2026년 비즈니스 AI 에이전트: 어떤 업무를 정말 맡길 수 있을까?

Ailoot 참조 문서: ailoot.ai/docs/.

챗봇은 메시지를 기다리지만, 에이전트는 그사이에 스무 단계를 처리합니다#

커피를 사러 나가 보면 차이가 분명해집니다. 챗봇은 기다립니다. AI 에이전트는 그동안 많은 일을 할 수 있으며, 그중에는 요청하지 않은 일도 있을 수 있습니다.

요즘은 AI 에이전트라는 말이 온갖 것에 붙으므로 세 가지 수준을 구분해 보겠습니다.

모든 것은 세 번째 수준을 위한 것입니다. 업무를 한 번 설명하고 일정을 설정하면, 이후에는 당신 없이도 작업이 수행됩니다.

실행자는 직접 시작하면 결과를 바로 확인할 수 있습니다. 기능은 당신이 자리를 비운 동안 작동하고, 실수는 다음 날에야 보게 됩니다. 그때쯤이면 이미 여러 번 반복됐을 수도 있습니다. 이제 어떤 업무를 세 번째 수준에 안전하게 맡길 수 있는지 살펴보겠습니다.

검색 결과에 나오는 ‘턴키 AI 에이전트’가 실망스러운 경우가 많은 이유는 무엇일까요?#

이 시장을 비판하는 것은 아닙니다. 웹사이트에 봇을 두는 것이 정확히 필요한 일이라면 전혀 문제없습니다. 누군가 “AI 직원이 필요해”라고 말하고 웹사이트 위젯을 받은 뒤, 한 달 후 에이전트라는 것이 전부 마케터가 지어낸 이야기였다고 결론 내릴 때 문제가 시작됩니다.

이런 구성으로는 절대 얻을 수 없는 것이 세 가지 있습니다.

1. 당신의 시스템. 다른 사람의 플랫폼에 있는 에이전트는 그 플랫폼이 연결해 둔 것만 볼 수 있습니다. 창고 내보내기 파일, 계약서 폴더, 계약업체와 주고받은 서신은 거기에 없을 겁니다.
2. 당신의 사고방식. 봇은 다른 사람이 설계한 시나리오에 따라 응답합니다. AI 클론은 반대로 작동합니다. 당신이 직접 프로젝트에 넣은 의사결정 논리를 재현합니다.
3. 변경할 수 있는 능력. 단계를 추가하고 싶나요? 지원팀에 연락해 기다려야 합니다. 직접 만든 것은 저녁 한 번이면 바꿀 수 있습니다.

직접 만들면 다른 대가를 치릅니다. 초기 설정에 드는 시간과 작업을 확인하는 주의력입니다. 실수를 고치는 데 1분이면 되는 경우에는 그 주의력이 보람을 주지만, 실수 하나가 며칠을 잡아먹는 경우에는 그렇지 않습니다.

오늘날 AI 에이전트가 처음부터 끝까지 처리할 수 있는 비즈니스 업무는 무엇일까요?#

판단 방법은 간단합니다. 업무에 대해 세 가지를 물어보세요. 되돌릴 수 있나요? 오늘 실수를 알아챌 수 있나요? 1분 안에 다시 할 수 있나요? 세 가지 모두 그렇다면 처음부터 끝까지 맡기세요.

이 범주에 속하는 업무는 다음과 같습니다.

1. 모든 종류의 글 초안. 서비스 설명, 자주 묻는 질문에 대한 답변, 계약업체에 보내는 이메일, 게시물 개요. 좋지 않은 초안은 첫 줄부터 티가 납니다.
2. 들어오는 메시지 처리. 요청, 리뷰, 이메일, 채팅 메시지. 에이전트는 주제별로 분류하고, 반복되는 불만을 추려 요약으로 정리합니다.
3. 자체 데이터로 보고서 작성. 스프레드시트 내보내기 파일, 결제, 예약 기록. 에이전트가 계산하고 형식을 맞추면 당신은 결과를 검토합니다.
4. 대량 자료의 1차 검토. 리뷰 200개, 계약서 40페이지, 1년 치 서신. 사람은 이만큼 처리하는 데 반나절이 걸리지만 에이전트는 몇 분이면 끝냅니다. 당신은 표본을 확인해 작업을 검토합니다.
5. 프로젝트의 기계적인 변경. 항목 이름 바꾸기, 형식 통일, 파일 정렬, 스무 개 파일에서 같은 부분 한꺼번에 수정하기.

