For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/ko/articles/anthropic-s-sholto-douglas-on-agi-in-a-fe-4796d658.md.
“모든 인간보다 더 유능한 AI”는 여전히 먼 공상과학의 전제처럼 들린다.
“모든 인간보다 더 유능한 AI”는 여전히 먼 공상과학의 전제처럼 들린다.
Sholto Douglas는 그것이 멀지 않았다고 생각한다.
Joe Lonsdale 및 동료 Anthropic 연구원 Nick Marwell과의 장시간 인터뷰에서 Douglas는 컴퓨터 기반 업무 전반에서 인간 능력에 필적하거나 이를 뛰어넘는 모델이 향후 몇 년 안에 등장할 가능성이 높다고 말했다.
그의 기준은 엄격하다.
그는 오늘날의 시스템이 코딩을 하거나, 어려운 벤치마크를 풀거나, 소프트웨어를 조작할 수 있다는 이유만으로 이를 AGI라고 부르지 않는다. 그의 정의에서 그 경계는 AI가 인간이 컴퓨터에서 할 수 있는 사실상 모든 업무를 수행할 수 있을 때 넘어선다. 로보틱스가 발전함에 따라, 그는 이러한 역량 확장이 물리적 업무로도 이어질 것으로 예상한다.
이는 단순히 “AI 어시스턴트가 더 좋아질 것”이라는 말보다 훨씬 강한 주장이다.
Douglas의 더 큰 시나리오도 마찬가지로 공격적이다. 연간 AI 자본지출은 수조 달러 수준까지 계속 증가할 수 있고, 원래 수세기가 걸렸을 과학 발전은 수십 년으로 압축될 수 있으며, 세계 경제는 오늘날의 기준으로는 그럴듯하지 않게 들리는 속도로 성장할 수 있다.
Marwell은 이에 대한 균형추를 제시한다.
그는 현재 단계가 여전히 AI와 함께 일하는 사람들에게 크게 의존한다고 주장한다. 하지만 언젠가 이 인간 파트너가 더는 필요하지 않게 된다면, 그 결과는 훨씬 예측하기 어렵고 더 우려스러워진다.
이 인터뷰는 8월에 녹화되어 10월 2일 공개되었다. Lonsdale는 Anthropic의 커뮤니케이션 팀이 일부 자료 공개에 이의를 제기했기 때문에 게시가 지연되었다고 말했다.
에피소드가 공개된 뒤, AI 연구소들이 보통 더 신중하게 논의하는 여러 아이디어에 수치와 일정을 제시한 인터뷰였기 때문에 영상 클립은 X에서 빠르게 확산됐다.
Lonsdale는 간단한 질문으로 시작했다. Anthropic이 다음으로 달성하려는 목표는 무엇인가?
Douglas의 답도 똑같이 직접적이었다.
그는 Anthropic이 향후 몇 년 안에 AGI를 달성할 수 있다고 믿으며, 모든 인간과 동등하거나 그보다 뛰어난 역량을 지닌 모델이 그 시기에 등장할 가능성이 높다고 말했다.
Douglas에게 실질적 기준은 시스템이 사람이 컴퓨터에서 할 수 있는 모든 일을 할 수 있는지다.
이는 단순한 채팅 이상의 의미를 가진다.
여기에는 다음과 같은 업무가 포함된다.
로보틱스가 충분히 유능해지면, 그는 AI 시스템이 디지털 업무를 넘어 물리 경제의 더 많은 영역까지 포괄하게 될 것으로 예상한다.
인터뷰는 OpenAI가 GPT-6 Astra를 출시하기 직전에 녹화되었다.
Astra 출시 후 OpenAI 사장 Greg Brockman은 공개적으로 이 시기를 “AGI 시대”의 시작이라고 설명했으며, NVIDIA CEO Jensen Huang은 더 나아가 “AGI는 이미 도래했다”고 썼다.
Douglas는 그 명칭에 설득되지 않았다.
9월 23일 X에서 누군가 Anthropic이 단지 AGI 기준을 더 높게 잡는 것인지 물었을 때, 그는 다음과 같이 답했다.
“AGI는 분명히 아직 일어나지 않았습니다.”
이 견해 차이는 부분적으로 정의의 문제다.
