일을, Doom과 드론 사례로 구분해 봤습니다. 결론부터 말하면 완전히 거짓은 아닙니다. 다만 "살아 있는 뇌를 컴퓨터에 업로드했다"는 설명은 틀립니다. 139,255 2024년 공개된 성체 암컷 초파리 뇌의 뉴런 수 5,450만 같은 커넥톰에 기록된 화학 시냅스 수 1억 2,500만 2026년 수컷 중추신경계 지도에 포함된 시냅스 연결 먼저, 무엇이 공개된 것인가 2024년 FlyWire 연구진은 성체 암컷 초파리 한 마리의 뇌에서 139,255개 뉴런과 약 5,450만 개 화학 시냅스를 재구성했습니다. 세포 유형과 뇌 영역, 신경전달물질 예측도 함께 공개했습니다. [1] 2026년에는 수컷 초파리의 뇌와 복측신경삭까지 연결한 지도가 나왔습니다. 16만6천 개가 넘는 뉴런과 1억2,500만 개 시냅스 연결을 담아, 감각이 움직임으로 이어지는 경로까지 연구할 수 있게 됐습니다. [2] 연구진은 전자현미경 사진에서 AI로 뉴런 경계를 분리하고 3차원으로 이어 붙입니다. AI가 잘못 합치거나 끊은 부분은 사람이 검수합니다. 커넥톰은 도로 지도에 가깝습니다. 도로가 어디로 이어지는지는 보여주지만, 지금 차가 어디를 달리는지, 신호등이 어떻게 바뀌는지, 운전자가 어디로 가려는지까지 알려주지는 않습니다. 커넥톰은 죽은 조직에서 얻은 정적 구조입니다. 순간의 막전위와 발화 패턴, 정확한 시냅스 강도, 호르몬 상태, 배고픔 같은 내부 상태는 온전히 담겨 있지 않습니다. 정적인 배선도에 어떻게 행동을 넣나 1. 그래프로 바꾼다 뉴런을 노드, 시냅스를 방향이 있는 연결로 표현합니다. 시냅스 수와 신경전달물질 예측은 가중치와 흥분·억제 부호의 출발점이 됩니다. 2. 시간 규칙을 넣는다 각 뉴런에 입력이 쌓이고 임계값을 넘으면 발화하는 수학 모델을 붙입니다. 대표적인 방...

CLARITY 법안 표결 실패, 비트코인과 XRP는 왜 급락했나

긴급 시장 분석 CLARITY 법안 표결 실패, 비트코인과 XRP는 왜 급락했나 49 대 50으로 막힌 미국 암호화폐 시장구조 법안. 표결의 정확한 의미와 BTC·XRP 가격 충격, 앞으로 확인할 가격대를 함께 분석합니다. 작성 기준: 2026년 9월 16일 오전 7시 25분(KST) · 가격은 작성 시점 기준 상원 표결 찬성 49 · 반대 50 비트코인 24시간 -4.32% XRP 24시간 -11.36% 목차 무엇이 부결됐나 왜 60표를 얻지 못했나 비트코인·XRP 가격 반응 비트코인 기술적 구간 XRP 기술적 구간 향후 시나리오와 관찰 포인트 먼저 결론부터 미국 상원이 부결한 것은 CLARITY 법안의 최종 통과안이 아닙니다. 상원 본회의에서 법안을 다루기 위해 토론 종결 절차를 밟고 심의로 넘어갈 것인지를 묻는 클로처 표결 이었습니다. 필요한 60표를 얻지 못하면서 법안은 본격 토론 단계에 진입하지 못했습니다. 정확한 표현: “CLARITY 법안이 최종 폐기됐다”가 아니라 “법안을 본회의에서 다루기 위한 절차표결이 실패했다”가 맞습니다. 시장은 이 결과를 미국 암호화폐 규제 명확화의 지연으로 받아들였습니다. 비트코인은 약 4% 하락했지만 XRP는 11% 넘게 떨어졌습니다. 규제 기대에 민감한 알트코인이 정치적 불확실성에 더 크게 반응한 모습입니다. 1. 상원에서 실제로 무엇이 부결됐나 미국 상원 공식 기록에 따르면 2026년 9월 15일 오후 3시, H.R. 3633인 Digital Asset Market Clarity Act 에 대한 ‘motion to proceed’의 클로처 동의가 찬성 49표, 반대 50표 로 부결됐습니다. 클...