이 내용은 측정 결과와도 일치합니다. 장기 작업에서 에이전트의 신뢰성을 연구한 한 연구에서는 모델 10개를 23,392회 실행했습니다. 작업 종류마다 양상이 달랐습니다. 문서 처리는 작업 시간이 길어져도 0.74에서 0.71로 거의 변하지 않았습니다. 들어오는 메시지 처리와 요약 작성이 바로 이런 종류의 업무이므로 먼저 맡기기에 적합합니다.

미용실 운영자는 한 분기 동안의 리뷰를 에이전트에게 주고 반복되는 불만 목록을 받을 수 있습니다. 전에는 “대체로 괜찮은 것 같은데”라는 막연한 느낌만 있었을 겁니다. 이런 요약의 실수는 바로 알아볼 수 있습니다.

첫 업무를 넘어 에이전트가 업무를 당신의 범주에 따라 분류하는 워크플로를 만들고 싶나요? 단일 업무는 하나의 구성 요소일 뿐입니다. 전체 워크플로를 생각해 보는 것이 유용합니다. AI 클론 + Second Brain + Context Engineering. 이것이 에이전트를 환각을 일으키는 보조자에서 예측 가능한 실행자로 바꿔 줍니다.

감독하에만 맡길 수 있는 업무는 무엇일까요?#

이 내용을 표로 정리한 뒤로는 다시 고민할 필요가 없었습니다.

감독은 한 번만 설정하면 간단합니다. AI 에이전트가 결과를 초안으로 작성하면 당신이 보냅니다. 무언가를 변경하기 전에는 무엇을 바꾸려는지 알려줍니다. 돈이 드는 단계라면 멈춰서 먼저 묻습니다.

Claude Code에서는 접근 권한에서 이를 설정합니다. 에이전트가 조용히 할 수 있는 일과 허가를 받아야만 할 수 있는 일을 나열하세요. 자세한 내용은 에이전트가 프로젝트를 망가뜨리지 않게 하는 방법에 관한 가이드를 참고하세요. 프로젝트별로 한 번 설정하면 이후에는 알림 없이 작동합니다.

반복 기능은 겉보기에 무해하더라도 자동으로 두 번째 범주에 들어갑니다. 밤사이 실행에서 발생한 실수는 아침이 되어야 보이고, 그때쯤이면 여러 차례 반복됐을 수 있기 때문입니다.

AI 에이전트는 무엇을 계속해서 실패하며, 프롬프트로 고칠 수 없는 이유는 무엇일까요?#

Anthropic은 2026년 7월 30일 자체 안전성 평가 분석을 발표했습니다. 회사는 평가 실행 141,006건을 검토했고, 모델이 실행 도중 실제 인터넷으로 빠져나가 실제 시스템에 피해를 준 사례 세 건을 발견했습니다.

첫 번째 사례에서는 과제에 나온 가상 회사의 이름이 실제 도메인과 일치했습니다. 모델은 실제 회사를 찾아내 보안의 빈틈을 통과했고, 운영 데이터베이스에 도달했습니다. 실제 데이터가 수백 행이나 있었습니다.

두 번째 사례에서는 모델이 악성 프로그램을 만들어 다른 프로젝트 수천 개가 내려받는 공개 코드 패키지 카탈로그에 올렸습니다. 그 프로그램은 약 한 시간 동안 공개 상태였고, 보안 전문 기업의 스캐너를 포함해 실제 시스템 15곳에 도달했습니다.

세 번째 사례에서는 내부 연구 모델이 표적 약 9,000개를 검사하고, 알려진 기법을 사용해 한 회사에 도달한 뒤, 표적이 실제라고 스스로 판단하고 공격을 멈췄습니다.

모델은 자기 환경이 현실인지 알아챌 수 있을까요? 세 사례에 답도 세 가지였습니다. 하나는 알아채고 멈췄고, 두 번째는 알아채고도 계속했으며, 세 번째는 여전히 테스트 중이라고 스스로 믿었습니다. 그것도 세계 최고 수준의 조건을 갖춘 Anthropic 연구소에서 벌어진 일입니다. 여러분의 노트북 환경은 그보다 열악합니다.

