AI 트렌드 리서치 - 엔터프라이즈 에이전트Ops 완전 가이드: 장시간 자율 AI 에이전트의 구축·거버넌스·수익화
엔터프라이즈 에이전트Ops 완전 가이드: 장시간 자율 AI 에이전트의 구축·거버넌스·수익화
핵심 요약
주요 발견사항: 장시간(수시간~24시간) 연속 작업이 가능한 코딩·운영·지식 작업 에이전트가 실무 수준으로 도달. OpenAI의 GPT-5.1-Codex-Max(SWE-Bench Verified 77.9%, Terminal Bench 58.1%)와 Microsoft의 Agent 365(에이전트 ID, 접근제어, 감시·보호) 조합은 엔터프라이즈 등급 AgentOps 스택의 기반이 됨.
실용적 가치: 개발팀은 PR 처리량 최대 70% 증가, 작업 속도 27~42% 개선, 생각 토큰 30% 절감으로 비용/생산성 동시 개선. 제조·운영은 디지털 트윈+에이전트로 미세 중단 감축, 수백만 달러 생산성 회복 사례 등장.
학습 가치: 장기 과제 해결을 위한 제약(Constraints) 기반 메모리, 세계 모델(World Model)·시뮬레이션 학습, Agent Identity·Zero Trust를 이해해야 실무 구현 가능. RAG vs 미세조정의 역할 분담도 필수.
누가 주목해야 하는가: 개발 리더/플랫폼팀, CTO/보안·규제 담당, 제조·운영 임원, 데이터/지식관리 책임자, 교육·금융 등 도메인별 에이전트 상품화를 검토하는 사업개발자.
왜 지금 중요한가?
비즈니스 기회:
ChatGPT 내 앱(예: Intuit)처럼 플랫폼-내 에이전트 상거래가 열림. 구독/성과기반/거래수수료 수익 모델 결합 가능.
24시간 돌 수 있는 코딩·운영 에이전트로 야간·주말 무인 처리 확대 → TTM 단축, 운영비 절감.
기술 학습 가치:
AgentOps는 MLOps 다음 단계. 에이전트 ID·권한·감사·성능계량을 다루는 인력이 부족. 지금 역량을 쌓으면 조직 내 핵심 역할 확보 가능.
기술 트렌드:
GPT-5.1-Codex-Max의 장기 컨텍스트 관리(제약/자동 축약), Windows/터미널 친화도, 보안 강화.
Agent 365의 중앙 등록부·RBAC·Defender/Purview 연계. 디지털 트윈과 결합한 운영 에이전트 급부상.
경쟁 우위:
SWE-Bench/Terminal Bench 등 표준 벤치마크로 도구 선택·검증. 초기부터 감사 로그/휴먼 게이트를 내장하면 규제 변화(GDPR 완화)에도 컴플라이언스 민첩성 확보.
개념적 중요성:
에이전트는 LLM을 넘어 행동 가능한 소프트웨어 주체. 신뢰 가능한 장기 계획·메모리·권한 관리가 핵심 과제로 부상.
배경 및 현황
주요 사건 타임라인
OpenAI – GPT-5.1-Codex-Max: 24시간에 걸친 엔지니어링 작업 처리, SWE-Bench Verified 77.9%, 생각 토큰 30% 절감, 27~42% 속도 개선. 터미널 로그·툴 호출·테스트 결과 자동 기록, 보안 모델 강화.
Microsoft – Agent 365: 에이전트 중앙 등록부, 에이전트 ID, 접근제어, 성능 대시보드, Defender/Purview 연계. M365/기업 데이터 통합, Copilot Studio 및 서드파티 프레임워크 지원.
EU – GDPR/AI 법 완화: 가명·익명 데이터 공유 용이, GDPR 준수 시 훈련 허용 폭 확대. 고위험 AI 규정 일부 연기. 중앙 감독·문서 간소화 추진.
DeepMind – 데이터 100배 절감 연구: 인간 플레이 짧은 영상으로 세계 모델 학습 → 시뮬레이션에서 연습해 장기 과제 수행. 데이터 효율성과 장기 계획의 가능성 시사.
Intuit – OpenAI 1억달러+ 계약: TurboTax, QuickBooks, Mailchimp 등을 ChatGPT 내 동작. 사용자 동의 기반으로 금융 업무 수행/마케팅. 엔터프라이즈 앱의 에이전트화·시장 유통 본격화.
