「엔트리 레벨 직무의 축소는 '인재의 기술 부채'이다」── MIT 연구자의 경고로 생각하는 AI 시대의 커리어 전략

버그 조사는 AI가 한다. 테스트 추가도 AI가 한다. 설계 문서도 AI가 작성한다.

그렇다면 주니어 엔지니어는 어디에서 "왜 이 설계는 위험한가"를 배울 것인가?

"AI에게 일자리를 빼앗긴다"── 이 논의는 이제 귀에 못이 박히도록 들었을지도 모른다.

하지만 정말 무서운 것은, 일자리를 빼앗기는 것이 아닙니다. 일자리를 얻더라도, 성장할 수 없게 되는 것입니다.

MIT의 연구자 Andrew McAfee 씨는 기업이 AI로 엔트리 레벨 (Entry-level) 직무를 자동화하는 것에 대해 명확하게 경고하고 있습니다. "그것은 자사의 인재 파이프라인 (Talent Pipeline)을 파괴하는 행위다"라고 [1].

이 구조는 소프트웨어 엔지니어라면 낯익을 것입니다. 기술 부채 (Technical Debt) 와 완전히 똑같은 패턴이기 때문입니다.

"지금은 돌아가니까 괜찮아"── 그 판단이 몇 년 후 조직을 좀먹습니다.

본 기사에서는 이 문제를 3가지 계층으로 깊이 파고듭니다.

기업의 문제── 주니어를 채용하지 않는다 (McAfee 씨의 경고)
더 깊은 문제── 주니어가 채용되어도 성장하지 못한다 (Agent Skills의 침투)
당신의 문제── 그렇다면, 어떻게 경험을 쌓을 것인가?

"왜 주니어 애널리스트를 3명이나 채용하나? AI에게 잡무를 시키고, 시니어 1명이 감독하면 되지 않나"

──많은 기업이 지금 바로 이렇게 판단하고 있습니다. 데이터를 보면 그것이 단순한 인상론이 아님을 알 수 있습니다 [1][2].

지표	수치	출처
엔트리 레벨 채용 전년 대비	-2%	Handshake (2026년 조사)
팬데믹 이전 대비	-12%	Handshake (동상)
대졸자 (22-27세) 실업률	5.6%	미국 노동통계국 (BLS)
Z세대의 AI 툴 이용률	76%	Deloitte 2025년 조사
AI 관련 미국의 월간 고용 영향	추정 약 16,000건	Goldman Sachs 추계 (CNBC 보도 경유) [3]

Goldman Sachs의 데이터에 따르면, AI에 노출된 직종의 20~30세 층의 실업률은 2025년 초부터 약 3포인트 상승했습니다. 노동 시장 전체의 상승 폭보다 4배 이상 높습니다 [3].

McAfee 씨의 질문은 단순하지만 본질적입니다:

"How else are people going to learn to do the job except via on-the-job learning?"

(OJT(직무 교육) 외에, 도대체 어떻게 일을 배울 것인가?) [1]

주니어 엔지니어 → 도메인 지식(Domain Knowledge) 습득 → 실패와 학습 → 판단력 형성 → 시니어 엔지니어

이 "→" 부분이 바로 엔트리 레벨 직무에서 배양되는 것입니다. AI는 분석도 조사도 코드 생성도 해낼 수 있습니다. 하지만 도메인 지식에 기반한 판단력 ── "이 데이터는 수상하다", "이 설계는 스케일(Scale)하지 않는다", "이 요구사항에는 숨은 의도가 있다" ── 는 실무 경험 없이는 얻을 수 없습니다.

기업은 "이번 분기의 인건비"를 최적화하면서, "다음 10년의 리더십 파이프라인"을 파괴하고 있습니다. 게다가 Z세대는 모든 세대 중 AI 채용률이 가장 높습니다 (76%가 단독 AI 툴을 사용). 즉, AI를 가장 잘 다룰 수 있는 세대를, AI를 이유로 배제하고 있는 아이러니한 상황입니다 [1].

Goldman Sachs는 "대졸자는 회복력이 높다"라는 낙관적인 견해도 보여줍니다 [3]. 확실히 개인은 적응할 것입니다. 하지만, 적응한 곳은 귀사가 아닙니다. 시니어 포스트는 영원히 외부 채용에 의존하게 됩니다.

