에이전틱 AI는 실제 기업 현장 어디에 쓰이나…눈여겨볼 활용 사례 11선

생성형 AI에 대한 기대가 비현실적으로 부풀려졌다는 평가와 함께 열기가 다소 식었음에도 기업들은 이제 수천 개 규모의 AI 에이전트를 실제 업무에 도입하고 있다.

에이전트 AI는 콘텐츠 생성에 초점을 맞춘 생성형 AI를 넘어 실제 업무 수행과 의사결정을 지원하는 데 중점을 둔다는 점에서 차별화된다. 이러한 가능성에 주목한 애플락(Aflac), 애틀랜틱 헬스 시스템(Atlantic Health System), 레전더리 엔터테인먼트(Legendary Entertainment), NASA 제트추진연구소(Jet Propulsion Laboratory) 등은 일찌감치 에이전트 AI 시스템 도입에 나섰다. 최근에는 드브라이대학교(DeVry University), AT&T, AUM 바이오테크(AUM Biotech), 스마시(Smarsh) 등 다양한 조직이 이 기술을 도입해 성과를 거두고 있다.

AI 에이전트가 다양한 플랫폼과 업무 환경으로 빠르게 확산되면서 기술 도입을 검토하는 기업들은 어디서부터 시작해야 할지 고민하는 경우가 적지 않다. AI 전문가들은 현재까지 활용 효과가 가장 두드러진 사례들이 점차 윤곽을 드러내고 있다고 분석한다.

컨설팅 기업 EY의 글로벌 AI 혁신 책임자 로드리고 마다네스는 AI 에이전트가 ERP, CRM, 비즈니스 인텔리전스(BI) 시스템과 유기적으로 연계돼 워크플로를 자동화하고, 데이터 분석과 보고서 생성까지 수행하게 될 것이라고 전망했다. 또한 기존 자동화 기술과 달리 실시간으로 상황을 판단하고 의사결정을 내릴 수 있다는 점에서 프로세스 자동화가 AI 에이전트의 대표적인 활용 분야가 될 것으로 내다봤다.

마다네스는 “AI 에이전트는 고객 지원, 공급망 관리, IT 운영 등 지금까지 사람의 개입이 필요했던 반복 업무를 자동화할 수 있다”라며 “이 기술의 가장 큰 차별점은 변화하는 상황에 적응하고 예상치 못한 입력에도 별도의 수작업 없이 대응할 수 있다는 점”이라고 설명했다.

다음은 AI 전문가들이 꼽은 AI 에이전트의 대표적인 활용 사례 11가지다.

소프트웨어 개발

AI 에이전트는 AI 코딩 도우미(코파일럿)를 대규모 코드까지 작성할 수 있는 한층 지능적인 소프트웨어 개발 도구로 발전시킬 것으로 기대된다. 초기 코딩 도우미는 엇갈린 평가를 받았지만, 시장조사업체 가트너는 향후 3년 안에 AI 에이전트가 대부분의 코드를 작성하게 될 것으로 전망했다. 이에 따라 상당수 소프트웨어 엔지니어는 새로운 역량을 갖추기 위한 재교육이 필요해질 것으로 예상된다.

디지털 전환 컨설팅 기업 퍼블리시스 사피엔트(Publicis Sapient)의 수석부사장이자 최고제품책임자(CPO)인 셸던 몬테이로는 코딩 에이전트가 단순히 코드를 작성하는 데 그치지 않고, 별도의 AI 에이전트가 코드 오류를 검토하고 품질을 검증하는 역할까지 수행하게 될 것이라고 전망했다.

몬테이로는 “이미 데브옵스 툴체인이 워크플로를 자동화하고 있는 만큼 AI 에이전트를 추가하는 것은 자연스러운 진화”라며 “AI 에이전트는 코드에서 요구사항을 역으로 추론(리버스 엔지니어링)하고, 요구사항을 기반으로 테스트 케이스와 코드를 생성하며, 일정 기준을 충족한 산출물을 자동 승인해 전체 자동화 수준을 높일 수 있다”라고 설명했다.

미국 비영리 연구기관 MITRE를 비롯한 여러 조직도 코딩 업무를 지원하기 위해 AI 에이전트를 도입하고 있다. MITRE의 최고기술책임자(CTO) 찰스 클랜시는 코드 관리 전용 AI 에이전트를 자체 개발해 운영하고 있다고 밝혔다.

