Orc Hwang's Wiki

개발 학습 기록과 기술 지식을 체계적으로 관리하는 개인 위키입니다.

확률적 엔지니어링과 24-7 직원: 코드가 '아는 것'에서 '믿는 것'으로 바뀔 때 (Tim Davis)

articles ai coding-agent agentic-engineering llm
잠든 커맨더 1명 vs 밤새 자율 항해하는 에이전트 함대 — 정확성을 '아는' 것이 아니라 '믿는' 것이 된 풍경 잠든 커맨더 1명, 깨어 있는 함대 정확성을 '아는 것'이 아니라 '믿는 것'이 되었다 z Z Z CAL 24/7 0.97 0.92 ? silent leak
사람은 잠들어도 함대는 자율로 항해한다. 돛 위 확률(0.97·0.92)은 정답처럼 보이지만 확률일 뿐이고, 한 척은 보이지 않게 물이 샌다 — 24-7 직원의 실체이자 '정확성을 믿는' 세계의 위험.

원문 정보

이 글을 Articles에 담는 맥락: Modular를 이끄는 Tim Davis가, 에이전트 함대를 실제로 만들고 운영하는 자리에서 바라본 소프트웨어 개발의 구조 변화를 정리한 긴 에세이다. 담론이 아니라 어떻게 짓고 운영하는가에 무게가 실려 있어 AI-Engineering으로 분류한다.

한 줄 요약 (TL;DR)

소프트웨어는 정확성을 아는(know) 결정론적 엔지니어링에서, 정확성을 얼마인지도 정확히 말할 수 없는 확률로 믿는(believe) 확률적 엔지니어링으로 옮겨 가고 있다. 그 변화의 표면이 24-7 직원 — 사람은 24시간 일하지 않지만, 그가 지휘하는 에이전트 함대는 밤새 자율로 일한다. 처리량은 폭증하지만, 생성은 싸지고 검증은 싸지지 않은 비대칭이 새로운 병목이자 위험이 된다. 핵심 베팅은 “함대를 지휘하는 인간이 여전히 충분히 날카롭고 잘 훈련되어 루프 안에 있을 가치가 있는가”이며, 그 베팅은 이길 수 있지만 아직 이긴 것은 아니다.

왜 이 글을 골랐나

이 글의 척추를 한 장으로 먼저 본다 — 인식론의 전환 하나에서 시작해, 검증 비대칭·함대 운영·역할 분열·기량 손실이 연역적으로 따라 나오고, 모든 것이 마지막의 한 베팅으로 모인다.

flowchart TB
    A["결정론적 엔지니어링<br/>정확성을 '안다'(know)"] --> B["확률적 엔지니어링<br/>정확성을 '믿는다'(believe)<br/>— 확률조차 정확히 말 못 함"]
    B --> C["핵심 비대칭<br/>생성=1분 / 500줄<br/>vs 검증=1시간+ (선형보다 나쁨)"]
    C --> D["새 병목 = 검증<br/>'선택(selection)이 전부가 된다'"]
    D --> E["24-7 함대 운영 모델<br/>사람은 자도 에이전트는 안 잔다"]
    E --> F["역할의 분열"]
    F --> G["상향: 아키텍트 · 전략<br/>(지렛대 폭증)"]
    F --> H["하향: spec 작성 · 리뷰<br/>· 에이전트 보모 (보상 박함)"]
    E --> I["잃게 될 근육<br/>'짓지 않으면 평가하지 못한다'<br/>craft · 견습 모델 붕괴"]
    G --> J["결론: 루프 안의 인간에 건 베팅<br/>'이길 수 있지만 아직 이긴 건 아니다'"]
    H --> J
    I --> J

이 위키의 Articles에는 “AI가 코드를 싸게 만든 다음 무엇이 비싸지는가”를 다룬 글이 여럿 쌓여 있다. 대부분은 그 변화의 한 면을 본다 — 취향이 비싸진다, 검증이 비싸진다, 의도가 비싸진다. 이 글의 가치는 그 조각들을 하나의 운영 모델로 꿰는 데 있다. “정확성을 안다 → 믿는다”라는 인식론적 전환을 출발점에 놓고, 거기서 검증 비대칭·함대 운영·역할 분열·기량 손실까지를 연결된 한 흐름으로 풀어낸다.