여기까지라면 "기업의 문제"입니다. 하지만, 진짜 문제는 한 단계 더 깊은 곳에 있습니다.

McAfee 씨의 경고는 "기업이 주니어를 채용하지 않게 된다"라는 채용 측의 문제였습니다. 하지만 필자는 한 단계 더 깊은 구조적 변화가 진행되고 있다고 생각합니다. 그것은 바로 Agent Skills (AI 에이전트 스킬)의 침투입니다.

Agent Skills란?

단순한 채팅형 AI 어시스턴트 (ChatGPT 등)가 아니라, 조사·구현·테스트·리뷰·PR 작성까지를 일련의 태스크로서 자율적으로 계획하고 실행하는 AI 에이전트 기능을 가리킵니다. GitHub Copilot Coding Agent, Devin, Claude Code, 사내 AI 워크플로우 등이 이 방향으로 급속히 진화하고 있습니다.

기존의 AI 도구(ChatGPT, Copilot 등)는 어디까지나 인간이 지시를 내리고, AI가 보조하는 모델이었습니다. 주니어 엔지니어는 적어도 '무엇을 물어볼 것인가'를 고민하고, 출력을 평가하며, 자신의 손으로 코드를 작성할 필요가 있었습니다.

하지만 Agent Skills의 세계에서는 AI가 자율적으로 태스크를 계획·실행·검증합니다.

기존의 AI 보조:
인간: "이 버그를 조사해줘" → AI: "원인은 여기입니다" → 인간이 수정
Agent Skills:
...

즉, 문제는 "기업이 주니어를 채용하지 않는다"는 것만이 아닙니다. 주니어가 채용된다 하더라도, 경험을 쌓을 기회 그 자체가 AI에 의해 흡수되는 것입니다.

RPG에 비유하자면, Agent Skills는 "경험치를 주는 몬스터"를 닥치는 대로 처치해 버리는 파티 멤버와 같습니다.

기존 주니어가 경험하던 것	Agent Skills 도입 후
버그 원인 조사 (로그 읽기, 가설 세우기)	AI가 자동으로 특정·수정
...

이것들은 모두 주니어 엔지니어가 **"실패하고, 배우고, 판단력을 형성하기 위한 훈련장"**이었습니다. Agent Skills는 그 훈련장을 효율화라는 명목하에 지워버립니다.

필자가 가장 우려하는 것은, 이 "경험의 공동화 (Experience Hollowization)"가 조용하지만 불가역적으로 진행된다는 점입니다. 채용을 줄이는 판단은 가시화될 수 있습니다. 하지만 "주니어가 재직 중임에도 성장하지 않고 있는" 상황은 수치로 나타나기 어려우며, 깨달았을 때는 이미 늦습니다.

──이 "보이지 않는 채 진행되는" 구조. 엔지니어라면 기시감이 들 것입니다.

Ward Cunningham이 1992년에 제창한 "기술 부채 (Technical Debt)" 개념은, 단기적인 지름길이 장기적인 비용을 발생시킨다는 구조를 포착한 것입니다. 주니어 직무의 축소와 경험의 공동화는 바로 이와 동일한 역학으로 움직이고 있습니다.

기술 부채	인재 부채
"빌리는" 순간
테스트를 작성하지 않고 릴리스	주니어를 채용하지 않고 AI로 대체
단기적 리턴
개발 속도 향상, 납기 준수	인건비 절감, 당기 이익
이자의 정체
버그 수정 비용, 변경의 어려움, 종속성 (Silo)	육성 단절, 암묵지 소실, 외부 채용 비용
상환 불능이 되는 임계점
레거시 코드의 "이제 아무도 건드릴 수 없는" 상태	시니어 전원 퇴직 후 "이제 아무도 가르쳐줄 수 없는" 상태
파산 (=전면 재작성)
풀 리라이트 (Full Rewrite)	조직 문화의 재구축 (거의 불가능)

기술 부채와 마찬가지로, 인재 부채의 이자도 복리입니다.

Year 0: 주니어 채용 중단 → 비용 절감 💰
Year 2: 멘토 역할을 하는 중견급이 "가르칠 상대가 없음"으로 인해 육성 스킬이 퇴화
Year 4: 시니어가 퇴직 → 암묵지가 유출되나, 후계자가 없음
...