Google – Scholar Labs: 인용·임팩트 지수 대신 전체 본문·맥락 기반 AI 평가로 연구 검색. 교차분야·신생 논문 발굴 강화, 신뢰도 논쟁과 함께 새 검색 패러다임 시험.
MIT Tech Review – 제조 AI 확산: 디지털 트윈+AI로 생산라인 실시간 최적화. 대형 제조사 77%가 AI 사례 배치, 업계 절반 수준이 생산 투입.
시장 현황
시장 규모/성장:
정량 수치는 기사에 없지만, Microsoft/Google/OpenAI/Intuit 등 대형 참전과 제조업 대규모 배치(대형 제조사 77%)는 기업 채택의 임계점을 보여줌.
ChatGPT 내 앱/에이전트 상거래는 유통 채널 표준화를 촉진.
주요 플레이어:
OpenAI: 장시간 코딩 에이전트용 전문 모델(Codex-Max), 터미널/Windows 강화.
Microsoft: Agent 365로 거버넌스·보안·ID의 표준 제시.
Google/DeepMind: 연구 검색·교육·세계 모델로 지식·학습 에이전트 강화.
도메인 앱 기업(Intuit): 에이전트-내 서비스화로 수익 확장.
제조 솔루션(Sight Machine): 디지털 트윈+AI로 운영 KPI를 직접 개선.
현재 문제/한계:
장기 계획 중 누적 오류(세계 모델의 장기 예측 한계).
보안·권한 오남용 위험 → 인간 검토 필수.
평가/감사 표준 미성숙 → 도구 호출·터미널 로그 등 기계독해 가능한 감사 내재화가 관건.
핵심 개념 이해
AgentOps: 에이전트 설계·테스트·배포·모니터링·거버넌스의 전 주기 운영 체계(MLOps의 에이전트 버전).
장시간 에이전트: 24h+ 세션에서 목표 유지, 업무 맥락 변화에 적응, 자동 요약·메모리 관리(예: Codex-Max의 제약/컨텍스트 자동 축약).
세계 모델(World Model): 환경의 내부 시뮬레이션 모델. 실제 데이터가 적어도 상상 속에서 반복 연습 가능. 장기 계획에 유리.
디지털 트윈: 설비/라인/공장의 가상 복제. 정책·생산성 실험을 무중단으로 실시.
에이전트 ID·RBAC: 사람처럼 고유 ID·권한 역할 기반으로 인증/감사(Agent 365).
RAG vs 미세조정: RAG는 사실·문맥 주입, 미세조정은 스타일·포맷·행동 패턴 학습. 장기 에이전트는 둘 다 필요.
핵심 인사이트 (실행 + 학습)
1. “24시간 코딩·운영을 돌리는” 에이전트는 지금 바로 도입 가능하다
왜 중요한가?
실용적 이유:
Codex-Max로 긴 이슈/PR/빌드 파이프라인을 야간에 자율 처리 → 주간 팀은 검토·결합에 집중.
속도 27~42% 개선, 생각 토큰 30% 절감으로 클라우드 비용과 리드타임 동시에 감소.
학습적 이유:
제약 기반 메모리와 터미널 도구 호출을 이해하면, 에이전트가 실제 CI/CD·Windows 환경까지 통제된 자동화를 수행.
어떻게 활용할 것인가?
개발자:
Codex CLI에 GPT-5.1-Codex-Max 설정. 리포지토리 단위로 “테스트 실패 이슈 → 브랜치 생성 → 수정 → PR”을 자동화.
각 툴 호출과 테스트 결과가 터미널 로그로 남도록 설정, PR 본문에 근거 로그 자동 첨부.
기업:
야간 PR 파이프라인을 표준화. “중요 변경” 라벨은 2인 검토(4-eyes) 필수, 비용 큰 작업은 승인 워크플로로 보호.
월간 PR 처리량·MTTR·테스트 통과율을 대시보드화해 ROI 추적.
학습자:
오픈소스(예: SWE-Bench 스타일 이슈)로 자율 디버깅 봇 만들기.
터미널 자동화, 테스트 격리, 롤백 시나리오를 작은 실습으로 반복.