제한은 에이전트 외부에 있어야 합니다. 실질적으로는 운영 데이터베이스에 물리적으로 접근할 수 없고 결제 키도 갖고 있지 않아야 합니다. 조심하라고 요청하는 것은 여전히 부탁에 불과하며, 압박을 받으면 모델은 우회 방법을 찾습니다.

두 번째 약점은 신뢰성 측정 결과에서 드러납니다. 범위가 정해지지 않은 엔지니어링 작업은 작업 기간이 늘어날수록 0.90에서 0.44로 떨어집니다. 가장 강력한 모델조차 실행의 최대 19%에서 실패하는데, 끝까지 수행할 수 없는 야심 찬 다단계 계획을 세우기 때문입니다. 같은 연구에서는 예상 밖의 결과도 나왔습니다. 메모리 보조 장치를 사용하자 10개 모델 모두에서 장기 작업 성능이 나빠졌습니다.

긴 작업 연쇄의 산술만으로도 연구 없이 설명할 수 있습니다. 에이전트가 각 단계를 100번 중 85번 맞힌다면, 여덟 단계를 연달아 모두 수행할 확률은 100번 중 약 27번입니다. 작업 네 개 중 세 개는 중간 어딘가에서 망가지며, 매번 다른 지점에서 멈춥니다.

이 규칙은 비즈니스의 모든 종류의 업무에 적용됩니다. AI 에이전트는 빠르게 확인할 수 있는 일을 처리할 수 있습니다. 하지만 고객 신뢰, 평판, 정돈된 데이터, 법적 결과처럼 몇 달 뒤에야 비용이 드러나는 일은 에이전트의 판단에 반영되지 않습니다. 작업을 마칠 때까지 측정할 수 없기 때문입니다.

세 번째 약점은 자기 작업을 평가하는 능력입니다. 알아채기 가장 어렵고 앞의 두 가지보다 더 자주 발목을 잡습니다. 에이전트는 사람이 확인을 마친 뒤 말하는 것과 같은 어조로 “완료”라고 합니다. 이 메커니즘은 작업이 끝나지 않았는데 에이전트가 ‘완료’라고 말하는 이유에 관한 가이드에서 따로 설명했습니다. 바로 사용할 수 있는 승인 프롬프트도 들어 있습니다.

에이전트에게 실제 사업 운영을 맡기면 어떤 일이 벌어질까요?#

자판기 하나입니다. 사람도, 파트너도, 변호사도 없습니다. 대부분의 개발자보다 코드를 잘 쓰는 모델이 이곳에서는 사람 성과의 6분의 1을 달성하고, 그 결과는 꾸준하며 매달 개선되는 추세입니다.

Anthropic은 세 도시에서 실제 자판기로 비슷한 실험을 했고, 두 번째 단계에서는 판매 에이전트에 더해 관리자 에이전트를 추가했습니다. 할인은 약 80% 줄고 무료 제공은 절반으로 감소했습니다. 동시에 관리자 에이전트는 환불을 세 배, 향후 구매에 쓸 수 있는 크레딧을 두 배로 늘렸습니다. 둘 다 단순히 매출을 깎는 조치였는데도 그랬습니다. 에이전트는 미국에서 1958년부터 금지된 양파 선물 계약을 체결할 뻔했고, 시간당 $10를 주고 경비원을 고용하려 했습니다.

전체 상황을 보려면 한 가지 단서를 덧붙여야 합니다. 에이전트는 아침까지 계정에 남은 돈은 평가에서 0으로 간주하고, 하루 안에 사업이 성장하지 않으면 폐쇄된다는 명시적인 지시를 받았습니다. 해고 직전에 이런 말을 들은 사람처럼 행동한 셈입니다. 에이전트는 당신이 준 목표를, 왜곡된 부분까지 포함해 충실하게 최적화합니다. 모델이 멍청해서 벌어진 일이 아닙니다.

AI가 쓴 코드 증가와 실질적인 리뷰 의견을 받은 비율의 상승#

Anthropic은 회사가 개발을 조직하는 방식을 7월에 설명하면서 이 수치를 공개했습니다.

함께 볼 수치가 하나 더 있습니다. 실질적인 검토 의견을 받는 업무 비중은 16%에서 54%로 늘었습니다. 한편 엔지니어들은 2021년부터 2025년까지보다 분기당 평균 8배 많은 코드를 출시하고 있습니다.

