에이저 AI 파운드리란 정확히 무엇일까요?단순히 마이크로소프트가 추가한 또 다른 서비스일까요?아니면 더 큰 의미가 있는 것일까요?지난 1년간 마이크로소프트는 쉴 새 없이 AI 관련 발표를 쏟아냈습니다.길을 잃은 듯한 느낌이 드는 것도 당연합니다.저는 마이크로소프트 날리지 너게츠 위 미르코 피터스입니다.이번 에피소드가 끝날 때 쯤이면 파운드리 가 무엇인지왜 중요한지 확실히 알게 되실 겁니다.마케팅용 수식어는 뺏니다.무엇인지, 무엇이 들어있는지, 그리고 어떻게 연결되는지명확하게 나누어 설명해드리겠습니다.왜 다들 이름 때문에 혼란스러워 할까요?혼란은 이름에서 시작됩니다.파운드리는 셀 수 없을 만큼 많은 이름 변경을 거쳤습니다.처음에는 카그너티브 서비시즈였고,그 다음은 에이저 AI 서비시즈,그 다음은 에이저 AI 스튜디오,그 다음은 에이저 AI 파운드리,그리고 작년 말부터는 공식적으로 마이크로소프트 파운드리 가되었습니다.동일한 제품인데 3년 동안 이름이 4-5번이나 바뀐 셈이죠.그것만으로도 혼란스럽지만 상황은 더 복잡합니다.현재 두 버전의 플랫폼이 나란히 운영되고 있습니다.클래식한 허브 기반 아키텍처가 이전 방식입니다.새로운 파운드리 프로젝트 모델이 현대적인 버전입니다.둘 다 같은 URL인 AI.azure.com에서 제공됩니다.그곳에 접속하면 완전히 다른 두 아키텍처를 전환할 수 있는 토글 버튼을 보게 됩니다.단순히 디자인만 바뀐 것이 아니라,그 내부의 모든 것을 구성하는 방식 자체가 다릅니다.초보자들이 혼란을 겪는 이유는,도음마를 검색할 때 허브나 클래식 프로젝트에 대한 문서가 나오기 때문입니다.물론 그 문서들의 내용은 여전히 정확합니다.마이크로소프트는 두 버전 모두 지원하지만,새로운 기능, 에이전트 역량 등 마이크로소프트가 투자하는 모든 것은파운드리 프로젝트에만 적용됩니다.오래된 튜토리얼을 따라 허브를 설정했다가,최신 도구를 사용할 수 없다는 사실을 알게 될 수도 있습니다.

정말 골치 아픈 일이죠.그래서 제 조언은 이렇습니다.그 버전은 무시하세요.마이크로소프트는 모든 역량을 현대적인 파운드리에 집중하고 있습니다.오늘 처음 시작하신다면,허브는 건너뛰고 바로 파운드리 프로젝트로 가십시오.그곳에 새로운 기능들이 있습니다.그렇다면 에이저 AI 파운드리란 무엇일까요?처음부터 다시 시작하겠습니다.에이저 AI 파운드리란 무엇일까요? AI 애플리케이션을 빌드, 테스트, 배포하기 위한 통화 플랫폼을 한 곳에 모아둔 것입니다.이것이 가장 간단한 정의입니다.공장이라고 생각하면 쉽습니다.원자재인 모델, 데이터, 도구가 들어오면 책봇, 코파일럿, 자동화 에이전트 같은 완성된 애플리케이션이 나옵니다.공장을 직접 지을 필요는 없습니다.마이크로소프트가 운영하니까요.그저 들어가서 필요한 것을 가져와 빌드를 시작하기만 하면 됩니다.이것은 워드나 엑셀처럼 단일 제품이 아닙니다.파운드리는 모델, 도구, 프로젝트, 보안을 담는 컨테이너입니다.파운드리 리소스를 하나 생성하면 수천 개의 모델이 담긴 전체 모델 카탈로그를 이용할 수 있습니다.에이전트 구축 도구, 테스트 플레이 그라운드, 평가 도구, 보안 기능이 모두 하나로 통합되어 제공됩니다.이제 중요한 차이점을 말씀드리겠습니다.파운드리는 개발자를 위한 것입니다.파이썬이나 C샵을 사용하거나 코드로 맞춤형 AI 솔루션을 구축하고 싶다면 이 플랫폼이 적합합니다.로우 코드 방식의 드래그 앤 드롭 환경을 찾으시나요?그건 다른 사용자를 위한 다른 도구인 코파일럿 스튜디오입니다.둘 다 훌륭한 도구입니다.파운드리 이전에는 에이저에서 AI 애플리케이션을 구축하려면 각각 별도의 서비스를 프로비저닝해야 했습니다.에이저 오픈 아이 카그너티브 서비시즈, 에이저 머신러닝, 에이저 AI 서치를 설정한 다음 이들을 연결하는 맞춤형 코드를 작성해야 했죠.정말 많은 작업이 필요했습니다.