이해해야 할 핵심 개념:
컨텍스트 자동 축약(제약): 긴 세션에서 핵심 정보만 남기고 주변 맥락을 기계가 요약/압축해 유지.
감사 가능성(Auditability): 툴 호출·결과를 기계가 읽을 수 있는 로그로 저장해 재현·감사 용이.
실제 사례:
OpenAI: 개발자 주간 사용률 95%, 도구 도입 후 PR 70% 증가, Windows 명령줄까지 훈련·자동화 최적화.
2. “거버넌스가 제품이다”: Agent 365식 ID·RBAC·보안·데이터 규정을 내장하라
왜 중요한가?
실용적 이유:
에이전트가 실제 데이터와 시스템에 접근한다면, ID·권한·로그·DLP 없이는 운영 리스크가 커짐.
기업 데이터·M365 앱 통합 시 Defender/Purview와 연계하면 보안·규정 준수를 자동화.
학습적 이유:
에이전트 계정생성/수명주기/탈퇴(Offboarding), RBAC 설계, 정책 집행을 이해하면 감사 가능한 운영체계를 만들 수 있음.
어떻게 활용할 것인가?
개발자:
에이전트를 Microsoft Entra에 등록, 고유 에이전트 ID 발급 → API 키·시크릿은 금고(Vault)에 저장.
모든 행동은 세션 ID로 추적, 위험 액션은 승인 플로우·레이트 리미트 적용.
기업:
Agent Registry를 운영. 누가 어떤 데이터·시스템에 접근하는지 지속 모니터링.
Purview로 민감도 라벨링·DLP 규칙 적용, Defender로 이상 행동 감지.
EU GDPR 개정 흐름을 반영해, 가명/익명 데이터 우선 사용 및 교육 로그의 훈련 재사용 정책 수립.
학습자:
Zero Trust(모든 액세스는 검증), RBAC(역할 기반 권한), DLP(데이터 유출 방지) 개념을 소형 샘플 앱에 적용해보기.
이해해야 할 핵심 개념:
Agent Identity: 사람 계정처럼 에이전트 전용 신원과 자격증명을 발급·회수.
정책 집행 엔진: 액션 전후로 검증/필터/마스킹 수행(예: PII 마스킹).
실제 사례:
Microsoft Agent 365: 중앙 등록·ID·접근제어·성능 대시보드·M365/데이터 통합·Defender/Purview 보안. Frontier 프로그램 테스트 중.
3. “에이전트를 수익화하는 법”: 플랫폼 내 액션·데이터·신뢰를 묶어라
왜 중요한가?
실용적 이유:
Intuit처럼 기존 앱 기능을 에이전트로 노출하면, ChatGPT 같은 대형 유통 채널에서 신규 고객을 획득.
사용자가 동의 시 데이터로 직접 행동(예: 청구서 알림, 대출 비교)을 수행해 성과 연결 수익 창출.
학습적 이유:
RAG vs 미세조정의 역할을 구분해 도메인 전문성+브랜드 톤을 동시에 구현해야 전환율이 올라감.
어떻게 활용할 것인가?
개발자:
ChatGPT 앱/에이전트 액션 스키마를 설계. “조회-설명-비교-의사결정 지원-실행” 단계를 모듈화.
동의 관리(consent)와 거래 로그를 표준화해 감사·환불·고객지원 대비.
기업:
내부 서비스(금융/교육/헬스/리테일)를 에이전트 액션으로 래핑. 성과기반 요금제(A/B 테스트)로 CPA/ARPU 극대화.
안전장치: 고위험 결정(금융/의료)에는 인간 검토, 설명 책임을 위한 결정 근거 첨부.
학습자:
톤·스타일 미세조정으로 브랜드 목소리 구현(콘텐츠·세일즈 카피).
지식 RAG로 최신 정책/상품 정보를 안정적으로 주입.
이해해야 할 핵심 개념:
행동 가능한 에이전트: 읽고 쓰는 것을 넘어 결제·신청·예약 등 실행 권한을 보유.
개인화+설명가능성: 사용자 맥락에 맞춘 추천과 결정 근거를 함께 제공.
실제 사례:
Intuit: TurboTax/QuickBooks/Mailchimp 등이 ChatGPT 내에서 세금 추산·알림·대출 검토 등 실행형 서비스 제공. 사용자 동의 기반 데이터 활용 강조, ChatGPT Enterprise 내부 활용 병행.
