CRM 마케팅 툴 다음 단계, Claudeforce와 UI 없는 SaaS 대응법

무슨 일이 일어나고 있나

네 가지 소식이 같은 주에 겹쳤습니다. 서로 다른 회사, 다른 층위인데 방향이 하나예요.

Salesforce는 Anthropic과의 협력을 확장해 Claudeforce를 내놨습니다. 첫 제품 Salesforce in Claude는 사용자가 Salesforce를 열지 않고 CRM 데이터를 조회하고 레코드를 수정하고 딜을 검토하고 워크플로를 실행하게 합니다. 37개 사전 구축 영업 기능으로 시작하고 현재는 선별된 파일럿 고객에게만 제공되며, 9월 오픈 베타가 계획돼 있어요. 애플리케이션, 마케팅 부문 사장 Patrick Stokes가 VentureBeat에 한 말이 이 제품의 성격을 정리해줍니다. "Salesforce의 가치는 UI 자체에 있지 않다. 애플리케이션도 아니다. Salesforce의 가치는 데이터와 메타데이터에 있다." 기반은 3월에 나온 Headless 360으로, API와 Model Context Protocol 서버를 통해 AI 에이전트가 전통적 인터페이스 없이 Salesforce 데이터와 워크플로에 접근하게 한 구조입니다. Claudeforce는 이 아키텍처를 개발자가 아닌 일반 업무 사용자용 제품으로 포장한 것이고, 관리자가 한 번 연결하면 권한은 기존 Salesforce 설정을 상속합니다. Salesforce에서 특정 레코드를 볼 수 없거나 바꿀 수 없는 사람은 Claude에서도 못 한다는 설계예요.

Anthropic 펠로우 프로그램의 Chen Yueh-Han이 이끈 연구팀은 "Automated Researchers Can Reliably Mitigate Alignment Failures" 논문을 금요일에 공개했습니다. 자동화 시스템이 이용 가능한 문헌을 검색하고 방법을 제안한 뒤 그 방법으로 30분씩 모델을 학습시키는 사이클을 여러 차례 반복하는 구조인데요, 효과 있는 방법은 남기고 없는 방법은 버리는 식으로 빠르게 대규모로 돌아갑니다. 특정 오정렬 행동에 대한 벤치마크 10개를 줬을 때 전체 성능 저하 없이 10개 전부에서 개선을 냈습니다. 논문은 "최고 성능 AAR 방식이 평균 6시간 안에 숙련된 사람 연구자의 제안을 능가하며, 사람이 가이드한 연구 방향이 더 강한 성능으로 이어지지는 않는다"고 적었고, 비용은 "AAR이 API 추론 기준 시간당 약 4달러, 우리가 사람 연구자에게 지불하는 시간당 150달러"로 비교했습니다.

Meta에서 비즈니스 AI 조직을 이끌던 Clara Shih는 Platformer 팟캐스트에서 작년 가을 목격한 변화를 설명했습니다. 사용자 리서처, 디자이너, PM, 세 종류의 엔지니어가 필요했던 제품 개발 과정이 한두 명과 프로토타입으로 줄어드는 걸 보고 신입 채용 공고를 내리기 시작했다고 해요. 더 이상 필요하다고 느끼지 않았다는 이유입니다. 마케팅과 유통, 프라이버시 검토에서도 비슷한 진전을 관찰했습니다. 그의 이력이 이 증언의 위치를 말해줍니다. Google과 Salesforce를 거쳐 Hearsay Systems를 10년 운영했고, Salesforce로 돌아와 Service Cloud를 맡았다가 2023년 Salesforce AI CEO로 Agentforce 출시를 이끌었고, 이듬해 Meta로 옮겨 WhatsApp과 Messenger, Instagram에서 기업 고객 메시지에 응답하는 에이전트를 만들었어요. 그는 올봄 Meta를 떠나(자문역은 유지) 비영리단체 New Work Foundation과 소비자 브랜드 Dear CC를 세웠고, MIT 경제학자 David Autor의 이론을 빌려 기업 역할의 5분의 1이 특히 도전받을 것으로 봤습니다. 같은 기사에는 반대 방향 사실도 실렸습니다. Reuters의 Katie Paul 보도를 인용해, AI 효율화로 올해 인력을 최대 60%까지 줄이려던 Mark Zuckerberg의 계획이 여러 이유 중 하나로 성능이 못 미치는 에이전트 때문에 어그러졌다는 대목이에요.