Muse와 OpenClaw: 같은 에이전트인가, 새로운 개인비서인가

개인 AI 에이전트 비교 · 2026년 9월 25일 Muse와 OpenClaw: 같은 에이전트인가, 새로운 개인비서인가 Muse가 OpenClaw 코드를 그대로 실행하는 클론이라는 증거는 없습니다. 다만 에이전트의 기본 구조와 제품 철학은 크게 닮았고, Muse의 새로움은 개념보다 배포 방식·보안 모델·대중화에 있습니다. 에이전트 개념은 OpenClaw ≈ Muse입니다. 구현은 다릅니다. OpenClaw가 사용자가 직접 운영하는 개방형 하니스라면, Muse는 Meta가 호스팅하는 소비자용 서비스입니다. 1. 왜 ‘일반인용 OpenClaw’라는 말이 나왔나 Muse 출시 뒤 초기 사용자들은 두 제품의 내부 파일 체계를 비교했습니다. SOUL.md , IDENTITY.md , USER.md , MEMORY.md , AGENTS.md , TOOLS.md 같은 이름뿐 아니라, 에이전트의 성격과 행동 경계를 정하는 문장까지 비슷하다는 지적이 나왔습니다. The Verge도 두 제품이 핵심 파일 이름과 “Be genuinely helpful, not performatively helpful” 같은 문구를 공유한다고 보도했습니다. [2] 파일 규약 OpenClaw: 성격·사용자·기억·도구를 텍스트 파일로 관리합니다. Muse: 이름과 역할이 유사한 파일 체계가 관찰됐습니다. 제품 형태 공통점: 질문에 답하는 챗봇을 넘어 브라우저와 도구를 사용해 실제 일을 수행하는 개인 에이전트를 지향합니다. 논란의 핵심은 화면이 비슷하다는 정도가 아닙니다. 에이전트 하니스, 즉 모델이 기억·도구·규칙을 활용하도록 둘러싼 실행 구조와 성격 문서까지 닮았다는 점입니다. 2. Meta의 공식 설명 Meta Superintelligence Labs 제품 책임자 Nat Friedman은 Muse를 “처음부터 새로 만들었지만, 제품으로서는...