클랜시는 “가장 효과적인 활용 사례는 코드 저장소(리포지토리) 관리”라며 “AI 에이전트가 저장소를 순회하면서 버그를 수정하는 작업을 수행한다”라고 말했다.

예를 들어 10년 전에 작성된 소스 코드는 최신 개발 환경에서는 정상적으로 컴파일되지 않는 경우가 적지 않다.

클랜시는 “AI 에이전트는 해당 코드를 내려받아 빌드를 시도하고, 실행되지 않으면 빌드 스크립트와 코드를 수정한 뒤 저장소에 다시 반영한다. 또한 해당 수정이 AI 에이전트에 의해 수행됐다는 사실도 함께 기록한다”라고 설명했다.

한층 진화한 RPA

현재 많은 기업이 로보틱 프로세스 자동화(RPA)를 활용해 단순 반복 업무를 자동화하고 있다. 하지만 AI 에이전트는 단순 작업뿐 아니라 더 높은 수준의 의사결정이 필요한 복잡한 업무까지 수행할 수 있다고 몬테이로는 설명했다.

몬테이로는 “AI를 적용하면 RPA는 규칙 기반 자동화를 넘어 상황에 적응하고 자율적으로 판단하는 프로세스로 발전해 기업 운영 전반의 효율성을 크게 높일 수 있다”라며 “새로운 AI 도구는 RPA가 처리하던 단순 업무뿐 아니라 예외 상황까지 이해하고 대응할 수 있도록 AI 에이전트를 학습시킬 수 있다”라고 말했다.

일부 AI 전문가들은 앞으로 AI 에이전트가 기존 RPA가 처리하기 어려운 복잡한 업무를 담당하고, 경우에 따라서는 RPA와 함께 동작하며 새로운 수준의 업무 자동화를 구현할 것으로 전망한다.

IBM MIT AI 랩의 AI 연구원 샤에 칸(Shae Khan)은 많은 기업이 가까운 시일 내에 AI를 활용해 기존 RPA를 보완하고, 일부 영역에서는 대체하게 될 것으로 내다봤다.

칸은 “AI 에이전트는 의사결정이 필요한 복잡하고 동적인 업무를 담당하고, RPA는 반복적이고 규칙 기반의 업무를 계속 처리하는 방식으로 역할이 분담될 것”이라고 말했다.

고객 지원 자동화

기업들은 오랫동안 단순한 고객 문의를 처리하기 위해 챗봇과 음성봇을 활용해 왔다. 그러나 AI 기반 고객 경험 솔루션 기업 제네시스(Genesys)의 최고기술책임자(CTO) 글렌 네더컷은 AI 에이전트가 고객 서비스 자동화를 단순 FAQ 응답 수준을 넘어 보다 고도화된 서비스로 발전시킬 것이라고 전망했다.

네더컷은 “에이전트 AI는 정해진 규칙이 아닌 추론을 바탕으로 여러 단계를 거쳐 작업을 수행하는 자율형 AI라고 정의할 수 있다”라며 “사람의 개입 없이도 복잡하고 상황에 따라 달라지는 의사결정 과정을 처리할 수 있는 것이 핵심”이라고 설명했다.

그는 이러한 고객 서비스용 AI 에이전트가 소매, 금융, IT 서비스 데스크 등 다양한 산업과 업무 영역에서 활용될 것으로 내다봤다. 기존 챗봇이 제한된 질문에만 답하도록 설계됐다면, AI 에이전트는 고객의 의도를 이해하고 맥락에 맞는 답변을 제공해 훨씬 다양한 요구를 처리할 수 있다는 설명이다.

예를 들어 은행 고객이 “잔액이 가장 많은 계좌에서 돈을 꺼내 입출금 계좌로 이체해 달라”라고 요청할 경우, 기존 챗봇은 ‘잔액이 가장 많은 계좌’가 무엇을 의미하는지 이해하지 못하는 경우가 많다고 네더컷은 말했다.

그는 “AI 에이전트는 수행 가능한 작업 목록을 이해하고 그중 어떤 기능을 활용해야 하는지를 스스로 판단할 수 있다”라며 “앞으로는 AI가 활용할 수 있는 기능의 범위는 물론 이를 제어하기 위한 가드레일도 더욱 정교해질 것”이라고 전망했다.