골라 둘 가치가 있는 이유는 두 가지다. 첫째, 화자가 AI를 안 써 본 비관론자가 아니다. Modular(Mojo·MAX의 그 회사)를 이끌고, 여러 프런티어 모델을 묶어 자율로 코드를 생성·리뷰하는 Compound Loop 시스템까지 직접 만든 사람이, 함대를 운영해 본 자리에서 “이건 멋지지만 동시에 불안하다”고 말한다. 둘째, 이 글은 낙관과 비관을 한 몸에 담는다. “3~10배 더 출하한다”는 흥분과 “조용한 데이터 손상이 1만 행에 한 줄씩 새고 있다”는 공포를 같은 페이지에 놓고, 어느 쪽도 깎아내리지 않는다. 그 균형이 이 글을 단순한 AI 찬가나 회의론과 다르게 만든다.

핵심 내용

원문의 흐름을 따라 저자의 논지를 한국어로 풀어 정리한다. (직접 인용은 가장 상징적인 몇 줄만 남긴다.)

역할은 위로만 무너지는 게 아니라, 갈라진다

흔한 서사는 “AI가 하위 역할을 흡수하고 사람은 위로 올라간다”는 것이다. 저자는 그 그림이 절반만 맞다고 본다. 상위 운영자(top-tier operator)는 어느 때보다 큰 지렛대를 얻어 아키텍처·전략 같은 일로 올라가는 게 맞다. 그러나 동시에 중간 역할은 위로 올라가는 대신 아래로 쪼개진다 — spec 작성자, 리뷰어, 에이전트 보모(agent babysitter) 같은, 시스템에는 필요하지만 보상은 박한 일들로 파편화된다.

이 분열이 만드는 격차는 작지 않다. 저자는 함대를 효과적으로 지휘하는 상위 그룹과 그 배기가스(exhaust)를 관리하는 중간 그룹 사이의 보상 격차가, 이전 시대의 엔지니어-영업 격차보다 더 벌어질 것이라고 본다.

“These fragmented roles will be paid less, valued less, and in many cases become career dead ends.”

방어 가능한 일은 여전히 AI 인프라 안쪽(커널 성능, 컴파일러 설계)에 남고, 그 위의 소프트웨어 층은 기계가 아직 복제하지 못하는 인간의 입력 쪽으로 무게가 옮겨 간다.

Jevons는 석탄에 대해 옳았고, 코드에 대해서도 옳다

1865년, William Stanley Jevons는 더 효율적인 증기기관이 석탄 소비를 줄이기는커녕 늘렸다는 역설을 관찰했다 — 효율이 오르자 쓸 만한 용처가 폭발적으로 늘었기 때문이다. 저자는 코드가 정확히 같은 경로를 밟는다고 본다. 코드 생성이 싸지면, 줄어드는 게 아니라 훨씬 더 많은 코드가 쓰이고 출하된다.

스케일링 법칙은 한계가 보이지 않고, 실제로 에이전트 중심으로 조직을 재편한 팀은 1년 전보다 3배, 5배, 10배를 출하하고 있다.

“The throughput gains are not subtle, and the teams that have genuinely restructured around agents are shipping three, five, or ten times what they shipped a year ago.”

그래서 새 제약은 타이핑 속도가 아니다. 공급이 폭발하면 선택(selection)이 전부가 된다. 지렛대는 에이전트의 산출을 옳은 문제로 향하게 하고, 가치로 거르고, 결과를 일관되게 통합하는 능력으로 옮겨 간다.

결정론적 엔지니어링에서 확률적 엔지니어링으로

이 글의 척추다. 전통적 소프트웨어에서 우리는 짜고, 테스트하고, 리뷰해서 정해진 경계 안에서 동작함을 안다. 확률적 시스템에서는 코드의 큰 부분을 확률적 시스템이 생성하고, 시간 압박 속에 리뷰되며, 어떤 한 사람도 처음부터 끝까지 설계하지 않는다.

핵심 비대칭은 한 문장으로 압축된다.

“Generation has become cheap, but validation has not.”