Jev는 더 빠른 챗봇이 아니다: System One Model의 역할과 기업 활용 가능성

한 줄 요약: Jev는 글을 생성하는 챗봇이 아니라, 소프트웨어가 직접 사용할 판단값과 확률을 100ms 내외로 빠르게 반환하는 System One 의사결정 전용 모델 이다. 최근 AI 개발자 커뮤니티에서 Jev 가 빠르게 주목받고 있다. 항공권을 약 7초 만에 찾고, 광고 수백 개를 수십 초 안에 분석하고, 논문 1,018편을 0.08달러에 분류했다는 사례들이 등장했다. 숫자만 보면 새로운 초고속 생성형 AI처럼 보인다. 하지만 Jev를 ChatGPT나 Claude의 더 빠르고 저렴한 대체품으로 이해하면 핵심을 놓친다. Jev는 글을 생성하는 AI가 아니라, 소프트웨어가 사용할 판단값을 빠르게 반환하는 의사결정 전용 모델이다. TypeSafe AI는 이를 새로운 모델 계열인 System One Model 이라고 부른다.[1] 이 글에서는 TypeSafe의 공식 발표와 개발 문서, 초기 활용 사례를 바탕으로 다음 질문에 답한다. Jev는 정확히 무엇인가? 기존 LLM과 무엇이 다른가? 어떤 업무에 유용한가? Hermes 같은 AI 에이전트와 어떻게 연결할 수 있는가? 기업 데이터와 개인정보를 외부 API로 보내는 보안 문제는 어떻게 봐야 하는가? 1. 기존 LLM이 자동화에서 부딪히는 문제 ChatGPT, Claude, Gemini와 같은 LLM은 기본적으로 사람이 읽는 문자열을 생성하는 모델 이다. 보고서 작성, 설명, 대화, 코드 생성에는 매우 강력하다. 그러나 기업의 업무 시스템이 필요한 것은 종종 긴 설명문이 아니다. 예를 들어 고객 문의가 들어왔을 때 프로그램이 알고 싶은 것은 다음과 같다. 어느 부서가 처리해야 하는가? 긴급도는 얼마인가? 환불 요청인가? 사람이 확인해야 하는가? 자동 처리해도 되는가? 일반 LLM에 이런 질문을 하면 자연스러운 문장이나 JSON을 생성하도록 프롬프트를 작성한 뒤, 결과를 다시 파싱하고 검증해야 한다...

GPT-6 Astra 공개 내용 쉽게 해설: AI가 “대답하는 도구”에서 “일을 수행하는 동료”로

※ 아래 내용은 OpenAI가 공개한 GPT-6 Astra 소개 페이지의 주장을 바탕으로 쉽게 풀어쓴 해설입니다. 벤치마크 수치는 제조사가 제시한 조건과 측정 방식에 따라 달라질 수 있습니다. 한 줄 요약 GPT-6 Astra는 단순히 글을 잘 쓰는 모델을 넘어, 웹 브라우저와 컴퓨터를 직접 사용하고 여러 단계의 업무를 끝까지 수행하는 것을 목표로 한 모델입니다. 1. GPT-6 Astra는 무엇이 달라졌나? OpenAI는 GPT-6 Astra를 새로운 세대의 지능 모델이라고 소개합니다. 핵심은 지식량만 늘리는 것이 아니라 컴퓨터 사용, 웹 탐색, 소프트웨어 개발, 과학 연구, 사이버보안, 전문 업무 를 실제 작업 흐름 속에서 수행하도록 설계했다는 점입니다. 기존 챗봇이 질문에 답하고 결과물을 만들어 주는 데 집중했다면, Astra는 사용자의 목표를 이해한 뒤 브라우저를 열고, 자료를 찾고, 문서를 작성하고, 결과를 점검하는 식의 다단계 업무 수행 을 강조합니다. 2. 가장 중요한 변화: AI가 컴퓨터를 사용한다 소개 페이지의 표현을 쉽게 바꾸면 다음과 같습니다. 온라인 자료를 찾아 요약하기 문서·스프레드시트·프레젠테이션 만들기 웹사이트를 만들고 실제 화면에서 품질 점검하기 과학 데이터를 분석하고 그래프 만들기 양식 입력, 예약 검색, 상품 비교 같은 반복 업무 수행하기 이 변화는 “AI에게 무엇을 물어볼까?”에서 “AI에게 어떤 업무를 맡길까?”로 사용 방식이 이동한다는 뜻입니다. 프롬프트 한 번의 답변보다 목표·권한·검토 지점·완료 조건 을 설계하는 일이 중요해집니다. 3. 업무 성능에 대한 OpenAI의 주장 영역 공개 페이지에 제시된 내용 실무적으로 읽는 법 컴퓨터 사용 화면을 이해하고 브라우저·업무 도구를 조작 사람이 하던 반복적인 클릭·입력 업무를 위임할 가능성 소프트웨어 개발 코드 작성뿐 아니라 테스트와 수정까지 수행 코딩 보조를 넘어 이슈 해결 사이클에 참여 전문 업무 문서·스프레드시트·발표자료를 템플릿에 맞춰 생성 회사 ...