파운드리는 그 모든 것을 대체합니다.리소스 하나만 생성하면 모든 것이 이미 연결되어 있습니다.모델, 도구, 보안 기능이 내장되어 있습니다.바로 구축을 시작하기만 하면 됩니다.그것이 핵심입니다.새로운 도구를 추가하는 것이 아니라 여러 개의 개별 서비스를 관리하는 번거로움을 없애는 것이 목표입니다.핵심 조직 단위인 파운드리 프로젝트에 대해 알아보겠습니다.이제 여러분에게는 AI 공장이 생겼습니다.하지만 공장에는 체계가 필요합니다.그 역할을 하는 것이 바로 파운드리 프로젝트입니다.파운드리 프로젝트는 특정 AI 솔루션을 위한 독립된 작업 공간입니다.파운드리 가 공장이라면 프로젝트는 개별 작업대라고 할 수 있습니다.각 작업대에는 서로 간섭하지 않는 고유한 도구와 재료, 작업자가 배치됩니다.고객 지원 챗봇을 만드는 팀이 실수로 인사 담당 어시스턴트 프로젝트를 망칠 일은 없습니다.프로젝트 안에는 무엇이 있을까요?자체 모델 배포, 에이전트, 지식 저장소, 평가 및 모니터링 기능이 포함됩니다.하나의 솔루션에 필요한 모든 것이 한 곳에 모여 있습니다.핵심 구조는 다음과 같습니다.프로젝트는 파운드리 리소스 안에 위치합니다.리소스는 청구 및 보안의 경계이자 건물 그 자체입니다.프로젝트는 그 건물 내부의 방들입니다.건물 하나, 출입구 하나, 보안 데스크 하나, 청구서 하나입니다.하지만 각 방은 고유한 목적과 팀을 가지고 있습니다.예를 들어 컨토소라는 회사가 세 가지 AI 솔루션을 만든다고 가정해보겠습니다.고객 지원 에이전트, 인사 담당 어시스턴트, 그리고 문서 처리 시스템입니다.파운드리를 사용하면 회사 전체를 위한 리소스를 하나 만들고그 안에 세 개의 프로젝트를 생성하면 됩니다.각 프로젝트는 고유한 모델, 에이전트, 지식 저장소를 가집니다.팀들은 서로 방해하지 않고 독립적으로 작업합니다.팀마다 필요한 접근 권한이 다르기 때문에 이것은 매우 중요합니다.