Nvidia는 오픈웨이트 AI 모델과 벤치마크 공유 플랫폼 Hugging Face를 130억 달러에 인수한다는 보도가 확인을 기다리는 상태입니다. 앞서 오픈웨이트 모델 개발사 Poolside와 60억 달러 규모 계약을 맺어 직원 대부분이 Nvidia로 이동하게 했고, 2주 전 Stripe는 기업용 오픈웨이트 모델 최대 공급사 OpenRouter를 70억 달러 넘는 금액에 사들였습니다. 정작 채택률은 낮아요. Ramp의 지출 데이터 조사로는 기업의 6%, 개발자 도구 업체 Jellyfish 측정으로는 소프트웨어 엔지니어의 2%만 오픈웨이트 모델을 씁니다.

왜 중요한가

네 건을 붙이면 AI가 두 자리를 동시에 차지하는 그림이 나옵니다. 하나는 인터페이스 자리, 하나는 작업자 자리예요.

인터페이스 쪽 메커니즘을 한 단계 파고들면 이렇습니다. SaaS 벤더의 방어선은 오래 화면이었어요. 사람이 매일 보는 화면에 익숙해지면 전환 비용이 생기고, 그 전환 비용이 좌석당 라이선스를 지탱합니다. Claudeforce는 이 연결을 끊습니다. 사람이 Claude에서 대화하고 액션은 Salesforce를 거쳐 실행되면, 화면 익숙함이라는 잠금 장치가 사라지고 남는 건 데이터, 권한, 비즈니스 규칙뿐이에요. Stokes의 발언은 관대한 선언이 아니라 잠금 장치를 화면에서 메타데이터로 옮긴다는 전략 공시입니다.

마케터에게 직접 닿는 대목은 데모 하나입니다. Salesforce는 Claude가 Salesforce 데이터로 커스텀 대시보드를 즉석에서 만드는 모습을 시연했어요. 미리 설계된 대시보드와 인터페이스 중에서 고르는 대신, 필요한 정보를 설명하면 그때 화면이 생기는 구조입니다. 리포팅 요건을 정의하고 대시보드를 빌드하고 유지하던 업무가 통째로 재배치될 수 있다는 뜻인데, 마케팅 기능은 아직 제공되지 않는다고 Salesforce도 명시했습니다.

작업자 쪽은 Anthropic 논문과 Meta 증언이 같은 얘기를 다른 층위에서 합니다. 논문의 30분 학습 사이클이 핵심 메커니즘이에요. 연구라는 고난도 지식노동을 문헌 검색, 방법 제안, 30분 학습, 채택 또는 폐기라는 짧은 루프로 쪼개면 사람의 강점인 통찰보다 루프 회전 수가 성능을 결정합니다. 시간당 4달러면 사람 한 명분 예산으로 37배 넘는 루프를 돌릴 수 있고, 논문은 그 결과가 평균 6시간 안에 숙련 연구자를 넘어섰다고 적었어요. 사람이 방향을 지도해도 더 강한 성능이 나오지 않았다는 문장이 더 무겁습니다.

Meta에서 사라진 것도 단순 반복 업무가 아니었습니다. 리서치, 디자인, PM, 엔지니어링을 잇는 협업 파이프라인 자체가 압축됐어요. 신입은 원래 이 파이프라인 안에서 시니어 옆에 붙어 도제식으로 배우는 존재라, 파이프라인이 한두 명으로 줄면 주니어 채용이 주는 것으로 끝나지 않습니다. 다음 세대 시니어를 만드는 통로가 같이 끊깁니다. 채용 동결은 되돌릴 수 있지만 끊긴 학습 경로는 몇 년 뒤에 청구서가 옵니다.