그리고 Agent Skills가 더하는 또 하나의 "부채"──

AI가 작성한 코드 → 동작함 → 하지만 아무도 "왜 이렇게 작성했는지" 모름
AI가 키운 조직 → 돌아감 → 하지만 아무도 "왜 이렇게 판단해야 하는지" 모름

기술 부채의 코드가 "동작은 하지만 아무도 건드릴 수 없는" 상태에 빠지는 것처럼, 조직 또한 "돌아가기는 하지만 아무도 성장하지 않는" 상태에 빠집니다.

엔지니어는 기술 부채의 고통을 신체적으로 알고 있습니다.

• "테스트가 없는 코드에 기능을 추가할 때의 공포"를 알고 있습니다.
• "문서가 없는 설계를 해독할 때의 허탈함"을 알고 있습니다.
• "전임자가 없는 유지보수의 절망"을 알고 있습니다.

주니어 직무의 축소와 경험의 공동화는 조직 차원에서 완전히 동일한 일을 일으키고 있는 것입니다.

──그렇다면, 이 구조는 일본에 어떻게 적용될까요? 사실, 일본에는 이미 "정답 확인"이 존재합니다.

이 논의는 일본에게 있어 미국과는 다른 형태로 심각합니다.

일본의 신입 채용 시장에서도 AI에 의한 구조적 변화는 이미 진행 중입니다[4][5][6]:

지표	수치	출처
AI 도입으로 채용 전략을 재검토한 기업	약 9할	Akariq 조사 (2025년, 생성형 AI 도입 기업 대상)
채용 인원이 "감소 추세"라고 답변한 기업	약 6할	상동
2026년 졸업생 신입 채용 충족률	69.7% (과거 최저·4년 연속 감소)	Mynavi (2025년 11월 조사)
AI 진화로 사무직 신입 구인이 소멸할 예측	최대 50% (추산치)	Business + IT

NTT 도코모, 키린 HD, 소프트뱅크 등 대기업들이 AI 채용을 본격적으로 운용하고 있으며, 학생 측에서도 ES(Entry Sheet, 자기소개서) 작성 및 모의 면접에서 AI를 활용하는 것이 일반화되고 있습니다.

미국의 직무 중심 고용(Job-based employment) 모델에서 엔트리 레벨(Entry-level) 직무는 어디까지나 '첫 번째 포지션'입니다. 노동자는 이직을 통해 커리어를 구축하며, 기업 또한 경력직 채용을 통해 인재를 보충할 수 있습니다.

반면, 일본의 전통적인 모델은 다음과 같습니다:

신입 일괄 채용 → 배치 → OJT(2-3년) → 직무 순환(Job rotation) → 관리직
↑ ↓
└──────── 이 전체가 「하나의 파이프라인」 ────────────┘

이 파이프라인의 입구(신입 채용)를 축소하면, 중간의 OJT도, 출구의 관리직 후보도, 모든 것이 연쇄적으로 고갈되는 구조입니다. 미국처럼 '중간에 경력직 채용으로 보충하는' 문화가 약한 일본에서는, 입구의 파괴는 파이프라인 전체의 파괴를 의미합니다.

사실, 일본의 제조업은 이미 이 '인재 파이프라인 단절'을 경험하고 있습니다.

2025년 문제──단카이 세대(베이비붐 세대)의 숙련 기술자들이 대거 퇴직하면서, OJT를 통해 전수되어 온 암묵지(「감(勘)」, 「요령(コツ)」, 「예외 대응」)가 상실될 위기입니다. 많은 제조 현장에서:

• 「기술」을 가르칠 수 있는 베테랑이 사라졌다
• 매뉴얼화할 수 없는 판단력이 소실되었다
• 영상 기록·VR화·AI 활용으로 필사적으로 보충하려 노력 중이지만──따라가지 못하고 있다

이는 정확히 McAfee 씨가 경고하고 있는 구조와 동일합니다. 그리고 지금, 동일한 일이 화이트칼라(White-collar) 세계에서 일어나려 하고 있습니다.