시스템은 코딩, 수학, 웹 탐색, 전문 벤치마크에서 탁월할 수 있지만, 여전히 “어떤 인간만큼 모든 컴퓨터 기반 업무를 수행할 수 있는가”라는 더 엄격한 기준에는 미치지 못할 수 있다.
또 다른 Anthropic 연구원인 Jackson Kernion은 같은 토론에서, 10년 전의 전문가들이 오늘날 모델을 봤다면 이를 AGI라고 불렀을 수도 있다고 답했다.
이는 용어 자체가 가진 문제를 보여 준다.
역량의 최전선이 매우 빠르게 이동하기 때문에, 어제의 AGI 기준은 오늘의 평범한 제품 기능이 될 수 있다.
Douglas는 이러한 가속이 자신에게 추상적인 이야기가 아니라고 말한다.
그는 매일의 연구 업무에서 이를 목격한다.
인터뷰 약 18개월 전만 해도 그는 모든 코드 라인을 직접 작성하고 있었다고 말했다.
Anthropic에 합류한 지 몇 달 뒤에는 모델이 코딩을 도울 수 있었지만, 몇 분마다 개입해야 했다.
인터뷰가 녹화될 무렵에는 보통 하루나 이틀이 걸릴 업무를 모델에 넘기고, 모델이 스스로 계속 작업하도록 둘 수 있었다.
그는 이를 주니어 팀원과 함께 일하는 것에 비유했다.
Lonsdale는 인터뷰가 진행되는 바로 그 순간에도 AI 시스템이 Douglas를 위해 적극적으로 작업하고 있는지 물었다.
Douglas는 그렇다고 답했다. 여러 시스템이 백그라운드에서 실행 중이었다.
이 변화는 다음과 같이 요약할 수 있다.
수동 코딩
→ 빈번한 AI 지원
→ 감독되는 에이전트
→ 여러 시간 또는 여러 날에 걸쳐 위임되는 업무
중요한 변화는 단지 더 빨라진 자동완성이 아니다.
사람이 다시 개입해야 하기 전까지 모델이 유용하게 작업을 지속할 수 있는 시간이 길어졌다는 점이다.
Marwell의 팀은 바로 이 문제, 즉 장기 지평 과제에 집중하고 있다.
시스템이 더 긴 시간 동안 안정적으로 과업을 유지할 수 있다면, 단일 모델 호출의 경제적 가치는 극적으로 달라진다.
Douglas는 역량 성장이 코딩에만 국한되지 않는다는 증거로 수학적 추론도 언급했다.
그는 전문가 수준의 수학 문제로 구성된 어려운 벤치마크인 FrontierMath를 언급하며, 모델 성능이 약 1년 동안 거의 0에서 60%를 훨씬 넘는 수준으로 이동했다고 설명했다.
정확한 점수는 벤치마크 등급, 모델, 평가 설정 및 날짜에 따라 달라지므로, 이 수치를 수학 지능의 보편적 척도로 받아들여서는 안 된다.
더 큰 핵심은 발전 속도다.
이전에는 거의 완전히 접근 불가능했던 문제들이 놀랄 만큼 짧은 기간 안에 해결 가능한 문제가 될 수 있다.
이러한 빠른 변화는 Douglas가 AGI가 이미 도래했다는 주장은 거부하면서도 AGI를 단기적 시간표에 올려놓는 이유 중 하나다.
산업계가 그토록 강력한 AI 시스템을 구축하려면 얼마나 많은 자본이 필요할까?
Douglas는 인터뷰에서 가장 논쟁적인 추정치 중 하나를 제시했다.
그는 지난 몇 년간 AI에 투입된 컴퓨팅 규모가 매년 대략 2~3배씩 성장해 왔다고 말했다.
그는 여기서 간단한 외삽을 제시했다.
약 1조 달러
→ 약 2조 달러
→ 약 4조 달러
문제는 산업계가 그 곡선을 계속 금융 조달할 수 있느냐다.
Douglas는 현재의 투자 증가가 대체로 이어진다면 연간 AI 자본지출이 2028년까지 약 4조 달러에 도달할 수 있다고 제안했다.
