인시던트 대응에서부터 근본 원인 분석까지, 기존 수동 방식을 뒤흔드는 AI 에이전트가 등장했습니다. 당신의 클라우드 운영은 어떻게 변할까요?
클라우드 인프라의 복잡성이 날로 증가하면서 DevOps 팀들은 끊임없는 도전에 직면해 있습니다. 오전 2시에 울려 퍼지는 알림, 야근을 거듭해야 하는 인시던트 대응, 그리고 문제 해결 후에도 남는 의문점들. 이러한 운영상의 고민을 혁신적으로 해결할 수 있는 기술이 이제 현실이 되었습니다.
DevOps 운영의 패러다임 전환
AWS DevOps 에이전트는 기존의 AI 어시스턴트와는 근본적으로 다릅니다. 지금까지의 AI 도구들이 사용자의 개입을 필요로 하는 보조 역할에 머물렀다면, AWS DevOps 에이전트는 개입 없이 몇 시간 또는 며칠간 지속적으로 자율적으로 실행되는 차세대 기술입니다. 이는 마치 경험 많은 엔지니어가 팀에 합류한 것과 같은 효과를 제공합니다.
멀티소스 데이터 통합으로 문제 해결의 수준을 높이다
AWS DevOps 에이전트의 핵심 강점은 통합된 데이터 분석 능력에 있습니다. 관찰성 도구, 런북, 코드 리포지토리, CI/CD 파이프라인 등 DevOps 환경의 모든 요소를 연결하여 다음과 같이 작동합니다:
- 원격 분석, 배포 데이터, 코드 변경 사항을 상호 연관시켜 전체 그림을 파악합니다.
- 멀티클라우드 및 하이브리드 환경에서 애플리케이션 구성 요소 간의 관계를 이해하며 학습합니다.
- 체계적인 조사 프로세스를 통해 시스템 변경, 리소스 제한, 구성 요소 장애 등 근본 원인을 정확히 식별합니다.
이러한 능력은 숙련된 DevOps 엔지니어의 사고 방식을 모델링한 것으로, 표면적인 증상이 아닌 진정한 문제의 원인을 찾아냅니다.
24시간 자동화된 인시던트 관리의 현실화
AWS DevOps 에이전트는 경고가 발생하는 순간 자동으로 조사를 시작합니다. 오전 2시이든, 업무 시간이든, 휴일이든 상관없이 즉각적이고 일관된 대응이 가능합니다. 조사 결과는 Slack, ServiceNow, PagerDuty 등 팀이 사용하는 통신 채널로 자동으로 라우팅되어, 엔지니어들이 필요한 정보를 빠르게 받을 수 있습니다.
더욱 중요한 점은 과거 사고 패턴을 분석하여 미래의 문제를 예방하는 데 활용한다는 것입니다. 이를 통해 DevOps 팀은 사후 대응에서 벗어나 사전 예방적 운영 개선으로 전환할 수 있습니다.
조직 구조를 반영한 에이전트 스페이스
AWS DevOps 에이전트는 ‘에이전트 스페이스’라는 혁신적인 운영 개념을 도입합니다. IAM 역할과 도구 통합을 통해 에이전트의 접근 범위를 정의하며, 팀의 책임 범위나 서비스 경계에 따라 여러 개를 생성할 수 있습니다. 이는 조직의 계층 구조와 책임 분담을 그대로 반영하면서도 AI 기반의 자동화 이점을 극대화합니다.
DevOps 운영의 미래는 이미 시작되었습니다. 복잡해지는 클라우드 환경에서 AI 에이전트는 단순한 도구를 넘어 필수적인 팀 멤버로 자리 잡을 것입니다.
2. 프론티어 에이전트가 가져올 AI 기술의 혁신
단순한 AI 어시스턴트를 넘어 스스로 목표를 달성하는 자율 시스템, 프론티어 에이전트가 DevOps 현장에 미칠 충격적인 변화는 무엇일까요? 이 질문의 답을 찾기 위해서는 먼저 프론티어 에이전트가 기존 AI 기술과 어떻게 다른지 이해해야 합니다.