관점	미국	일본
영향을 받는 계층	엔트리 레벨 전반	사무직·루틴 업무의 신입枠
영향도		매우 높음 (입구=유일한 공급원)
Z세대의 AI 리터러시 (AI Literacy)	76%가 AI 도구 이용	ES·취업 활동에서의 AI 활용 급증
선행 사례	──	제조업의 2025년 문제 (암묵지 소실)

기술 부채(Technical debt)의 메타포로 말하자면, 일본의 신입 일괄 채용 모델은 **「테스트도 문서도 없는 거대한 모놀리식 애플리케이션(Monolithic application)」**에 해당합니다. 리팩터링(Refactoring, 채용 모델의 재설계) 없이 일부를 삭제하면 전체가 무너집니다.

물론 일본에는 '젊은 인재를 육성하는 제도적 관성'──연수 제도, 멘토 제도, 해고 규제에 의한 고용 안정──도 존재합니다. 문제는 '즉각적인 고용 소멸'로 나타나는 것이 아니라, '배치 후의 경험 공동화(空洞化)'로서 조용히 진행된다는 점이 일본형의 위험 요소입니다. 눈에 잘 보이지 않는 만큼 대처가 늦어지기 쉽습니다.

──문제의 심각성은 충분히 전달되었을 것입니다. 그렇다면, 이 시대를 어떻게 살아남을 것인가.

지금까지의 논의를 정리합니다.

제1의 벽: 기업이 주니어(Junior)를 고용하지 않음 ← McAfee 씨의 경고
제2의 벽: 고용되어도 경험을 쌓을 수 없음 ← Agent Skills의 침투
제3의 벽: 경험 없이는 시니어(Senior)가 될 수 없음 ← 구조적으로 불변

한탄하고 있어도 해결되지 않습니다. AI가 훈련장을 빼앗는다면, 스스로 훈련장을 만드는 수밖에 없습니다.

Agent Skills가 코드를 자동 생성하는 시대에, 가장 가치 있는 경험은 **「그것이 정말로 옳은지 판단하는 능력」**입니다.

❌ AI가 생성한 PR(Pull Request)을 그대로 머지(Merge)한다
✅ AI가 생성한 PR을 「왜 이런 설계로 했는가?」라고 다시 질문한다

구체적으로는:

• AI가 생성한 코드의 설계 의도를 자신의 언어로 설명할 수 있는지 테스트한다
• AI의 제안을 일부러 다른 접근 방식으로 구현해 보고, 어느 쪽이 더 우수한지 비교한다
• AI가 「작동하는 코드」를 내놓았을 때, 「왜 작동하는지」를 문서로 작성하는 습관을 들인다

이는 'AI를 사용하는 기술'이 아니라 **'AI의 판단을 덮어쓸 수 있는 기술'**이며, 바로 시니어 엔지니어의 업무 그 자체입니다.

업무에서 AI가 실패의 기회를 빼앗는다면, 업무 외에서 스스로 실패의 기회를 만들어야 합니다.

훈련장	얻을 수 있는 경험	왜 AI에게 빼앗기지 않는가
OSS 컨트리뷰션 (Contribution)	타인의 코드를 읽는 능력, 설계 사상의 이해	문맥 이해가 필요하며, AI만으로는 완결되지 않음
개인 프로젝트 (AI 없이)	제로 베이스에서의 설계 판단, 고된 디버깅(Debugging)	의도적으로 AI를 배제함으로써 생생한 경험을 얻음
장애 대응 회고 참여	운영 환경의 복잡성, 판단의 연쇄	암묵지의 집합체이며, 실시간 판단이 필요함
기술 기사 집필	이해의 언어화, 지식의 구조화	「왜」를 설명하는 행위는 AI가 대체하기 어려움
스터디 모임 발표·질의응답	예상치 못한 질문에 대한 대응, 즉흥적 사고	대인 관계 및 즉흥성은 AI의 영역 밖임

특히 **「AI를 의도적으로 사용하지 않는 시간」**을 갖는 것이 중요합니다. 근력 운동에서 보조 기구를 제거하는 것과 마찬가지로, 스스로 부하를 걸지 않으면 근력은 붙지 않습니다.

모든 업무가 똑같이 AI로 대체되는 것은 아닙니다. AI가 완전히 대체하기 어려운 것은, 정답이 코드 내에 닫혀 있지 않고 이해관계·책임·문맥·리스크 허용도를 포함하는 판단입니다. 이러한 영역에 의도적으로 포지션을 잡음으로써 경험의 기회를 확보할 수 있습니다.