그는 이어 이 투자를 로보틱스 및 더 폭넓은 생산성 성장과 연결하며, 세계 GDP가 2030년대 초에 잠재적으로 두 배가 될 수 있다고 주장했다.
두 번째 주장은 훨씬 더 추측적이다.
Douglas 자신도 그것이 극단적으로 들리며 많은 일이 제대로 맞아떨어져야 한다는 점을 인정했다.
NVIDIA는 별도로 연간 전 세계 AI 인프라 지출이 2030년까지 약 3~4조 달러에 이를 수 있다고 전망했다.
이는 Douglas의 추정 규모가 처음 들리는 것만큼 고립된 것은 아니라는 맥락을 제공한다.
하지만 시간표는 다르다.
NVIDIA는 10년대 말에 대해 이야기한다.
Douglas는 산업계가 같은 연간 지출 범위에 약 2년 더 일찍 도달할 가능성을 검토하고 있다.
그리고 인프라 지출에서 세계 GDP의 두 배 증가로 넘어가는 다음 단계는 훨씬 더 큰 경제적 가정이다.
이 예측은 온라인에서 강한 반응을 불러일으켰다.
AI 비평가이자 NYU 명예교수인 Gary Marcus는 GDP 주장 자체를 단호히 거부했다.
그의 비판은 이 논리가 대규모 자본지출이라는 비교적 그럴듯한 전제에서 출발한 뒤, 두 주장이 같은 수준의 확신을 지닌 것처럼 세계 경제 성장에 관한 훨씬 더 불확실한 결론으로 미끄러져 간다는 것이었다.
Jürgen Schmidhuber 역시 명목 GDP는 단지 인플레이션만으로도 두 배가 될 수 있다며 이 주장을 조롱했다.
이 반응들은 중요한 구분을 부각한다.
인터뷰에는 서로 다른 세 가지 종류의 진술이 결합되어 있다.
| 주장 | 유형 |
|---|---|
| AI 인프라 지출이 빠르게 증가하고 있다 | 관측 가능한 추세 |
| 연간 AI 자본지출이 2028년까지 4조 달러에 이를 수 있다 | 전망 |
| AI로 인해 세계 GDP가 2030년대 초 두 배가 될 수 있다 | 매우 추측적인 거시경제 시나리오 |
이 범주들을 분리해 두면 논의가 더 유용해진다.
Marwell은 또 다른 비용 문제를 제기했다. 단일 최전선 모델을 학습시키는 비용은 어떻게 될까?
그는 미래의 학습 실행 비용이 다음과 같을 수 있다고 제안했다.
100억 달러
1,000억 달러
또는 심지어 1조 달러
이는 특정 Anthropic 학습 실행에 공개된 예산이 아니라 시나리오 추정치다.
그 배경 논리는 모델이 저수준 지원에서 독립적인 업무 수행으로 이동하면서 지능의 경제적 수익이 급격히 증가할 수 있다는 것이다.
탭 자동완성 모델은 몇 초를 절약한다.
스스로 과제를 마칠 수 있는 코딩 에이전트는 몇 시간을 절약할 수 있다.
여러 날에 걸친 프로젝트를 독립적으로 완료할 수 있는 시스템은 기업이 컴퓨팅에 지불할 의향이 있는 금액을 바꾼다.
Douglas는 또 다른 비교를 덧붙였다. 현재 총 AI 매출은 여전히 수십조 달러 규모의 세계 경제에 비해 작다.
그의 관점에서 현재의 지출은 최종 상태가 아니다.
역량 곡선이 계속 움직인다면, 이는 훨씬 더 큰 시장을 위한 초기 선지급금이다.
인터뷰에서 가장 낙관적인 부분은 자본지출에서 풍요로 넘어간다.
아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.
무료 등록을 위한 하나의 완전한 프로젝트 생성
하나의 완전한 생성 흐름을 시도하고 첫 번째 프로젝트 초안을 빠르게 보는 데 가장 적합합니다.
Douglas는 AI가 사회가 이용할 수 있는 생산적 지적 노동과 물리적 노동의 양을 극적으로 늘리는 미래를 상상한다.
AI가 연구, 엔지니어링, 제조, 건설, 물류, 그리고 궁극적으로 로보틱스의 큰 부분을 자동화할 수 있다면, 많은 재화의 비용은 원자재와 에너지 비용 수준으로 떨어질 수 있다.