기술 분석 (개발자/엔지니어/학습자용)
핵심 기술 요소
제약 기반 장기 컨텍스트 관리
기존: 프롬프트가 길어지면 컨텍스트 창 한계로 누락/혼선 발생.
신규: 자동 축약/핵심 유지로 세션을 이어가며 오류 누적을 줄임(Codex-Max의 “제약”).
성능: 실제 작업 27~42% 속도 개선, 생각 토큰 30% 절감.
감사 로그·터미널 추적
기존: 프롬프트/응답 중심 로그로 실행 근거 부족.
신규: 툴 호출·테스트 결과·터미널 출력을 일체 기록 → 재현성·컴플라이언스 강화.
에이전트 ID·RBAC·보안 스택
기존: 봇=공용 키/계정으로 운영, 감사 취약.
신규: Entra 기반 에이전트 ID, Defender/Purview와 연계한 제로 트러스트.
결과: 데이터 오남용·권한 상승 방지, 정책 집행 자동화.
세계 모델·디지털 트윈
기존: 실물 환경에서만 검증 → 비용/리스크 큼.
신규: 시뮬레이션(세계 모델/디지털 트윈)에서 수백만 회 연습 후 실제 투입. 데이터 100배 효율화 사례 등장.
제약: 장기 예측 어려움 → 계층적 계획·주기적 리셋 필요.
RAG vs 미세조정
RAG: 최신/도메인 지식 주입으로 환각 완화.
미세조정: 톤·포맷·행동 패턴 학습으로 브랜드 일관성·전환률 상승.
결론: 혼합 전략이 장기 에이전트에 필수.
시작하기
학습 출발점
OpenAI Codex CLI 문서 및 SWE-Bench/Terminal Bench 과제 재현.
Microsoft Agent 365 공개 자료(Entra/Defender/Purview 연계 가이드).
디지털 트윈 샘플(공정 시뮬레이터) + 에이전트 의사결정 루프.
핵심 개념
작업 분해(Task Decomposition), 상태 머신/워크플로 관리.
계층형 메모리(작업 메모리/에피소드 요약/지식 베이스).
안전 게이트(휴먼 인더 루프, 레이트 리미트, 예산 캡).
성능 계량(TSR: Task Success Rate, 코스트/시간/정확도).
실무 적용
코딩: “이슈 → 브랜치 → 수정 → 테스트 → PR” 자동화 봇 구축.
운영: 알람 트리아지 에이전트가 노이즈 필터링 후 디지털 트윈에서 복구 시나리오 시뮬.
지식: Scholar Labs 스타일의 맥락 중심 검색 + 사내 문서 RAG로 컨설팅형 답변.
비즈니스 영향 (기업/창업자용)
수익 기회
코딩·테크 서비스 자동화
시장/ROI: PR 처리량 +70%, 속도 27~42% → 프로젝트 납기·매출 앞당김.
상품: “자율 수정+보안 검수” 관리형 서비스. 벤치마크(SWE-Bench/Terminal Bench) SLA 제시.
운영·제조 최적화
시장/ROI: 디지털 트윈 기반 가동률 개선으로 수백만 달러 생산성 회복 사례.
상품: 라인별 미세 중단 탐지·튜닝 패키지, 성공 수수료 모델 적용.
플랫폼 내 에이전트 상거래
시장/ROI: ChatGPT 등 대규모 유통망의 앱/액션 마켓.
사례: Intuit형 “실행 에이전트” → 신규 리드/수수료/구독 결합 수익.
교육·지식 서비스
시장/ROI: RCT 기반 효과 검증(예: LearnLM 오류율 0.1% 보고)과 맞춤 튜터링.
상품: 과목/직무별 개인화 학습 에이전트, 평가·포폴 연계.
비용 절감 포인트
PR 검토·테스트·릴리즈의 야간 자동화 → 초과근무·대기 시간 절감.
생각 토큰 30% 절감으로 LLM 비용 하락.
알람 노이즈 필터링·진단 자동화로 SRE/운영 피로도↓.
문헌 검색·브리핑 자동화로 지식 노동 시간↓.
경쟁 전략
선도 기업:
OpenAI: 코딩 에이전트 전문화, 감사 로그 기본값.
Microsoft: 거버넌스·보안을 제품화(Agent 365).