수동 타이핑은 줄고 평가할 코드는 늘었습니다. 16%에서 54%로의 상승은 실질적인 의견을 받은 이전 비율의 약 3.4배이며 38퍼센트포인트 증가입니다. 리뷰는 실질적 의견 없이도 이루어질 수 있으므로 검토 범위나 감독 시간이 세 배가 됐다고 입증하지는 않습니다.

“에이전트를 설정해 두고 이 업무는 더 이상 신경 쓰지 않겠다”는 식으로 되지 않습니다. 한 사람이 예전에는 팀 전체가 맡던 만큼의 일을 처리하기 시작합니다. 저자의 경험도 같습니다. 초안, 들어오는 메시지 처리, 지표 요약은 저자 없이 수집되지만 실제 사람에게 나가는 것은 여전히 직접 확인합니다.

에이전트 덕분에 첫 버전을 만드는 비용은 낮아졌지만, 실제 사람들이 쓸 수 있는 상태로 다듬는 데는 예전만큼 비용이 듭니다. “나에게는 작동한다”와 “고객에게는 작동한다” 사이의 간극은 사라지지 않았습니다. 여전히 사람이 그 간극을 메워야 합니다.

한 달 만에 포기하지 않으려면 어떤 업무부터 시작해야 할까요?#

저자는 완성하지 못한 앱들을 만들고 나서 이 원칙을 세웠습니다. 시작하면 웹사이트, 봇, 비서, 또 다른 웹사이트까지 모든 것을 바이브 코딩하고 싶어집니다. 6개월 뒤 돌아보면 시간과 토큰을 잔뜩 썼는데 스무 개 중 하나만 제대로 작동합니다. 저자도 이 단계를 겪었고, 제대로 된 것은 더 적은 비율뿐이었습니다. 그건 정상입니다. 내가 없어도 계속 실행될 때 비로소 일이 끝난 것입니다.

1. 반복되는 일입니다. 일회성 업무는 손으로 하는 편이 더 저렴합니다. 매주 같은 일을 할 때 자동화가 타당해지기 시작합니다.
2. 한 시간 넘게 걸립니다. 업무가 10분이면 설정하는 데 6개월 동안 아낄 시간보다 더 많이 쓸 겁니다.
3. 결과를 1분 안에 확인할 수 있습니다. “잘했나, 못했나?”에 명확히 답할 수 있고, 파고들지 않아도 확인할 수 있습니다.
4. 데이터를 이미 갖고 있습니다. 내보내기 파일, 폴더, 스프레드시트, 서신이 여기에 해당합니다. 다섯 군데에서 데이터를 모으는 것으로 시작하는 업무는 첫 시도로 좋지 않습니다.
5. 돈이나 실제 사람을 건드리지 않습니다. 최악의 결과가 형편없는 초안인 업무에서 첫 기능을 설정하세요.

이 다섯 가지가 모두 충족되는 일은 대개 비슷한 종류입니다. 주간 요약, 들어오는 메시지 처리, 템플릿 기반 초안 작성, 데이터 정리입니다.

온라인 상점이라면 보통 그 주의 리뷰와 질문을 처리하는 일입니다. 컨설턴트라면 고객과의 서신 요약입니다. 병원이라면 예약 일정과 후속 요청입니다. 누구나 이미 데이터를 보유하고 있고, 결과는 1분이면 확인되며, 최악의 경우 기계 작업 몇 분을 낭비하는 데 그칩니다.

AI 에이전트의 월 비용은 얼마이며, 청구액은 어떻게 구성될까요?#

1. 구독료. 모델에 접근하기 위한 기본 요금입니다. 주간 사용량 한도가 포함됩니다.
2. 초과 사용료. 구독 한도에 도달해도 작업이 종량제로 계속됩니다. 불쾌한 비용이 튀어나오는 곳이 바로 여기입니다.
3. 실행 장소. 기능이 당신 없이 일정에 맞춰 작동한다면 계속 켜져 있는 컴퓨터가 필요합니다. 집에 있는 컴퓨터도 첫 휴가 전까지는 괜찮습니다.
4. 저장 공간. 보고서, 초안, 내보내기 파일입니다. 한동안은 폴더를 무료로 쓸 수 있지만 그 이후 비용은 양에 따라 달라집니다.