고객 지원 팀이 인사 관련 문서를 볼 필요는 없으니까요.문서 처리 팀 역시 환불 정책을 볼 필요는 없습니다.프로젝트는 이러한 격리 환경을 제공합니다.동시에 IT 부서는 하나의 리소스, 하나의 보안 정책, 하나의 예산을 관리하며 중앙 통제권을 유지합니다.중앙의 거버넌스 아래 팀의 자율성을 보장하는 것입니다.파운드리 위 심장인 모델 카탈로그를 소개합니다.이렇게 생각해보세요.모든 프로젝트에는 두뇌가 필요합니다.파운드리에서 그 두뇌는 모델 카탈로그 안에 있습니다. 1만 1천 개가 넘는 모델, 오타가 아닙니다.오픈아이 위 GPT-45 및 GPT-4.1,메타 위 라마 제품군, 미스트럴, 딥시크, 마이크로소프트 위 P모델, 엔스로픽 위 클라우드, 코이어 등 텍스트, 이미지, 코드, 인베딩을 위한 다양한 모델을 이용할 수 있습니다.현재의 카탈로그는 모든 클라우드 플랫폼 중 가장 방대한 모델 규모를 자랑합니다.이 모델들을 거대 언어모델과 소형 언어모델이라는 두 가지 기본 유형으로 나누어 보겠습니다.거대 모델은 수십억 개의 맥의 변수를 가집니다. GPT-4는 1조 개가 넘는 맥의 변수를 보유하여 복잡한 추론, 창의적인 글쓰기, 미묘한 대화 처리가 가능합니다.하지만 비용이 많이 들고 속도가 느립니다. 소형 모델은 훨씬 적은 맥의 변수를 가집니다.마이크로소프트 위 P3는 약 38억 개의 맥의 변수로 GPT-4에 비하면 매우 작지만 빠르고 저렴합니다.양식에서 데이터를 추출하거나 간단한 질문에 답하는 등의 집중적인 작업에 매우 효과적입니다.실질적인 이점은 다음과 같습니다.몇 초 만에 모델을 배포할 수 있습니다.카탈로그에서 하나를 선택하고 배포를 클릭하면 바로 준비가 됩니다.하드웨어를 프로비저닝하거나 네트워크를 구성할 필요도 설치를 위해 몇 시간씩 기다릴 필요도 없이 단 몇 초면 충분합니다.결정하기 전에 플레이 그라운드에서 먼저 테스트해볼 수 있습니다.

다양한 프롬프트를 시도하고 온도나 최대 토큰 같은 설정을 조정하며 즉각적인 응답을 확인할 수 있습니다.마치 차를 사기 전 시승하는 것과 같습니다.한 모델에 묶이지 않는다는 점은 오픈아이 API를 직접 사용하는 것보다 큰 장점입니다.파운드리를 사용하면 품질이 중요한 복잡한 추론에는 GPT-45를, 속도와 비용이 중요한 단순 분류에는 P를,자체 데이터 센터에서 모델을 실행해야 하는 규정 준수 상황에는 메타 위 라마를 사용할 수 있습니다.작업에 따라 모델을 자유롭게 전환하세요.파운드리에는 모델을 나란히 놓고 평가할 수 있는 비교 도구도 포함되어 있습니다.품질별로 비교하여 응답의 정확도를 확인하세요.안전성 면에서 프롬프트 주입 공격을 얼마나 잘 방어하는지 확인하세요.비용 측면에서는 100만 토큰 반가격을 확인하세요.속도 면에서는 출력 생성 속도를 비교해보세요.이를 통해 모델 선택은 찍기 게임이 아닌 정보에 기반한 결정이 됩니다.모두가 말하는 모델이 아닌 특정 작업에 가장 적합한 도구를 선택하는 것입니다.파운드리 위 핵심 기능인 AI 에이전트 구축에 대해 알아보겠습니다.모델만으로는 활용도가 높지 않습니다.플레이그라운드에서 대화하고 질문하며 결과를 볼 수 있지만,그것은 단순한 대화일 뿐입니다.진정한 마법은 실제로 무언가를 수행할 수 있는 것을 만들 때 일어나며,바로 이때 에이전트가 등장합니다.에이전트는 책봇 그 이상입니다.책봇은 질문에 답합니다.에이전트는 행동을 취합니다.웹을 검색하고, 파일을 읽고, 계산을 수행하고,지난주에 한 말을 기억하며, 일련의 지침을 따를 수 있습니다.말만 하는 것이 아니라 실제로 이를 처리하는 비서를 두는 것과 같습니다.파운드리는 에이전트를 구축하기 위한 5가지 구성 요소를 제공합니다.각 요소를 하나씩 살펴보겠습니다.첫 번째는 지침입니다.에이전트가 무엇을 해야 하고, 어떻게 행동해야 하는지 알려주는 단계입니다.