비용 쪽은 Nvidia와 Stripe의 베팅이 예고편입니다. Stripe 공동창업자 겸 CEO Patrick Collison은 "토큰이 AI로 무언가를 만드는 기업의 중심 통화이고, 실제 경제적 잠재력은 희소한 컴퓨트 자원을 얼마나 잘 쓰는지에 달려 있다"고 밝혔습니다. Jellyfish의 AI 제품 리드 Nik Albarran은 오픈웨이트 모델이 고객 서비스 챗처럼 반복 추론 워크로드에 의존하는 제품에서 주로 쓰인다고 TechCrunch에 말했어요. 볼륨이 크고 반복이 많으면 저렴하게 답하도록 튜닝할 수 있다는 논리입니다. 여기가 연결점이에요. Claudeforce로 CRM 조회와 업데이트, 대시보드 생성이 대화로 바뀌면 마케팅 스택도 곧 반복 추론 볼륨이 큰 영역이 됩니다. 그 순간 모델 단가는 IT 비용이 아니라 마케팅 손익 항목이 됩니다.

이해관계 역학

같은 주에 나온 네 건은 각자 다른 유인으로 지금 발표됐습니다.

Salesforce가 UI를 포기한다는 선언은 양보가 아니라 선점입니다. 계산은 이렇게 됩니다. 사용자가 어차피 Claude 창에서 일을 시작한다면 CRM 화면 트래픽은 줄어들 수밖에 없어요. 그때 선택지는 두 개입니다. 화면을 지키려다 Claude가 서드파티 커넥터로 Salesforce 데이터를 긁어가게 두거나, 직접 통로를 열고 권한, 규칙, 과금을 자기 손에 남기거나. Salesforce는 후자를 골랐고, 그래서 권한 상속과 액션 실행 경로를 설명의 앞자리에 뒀습니다. 3월 Headless 360으로 API와 MCP 기반을 먼저 깔아둔 순서를 보면 즉흥적 대응이 아니라 준비된 전환이에요. Anthropic 쪽 유인은 더 단순합니다. 기업의 CRM 업무가 Claude 안에서 벌어지면 토큰 소비가 늘고, Claude가 업무 시스템의 시작 화면 자리를 차지합니다. 파일럿 고객 제한과 9월 오픈 베타 일정은 그 자리를 선점하되 사고 리스크는 통제하겠다는 배치로 읽힙니다.

Anthropic 논문의 4달러 대 150달러 비교는 논문의 학술적 주장에 꼭 필요한 숫자가 아닙니다. 정렬 실패를 완화했다는 결과만 보고하려면 비용 비교는 없어도 되고, 사람 연구자 시급을 공개할 이유도 없어요. TechCrunch 기사도 "누군가 아직 설득되지 않았을 경우를 대비해 비용 비교까지 있다"고 표현했습니다. 이 숫자가 하는 일은 AI로 AI를 학습시키는 게 경제적으로도 성립한다는 서사를 보강하는 것이고, 논문 스스로 재귀적 자기개선을 향한 걸음으로 위치를 잡으며 사람 AI 연구자가 곧 불필요해질 수 있다는 함의까지 다룹니다. 프론티어 랩이 이런 서사를 지금 내는 이유는 분명해요. 컴퓨트 투자와 인재 시장 모두에서 다음 단계의 정당성을 확보하는 데 쓰입니다. 반면 자동화가 유효한 전제, 즉 벤치마크가 실제 정렬 목표를 반영해야 하고 벤치마크와 문헌 기반을 세우고 유지하는 데 상당한 작업이 남는다는 한계는 같은 논문에 적혀 있지만 헤드라인에는 잘 안 붙습니다.

Nvidia의 130억 달러는 오픈웨이트 시장 점유율을 사는 돈이 아닙니다. 기업 6%, 엔지니어 2%짜리 시장에 그 금액이 나올 계산이 안 나와요. 인수의 논리는 방어입니다. OpenAI와 Google 같은 주요 모델 제작사가 자체 추론 칩을 만들고 있고, OpenAI의 Jalapeño 성능이 이번 주 공개됐습니다. 모델 제작사가 칩을 만들면 Nvidia는 모델 제작 쪽에서 지분을 확보해야 합니다. 자사 Nemotron 오픈웨이트 계열은 이미 있지만 채택이 크지 않았고, 그래서 모델을 만드는 대신 미국 최대 오픈 모델 개발자 공간을 사서 대규모 사용자층을 자사 칩과 표준으로 유도하는 쪽을 택한 겁니다. TechCrunch가 Hugging Face를 "AI 시대의 GitHub"으로 표현한 이유고, 추론 비용 논쟁이 커지며 Moonshot, DeepSeek, Alibaba 같은 중국 기업의 저가 모델로 눈을 돌리는 흐름도 배경에 깔려 있습니다. 공짜로 나눠주는 것을 기반으로 한 섹터에 이만큼 자본이 몰리는 건 지금 수익이 아니라 다음 단계 통제권을 사는 거래예요.