초보자 계획이 무너지는 원인은 두 번째 항목입니다. 반복 기능은 당신이 존재를 기억하는지 여부와 상관없이 매일 같은 속도로 한도를 사용합니다. 대량 데이터로 하루 세 번 실행하면 며칠 만에 주간 할당량을 모두 쓸 수 있습니다.

Anthropic은 유료 요금제의 주간 한도를 한시적으로 올리곤 하지만, 각 인상에는 종료일이 있습니다. 추가 용량을 새 표준으로 여기지 마세요. 정규 할당량을 기준으로 사용량을 추정하고 임시 증량분은 여유분으로 두세요. 예약 실행이라면 요금제 약관도 확인하세요. 제공업체마다 수동 사용과 자동 사용에 관한 규칙이 다릅니다.

작은 업무에 대한 내 규칙은 간단합니다. 루프에서 점검을 수행하는 야간 오케스트레이터는 토큰을 빠르게 소모하므로 아주 작은 업무에 이를 설정할 이유가 없습니다. 일주일에 10분 걸리는 업무라면 10분짜리로 남겨 둬야 합니다.

첫 달부터 돈이 어디로 가는지 추적하세요. 한도 작동 방식은 구독에 토큰이 얼마나 포함되는지에 관한 가이드에 설명되어 있고, 한 번의 세션에서 예산을 소진한 야간 실행 이야기는 얼마나 큰 문제가 될 수 있는지 보여 줍니다.

일주일 동안 내 업무에서 에이전트를 어떻게 테스트할 수 있을까요?#

1. 1일 차. 사람에게 설명하듯 내 말로 업무를 설명합니다(약 40분)

   자유롭게 적으세요. 입력은 무엇이고, 무엇이 나와야 하며, 어떤 결과가 나쁜 결과이고, 무엇을 해서는 안 되는지 씁니다. 마지막 항목은 사람들이 가장 자주 건너뛰지만 나중에 문제를 막아 줍니다.

2. 2일 차. 실제 데이터로 세 번 수동 실행합니다

   지어낸 예시가 아니라 실제 데이터로 합니다. 한 주 동안의 실제 사례 세 개를 골라 에이전트가 어디서 놓치는지 확인하세요. 실수를 그대로 적어 두세요.

3. 3일 차. 실수를 바탕으로 지침을 추가합니다

   각각의 실수를 규칙으로 바꾸세요. 첫 실행에서 나온 실수를 바탕으로 지침을 작성합니다. 일이 어떻게 작동해야 한다는 당신의 가정이 여기서는 방해가 됩니다.

4. 4~5일 차. 일정에 맞춰 실행하고 개입하지 않습니다

   에이전트가 스스로 실행하고 결과를 보내게 두세요. 당신은 지켜보면서 몇 번이나 다시 해야 했는지만 기록합니다.

5. 6일 차. 계산합니다

   그 주에 확인하고 수정하는 데 몇 분을 썼는지 셉니다. 업무를 손으로 했을 때 걸리는 시간과 비교하세요. 차이를 숫자로 적으세요.

6. 7일 차. 결정합니다

   일주일에 한 시간 미만을 절약했다면 업무를 잘못 선택한 것입니다. 다른 업무를 고르세요. 두 시간 넘게 절약했다면 두 번째 기능을 설정하세요.

첫날 시작하는 데 도움이 되는 프롬프트입니다. 붙여 넣고 직접 내용을 채우세요.

반복 작업을 설정하도록 나를 돕고 있습니다. 내가 내 말로 업무를 설명하면, 나 없이 매주 그 일을 수행할 지침을 작성해 주세요.

내 작업: [새로운 사람에게 설명하듯 내 말로 설명]
입력 항목: [파일, 폴더, 내보내기 파일, 서신]
결과물: [파일, 이메일, 요약 등 구체적인 결과]
나쁜 결과란: [명확하게 설명]
어떤 경우에도 절대 해서는 안 되는 일: [삭제, 외부로 보내기, 결제]

세 가지를 해 주세요.

내 설명을 둘 이상의 방식으로 해석할 수 있는 부분이 있다면 명확히 하기 위한 질문을 해 주세요. 내가 답하기 전에는 시작하지 마세요.