한 에이전트는 1분도 안 되어 500줄을 뽑는다. 그 안의 미묘한 버그를 잡는 데는 시니어 엔지니어가 한 시간 이상을 쓴다. 게다가 리뷰는 산출량에 대해 선형보다 나쁘게 확장된다 — 코드베이스에서 에이전트가 쓴 비중이 커질수록, 한 줄을 읽는 데 필요한 맥락도 함께 불어나기 때문이다. 그 결과, 충분한 규모에서 코드베이스는 동작함을 아는 것에서 동작하리라 믿는데 그 확률을 정확히 말할 수는 없는 것으로 바뀐다. 정확성이 확률적이 된다.

저자가 드는 실패 모드는 구체적이다 — 10번 중 9번은 테스트를 통과하는 race condition, staging에서는 멀쩡하지만 예상 못한 조건에서 무너지는 기능, 1만 행에 한 줄씩 일어나는 조용한 데이터 손상, 그리고 생성은 늘고 리뷰 품질은 떨어지면서 진행되는 느리고 조용한 퇴화.

저자는 현재 도구가 원시적이라고 솔직히 인정한다. 작은 머지, 단단한 게이트, 회의주의, 관측 가능성 같은 문화가 도움은 되지만 확장되지는 않는다. 그는 누군가 이 문제에 맞는 제대로 된 도구를 만들어 주기를 바란다고 적으며, 지금으로선 무자비한 회의주의의 문화가 새 CI/CD라고 말한다.

모든 산업이 같은 속도로 움직이지는 않는다

저자는 산업을 세 층으로 나눈다.

  • 결정론 층 (고위험·규제): 항공 전자, 의료기기, 금융 거래 인프라, 원자력, 결제망. 형식 검증·광범위한 시뮬레이션·인간 사인오프 체인을 요구하며, 속도보다 안전을 옳게 우선한다. 오래도록 결정론으로 남는다.
  • 확률 층 (소비자·내부): 소비자 소프트웨어, 내부 도구, 마케팅 시스템, 대부분의 SaaS, 콘텐츠 인프라, 실험·초기 단계 작업. 버그의 비용은 롤백·핫픽스지만, 이득은 10배의 반복 속도다. 이미 뜨겁게 달아오르고 있고 더 빨라진다.
  • 수렴 지대 (흥미로운 미래): 보험·헬스케어·엔터프라이즈 인프라처럼 지금은 결정론이지만 확률적 방법이 위로 스며드는 영역. 모델이 좋아질수록 프런티어는 계속 올라가고, 선도 팀은 결정론적 가드레일을 다시 끼워 넣는다 — 확률적 생성을 결정론적 검증으로 감싸는 하이브리드. 이기는 팀은 자기 층을 알고 엉뚱한 층에서 일하려는 유혹에 저항하는 팀이다.

에이전틱 함대

저자는 “공장 교대”보다 함대(fleet)가 더 나은 은유라고 본다 — 사람이 대체되는 게 아니라 지휘받기 때문이다. 다만 현실은 잘 통제된 해군보다 불안정한 외주 계약자들의 떼에 가깝다 — 능력이 들쭉날쭉하고, 행동은 확률적이며, 때로 자신만만하게 틀리고, 규모가 커지면 비싸다.

함대의 특징은 구성(작업별로 다른 에이전트), 조정(인계·의존성·에스컬레이션), 지휘 구조(임무 지시·교전 규칙·리뷰)로 정리된다. 그리고 결정적으로, 함대에는 야간 당직이 있다 — 지휘관이 자는 동안에도 계속 일하고 아침에 보고한다.

“Your agents do not sleep, and that is the whole point.”

이것이 24-7 직원의 실체다. 한 사람의 하루는 새로운 리듬으로 재배열된다 — 아침엔 밤새 나온 산출을 분류하고 머지하고, 낮엔 고객 대화·전략·제품 결정·spec 작성 같은 고지렛대 인간 작업을 하고, 오후엔 에이전트가 보고하면 리뷰하고 방향을 다시 잡고, 저녁엔 명확한 명세와 함께 일을 에이전트에게 넘긴다. 잘 굴러가면, 자고 일어났을 때 끝낸 지점보다 앞서 있다 — 리뷰 규율이 버티는 한.

아직 갖지 못한 모델을 위해 지어라

저자는 지금 쓰는 모델이 우리가 쓸 가장 멍청한 모델이라고 말한다.

“The model we are using today is the dumbest model we will ever use.”