Intuit: 도메인 앱을 플랫폼 에이전트화.
중소/스타트업 대응:
특정 도메인 액션을 깊게 파고 들어 전문 에이전트 제공.
감사/보안/성능 지표를 전면에 내세워 엔터프라이즈 신뢰 확보.
팀 역량 강화
우선 학습 기술:
AgentOps 파이프라인, RBAC/Zero Trust, 디지털 트윈·시뮬레이션, RAG·미세조정.
교육 투자 ROI:
도입 3개월 내 벤치마크 기반 성과(TSR, Cost/Task) 가시화.
컴플라이언스/보안 이슈 사전 예방 비용 절감.
미래 전망 및 액션 플랜
3개월 내 예상되는 변화
Codex-Max의 API 공개 확대, 코딩/운영 에이전트 도입 러시.
Agent 365 파일럿 증가, 에이전트 ID 표준화 진행.
EU의 데이터 공유 완화가 사내 로그/메타데이터 활용을 촉진(단, 승인·감사 전제).
ChatGPT 앱 생태계에서 액션형 에이전트 상위 랭킹 부상(금융·여행·생산성).
6-12개월 전망
AgentOps 플랫폼 경쟁 본격화(거버넌스/보안/감사 내장형이 표준).
세계 모델/디지털 트윈 기반 시뮬레이션 우선(Sim-First) 학습이 운영 에이전트의 기본.
교육·지식 작업에서 맥락 중심 평가·검색(Scholar Labs형) 보편화.
음성·스타일 미세조정으로 브랜드 “목소리” 가진 대화형 판매/지원 에이전트 확대.
즉시 실행 가능한 액션 아이템
개발자:
Codex CLI로 리포지토리 자율 PR 파이프라인 구축(로그·테스트 증거 자동 첨부).
SWE-Bench/Terminal Bench 재현 → 사내 과제와 TSR/비용/시간 비교.
RAG 인덱스 구축(문서·위키) + 소규모 미세조정으로 팀 톤/포맷 통일.
위험 액션 휴먼 게이트와 롤백 스크립트 마련.
기업/팀:
Agent Registry 도입, Entra/Defender/Purview로 ID·보안·DLP 일원화.
ROI 대시보드: PR 처리량, MTTR, 비용/작업, 성공률, 휴먼 개입률.
데이터 정책 업데이트: 가명·익명 데이터 우선, 로그의 훈련 재사용 조건 명시.
디지털 트윈 PoC: 한 라인/시스템을 선정해 에이전트 의사결정 루프 파일럿.
학습자/학생:
단기(1-3개월): Python+API, 프롬프트 엔지니어링, RAG 기본, GitHub Actions 자동화.
중기(3-6개월): 소형 디지털 트윈/시뮬레이터 제작, 에이전트 의사결정 루프, 로그/감사 설계.
장기(6-12개월): AgentOps 프레임워크 개발, RBAC/정책 엔진 통합, 세계 모델 기반 계획 실험.
참고
뉴스 출처
OpenAI가 24시간에 걸친 엔지니어링 작업을 처리하기 위해 GPT-5.1-Codex-Max를 출시합니다. - decoder
GPT-5.1-Codex-Max 공개. SWE-Bench Verified 77.9%, 생각 토큰 30% 절감, 실제 작업 27~42% 속도 개선. Windows/터미널 강화, 터미널 로그·툴 호출·테스트 결과 기록.
에이전트 365: 마이크로소프트, AI 에이전트 관리를 위한 플랫폼 출시 - decoder
Agent 365: 에이전트 중앙 등록부, 고유 ID, 접근제어, 성능 대시보드, M365/기업 데이터 통합, Defender/Purview 보안.
유럽은 GDPR을 축소하고 AI 법률을 완화하고 있습니다. - hacker news(The Verge)
가명/익명 데이터 공유 완화, GDPR 준수 시 개인 데이터 훈련 허용 폭 확대. 고위험 AI 규정 일부 연기, 감독 기구 중앙화·문서 간소화.
DeepMind의 새로운 AI가 100배 적은 데이터로 OpenAI를 이겼습니다 - Two Minute Papers
세계 모델 사전학습 → 시뮬레이션 연습으로 데이터 100배 효율화. 장기 계획 가능성, 장기 예측 한계·오류 누적 과제.