AI 에이전트는 음성 기반 고객 지원 영역으로도 빠르게 확산되고 있다. 링센트럴(RingCentral)은 고객 문의를 처리하는 음성 AI 에이전트 플랫폼을 제공하고 있으며, ‘AI 리셉셔니스트(AI Receptionist)’는 전화 응대와 일정 예약은 물론 대화 내용을 바탕으로 적절한 담당자에게 전화를 연결하고 후속 조치를 위한 정보까지 자동으로 수집할 수 있다.

일부 기업에서는 음성 AI 에이전트가 대부분의 고객 전화를 처리하고 있다. 링센트럴에 따르면 인재 채용 기업 인테그럴 리크루팅 서비스(Integral Recruiting Services)는 AI 리셉셔니스트를 도입해 전체 수신 전화의 93%를 자동 처리하고 있으며, 이를 통해 채용 담당자의 업무 중단을 줄이고 인재 배치 속도도 높였다.

고객 관계 관리

일부 기업은 AI 에이전트를 고객 지원을 넘어 고객 관계를 자율적으로 관리하는 데 활용하고 있다. 데이터 및 AI 옵저버빌리티 기업 몬테카를로(Monte Carlo)는 전담 계정 관리 조직 없이도 수십 개 고객 계정을 관리하는 멀티 에이전트 시스템을 구축했다.

몬테카를로의 최고경영자(CEO) 바 모지스는 이 시스템이 제품 사용 현황, CRM 데이터, 고객과의 대화 내용, 온보딩 진행 상황, 계약 갱신 일정, 고객 지원 활동 등을 종합적으로 분석한다고 설명했다.

회사는 이러한 에이전트 기반 분석을 통해 고객에게 온보딩 지원이 필요한지, 추가 도입 기회가 있는지, 계약 갱신을 위한 접촉이 필요한지, 또는 긴급 대응이 필요한지를 자동으로 판단한다고 밝혔다. 이후 별도의 사람 개입 없이 고객을 적절한 업무 프로세스로 자동 연결한다.

AI 기반 전자상거래 솔루션 기업 블룸리치(Bloomreach)는 분석, 콘텐츠 생성, 생산성 기능을 AI 에이전트에 통합했다. 이를 통해 고객 행동을 이해하고 잠재 고객을 식별하며, 개인 맞춤형 마케팅 캠페인을 생성하고 최적의 접점과 시점을 결정할 수 있도록 지원한다.

유통업체 260 샘플 세일(260 Sample Sale)은 블룸리치의 ‘루미 마케팅 에이전트(Loomi Marketing Agent)’를 활용해 구매 가능성이 높은 고객을 선별하고, 개인 맞춤형 마케팅을 자동으로 수행하는 동시에 캠페인 운영을 최적화했다. 블룸리치에 따르면 기존의 대량 발송 방식보다 고객 대상은 82% 줄였지만 전환율은 2.4배 높아졌다.

기업 워크플로 자동화

서비스나우(ServiceNow), 세일즈포스(Salesforce) 등 주요 기업용 소프트웨어 업체들이 AI 에이전트 도입에 적극 나서면서, 전문가들은 기업 워크플로 자동화가 AI 에이전트의 대표적인 활용 분야가 될 것으로 전망하고 있다. 반복적인 업무를 자동화해 업무 프로세스를 간소화하고 운영 효율을 높일 수 있기 때문이다.

퍼블리시스 사피엔트(Publicis Sapient)의 셸던 몬테이로는 “예를 들어 AI 에이전트는 사람의 개입 없이 회의록을 프로젝트 티켓으로 자동 변환하거나 수요 예측 결과를 바탕으로 공급업체에 발주를 생성할 수 있다”라고 설명했다.

몬테이로는 단일 벤더의 IT 솔루션을 전사적으로 도입한 기업이 다양한 솔루션을 API로 연동해야 하는 기업보다 유리할 것으로 내다봤다. 또한 기업은 데이터를 한곳에 통합해 정보 사일로를 없애는 것이 중요하다고 강조했다.