프런티어 능력은 6~12개월 안에 오늘을 의미 있게 넘어설 것이고, 현재와 다음 모델의 격차는 현재와 1년 전의 격차보다 더 클 가능성이 크다. 함의는 분명하다 — 조직은 2026년이 아니라 2027~2028년의 능력을 향해 지어야 한다. 명세, 리뷰 문화, 관측 가능성, 에이전트 오케스트레이션, 훈련 의례는 현재 모델이 아니라 미래 모델을 위한 비계(scaffolding)다. 일찍 움직인 쪽은 복리로 앞서가고, 늦은 쪽은 다음 시대를 먼저 간 사람들이 이미 아는 것을 배우는 데 써 버린다.

우리가 잃게 될 근육

가장 무거운 장이다. 저자의 명제는 단순하다 — 짓지 않으면, 남이 지은 것을 평가하는 능력을 잃는다.

“If you never build, you lose the ability to evaluate what is being built.”

첫날부터 AI에 기대는 주니어는 빠르게 출하하지만, 모델이 예상 밖으로 실패할 때 디버깅하지 못한다 — 시스템에 대한 내적 모델을 한 번도 만들어 본 적이 없기 때문이다. 취향·판단·craft는 마찰을 통해서만 형성된다 — 새벽 2시의 디버깅, 어려운 문제와의 씨름. 그런데 견습(apprenticeship) 모델이 무너진다. 주니어는 에이전트를 통해 코딩하고, 시니어는 인간의 산출이 아니라 에이전트의 산출을 리뷰한다. 지금 세대의 시니어가 전통적 방법론으로 온전히 훈련된 마지막 세대일 수 있고, 미래의 운영자는 함대를 지휘하되 시스템의 도면은 읽지 못할 수 있다.

저자의 처방은 역설적이다 — 정기적으로 일부러 옛날 방식으로 어려운 문제를 짓고 풀어 craft를 유지하라는 것. 이 비주류 선택이 10년 뒤 운영자를 가르는 차별점이 될 수 있다고 본다.

불편한 부분

저자는 마지막에 낙관과 위험을 한자리에 놓는다 — 리뷰 부담으로 인한 직원의 소진, 시스템엔 필요하지만 보상받지 못하는 파편화된 역할, craft를 못 기른 주니어, 산출량을 품질로 착각하다가 사고로 그 격차를 드러내는 팀, 그리고 다음 세대 모델에 준비된 조직과 그렇지 못한 조직. 그리고 결론을 베팅의 언어로 봉인한다 — 24-7 직원은 약속이 아니라 재배열이자 베팅이며, 그 베팅은 루프 안의 인간이 여전히 충분히 날카롭고 정직하고 잘 훈련되어 루프 안에 있을 가치가 있는가에 걸려 있다. 그 베팅은 이길 수 있지만 아직 이긴 것은 아니다.

분석과 인사이트

여기서부터는 원문 요약이 아니라 내 관점이다.

생성은 싸고 검증은 비싸다 — 생성 곡선은 바닥에 평평히 눕고, 검증 곡선은 선형보다 가파르게 솟는다 생성은 싸지고, 검증은 싸지지 않았다 두 곡선의 기울기 차이 = 비대칭 = 새 병목 비용 · 시간 생성량 (LOC) → 생성 비용 1분 / 500줄 — 거의 공짜 검증 비용 선형보다 나쁜 확장 — 맥락이 함께 불어남 벌어지는 간격 = 조용한 퇴화의 여지
한 에이전트는 1분에 500줄을 뽑지만(녹색·바닥에 평평), 그 안의 미묘한 버그를 잡는 검증은 선형보다 가파르게 솟는다(붉은색) — 코드베이스에서 에이전트가 쓴 비중이 커질수록 한 줄을 읽는 맥락도 함께 불어나기 때문이다. 두 곡선 사이의 벌어지는 간격이 곧 위험이다.

  • 이 글의 진짜 기여는 ‘인식론적 프레임’이다. “AI가 코드를 싸게 만든다”는 관찰은 이제 흔하다. 이 글이 한 단계 더 들어가는 지점은, 그 변화를 정확성을 아는 것 → 믿는 것이라는 인식론의 전환으로 다시 쓴 데 있다. 이 프레임이 강력한 이유는, 그것이 나머지 모든 결론을 연역적으로 끌어내기 때문이다. 정확성이 확률이 되면 → 검증이 병목이 되고 → 리뷰 규율이 생명선이 되고 → 그 규율을 지킬 훈련된 인간이 핵심 자산이 된다. 검증이 비싸지는 시대를 Martin Fowler가 메모로 던졌다면, Davis는 같은 통찰을 조직 운영 모델로까지 끌고 내려간다.