AI 어시스턴트에서 자율 시스템으로의 진화
지금까지 우리가 경험해온 AI 어시스턴트는 사용자의 요청에 반응하는 방식으로 작동했습니다. 특정 질문을 던지면 답변을 제시하고, 요청된 작업을 수행하는 수준에 머물러 있었습니다. 하지만 프론티어 에이전트는 이러한 패러다임을 근본적으로 전환합니다.
프론티어 에이전트는 독립적으로 작동하여 목표를 달성하고, 개입 없이 몇 시간 또는 며칠간 지속적으로 실행되는 자율 시스템입니다. 마치 팀의 상주 엔지니어처럼 주어진 환경에서 스스로 필요한 판단을 내리고 행동합니다. 이는 과거의 AI 기술에서 볼 수 없던 혁신적인 변화입니다.
DevOps 운영의 차원을 높이는 다중 데이터 통합 능력
프론티어 에이전트의 진정한 강점은 멀티소스 데이터 통합 분석 능력에 있습니다. DevOps 환경은 본래 복잡한 시스템입니다. 관찰성 도구, 런북, 코드 리포지토리, CI/CD 파이프라인 등 서로 다른 여러 소스의 데이터가 산재되어 있습니다.
기존 DevOps 엔지니어는 이러한 다양한 정보를 수동으로 수집하고 분석하는 데 막대한 시간을 투자해야 했습니다. 하지만 프론티어 에이전트는 이 모든 데이터를 한 번에 통합하여:
- 원격 분석, 코드, 배포 데이터를 상호 연관시키고
- 숙련된 DevOps 엔지니어처럼 리소스와 그 관계를 학습하며
- 멀티클라우드 및 하이브리드 환경에서 애플리케이션 구성 요소 간의 복잡한 관계를 이해합니다
이를 통해 시스템 변경, 입력 이상, 리소스 제한, 구성 요소 장애 및 종속성 문제로 인한 근본 원인을 체계적 조사를 통해 신속하게 식별할 수 있습니다.
DevOps 팀의 야간 근무를 종료하다
프론티어 에이전트가 가져올 가장 현실적이고 혁신적인 변화는 24시간 자동화된 인시던트 관리입니다. DevOps 운영의 세계에서는 야간 온콜(on-call)이 불가피한 현실이었습니다. 오전 2시에 알림이 울리면 엔지니어는 잠에서 깨어나 인시던트를 조사해야 했습니다.
프론티어 에이전트는 이러한 관행을 영구적으로 바꿀 수 있습니다:
- 경고가 들어오는 즉시 조사를 시작하며, 시간대나 상황과 무관하게 자율적으로 대응합니다
- 관찰 내용, 조사 결과, 완화 단계를 Slack, ServiceNow, PagerDuty 등 팀이 선호하는 채널로 자동 라우팅하여 팀은 최종 의사결정만 내리면 됩니다
사후 대응에서 사전 예방으로의 전환
더욱 놀라운 점은 프론티어 에이전트가 단순한 문제 해결을 넘어 예방적 운영 개선을 지원한다는 것입니다. 과거 사고 패턴을 분석하여 향후 사고를 예방할 수 있는 맞춤형 권장 사항을 제시합니다.
이는 DevOps 운영 철학의 근본적인 전환을 의미합니다. 지금까지 DevOps 팀은 문제가 발생한 후 대응하는 데 중심을 두었지만, 프론티어 에이전트의 등장으로 조직은 문제 예방과 지속적 개선에 집중할 수 있게 됩니다.