Clara Shih의 증언은 결이 다릅니다. 벤더 발표가 아니라 현직 임원이 자기 조직에서 본 것을 말한 거고, Agentforce 출시를 이끌고 Meta 비즈니스 AI를 운영한 사람이라 에이전트 성능의 실제 한계를 가장 잘 아는 위치예요. 그래서 무게가 있습니다. 다만 그는 이제 일자리 문제를 다루는 New Work Foundation 대표이기도 합니다. 진단이 강할수록 새 조직의 존재 이유가 커지는 구조는 감안해서 들어야 합니다. Platformer 진행자도 앞선 게스트들, Box CEO Aaron Levie와 AWS CEO Matt Garman, 노동경제학자 Kathryn Ann Edwards가 대량 실직에 회의적이었다고 밝히며 자기 편향을 경계했습니다.

실무에 주는 함의

다음 주에 손댈 수 있는 것부터 씁니다.

첫째, 계약서의 과금 단위를 꺼내 보세요. 대화가 인터페이스가 되면 좌석 수는 사용량 대리 지표로서 힘을 잃습니다. 확인 항목은 세 개예요. 현재 CRM과 마케팅 자동화 툴 계약의 사용량 상한이 어디까지인지, 초과분 단가가 얼마인지, API 호출과 AI 소비량이 좌석 요금과 별도 항목인지. 오픈 베타가 9월이니 그 전에 재무팀과 시나리오 두 개를 만들어 두는 게 낫습니다. 좌석 기준 유지 시 연간 비용, 사용량 기준 전환 시 연간 비용. 사용량 기반 계약의 위험은 예산 초과가 아니라 예측 불가라는 점이라, 월별 상한과 알림 임계값을 계약에 넣을 수 있는지도 지금 물어봐야 합니다.

둘째, 권한 상속을 문서가 아니라 테스트로 검증하세요. 설계상 Salesforce에서 못 보는 레코드는 Claude에서도 못 봅니다. 다만 37개 기능이 파일럿 단계라는 건 검증되지 않은 워크플로가 많다는 뜻이에요. 파일럿에서 최소 세 가지 케이스를 만들어 돌려보길 권합니다. 조회 권한 없는 레코드를 대화로 우회 요청했을 때, 요약이나 즉석 대시보드 생성 과정에서 권한 범위 밖 데이터가 집계에 섞이는지, 그리고 레코드 수정 액션이 승인 규칙을 건너뛰는 경로가 있는지. 권한 상속이 실제로 기존 보안 설정을 완전히 지키는지는 오픈 베타 이후 사고 사례가 나와야 확정할 수 있습니다.

셋째, 반복 추론 볼륨이 큰 워크로드를 세어 보세요. Albarran의 관찰대로 고객 서비스 챗처럼 볼륨이 크고 반복이 많으며 응답 품질 허용 범위가 넓은 영역이 오픈웨이트 전환 후보입니다. 기업 채택률이 6%인 단계에서 전면 전환은 이르지만, 월 토큰 소비 상위 세 개 워크로드를 골라 프론티어 모델과 오픈웨이트 모델의 비용 대비 품질을 비교하는 파일럿은 지금 시작할 만해요. 설계 패턴 하나가 참고됩니다. 모든 이벤트를 비싼 모델에 태우지 않고 경량 CPU 모델로 먼저 걸러낸 뒤 복잡한 판단이 필요한 5% 미만만 데이터 조회까지 하는 에이전트에 넘기는 하이브리드 구조인데요, 비용과 지연을 같이 줄이는 접근입니다.