  • “generation cheap, validation not”은 이 위키에 쌓인 여러 글의 공통 분모다. 코드가 공짜가 된 시대의 ‘취향’이 “내부 평가 함수의 품질”을 가장 값진 기술로 본 것, Intent Debt가 “에이전트가 유일하게 못 갚는 부채는 의도”라고 본 것, 그리고 이 글이 “선택이 전부가 된다”고 한 것은 같은 비대칭의 세 얼굴이다. 생성이 공짜가 되는 순간, 희소 자원은 무엇을 만들지 고르고(taste/intent) 만들어진 것이 맞는지 거르는(validation) 인간 쪽으로 통째로 이동한다. Davis의 공헌은 이 이동을 일과(日課)의 재배열로 구체화한 것이다 — 추상적 “취향”이 “아침 triage, 저녁 hand-off”라는 시간표로 바뀐다.

  • 삼층 산업 분류는 실무에서 가장 바로 쓸 수 있는 도구다. “확률적 엔지니어링으로 가라/가지 마라”는 이분법은 위험하다. 결제망에서 10배 빠른 반복은 재앙이고, 마케팅 랜딩 페이지에서 형식 검증은 낭비다. Davis의 진짜 실용적 조언은 네 층을 알라다 — 그리고 가장 흥미로운 곳은 수렴 지대, 즉 확률적 생성을 결정론적 검증으로 감싸는 하이브리드다. 이건 새로운 게 아니라 신뢰할 수 있는 Agentic AI 시스템이 말한 하니스 엔지니어링의 산업 버전이다 — 확률적 코어를 결정론적 가드레일(테스트·타입·계약·정책)로 둘러싸는 것. “어디에 결정론을 다시 끼워 넣을 것인가”가 다음 시대 아키텍트의 핵심 결정이 된다.

  • ‘역할이 갈라진다’는 진단은 위안이 아니라 경고로 읽어야 한다. AI 담론의 기본 위안은 “AI가 하위 작업을 가져가고 너는 위로 올라간다”이다. Davis는 그 위안에 상향과 하향이 동시에 일어난다는 단서를 단다 — 모두가 아키텍트로 올라가는 게 아니라, 일부는 spec 작성·리뷰·에이전트 보모라는 막다른 길로 갈라진다. 이는 The Untrainable이 말한 “측정 가능한 일은 commodity가 된다”의 어두운 짝이다 — 함대의 배기가스를 치우는 일은 측정 가능하고 따라서 값이 깎인다. 다만 Davis는 왜 어떤 사람은 상향, 어떤 사람은 하향인가의 경계를 충분히 그리지 않는다. 그 경계가 craft·taste·시스템 이해라는 게 마지막 장의 함의지만, 명시적 다리는 빠져 있다.

  • ‘잃게 될 근육’ 장이 이 글에서 가장 논쟁적이면서 가장 중요하다. “짓지 않으면 평가하지 못한다”는 명제는 AI가 우리의 실력을 망치고 있는가가 보고한 탈숙련(deskilling)의 초기 연구와 정확히 맞물린다 — AI에 기댄 의사의 선종 발견율이 떨어졌듯, AI에 기댄 엔지니어의 디버깅 근육도 위축된다. 그런데 여기엔 긴장이 있다. 같은 위키의 게으른 시니어 스킬이나 Karpathy의 코딩 가이드라인은 시니어의 판단을 에이전트에 잘 위임하는 법을 말한다. 두 입장은 모순이 아니라 순서의 문제다 — 먼저 마찰로 craft를 길러 내부 모델을 만든 사람만이 위임을 안전하게 할 수 있고, 그 모델 없이 첫날부터 위임하면 평가 능력이 자라지 못한다. Davis의 “일부러 옛날 방식으로 풀어라”는 그 내부 모델을 유지보수하는 비용을 명시적으로 예산에 넣으라는 말로 읽는 게 정확하다.

