Rowboat, 로컬 우선 AI 동료의 새 기준

채팅창이 아니라 업무 메모리 레이어

Rowboat GitHub 저장소는 자신을 "업무 기억을 가진 데스크톱 AI coworker"라고 설명한다. 이메일, 회의, Slack, 어시스턴트 대화를 Obsidian 스타일의 백링크 지식그래프로 색인하고, 그 맥락을 사용해 이메일 작성, 회의 노트, 브라우저 작업, 코드 모드, 프로젝트 워크스페이스를 제공한다. 2026년 7월 7일 GitHub API 기준으로 약 1만5천 개 이상의 star와 1천5백 개 이상의 fork를 기록하고 있다.

Rowboat이 흥미로운 이유는 채팅 UI를 또 하나 만든 것이 아니라 업무 맥락의 저장 방식을 다르게 잡았기 때문이다. README는 모든 데이터가 로컬의 plain Markdown vault에 있고, 사용자가 inspect, edit, backup, delete할 수 있다고 설명한다. 대부분의 AI 도구가 요청 시점에 문서와 대화를 검색해 컨텍스트를 재구성한다면, Rowboat은 시간이 지나며 누적되는 장기 기억을 강조한다.

Agenthub의 Claude Science 연구 워크벤치 분석, Gemini Spark 맥 출시 분석, Adrafinil 맥 절전 제어 분석을 함께 보면 데스크톱 AI 경쟁은 모델 호출 앱에서 운영체제 가까운 업무 레이어로 이동하고 있다.

로컬 우선은 프라이버시 마케팅을 넘어선다

Rowboat의 로컬 우선 설계는 단순한 프라이버시 문구가 아니다. 업무 AI에서 데이터 소유권은 곧 제품 신뢰다. 이메일과 회의록, 드라이브 문서, 코드 작업은 모두 민감하다. 이 데이터를 중앙 서버에 장기 저장하면 검색은 쉬워지지만 조달, 보안심사, 내부 승인에서 큰 저항을 만난다. 로컬 Markdown vault는 이 저항을 낮추는 선택이다.

물론 로컬 우선이 모든 것을 해결하지는 않는다. Rowboat은 모델을 로컬 Ollama나 LM Studio로 쓸 수도 있고, 호스팅 모델을 BYOK 방식으로 쓸 수도 있다고 밝힌다. Deepgram, ElevenLabs, Exa, Composio, MCP 서버 같은 외부 도구 연동도 가능하다. 즉 데이터가 항상 기기 밖으로 나가지 않는다는 뜻은 아니다. 핵심은 사용자가 어떤 모델과 도구에 무엇을 보낼지 통제할 수 있는 구조다.

코드 모드와 백그라운드 에이전트의 의미

Rowboat README에서 특히 눈에 띄는 기능은 코드 모드와 백그라운드 에이전트다. 코드 모드는 Claude Code나 Codex 인스턴스를 병렬로 띄우고, Rowboat이 업무 맥락으로 이를 조율할 수 있다고 설명한다. 백그라운드 에이전트는 새 이메일 같은 이벤트나 매일 오전 8시 같은 스케줄에 맞춰 실행될 수 있다. 이것은 단순 채팅봇보다 운영 자동화에 가깝다.

이런 구조에서는 메모리 품질이 제품의 성능이다. 모델이 아무리 좋아도 오래된 회의 결정, 고객 약속, 코드베이스 맥락을 모르면 업무를 망칠 수 있다. 반대로 지식그래프가 잘 관리되면 작은 모델도 더 정확한 판단을 할 수 있다. Short Leash 코딩 방법 분석에서 본 것처럼 에이전트를 잘 쓰는 핵심은 긴 자율성보다 좋은 문맥과 짧은 검수 루프다.

문제는 권한이다. 이메일, 브라우저, 코드, 외부 MCP 도구가 한 앱에 모이면 실수의 영향도 커진다. 로컬 저장은 서버 유출 위험을 줄이지만, 로컬 에이전트가 잘못된 파일을 읽거나 잘못된 메일을 보내는 위험은 그대로 남는다. 따라서 Rowboat 같은 도구의 다음 경쟁력은 권한 세분화, 작업 승인, 감사 로그, 안전한 도구 샌드박스가 될 가능성이 높다.

한국 조직에서의 도입 시나리오

한국 스타트업과 소규모 팀에게 Rowboat류 도구는 매력적이다. 중앙 IT 승인 없이 개인 워크스테이션에서 시작할 수 있고, Markdown 기반이라 백업과 이관이 쉽다. 고객 미팅이 많고 문서가 흩어진 팀은 지식그래프의 효과를 빠르게 체감할 수 있다. 특히 영업, PM, 개발 리드처럼 여러 맥락을 오가는 역할에서 가치가 크다.

대기업이나 금융권은 더 조심해야 한다. 로컬 우선이라도 Gmail, Drive, Slack, 외부 모델, MCP 도구 연결이 들어가면 보안 검토가 필요하다. 개인이 임의로 연결하면 섀도 IT가 된다. 조직 도입을 하려면 vault 위치, 암호화, 백업, 외부 전송 로그, 모델 공급자 허용 목록, 승인 절차를 먼저 정해야 한다.

경쟁 구도도 흥미롭다. Claude Desktop, ChatGPT 데스크톱, Gemini 계열 앱은 모델과 생태계에서 강하다. Rowboat은 오픈소스, 로컬 저장, 지식그래프, 멀티 에이전트 조율로 차별화한다. 이 구도에서 승자는 모델 성능만으로 정해지지 않는다. 사용자가 자신의 업무 기억을 어느 제품에 맡길지, 그리고 그 기억을 다른 도구로 옮길 수 있는지가 결정적이다.

자주 묻는 질문

Q1: Rowboat은 Claude Desktop 대체인가요?

A: 일부 사용 시나리오에서는 대체가 될 수 있다. 다만 핵심 차별점은 채팅보다 로컬 지식그래프와 업무 표면의 통합이다.

Q2: 데이터가 정말 로컬에만 남나요?

A: 기본 저장은 로컬 Markdown vault를 강조하지만, 외부 모델이나 검색, 음성, MCP 도구를 쓰면 일부 데이터가 외부로 나갈 수 있다. 설정과 권한 확인이 필요하다.

Q3: 어떤 팀에 먼저 맞나요?

A: 문서와 회의, 이메일 맥락이 많고 보안상 클라우드 장기 저장을 꺼리는 소규모 팀이나 개인 생산성 파워유저에게 먼저 맞는다.

Q4: 위험은 무엇인가요?

A: 여러 계정과 도구를 연결하는 만큼 권한 오남용, 잘못된 자동 발송, 민감 파일 접근, 외부 API 전송 위험이 있다.

Q5: 도입 전에 무엇을 확인해야 하나요?

A: vault 저장 위치, 백업, 모델 제공자, 외부 API 키, MCP 서버 권한, 에이전트 실행 승인 방식을 확인해야 한다.