그는 “CIO들이 고민해야 할 핵심 질문은 기업의 업무 방식과 운영 노하우를 담은 ‘컨텍스트 저장소(context store)’를 누구에게 맡길 것인가”라며 “기업이 보유한 모든 지식과 업무 맥락을 LLM이 완전히 이해할 수 있다면 어떤 일이 가능할지 생각해 볼 필요가 있다”라고 말했다.

사이버보안 및 위협 탐지

여러 사이버보안 기업은 위협을 탐지하고 대응하기 위해 AI 에이전트를 도입하고 있다.

몬테이로는 “사이버보안 분야의 에이전트 AI는 보안 및 사기 위협을 거의 실시간으로 탐지하고 대응하며, 필요한 경우 위협을 완화하는 작업까지 자율적으로 수행할 수 있다”라며 “이를 통해 공격 대응 시간을 단축하고 전반적인 보안 수준을 높일 수 있다”라고 설명했다.

AI 에이전트 기업 빔(Beam)은 AI 에이전트가 개별 위협과 취약점에 맞춰 보안 정책을 자동으로 조정할 수 있다고 설명했다. 회사는 “이 같은 에이전트 기반 자동화는 보다 강력한 보안 체계를 구현하는 데 도움이 된다”라고 밝혔다.

빔은 또한 AI 에이전트가 반복적인 업무와 보안 대응을 자동화함으로써 운영 효율을 높이고 비용 절감 효과도 가져올 수 있다고 설명했다.

생산성 향상

글로벌 로펌 아반티아(Avantia)는 상용 및 오픈소스 생성형 AI를 함께 활용해 AI 에이전트를 운영하고 있다. 이들 에이전트는 Microsoft(MS) Word나 Outlook 내부에서 동작하며 사용자의 업무를 지원하는 디지털 업무 동반자 역할을 한다.

아반티아의 최고기술책임자(CTO) 폴 개스켈은 “법률 분야에는 자동화하기 쉽지 않은 업무가 수백 가지에 달한다”라며 “업무 종류가 너무 다양하고 수행 위치도 제각각이어서 SaaS 솔루션만으로 해결하기 어렵다”라고 설명했다.

이러한 AI 에이전트를 통해 변호사들은 계약 검토를 더욱 빠르게 마치고 고객 대응 속도를 높일 수 있으며, 업무 처리 전반의 생산성을 향상시킬 수 있다고 그는 말했다.

개스켈은 “고객이 거래나 특정 업무를 요청하면 Word나 Outlook에서 실행 중인 AI 에이전트가 회사의 모든 관련 데이터에 접근할 수 있다”라며 “변호사들이 문서를 어떻게 작성하고 처리해 왔는지에 대한 축적된 이력이 있기 때문에 이를 바탕으로 적절한 지원을 제공할 수 있다”라고 설명했다.

금융 서비스 및 헬스케어 기술 기업 SS&C도 AI 에이전트를 활용해 업무 프로세스를 자동화하고 있다.

SS&C의 자동화 담당 수석 매니징 디렉터 브라이언 핼핀은 “회사는 2만 개 고객으로부터 이메일과 PDF 등 다양한 형식의 문서를 매달 수백만 건씩 받아 처리한다”라고 말했다.

현재 SS&C는 문서 처리 업무에 AI 에이전트를 적용하는 20개의 활용 사례를 운영하고 있다.

이 시스템은 2024년 중반부터 운영을 시작했으며, 같은 해 11월에만 5만 건의 문서를 처리했다. 핼핀은 “앞으로 처리 규모를 계속 확대할 계획”이라고 밝혔다.

그는 “기존 자동화 방식에서는 거의 모든 문서를 사람이 직접 검토해야 했지만, AI 에이전트를 도입한 이후 자동 처리율이 90% 초반까지 높아졌고, 소수의 문서만 사람이 검토하면 된다”라고 설명했다.

보고서 생성

텍스트 작성과 이미지 생성은 생성형 AI의 대표적인 초기 활용 사례였다. 이제 AI 에이전트는 콘텐츠 생성 프로세스를 한층 고도화하고 있다. EY는 대표적인 사례로, 협력업체(벤더) 리스크 관리 서비스에 AI 에이전트를 활용하고 있다.

EY의 파트너인 싱클레어 슐러는 “고객은 신규 협력업체를 도입하기 전에 위험성을 평가하기 위해 EY에 의뢰한다”라며 “리스크 평가 담당자는 계약서와 각종 문서를 검토해 위험 요소를 분석하는 보고서를 작성하는데, 협력업체 한 곳을 평가하는 데 최대 50시간이 소요되기도 한다”라고 설명했다.