넷째, 평가 기준을 자동화보다 먼저 정비하세요. Anthropic 논문의 결론은 자동화가 우수하다는 게 아니라 벤치마크가 실제 정렬 목표를 반영할 때만 유효하다는 조건부입니다. AI가 크리에이티브를 채점하고 세그먼트를 튜닝하는 구조를 들일 거라면, 채점 기준이 실제 비즈니스 성과와 연결돼 있는지, 그 기준을 누가 언제 갱신하는지를 사람 이름과 주기로 정해야 합니다. 지표 정의 통일도 여기 들어갑니다. 같은 '활성 고객' 질문에도 customers 테이블은 최근 로그인일과 계정 유형으로 정의하고 다른 테이블은 계정 ID를 세는 식으로 갈리면, 대화로 데이터를 조회하는 에이전트는 매번 다른 답을 냅니다. 시맨틱 레이어를 중간에 두는 접근이 유효하고, AtScale 벤치마크에서는 시맨틱 컨텍스트를 더했을 때 text-to-SQL 정확도가 20%에서 90% 이상으로 올랐다고 합니다.

다섯째, 조직도에서 압축되는 단계를 찾으세요. Meta 사례를 그대로 대입할 필요는 없습니다. 대신 우리 팀에서 리서치, 기획, 제작, 검수로 이어지는 단계 중 어디가 이미 한 사람과 프로토타입으로 줄었는지 확인하는 게 실질적이에요. 압축된 단계가 있다면 두 가지를 같이 정해야 합니다. 그 자리에서 배우던 주니어의 학습 경로를 어디로 옮길지, 그리고 압축된 단계에서 빠진 검토(예: 프라이버시 검토처럼 Shih가 언급한 영역)를 누가 대신 맡을지.

리스크와 반대 관점

이 흐름이 과장일 가능성도 같은 소재 안에 있습니다.

가장 직접적인 반례는 Zuckerberg의 60% 감축 계획이 성능 미달 에이전트 때문에 어그러졌다는 Reuters 보도예요. 주목할 점은 이 실패가 기술 회의론자 쪽이 아니라, 에이전트에 가장 크게 베팅한 회사에서 나왔다는 사실입니다. 데모에서 되는 것과 대규모 운영에서 버티는 것은 다르고, 그 격차가 조직 계획을 뒤집을 만큼 컸습니다. Platformer 미니시리즈에서도 Box CEO Aaron Levie는 대규모 붕괴가 매우 일어나기 어렵다고 봤고 AWS CEO Matt Garman, 노동경제학자 Kathryn Ann Edwards도 회의적이었어요. 반대로 Wabi의 Eugenia Kuyda는 주니어 엔지니어를 더 이상 채용하지 않는다고 했고 Replit CEO Amjad Masad는 대형 엔터프라이즈 소프트웨어 계약을 자체 코딩 대안으로 대체하기 시작했다고 밝혔습니다. 증언이 정반대로 갈리는 상태에서 어느 쪽이든 듣고 싶은 얘기를 골라 조직 설계를 하면 위험합니다.

Anthropic 논문의 가장 큰 함정은 굿하트 법칙입니다. 10개 벤치마크 전부에서 개선됐다는 결과는 벤치마크에 과적합된 개선일 수 있어요. 30분 루프를 수백 번 돌려 지표를 올리는 방식은 구조상 지표를 뚫는 경로를 먼저 찾습니다. 측정 가능한 지표만 좋아지고 실제 위험은 남는 상태를 정렬 향상으로 착각하면 오히려 위험합니다. 마케팅 실무로 옮기면 이렇게 됩니다. AI가 크리에이티브 점수와 예상 CTR을 자동으로 끌어올리는데 실제 전환과 매출은 그대로인 상황. 자동화가 붙기 전에 평가 기준을 손보라는 얘기가 이래서 나옵니다.

Claudeforce 쪽 리스크는 시점입니다. 마케팅과 서비스, 커머스 기능은 아직 제공되지 않고 몇 달 안에 나온다는 예고만 있어요. 지금 CRM 마케팅 툴 비교표를 다시 쓸 이유는 없습니다. 영업 파일럿에서 나올 사고 사례를 보고 판단하는 게 순서예요. 강제 전환의 비용은 다른 사례에서도 확인됩니다. 3년 전 광고 구매 플랫폼이 신규 인터페이스로 사용자를 강제 이전시켰을 때 예산이 다른 곳으로 이탈하며 상장 후 첫 매출 미스의 원인으로 지목됐고, 2024년 4분기 주가는 발표 당일 33% 하락했습니다. 인터페이스 전환은 기능 문제가 아니라 일하는 방식 문제라는 뜻이고, 도입 측도 파일럿 범위와 롤백 조건을 계약에 남겨야 합니다. 오픈웨이트 쪽도 서두를 이유가 약해요. 130억 달러 인수설조차 아직 확인을 기다리는 단계이고 채택률은 여전히 한 자릿수입니다.