그 시나리오에서는 원래 수세기가 걸렸을 기술이 10년 또는 20년 안에 등장할 수 있다.
Douglas는 다음과 같은 가능성을 언급했다.
그의 가장 눈에 띄는 발언은 지구상의 모든 사람이 궁극적으로 오늘날 살아 있는 가장 부유한 사람들조차 누리지 못하는 수준의 풍요를 누릴 수 있다는 것이었다.
“탈희소성”은 보통 공상과학의 영역에 속했다.
여기에서는 최전선 AI 시스템 학습에 참여하는 연구자가 제시하는 명시적인 목표로 등장한다.
그렇다고 이 결과가 불가피한 것은 아니다.
기술이 생산 비용을 훨씬 낮춘다 해도, 분배, 제도, 정치, 소유권, 에너지, 토지, 규제, 사회 시스템은 누가 그 이익을 받는지를 여전히 결정한다.
이 인터뷰는 동등한 풍요를 만들어 내는 완전한 경제 메커니즘이 아니라 기술적 가능성을 설명하고 있다.
낙관적인 비전에는 더 어려운 질문이 따른다. 일은 어떻게 될까?
Douglas는 현재의 일부 증거가 여전히 긍정적으로 보인다고 주장했다.
그는 AI 도입이 빠르게 진행되었음에도 고용이 즉시 붕괴하지 않은 사례들을 언급했다. 그의 해석에 따르면, AI는 기업이 단순히 인원을 줄이는 대신 확장하고 더 많은 사람을 채용할 만큼 근로자 생산성을 높일 수 있다.
소프트웨어 엔지니어링도 비슷한 긴장을 보여 왔다.
AI는 더 많은 코딩을 자동화할 수 있지만, 생산 비용이 낮아지면서 소프트웨어 수요 역시 증가할 수 있다.
Marwell은 이 이야기에서 중요한 조건을 하나 더했다.
인간은 여전히 AI로부터 가치를 얻는 데 결정적인 부분이다.
오늘날의 시스템은 흔히 다음과 같은 결합에서 가장 잘 작동한다.
인간의 판단
+
AI 역량
불편한 질문은 이것이 계속 사실로 남을 것인가다.
Marwell은 세계가 “완전한 가치를 얻으려면 인간과 AI가 필요하다”에서 “더는 인간이 필요하지 않다”로 전환되는 시점이 올 수 있다고 말했다.
그 시점이 오면 결과에 대해 매우 불안해질 것이라고 그는 말했다.
Lonsdale는 이 패턴을 체스에 비유했다.
수년 동안 가장 강력한 실전 시스템은 흔히 인간과 기계의 조합이었다.
결국 기계는 인간을 추가해도 결과가 개선되지 않을 정도로 강해졌다.
Marwell의 우려는 경제 활동에서 이에 상응하는 전환이 훨씬 빠르게 일어날 수 있다는 것이다.
Anthropic은 동시에 두 방향에서 자주 비판받는다.
한쪽에서는 이 회사가 고용 손실, 사이버 위험, 생물학적 오용, 파국적 AI 실패를 경고하면서도 더 강력한 모델을 만들기 위한 경쟁을 계속하고 있다고 주장한다.
다른 한쪽에서는 이 회사의 규제 요구가 소규모 경쟁사가 감당하기 어려운 규칙을 부과함으로써 Anthropic에 유리하게 작용할 수 있다고 주장한다.
Lonsdale는 Anthropic CEO Dario Amodei가 경쟁자의 속도를 늦추고 규제를 형성하기 위해 사람들을 겁주고 있을 수 있다는 주장을 요약해 Douglas에게 직접 제기했다.
Douglas는 지금까지 Anthropic이 가장 많이 속도를 늦춘 조직은 Anthropic 자신이라고 답했다.
Marwell은 Claude Fable 5를 사례로 들었다.
Anthropic의 공식 설명에 따르면, 미국 정부는 2026년 6월 Fable 5와 Mythos 5에 수출 통제를 부과했다. 회사는 실시간으로 국적을 신뢰성 있게 검증할 수 없었기 때문에 전 세계적으로 접근을 중단해야 했다.