AI가 잘하는 것 (=경험을 쌓기 어려워지는 영역):
→ 정형적인 코드 생성, 데이터 분석, 문서 작성
AI가 대체하기 어려운 것 (=경험을 쌓을 수 있는 영역):
...

McAfee 씨의 경고는 뒤집어 말하면 **「육성할 수 있는 인재의 가치가 급등한다」**는 것을 의미합니다.

주니어(Junior)를 키우는 기술──멘토링(Mentoring), 코드 리뷰(Code Review), 설계 판단의 언어화──는 AI가 대체할 수 없습니다. 그리고 「가르치는」 행위 자체가 가장 깊은 배움이 된다는 사실은 AI 시대에도 변하지 않습니다.

경력 연수와 상관없이, 오늘부터 시작할 수 있는 것들이 있습니다:

• 후배의 PR(Pull Request)에 「왜」를 묻는 코멘트를 작성한다
• 자신의 설계 판단을 **ADR(Architecture Decision Record)**로 남긴다
• 팀 내에서 **「AI의 출력을 리뷰하는 자리」**를 제안한다 (자세한 내용은 다음 장에서)

여기까지는 개인의 전략이었습니다. 하지만 인재 부채는 조직의 문제입니다. AI를 「사람을 줄이는 도구」가 아니라 「사람을 키우는 도구」로 사용한다면, 부채를 늘리지 않고 버틸 수 있습니다.

목적: 인건비 절감·효율화
방법: 주니어가 하던 태스크를 AI로 대체
결과: 주니어 불필요 → 채용 감소 → 파이프라인 단절

이것이 McAfee 씨가 경고하는 「기본적인 사용법」입니다. AI를 **인간의 대체(Replacement)**로서 도입하는 패턴입니다.

목적: 육성 가속·판단력의 조기 습득
방법: 주니어의 「잡무」를 AI가 맡고, 확보된 시간으로 「판단」을 경험하게 함
결과: 주니어의 성장 가속 → 파이프라인 강화

AI를 **인간의 증폭(Amplification)**으로서 사용하는 패턴입니다. 구체적으로는,

모든 것을 AI에 맡기는 것이 아니라, 태스크의 종류에 따라 구분하여 사용하는 규칙을 팀에서 설계합니다.

태스크 종류	AI의 역할	인간(주니어)의 역할
보일러플레이트(Boilerplate) 코드 생성	AI가 실행	리뷰하여 설계 의도를 언어화
버그 조사	AI가 후보를 3개 제시	인간이 가설을 세우고 검증
설계 문서	AI가 초안을 생성	인간이 「왜 이 설계인가」를 토론
코드 리뷰	AI가 스타일·Lint 수정	인간이 아키텍처 판단을 리뷰
장애 대응	AI가 탐지·데이터 수집	인간이 우선순위를 판단하고 대응

포인트는, AI에게 「작업」을 맡기고, 인간에게 「판단」을 남기는 것입니다. 기술 부채의 맥락에서 말하자면, 이는 「자동 테스트는 작성하지만, 테스트 설계는 인간이 한다」는 것과 같습니다.

Agent Skills를 「대행자」가 아니라 **「대화 상대」**로 재정의합니다.

❌ 대행 모드: 「이 버그를 고쳐줘」 → AI가 전부 함 → 주니어는 아무것도 배우지 못함
✅ 벽치기(Wall-hitting/Brainstorming) 모드: 「이 버그의 원인에 대해 3가지 가설을 제시해줘」
→ 주니어가 가설을 평가 → 스스로 검증 → AI에게 결과 설명
...

이러한 방식이라면, AI는 **「언제든 질문할 수 있는 시니어 엔지니어」**로서 기능합니다. 페어 프로그래밍(Pair Programming)의 상대가 AI가 되는 이미지입니다. 주니어는 판단 프로세스를 경험할 수 있고, 동시에 AI가 있으므로 안전하게 실패할 수 있습니다.

이전 섹션에서도 언급했지만, 이를 조직의 시스템으로 정착시키는 것이 중요합니다.

주간 「AI 리뷰회」 포맷:
1. 이번 주 AI가 생성한 코드/설계/문서를 1건 선정
2. 주니어가 「AI의 판단」을 평가하고 개선안을 프레젠테이션
...