내가 답한 뒤에는 순서대로 된 단계, ‘완료’의 정의, 금지 사항 목록을 포함한 지침을 작성해 주세요.

내가 알아차리지 못한 채 실수할 수 있는 방법을 별도로 열거하고, 각각을 1분 안에 확인하는 방법을 제안해 주세요.

첫 기능이 실패하는 지점#

1. 처음부터 큰일을 맡기기. “내 영업을 전부 맡아 줘”는 이틀째에 무너집니다. 매주 반복되는 업무 하나부터 시작하세요.
2. 나쁜 결과의 기준을 정의하지 않기. 에이전트는 당신이 말한 목표에 맞춰 최적화합니다. 해서는 안 될 일을 말하지 않으면 에이전트는 알 수 없습니다.
3. 필요보다 넓은 접근 권한 주기. 내보내기 파일을 읽고 요약을 작성하는 기능에는 데이터베이스 키가 필요하지 않습니다. 권한을 한 번에 설정하세요.
4. 모든 것을 읽으며 확인하기. 그러면 절약한 시간을 모두 쓰게 됩니다. 표본을 확인하세요. 스무 건 중 세 건과 에이전트가 불확실성을 표시한 모든 사례를 살펴보면 됩니다.
5. 지침을 처음부터 작성하기. 실제 실수를 본 뒤에 규칙을 작성하세요.
6. 결과를 측정하지 않기. “몇 분 걸렸나”라는 숫자가 없으면 기분에 따라 판단하게 되고, 한 달 뒤에는 일이 더 쉬워졌는지 기억하지 못할 겁니다.

다섯 번째 실수는 다른 것보다 자주 보이고, 별것 아닌 것처럼 보입니다. 더 꼼꼼해 보인다는 이유로 앉아서 규칙 스무 개를 미리 씁니다. 그러면 절반은 방해가 되고, 필요한 규칙의 절반은 빠져서 첫 실행 후 모든 내용을 다시 씁니다.

에이전트가 실수하면 누가 책임질까요?#

당연해 보이지만 실제로는 잊는 사람이 많습니다. 에이전트가 고객에게 보낸 이메일은 당신이 보낸 것입니다. 웹사이트에서 에이전트가 바꾼 가격은 당신의 가격입니다. 삭제된 데이터의 소유자에게도 당신이 책임을 집니다.

나는 세 가지를 미리 설정합니다.

1. 로그. 모든 반복 기능이 무엇을 했는지, 어떤 입력 데이터를 사용했는지 기록하게 하세요. 그렇지 않으면 조사 과정이 추측으로 흐릅니다. 일반 텍스트 파일이면 충분합니다.
2. 되돌릴 수 없는 행동의 경계. 삭제, 외부 전송, 결제는 모두 당신의 확인이 필요합니다. 기술적으로는 권한 설정 하나입니다.
3. 롤백 지점. 데이터를 바꾸는 변경을 하기 전에 에이전트가 프로젝트 상태를 저장하게 하세요. 지침 한 줄이면 되고, 어제 버전으로 1분 안에 복원할 수 있습니다.

사업주는 일부 업무를 계속 맡습니다. 그 업무의 가치는 실제 사람이 한다는 데 있기 때문입니다. 저자는 오래전부터 자동화할 수 있었는데도 짧은 영상을 직접 촬영합니다. 까다로운 고객과의 대화, 공개 발표, 실수에 대한 사과도 같은 범주입니다. 에이전트가 할 수는 있지만, 비용은 더 적게 들고 결과는 더 나빠집니다.

내일은 어디서 시작할까요?#

최악의 결과가 나쁜 초안인 업무부터 시작하세요. 영업과 고객에게 전달되는 일은 나중으로 미루세요. 그쪽의 실수 비용은 분 단위로 측정되지 않으며, 첫 시도가 잘못되면 계속할 의욕을 잃을 수 있습니다.

다음 질문은 에이전트가 업무를 당신의 범주에 맞춰 분류하게 하는 방법입니다. 이는 프로젝트에 무엇을 넣었느냐에 달렸습니다. 당신의 규칙, 지식 구조, 업무를 나누는 방식이 그것입니다. Second Brain과 여러 에이전트에 업무 위임하기를 읽어 보세요.

ailoot.ai에서 Ailoot를 계속 살펴보세요.