과거에는 이 모든 과정을 사람이 직접 수행해야 했다. 하지만 생성형 AI가 등장하면서 AI가 초안을 작성하고 전문가가 이를 검토·보완하는 방식으로 업무가 바뀌었다.

슐러는 “이제 계약서와 공개 문서 등 관련 자료를 AI에 입력하면 수일이 걸리던 보고서를 수분 만에 높은 정확도와 세부 내용까지 갖춘 형태로 작성할 수 있다”라며 “AI와 전문가의 경험을 결합하면 보고서 품질이 크게 향상된다”라고 말했다.

AI 에이전트의 등장으로 이러한 프로세스는 다시 한번 진화하고 있다. EY는 협력업체 평가를 자동화하는 AI 에이전트 기반 서비스를 출시할 예정이다.

슐러는 “기존에는 불가능했던 협력업체에 대한 지속적인 모니터링이 가능해질 것”이라며 “AI 에이전트의 가치는 단순한 업무 최적화에만 있는 것이 아니라 새로운 시장과 수익 기회를 창출하는 데 있다”라고 설명했다.

HR 및 직원 지원

AI 에이전트의 또 다른 활용 분야는 직원 문의에 응답하고 간단한 업무를 대신 처리하는 것이다. 위험 부담은 상대적으로 낮지만 업무 효율은 크게 높일 수 있는 영역으로 평가된다. 실제 IBM이 올해 1월 발표한 생성형 AI 관련 조사에 따르면 기업의 43%가 HR 업무에 AI 에이전트를 활용하고 있는 것으로 나타났다.

글로벌 데이터 서비스 기업 인디시움(Indicium)은 기술이 성숙하기 시작한 2024년 중반부터 AI 에이전트를 도입했다.

인디시움의 최고데이터책임자(CDO) 다니엘 아반치니는 “오픈소스와 상용 제품 모두에서 즉시 사용할 수 있는 솔루션이 등장하면서 AI 에이전트를 훨씬 쉽게 구축할 수 있게 됐다”라고 설명했다.

그는 AI 에이전트가 사내 지식 검색과 태깅, 문서화는 물론 다양한 HR 및 업무 프로세스를 지원하는 데 활용되고 있다고 말했다.

아반치니는 “각 AI 에이전트는 하나의 기능에 특화된 마이크로서비스처럼 동작하며, 멀티 에이전트 시스템 안에서 서로 정보를 주고받는다”라고 설명했다.

다만 프롬프트 기반으로 여러 에이전트가 상호작용하는 과정에서는 생성형 AI 특유의 환각(hallucination) 등 다양한 문제가 발생할 수 있다는 점도 과제로 꼽았다.

그는 “잘못된 작업을 수행하거나 부적절한 정보에 접근하지 않도록 모델을 지속적으로 조정하고 있다”라고 말했다.

반면 장점도 분명하다. AI 에이전트가 많은 직원 문의를 자율적으로 처리하면서 업무 효율이 높아졌고, 문서화가 제대로 이뤄지지 않은 업무를 발견해 프로세스 개선에도 도움이 되고 있다고 아반치니는 설명했다.

일부 기업은 직원 교육에도 AI 에이전트를 적극 활용하고 있다. 온라인 교육 플랫폼 기업 5app은 사람 중심의 코칭 세션 사이에 AI 코칭 에이전트를 배치해 학습 효과를 높이고 있다.

5app의 최고경영자(CEO) 필립 허스웨이트는 “목표는 코칭 세션 사이에도 핵심 학습 내용을 지속적으로 상기시키고 직원들의 학습 참여도를 유지하는 것”이라고 설명했다.

AI 코칭 에이전트는 맞춤형 역할극(Role Play) 시나리오 등 대화형 학습 콘텐츠를 제공해 직원이 배운 내용을 실제 업무 상황에 적용할 수 있도록 지원한다. 또한 직원별 맞춤형 교육을 보다 낮은 비용으로 제공할 수 있는 것도 장점이라고 허스웨이트는 말했다.