이를 통해:

• 주니어는 AI의 출력을 비판적으로 평가하는 훈련을 쌓을 수 있음
• 시니어는 암묵지(Tacit Knowledge)를 언어화할 기회를 얻음
• 팀 전체의 「AI가 놓치는 것」에 대한 감도가 높아짐

기술 부채 상환을 위해 「리팩터링의 날」을 두는 것처럼, 인재 부채 상환으로서 **「AI 리뷰의 날」**을 둔다. 이것이 인재 부채를 늘리지 않는 AI 운용의 핵심입니다.

마지막으로, 자신의 팀이 도입한 AI가 「부채를 늘리고 있지는 않은가」를 체크할 수 있는 간단한 기준을 제시합니다.

질문	Replacement (부채 ↑)	Amplification (부채 ↓)
주니어의 업무는 늘었나요? 줄었나요?	줄었다 (AI가 대체)	변했다 (판단 업무로 시프트)
주니어는 「왜」를 설명할 수 있나요?	할 수 없다 (AI가 전부 수행)	할 수 있다 (프로세스를 경험함)
시니어가 떠났을 때, 판단 근거를 설명할 수 있나요?	할 수 없다 (AI의 출력 이력만 남음)	할 수 있다 (인간의 판단 프로세스가 남아 있음)

세 번째 질문이 가장 중요합니다. 「시니어가 없어도 AI로 돌아간다」는 언뜻 이상적으로 보이지만, 판단의 근거가 인간 내부에 축적되지 않았다면 그것은 조직이 AI에 의존하고 있을 뿐이며, 인재 부채를 계속해서 쌓아가고 있다는 증거입니다.

McAfee 씨가 지적하듯이, 모든 자동화의 물결은 동일한 패턴을 따릅니다:

• 「불필요한(Redundant)」 직무를 삭감한다
• 해당 직무가 담당했던 지식 전수(Knowledge Transfer)의 중요성을 깨닫는다 (이미 늦음)
• 이미 상실된 조직의 기억을 필사적으로 재구축하려 노력한다

기술 부채(Technical Debt)와 인재 부채. 양자 모두에 공통되는 가장 큰 교훈은, **「상환 비용은 빌린 시점에는 보이지 않는다」**는 것입니다.

테스트를 작성하지 않은 코드가 「지금은 작동하는」 것처럼, 주니어를 채용하지 않는 조직도 「지금은 돌아가고」 있습니다. 하지만 기술 부채와 마찬가지로, 깨달았을 때는 이미 상환 불능 상태에 빠져 있는 것이 일반적입니다.

엔지니어는 이 구조를 직관적으로 이해할 수 있는 희귀한 존재입니다. 그렇기에 이 문제를 「인사(HR)의 이야기」로서 방관하는 것이 아니라, 기술 부채와 동일한 긴급성(Urgency)을 가지고 조직에 경종을 울려야 하지 않을까요.

AI는 도구입니다. 하지만 그 도구를 의미 있는 방식으로 사용할 수 있는 인간을 육성하는 메커니즘을 파괴해 버린다면, 도구 자체의 가치도 상실됩니다. 자기 자신의 「인재 파이프라인(Talent Pipeline)」──학습, 판단력, 육성력──에 대한 투자를 게을리하지 마십시오. 그것이 AI 시대에 기술 부채도 인재 부채도 쌓지 않는 엔지니어의 생존 전략입니다.

[1] MIT researcher Andrew McAfee warns automating entry-level jobs could backfire - EVA Daily, 2026-05 (원문: Fortune)

[2] MIT AI expert warns automating Gen Z entry-level jobs could backfire - Yahoo Finance, 2026

[3] Goldman Sachs Data: AI Job Displacement and Labor Market Impact - CNBC, 2025-08; Goldman Sachs: AI Displacing 16,000 Jobs/Month - TechRepublic, 2026

[4] 「생성형 AI 시대」에 변화하는 신입 채용 전략 - HR Pro, 2025

[5] AI 시대에서의 취업 활동·채용 프로세스의 변용 - 도시샤 대학 정책학부, 2026-04

[6] AI 진화로 오피스계 「신입」의 50%가 소멸, 젊은이는 「이제 불필요」한가 - 비즈니스+IT; 2026년 졸업 기업 신입 내정 상황 조사 - 마이나비 커리어 리서치 Lab, 2025-11

최종 업데이트: 2026-05-19