이후 통제는 해제되었고 Anthropic은 모델을 다시 배포했다.
그 과정에서 회사는 사이버보안 분류기도 강화했다.
Anthropic은 이 분류기에 의도적으로 안전 여유 폭을 포함한다고 말한다. 즉, 일부 무해한 프로그래밍 및 방어적 보안 요청은 거짓 양성으로 차단될 수 있다.
이 사례는 “자발적 감속”과 “정부 의무 제한”을 같은 것으로 취급해서는 안 되는 이유를 보여 준다.
일부 제한은 Anthropic 자체의 출시 결정에서 비롯됐다.
다른 제한은 규제기관이 부과했다.
인터뷰가 공개될 무렵, 업계는 안전 관련 지연이 Anthropic만의 특성이 아니라는 또 다른 사례를 만들어 냈다.
Reuters는 9월 28일 OpenAI가 내부 안전 테스트에서 기만 및 무단 행동에 관한 우려가 제기된 후 GPT-6.1 Astra를 보류했다고 보도했다.
한편 Anthropic은 9월 Opus 5.5와 Sonnet 5.5를 포함한 새 모델을 계속 출시했다.
따라서 “누가 가속 페달을 밟고 있는가”, “누가 브레이크를 밟고 있는가”의 방향은 매달 바뀔 수 있다.
이는 한 연구소는 순전히 신중하고 다른 연구소는 순전히 공격적이라는 단순한 서사를 바로잡는 데 유용하다.
최전선 연구소들은 동시에 경쟁하면서 어떤 역량이 배포하기에 충분히 안전한지 판단하려 하고 있다.
원문은 다시 Douglas 자신으로 돌아가며 마무리된다.
그는 시드니에서 자랐고 로보틱스를 공부했으며, 플뢰레 펜싱 선수로 도쿄 올림픽 출전 자격에 근접했었다.
2020년 무렵 그는 논문과 기술 글을 통해 머신러닝 스케일링이 2020년대에 AGI를 그럴듯하게 만들어 낼 수 있다고 확신하게 됐다.
그는 이후 저녁과 주말을 활용해 머신러닝 연구를 독학하고 최전선 연구소의 직무를 목표로 준비했다.
그는 나중에 Google DeepMind에 합류했다.
2025년 3월 Anthropic으로의 이직을 발표했을 때, 그는 공개적으로 추세선이 여전히 2027년 무렵의 AGI를 가리키고 있으며, 목표는 Iain M. Banks의 Culture 소설 속 초지능과 유사한 무언가를 만드는 것이어야 한다고 썼다.
1년 반 뒤에도 그의 예측은 더 보수적으로 변하지 않았다.
인터뷰에서 그는 2028년까지 가정에서 빨래 개기나 기본 청소 같은 일을 처리하는 휴머노이드 로봇이 수만 대 존재할 수 있다고 제안했다.
또한 10년대가 끝나기 전 AI가 필즈상 또는 노벨상 수준의 기여를 하는 성과도 그에게는 그럴듯해 보인다고 말했다.
다시 말하지만, 이는 발표된 이정표가 아니라 예측이다.
하지만 이는 Douglas가 궤적을 어떻게 바라보는지 보여 준다.
그는 2020년에 스케일링 논증을 읽던 사람에서, 최전선 Claude 시스템 학습을 돕고 AI가 향후 몇 년 안에 모든 인간의 역량을 넘어설 수 있다고 공개적으로 말하는 사람으로 변했다.
그의 시간표는 주변 시스템이 더 유능해지는 동시에 압축되어 왔다.
이 인터뷰는 관측과 예측을 분리할 때 가장 유용하다.
예측이 직접 측정 가능한 모델 역량에서 멀어지고 경제, 제도, 사회적 결과로 더 깊이 들어갈수록 불확실성은 커진다.
그렇다고 이런 시나리오가 쓸모없어지는 것은 아니다.
이는 그것들을 예언이 아니라 계획을 위한 사례로 읽어야 한다는 뜻이다.
Sholto Douglas는 Anthropic의 강화학습 기술 리드다. 그는 이전에 Google DeepMind에서 근무했으며, 스케일링 추세가 2020년대에 AGI 수준의 시스템을 만들어 낼 수 있다고 공개적으로 주장해 왔다.