직무기술서라고 생각하면 됩니다.예를 들어, 당신은 고객지원 에이전트입니다.친절하고 전문적인 태도를 유지하세요.반품 정책에 관한 질문에만 답변하세요.답을 모르면 모른다고 말하고, 담당자에게 연결하세요.라고 할 수 있죠.지침이 없으면 에이전트는 모델이 원하는 대로 행동합니다.지침이 있으면 에이전트에게 명확한 목적이 생깁니다.두 번째는 모델입니다.이는 에이전트의 두뇌에 해당합니다.모든 요청을 처리하고, 응답을 생성합니다.복잡한 추론을 위한 gpt-45, 단순한 작업을 위한 5등 상황에 맞는 모델을 선택할 수 있습니다.모델은 에이전트를 똑똑하게 만들지만, 이는 하나의 요소일 뿐입니다.세 번째는 도구입니다.에이전트에게 손과 발이 되어주는 부분입니다.도구는 에이전트가 작업을 수행하는 데 사용하는 기능입니다.웹검색을 통해 최신 정보를 찾아볼 수 있습니다.코드 인터프리터로 수학 문제를 풀고 계산을 수행할 수 있습니다.파일 검색을 통해 업로드한 문서를 읽을 수 있습니다.도구가 없으면 에이전트는 텍스트만 생성할 수 있습니다.도구가 있으면 세상과 상호작용할 수 있습니다.네 번째는 지식입니다.에이전트가 참조할 수 있는 정보입니다.에이전트가 질문에 정확히 답변하도록 문서, pdf, json 파일 등 필요한 데이터를 업로드합니다.파운드리는 내부적으로 에이저 AI 서치를 사용하여 데이터를 색인화하고 검색 가능하게 만듭니다.고객이 특정 정책을 물어보면 에이전트는 추측하지 않습니다.실제 문서를 찾아 내용을 확인합니다.다섯 번째는 메모리입니다.에이전트가 대화 내용을 기억하게 해줍니다.오늘 대화하면 에이전트가 사용자의 선호도를 기억합니다.내일 다시 돌아와도 중단했던 부분부터 대화를 이어갑니다.대화 요약과 사용자 선호도를 저장하여 개인화된 연속적인 경험을 제공합니다.제가 조사한 구체적인 사례를 하나 들어보겠습니다.누군가 파운드리로 선물 추적 에이전트를 만들었습니다.

아이디어는 간단합니다.가족에게 준 선물, 과거에 준 선물, 그들이 좋아하는 것과 싫어하는 것, 지출 비용 등을 기록하고 싶어합니다.그래서 에이전트에는 선물 계획을 돕는 역할입니다.이미 받은 선물은 절대 추천하지 마세요.라는 지침이 포함되어 있습니다.이것은 gpt4를 두뇌로 사용하고, 웹범색으로 온라인에서 선물 아이디어를 찾으며,가족 구성원 별 프로필, 취향, 싫어하는 것.지난 3년간의 선물 이력이 담긴 파일 검색 기능과 예산 및 합계를 계산하는 코드 인터프리터, 그리고 메모리 기능을 갖추고 있습니다.따라서 다음에 대화를 시작하면, 당신이 아들 아담의 생일 선물을 찾고 있었다는 사실을 기억합니다.이 모든 것은 에이전트 플레이 그라운드에서 구축하고 테스트합니다.이는 각 구성 요소를 설정하고, 에이전트의 응답을 테스트하며,어떤 도구를 왜 사용했는지 정확히 확인할 수 있는 시각적 인터페이스입니다.작동이 확인되면 바로 배포할 수 있습니다.파운드리는 모든 애플리케이션에서 호출할 수 있는 API 엔드포인트를 제공하거나,마이크로소프트 팀즈 에코파일럿 에이전트로 직접 게시할 수도 있습니다.어떤 방법을 사용하든, 인프라 코드를 단 한 줄도 작성하지 않고,아이디어에서 프로덕션까지 에이전트를 완성할 수 있습니다.내부 구조는 간단하게 설계되었습니다.표면적으로는 그렇지만, 실제로 내부에서는 어떤 일이 일어날까요?여기 아키텍처를 알기 쉽게 설명해드립니다.파운드리 리소스를 생성하면, 에이저가 전체 인프라를 자동으로 설정함으로,직접 스토리지를 프로비저닝하거나 로깅을 구성하고,보안 그룹을 설정할 필요가 없습니다.파일과 로그를 위한 스토리지 계정 생성, 모니터링 설정, 아이디 구성 등 모든 과정이 백그라운드에서 자동으로 진행됩니다.따라서 리소스를 생성하고, 바로 빌드를 시작하기만 하면 됩니다.현재 파운드리는 에이저 오픈아이 및 비전, 스피치와 같은 기존 AI 서비스에서 사용하는 것과,동일한 카그너티브 서비시즈 리소스 유형을 사용합니다.