Intuit가 OpenAI와 1억 달러 이상의 계약을 체결하여 자사의 앱을 ChatGPT로 가져옵니다. - TechCrunch
TurboTax/QuickBooks/Mailchimp 등 ChatGPT 내 동작. 동의 기반 데이터 활용, 금융 의사결정 지원·알림·추천. ChatGPT Enterprise 내부 사용 지속.
Google의 새로운 Scholar Labs 검색은 AI를 사용하여 관련 연구를 찾아줍니다. - The Verge
인용/임팩트 지수 대신 본문·맥락·인용 빈도 등을 종합 평가. 교차분야·신생 논문 발굴 강화, 신뢰도 논의.
AI를 활용한 제조업 혁신 확장 - MIT Tech Review
디지털 트윈+AI로 라인 최적화. 업계 50%가 생산에 AI 배치, 대형 제조사 77% 사례 배치. 미세 중단·품질 메트릭 기반 개선.
AI와 학습에 대한 우리의 최신 약속 - Google AI
교육 분야 RCT 확대, LearnLM 오류율 0.1% 보고. Gemini for Education, 국가 파트너십·자금 지원.
ChatGPT는 당신과 똑같이 들릴 수 있습니다 (이렇게 해보세요) - Matt Wolfe
미세조정으로 톤·스타일 구현, RAG는 지식 주입. JSONL 포맷 데이터로 훈련, 브랜드 목소리 재현.
더 많은 것을 구축하기 GPT-5.1-Codex-Max - Simon Willison
Codex CLI 기본 모델 업데이트, SWE-Bench/Terminal Bench 상위 성능. 자동 세션 축약·핵심 컨텍스트 유지 설명.
추가 학습 자료 (선택사항)
OpenAI Codex CLI 및 모델 업데이트 문서(공식 사이트).
Microsoft Entra, Defender for Cloud, Purview DLP 공식 가이드.
SWE-Bench, Terminal Bench 벤치마크 깃허브.
Digital Promise: “A Framework for Powerful Learning with Emerging Technology”.
Sight Machine, 디지털 트윈 사례 리포트.
부록: 엔터프라이즈 AgentOps 설계 체크리스트
아키텍처
오케스트레이터: 워크플로 엔진(상태 머신), 실패/재시도 정책.
메모리: 작업 메모리(컨텍스트 창), 에피소드 요약(제약/자동 축약), 지식 베이스(RAG).
액션 레이어: 함수 호출 스키마, 동의/승인 플로우, 레이트 리미트/예산 캡.
보안/거버넌스
ID: 에이전트별 Entra 계정, 키 금고, 순환 키.
권한: RBAC/ABAC, 세분화된 스코프, Just-In-Time 권한.
데이터: 분류·라벨·마스킹, DLP 정책, 옵트인 기록.
감사: 툴 호출·터미널 출력·결정 근거를 구조화 로그로 보관.
평가/모니터링
기능: Task Success Rate, Human Override Rate, Regression Failures.
품질: 사실성/정확도 점검(RAG 히트율), 보안 사고 제로 목표.
비용/성능: Token/Task, 시간/Task, SLO 위반율.
운영 절차
출시 전 샌드박스/디지털 트윈 테스트.
단계적 롤아웃(캔리·그레이드 릴리스), 롤백 스크립트.
분기별 정책/데이터/모델 업데이트 계획.
핵심 메시지 정리
빌드: Codex-Max로 코딩·운영 에이전트의 “긴 호흡”을 확보하라. 자동 축약·로그·터미널 친화도는 실무 필수요소다.
거버넌스: Agent 365 수준의 ID·권한·보안·감사를 기본설정으로 깔아야 한다. 규제 변화에도 흔들리지 않는 운영이 가능하다.
수익화: Intuit처럼 플랫폼 내 액션형 에이전트로 들어가라. 도메인 데이터+신뢰 설계를 통해 매출과 전환을 동시에 잡는다.
학습/확장: 세계 모델·디지털 트윈으로 시뮬레이션 우선 전략을 취하라. 데이터 효율과 안전한 실험이 장기 경쟁력을 만든다.
이제는 에이전트를 “실행 주체”로 대우해야 한다. 정교한 AgentOps가 곧 제품의 품질과 신뢰, 그리고 수익을 좌우한다.