비즈니스 인텔리전스(BI)

AI 에이전트가 큰 변화를 가져올 또 다른 분야는 비즈니스 인텔리전스(BI)다. AI 기반 BI 솔루션 기업 젠리틱(Zenlytic)의 공동 설립자이자 최고경영자(CEO)인 라이언 얀선은 “기존 BI 대시보드는 비교적 사용하기 쉽지만, 정형화된 지표를 넘어서는 인사이트를 얻으려면 데이터팀의 분석 작업이 필요했다”라고 설명했다.

그는 AI 에이전트와 BI 솔루션을 결합하면 더 많은 직원이 데이터 분석 결과를 직접 활용할 수 있게 될 것으로 전망했다. 예를 들어 마케팅팀에 예산을 어디에 투자해야 할지 제안하거나, 종이에 간단히 그린 스케치를 바탕으로 차트를 자동 생성하는 것도 가능하다는 설명이다.

음성 명령을 이해하는 AI 에이전트는 “가장 성과가 좋은 마케팅 채널 3개는 무엇인가?”와 같은 질문만으로도 비즈니스 데이터를 분석해 인사이트를 제공할 수 있다.

얀선은 “‘상위 3개 마케팅 채널’이라는 질문은 자연스럽지만 해석의 여지가 있다”라며 “챗봇과 AI 에이전트의 가장 큰 차이는 이러한 모호성을 스스로 해소할 수 있다는 점이다. ‘상위’가 매출 기준인지, 전환율 기준인지 판단이 어려우면 AI 에이전트는 이를 인식하고 필요한 데이터를 확인하거나 적절한 도구를 활용해 답을 도출한다”라고 설명했다.

그는 많은 기업이 아직 에이전트 AI 도입 초기 단계에 있으며 앞으로 발견될 활용 사례는 수백 가지에 이를 것으로 내다봤다. 코딩 에이전트가 먼저 주목받은 이유는 프로그래밍이 세부 작업이 많고 시간이 오래 걸리는 업무이기 때문이지만, 이제는 일반 개발자와 취미 개발자도 AI 코딩 도우미를 활용해 애플리케이션을 개발하고 있다고 덧붙였다.

얀선은 “AI 에이전트는 반복적이고 시간이 많이 소요되거나 높은 수준의 세밀함이 요구되는 업무에서 가장 큰 효과를 발휘한다”라고 말했다.

그는 이어 “수십 개의 AI 에이전트가 유기적으로 연결되고 체계적으로 운영되면 기업은 지금까지와는 다른 혁신을 경험하게 될 것”이라며 “우리는 AI 에이전트가 할 수 있는 일의 가능성을 이제 막 탐색하기 시작한 단계다. 앞으로 조직이 AI 에이전트와 어떻게 협업하고 이를 어떻게 관리해야 하는지에 대한 새로운 운영 모델도 점차 정립될 것”이라고 전망했다.

제조 현장의 AI 에이전트

여러 조사에 따르면 제조업체들은 생산 현장의 설비를 제어하거나 모니터링하기 위해 AI 에이전트 도입을 확대하고 있다. 제조업 특화 AI 기업 어거리(Augury)는 2026년 6월 기준 미국과 유럽 제조기업의 87%가 생성형 AI 또는 에이전트 AI를 이미 도입했거나 시험 운영 중이라는 조사 결과를 발표했다.

어거리는 설비 상태 데이터와 구글의 제미나이(Gemini) 모델의 고도화된 추론 기능을 결합해 제조업체가 생산 환경을 스스로 최적화하는 시스템을 구축할 수 있도록 지원하고 있다고 설명했다.

데이터 인텔리전스 기업 XOi는 제조 현장과 시설 운영, HVAC(냉난방 공조) 등 다양한 산업 환경에서 물리적 자산 정보를 수집하고 체계적으로 관리할 수 있도록 지원하고 있다.

XOi는 기술자와 설비 운영자가 장비를 식별하고 유지보수 이력을 조회하며 관련 문서를 검색하고, 장비별 정보를 바탕으로 상황에 맞는 권장 조치를 제공하는 AI 시스템에 대한 관심이 빠르게 증가하고 있다고 밝혔다.

회사는 “AI 에이전트는 정보가 불완전하거나 설비가 복잡하고 가동 중단이 큰 비용으로 이어지는 환경에서 작업자가 더 빠르고 정확한 의사결정을 내릴 수 있도록 지원한다”라고 설명했다.