과거의 허브 기반 아키텍처는 머신러닝 서비시즈를 사용했는데,이는 청구, 네트워킹, 거버넌스가 완전히 다른 별개의 공급자였습니다.파운드리는 더 단순하고 통합된 에이저 인프라 영역에 위치하기 때문에 이 점이 중요합니다.프로젝트는 파운드리 리소스의 하위 리소스임으로,동일한 아이디 및 보안 경계를 공유합니다.파운드리 수준에서 액세스 제어를 설정하면 모든 프로젝트에 자동으로 적용되므로,각각 보안을 별도로 구성할 필요가 없습니다.하지만 프로젝트별로 특정 권한이 필요하다면 추가할 수도 있습니다.파운드리는 단독으로 작동하지 않습니다.다른 에이저 서비스와 연결되며,그 중 가장 중요한 에이저 AI 서치를 통해 에이전트가 지식을 찾고 검색합니다.키볼트는 비밀과 API 키를 안전하게 저장하고,스토리지 계정은 파일, 로그, 벡터 인덱스를 보관합니다.이러한 연결은 파운드리 위 커넥션 기능을 통해 관리되는데,이는 에이전트가 자격 증명을 수동으로 관리할 필요 없이리소스에 액세스할 수 있도록 하는 사전 구성된 링크입니다.파운드리 에이전트 서비스는 에이전트를 실제로 호스팅하는 넌타임입니다.엔진 룸이라고 생각하시면 됩니다.사용자가 요청을 보내면 에이전트 서비스, 에이전트 서비스가 조율을 담당하여 요청을 수신하고,지침을 확인하며, 모델을 호출하고, 적절한 도구를 실행하고, 지식을 검색한 뒤 응답을 생성합니다.또한 유해한 콘텐츠를 포착하고 확장성을 처리하기 위해 안전필터를 실행합니다.따라서 천명의 사용자가 동시에 에이전트에 접속해도 자동으로 용량이 확장됩니다.모든 것은 에이저 위 엔터프라이즈 급보안 환경 내에서 실행되며,엔트라 아이디가 인증을 처리하고, 관리형 네트워크가 트래픽을 비공개로 유지하며,역할 기반 액세스 제어를 통해 승인된 사람만 에이전트를 수정할 수 있습니다.콘텐츠 안전필터가 부적절한 응답을 차단합니다.이는 마이크로소프트 위 자체 서비스를 운영하는 것과 동일한 보안 인프라입니다.

한 가지 더, 기존의 허브 및 프로젝트 아키텍처는 여전히 존재합니다.에이저 AI 파운드리를 오랫동안 사용해 오셨다면 허브가 설정되어 있을 수 있으며,해당 환경은 여전히 마이크로소프트 지원을 통해 작동합니다.하지만 그 환경에서는 에이전트 플레이 그라운드, 에이전트 플레이 그라운드, 에이전트 서비스,메모리 기능과 같은 새로운 에이전트 기능을 사용할 수 없습니다.이 모든 기능은 새로운 파운드리 프로젝트에서만 제공됩니다.그러니 새로 시작하거나 에이전트를 구축하려는 경우, 새로운 프로젝트를 사용하세요.구형 기반 위에 구축하지 마십시오.모든 것이 어떻게 연결되는지 전체적인 그림을 살펴보겠습니다.그렇다면 누군가 파운드리 애플리케이션을 사용할 때 실제로 어떤 일이 벌어질까요?사용자가 질문을 입력하고 그 질문이 에이전트에 도달한다고 가정해봅시다.에이전트는 지침을 확인하고 적절한 모델을 선택한 뒤 처리를 시작합니다.하지만 단순히 답변을 추측하는 것이 아닙니다.에이저 AI 서치에 접근하여 문서에서 관련 지식을 찾고,웹검색과 같은 도구를 호출하여 최신 정보를 가져온 다음,그 모든 문맥을 처리하여 응답을 생성합니다.그런 다음, 대화 내용을 메모리에 저장하여 다음에 사용자가 다시 방문했을 때 누구인지,무엇을 논의했는지 기억합니다.이것이 엔드투엔드 흐름입니다.파운드리 이전에는 이를 구현하기 위해 5개의 개별 에이저 서비스와 사용자 지정 코드가 필요했습니다.모델을 위한 에이저 오픈아이, 지식검색을 위한 AI 서치,웹검색을 위한 별도의 서비스, 로그 및 파일 저장을 위한 스토리지,보안 정보를 위한 키볼트가 필요했죠.또한 이 모든 것을 연결하고, 인증을 처리하며, 오류를 관리하고, 모니터링을 설정하기 위한 코드를 직접 작성해야 했습니다.파운드리는 이 모든 것을 즉시 사용할 수 있도록 제공합니다.구성 요소만 설정하면 바로 에이전트가 실행됩니다.