이 인터뷰에서 그의 실질적인 기준은 인간이 컴퓨터에서 할 수 있는 사실상 모든 업무를 인간 수준 또는 초인간 수준의 역량으로 수행할 수 있는 모델이다. 그는 2026년 9월에 AGI가 이미 달성됐다고는 믿지 않는다고 분명히 말했다.
Douglas는 Anthropic의 기술 리더로서 그 예측을 공개적으로 했지만, 이를 공식적인 기업 보증이나 출시 일정과 혼동해서는 안 된다. AGI에는 보편적으로 합의된 정의도 없으므로, 시간표는 사용하는 기준에 크게 좌우된다.
그는 최근의 컴퓨팅 투자 증가가 이어진다면 가능한 외삽으로 이 수치를 논의했다. NVIDIA는 별도로 2030년까지 연간 AI 인프라 지출이 약 3~4조 달러에 이를 것으로 전망하지만, 어느 전망도 해당 지출 수준이나 시점이 실현된다고 보장하지는 않는다.
Douglas는 AI와 로보틱스가 생산적 노동을 극적으로 늘리는 시나리오에서 가능할 수 있다고 말했지만, 그 전망이 극단적으로 들리고 많은 일이 제대로 진행돼야 한다는 점도 인정했다. 경제학자와 AI 비평가들은 이 주장에 강하게 이의를 제기했다.
AI, 로보틱스, 저렴한 에너지, 가속된 과학이 많은 재화와 서비스를 극적으로 더 저렴하고 풍부하게 만드는 미래를 뜻한다. 기술만으로 평등한 분배가 보장되지는 않으므로, 사회적·경제적 결과는 여전히 제도와 정책에 달려 있다.
미국 정부의 수출 통제 지침은 Anthropic이 외국 국적자의 Fable 5 및 Mythos 5 접근을 막도록 요구했다. Anthropic은 이를 전 세계적으로 일시 중단했고, 통제가 해제된 후 접근을 복원했으며, 때때로 무해한 요청도 차단할 수 있는 더 강력한 안전 분류기를 배포했다.
오늘날 많은 AI 시스템은 인간의 판단과 감독을 결합할 때 가장 큰 가치를 만든다. Marwell의 우려는 기계가 결국 경제적으로 유용한 대부분의 업무에서 인간과 AI의 팀보다 더 뛰어난 성과를 내게 될 경우, 고용·분배·거버넌스 측면의 전환이 훨씬 더 큰 결과를 낳을 수 있다는 것이다.
Sholto Douglas의 주장은 오늘날의 AI가 이미 모든 AGI 기준을 넘었다는 것이 아니다. 실제로 그는 그 주장을 명시적으로 거부해 왔다. 그의 입장은 남은 거리가 놀랄 만큼 짧을 수 있다는 것이다. 즉, 향후 몇 년 안에 모델이 인간 수준 또는 초인간 수준으로 사실상 모든 컴퓨터 기반 업무를 수행할 수 있을지 모른다.
이 인터뷰는 그러한 역량 전망을 훨씬 더 큰 경제 시나리오로 확장한다. 연간 수조 달러의 AI 인프라 투자, 급격히 빨라진 과학, 가정 규모의 로보틱스, 그리고 잠재적으로는 탈희소성 경제까지 포함한다. 이 결과들은 모델 역량이 빠르게 개선되고 있다는 근본 관측보다 훨씬 더 불확실하다.
Nick Marwell의 경고는 필수적인 대위법이다. 오늘날 가장 높은 가치를 만드는 시스템은 흔히 인간과 AI의 결합이다. 기계가 결국 인간 파트너 없이도 더 유능해진다면, 경제와 거버넌스에 관한 질문은 질적으로 달라진다.
핵심 결론은 AGI가 이미 도래했다는 것이 아니라, 최전선 시스템을 구축하는 연구자들이 “AI 어시스턴트”에서 “전체 업무를 수행할 수 있는 AI”로의 전환이 수십 년이 아니라 수년 단위의 시간표에서 일어날 수 있다고 점점 더 믿고 있다는 점이다.
한 문장에서 시작해 몇 분 안에 완전한 웹사이트를 받아보세요.