  • 다만 ‘도구가 곧 나올 것’이라는 낙관은 이 글의 가장 약한 고리다. Davis 스스로 현재 도구가 원시적이고 문화는 확장되지 않는다고 인정하면서, 해법을 “누군가 만들어 주기를 바란다”에 맡긴다. 확장되지 않는 회의주의 문화 위에 10배 처리량을 쌓으면, 그 격차는 조용한 퇴화로 메워진다 — 글이 직접 경고한 바로 그 실패 모드다. 즉 “아직 갖지 못한 모델을 위해 지어라”는 조언과 “검증 도구는 아직 없다”는 인정 사이에는, 생성 능력이 검증 능력보다 먼저 도착하는 한 위험은 누적된다는 불편한 시차가 남는다. 이 글의 베팅이 “이길 수 있지만 아직 이긴 것은 아니다”인 진짜 이유가 여기 있다.

적용 포인트

독자가 바로 적용할 수 있는 실천 항목이다.

  • 자기 작업이 어느 ‘층’인지 먼저 분류한다. 결제·의료·거래 인프라라면 속도보다 결정론적 검증이 옳고, 내부 도구·마케팅·실험이라면 확률적 반복을 더 공격적으로 켜도 된다. 엉뚱한 층의 규율을 빌려 오는 것(고위험에 확률론, 저위험에 형식 검증)이 가장 흔한 실수다.
  • ‘생성 예산’이 아니라 ‘검증 예산’을 먼저 잡는다. 에이전트 처리량을 늘리기 전에, 그 산출을 누가 어떤 규율로 검토하는가를 정한다. 작은 머지, 단단한 게이트, 관측 가능성, 무자비한 회의주의 — 리뷰가 버티지 못할 양은 출하하지 않는다를 기본값으로.
  • 수렴 지대에서는 ‘결정론적 가드레일’을 명시적으로 설계한다. 확률적 생성을 테스트·타입·계약·정책·시뮬레이션으로 감싸, 에이전트가 자신만만하게 틀려도 시스템이 막아 내게 한다. “어디에 결정론을 다시 끼워 넣을 것인가”를 아키텍처 결정으로 문서화한다.
  • 하루를 ‘함대 운영 리듬’으로 재배열해 본다. 아침 triage·머지 → 낮 고지렛대 인간 작업 → 오후 리뷰·재지시 → 저녁 명세와 함께 hand-off. 핵심은 저녁에 넘기는 명세의 품질이 다음 날 아침의 산출 품질을 결정한다는 점이다.
  • craft 유지 비용을 일정에 예산으로 넣는다. 정기적으로 에이전트 없이 어려운 문제를 직접 짓고 디버깅하는 시간을 확보한다. 특히 주니어에게는 “AI로 빠르게”와 “마찰로 내부 모델 형성”을 의도적으로 번갈아 시켜, 평가 능력이 자라게 한다.
  • ‘지금 모델’이 아니라 ‘다음 모델’을 기준으로 비계를 짓는다. 명세 양식, 리뷰 문화, 오케스트레이션, 관측 가능성을 현재 모델에 딱 맞추지 말고 한두 단계 위 능력을 가정해 설계한다 — 모델이 좋아지는 순간 그 비계가 곧바로 복리로 작동하도록.

마무리

이 글은 “AI가 코드를 싸게 만든다”는 관찰을 정확성을 아는 것에서 믿는 것으로라는 인식론의 전환으로 다시 쓰고, 거기서 검증 비대칭·함대 운영·역할 분열·기량 손실까지를 하나의 연결된 흐름으로 풀어낸다. 24-7 직원은 사람이 24시간 일하는 것이 아니라 그의 함대가 자는 동안에도 일하는 것이며, 그 모델의 생명선은 처리량이 아니라 루프 안에 남은 인간의 날카로움이다. 낙관(3~10배 출하)과 위험(1만 행에 한 줄씩 새는 조용한 손상)을 같은 페이지에 정직하게 놓는다는 점에서, 이 글은 AI 찬가도 회의론도 아니다 — 이길 수 있지만 아직 이기지 못한 베팅을 어떻게 이길 것인가에 대한, 함대를 직접 몰아 본 사람의 현장 보고서다. 이 시대의 진짜 과제는 더 많이 생성하는 것이 아니라, 생성한 것을 믿어도 되는지 검증할 인간을 계속 날카롭게 유지하는 것이다.

더 읽어보기