중요한 점은 모든 것이 상호작용한다는 것입니다.모델을 변경하면 모든 응답의 비용과 정확도가 달라집니다.더 나은 지식 소스를 추가하면 답변이 더 정확해집니다.메모리 기능을 활성화하면 로봇처럼 느껴지지 않고 개인화된 경험을 제공합니다.이것들은 독립적인 결정이 아닙니다.하나의 시스템이며, 파운드리는 사용자가 특정 요구사항에 맞게 시스템을 조정할 수 있는 제어 기능을 제공합니다.이것이 바로 기업들이 파일럿 단계에서 프로덕션 단계로 나아가는 이유입니다.파운드리는 신뢰할 수 있는 AI 애플리케이션을 구축하기 위한 기반을 제공합니다.보안, 모니터링, 평가 기능이 내장되어 있습니다.처음부터 다시 시작할 필요가 없습니다.어려운 작업은 플랫폼이 처리함으로, 여러분은 애플리케이션 개발에만 집중할 수 있습니다.시작하기, 첫 번째 단계입니다.그럼, 어디서부터 시작할까요? ai-zure.com에 접속하여 첫 번째 파운드리 리소스를 만드세요.에이저 구독이 필요하지만, 없다면 무료 계정을 신청하여 제공되는 크레딧으로 시작해보세요.전체 설정은 약 1분이면 충분합니다.다음으로, 해당 리소스 내에 프로젝트를 만들고 개발할 내용에 맞는 이름을 지정하세요.그 다음, 카탈로그에서 모델을 선택하세요.대부분의 실험에 충분히 강력한 모델로 시작하는 것을 추천합니다.클릭 한 번으로 배포할 수 있습니다.그런 다음, 에이전트 플레이 그라운드를 열고 간단한 에이전트를 빌드하세요.당신은 회사 정책에 관해 답변하는 유용한 비서입니다.와 같은 지침을 입력하세요.그리고 도구로 웹검색을 추가하세요.질문을 던져 테스트해보고, 추적 기능을 통해 어떤 도구를 왜 사용했는지 확인하세요.처음부터 모든 것을 만들려고 하지 마세요.사내 핸드북에 대해 답변하는 문서 Q&A보처럼 한 가지 사례를 골라잡게 시작하세요.작동하게 만든 뒤, 거기서부터 확장해나가세요.

실제 문서를 활용한 파일 검색, 사용자를 기억하는 메모리,계산이 필요할 경우 코드 인터프리터를 추가하세요.중요한 점이 있습니다.파운드리에는 플랫폼 자체에 대한 질문에 답해주는 AI 책봇이 내장되어 있습니다.막히는 부분이 있으면, 내 지역에서 어떤 모델을 사용할 수 있나요?와 같이 물어보세요.또는 에이전트에 메모리를 추가하려면 어떻게 하나요?라고 물어보세요.문서를 검색하여 즉시 답변을 주는데,마치 포털 안에 지원 엔지니어가 있는 것과 같습니다.이것이 바로 시스템입니다.모델, 프로젝트, 에이전트, 지식, 보안을 하나로 묶어 유기적으로 작동하게 하는 통합 플랫폼이죠.모든 것이 어떻게 통합되는지 알게 되면, 혼란은 사라질 것입니다.파운드리는 단순한 도구가 아니라 AI 애플리케이션을 만드는 작업장입니다.결론은 이렇습니다.오늘 여러분이 얻을 수 있는 가장 큰 성과는 간단합니다.파운드리 프로젝트를 생성하고 에이전트를 하나만 만들어보는 것입니다.그것으로 충분합니다.이 내용이 도움이 되었다면 구독하여 더 쉬운 설명을 확인하고,마이크로소프트의 AI 제품군에 대해 혼란스러워하는 지인과의 영상을 공유하세요.분명 고마워할 것입니다.