놓치기 쉬운 함정 하나 더. UI가 사라지면 감사 추적의 성격이 바뀝니다. 화면 기반 작업은 클릭 경로가 남지만 대화 기반 작업은 무엇을 왜 요청했는지가 프롬프트 안에 흩어집니다. 액션이 Salesforce를 거쳐 실행되니 결과 기록은 남겠지만, 왜 그 레코드를 그렇게 바꿨는지 되짚는 일은 별도 설계가 필요해요. 프롬프트와 응답 로그를 어디에 얼마나 보관할지는 공개되지 않았으니 파일럿 단계에서 직접 확인할 항목입니다.

자주 묻는 질문

anthropic claude 란 무엇인가요

Anthropic이 만든 대화형 AI 모델이자 제품군입니다. 이번 Claudeforce에서는 Salesforce 데이터와 워크플로를 담는 작업 인터페이스 역할을 맡아, 사용자가 Salesforce 화면을 열지 않고 CRM 데이터를 조회하고 레코드를 수정하고 워크플로를 실행하게 합니다. Anthropic은 별도로 자동화된 AI가 다른 모델의 정렬 실패를 완화하는 연구 논문도 공개했어요.

CRM 마케팅 툴 비교를 지금 다시 해야 하나요

영업 기능은 이미 움직였지만 마케팅 기능은 아직 나오지 않았습니다. Salesforce in Claude는 37개 영업 기능으로 선별된 파일럿 고객에게 제공되고 9월 오픈 베타가 예정돼 있으며, 마케팅과 서비스, 커머스는 앞으로 몇 달 안에 추가될 예정입니다. 기능 비교표보다 과금 단위(좌석 대 사용량), 사용량 상한, 권한 상속 검증 항목을 계약서에서 먼저 확인하는 게 실질적입니다.

AI 에이전트 가격 비교는 어떻게 하면 되나요

좌석당 단가가 아니라 워크로드당 소비량으로 환산해서 비교하세요. Anthropic 논문이 자동화 연구 비용을 API 추론 기준 시간당 약 4달러로, 사람 연구자를 시간당 150달러로 제시한 것처럼 단위가 시간과 호출로 바뀌면 예측 방식도 달라집니다. 반복 추론이 많은 고객 서비스 같은 영역은 오픈웨이트 모델과 비용을 대조해볼 후보인데요, 채택률이 기업 6%, 소프트웨어 엔지니어 2% 수준이라 상위 워크로드 몇 개만 골라 파일럿으로 시작하는 게 맞습니다.

AI 에이전트가 실제로 사람 일자리를 줄이고 있나요

현직 증언과 반례가 같이 있습니다. Clara Shih는 Meta에서 사용자 리서처, 디자이너, PM, 세 종류 엔지니어가 필요했던 개발 과정이 한두 명과 프로토타입으로 줄어드는 걸 보고 신입 채용 공고를 내렸다고 밝혔고, David Autor의 이론을 빌려 기업 역할의 5분의 1이 특히 도전받을 것으로 봤어요. 반면 같은 기사에는 AI 효율화로 최대 60% 인력 감축을 노렸던 계획이 성능 미달 에이전트 등의 이유로 무너졌다는 Reuters 보도, 그리고 대량 실직에 회의적인 Box CEO와 AWS CEO, 노동경제학자의 견해도 함께 인용돼 있습니다.

AI 시대 마케팅 전략에서 가장 먼저 손댈 것은 무엇인가요

지표 정의와 평가 기준입니다. 에이전트가 대화로 데이터를 조회하면 '활성 고객' 같은 정의가 테이블마다 다를 때 답이 갈립니다. 시맨틱 레이어로 정의를 통일한 사례에서는 시맨틱 컨텍스트를 더했을 때 text-to-SQL 정확도가 20%에서 90% 이상으로 올랐다는 AtScale 벤치마크가 인용됩니다. Anthropic 논문 역시 자동화가 벤치마크가 실제 목표를 반영할 때만 유효하다는 한계를 명시했으니, 자동화를 늘리기 전에 무엇을 옳다고 볼지 정하고 그 기준의 갱신 담당자와 주기를 명시하는 작업이 먼저예요.