조직 구조를 반영하는 에이전트 스페이스
프론티어 에이전트는 에이전트 스페이스라는 새로운 운영 개념을 도입합니다. IAM 역할 및 도구 통합을 통해 에이전트의 접근 범위를 정의하고, 팀 책임이나 서비스 경계에 따라 여러 개를 생성할 수 있습니다. 이는 조직의 계층 구조와 책임 분담을 자연스럽게 반영하면서도, 각 팀이 독립적으로 자동화된 이점을 누릴 수 있게 합니다.
프론티어 에이전트는 단순한 기술 혁신이 아닙니다. 이는 DevOps 운영의 미래 방향을 제시하는 패러다임 전환입니다. 클라우드 인프라의 복잡성이 급증하는 시대에, 인간의 개입 없이 지속적으로 작동하면서 조직의 안정성과 효율성을 동시에 높일 수 있는 이 기술은 DevOps 실무자들의 업무 경험을 근본적으로 변화시킬 것입니다.
섹션 3. 멀티소스 데이터 통합과 근본 원인 분석의 비밀
관찰성 도구부터 CI/CD까지, 다양한 데이터가 한데 모여 실시간 인시던트 해결에 쓰입니다. 과연 AWS DevOps 에이전트는 어떻게 문제의 근원을 정확히 파악할까요?
DevOps 운영을 변화시키는 데이터 통합 전략
기존의 DevOps 환경에서 인시던트 대응은 단편적이었습니다. 한 팀은 모니터링 데이터를 확인하고, 다른 팀은 배포 로그를 살펴보며, 또 다른 팀은 코드 저장소를 뒤지곤 했습니다. 이러한 비효율성은 문제 해결 시간을 길어지게 하고, 근본 원인을 놓치게 만들었습니다.
AWS DevOps 에이전트의 가장 혁신적인 측면은 이 모든 데이터 소스를 하나의 통합된 분석 프레임워크로 연결한다는 점입니다. 관찰성 도구, 런북, 코드 리포지토리, CI/CD 파이프라인을 모두 연결하여 원격 분석, 코드, 배포 데이터를 상호 연관시킵니다. 이는 마치 여러 퍼즐 조각을 하나의 완성된 그림으로 만드는 것과 같습니다.
시스템 관계 학습: 숙련된 엔지니어의 경험을 디지털화하다
AWS DevOps 에이전트는 단순히 데이터를 모으는 것에 그치지 않습니다. 이 에이전트는 숙련된 DevOps 엔지니어가 수년간 축적한 경험을 토대로 리소스와 그 관계를 학습합니다.
구체적으로는 다음과 같이 작동합니다:
멀티클라우드 및 하이브리드 환경에서 애플리케이션의 구성 요소 간 복잡한 관계를 이해합니다. 데이터베이스와 애플리케이션 서버, 로드 밸런서, API 게이트웨이 등 모든 요소가 어떻게 상호작용하는지 파악합니다.
시스템 토폴로지를 자동으로 매핑하여 정상 상태와 비정상 상태를 구분합니다. 이를 통해 새로운 배포나 구성 변경이 시스템에 미칠 영향을 사전에 예측할 수 있습니다.
과거의 유사한 인시던트 패턴을 인식하고, 그 해결 방식을 현재 상황에 적용합니다. 이는 DevOps 팀의 집단 지식을 에이전트에 내재화하는 것입니다.
체계적 조사: 근본 원인까지 도달하는 지능형 분석
인시던트가 발생했을 때 “무엇이 잘못되었는가”를 아는 것보다 “왜 잘못되었는가”를 아는 것이 더 중요합니다. AWS DevOps 에이전트는 체계적인 조사 절차를 통해 근본 원인을 식별합니다.
이 조사는 다음의 네 가지 주요 영역을 포함합니다:
시스템 변경 추적: 최근 배포, 설정 변경, 패치 적용 등 시스템에 가해진 모든 변경을 분석합니다. 대부분의 인시던트는 변경 직후에 발생하며, 에이전트는 이를 인식합니다.
입력 이상 탐지: 네트워크 트래픽, 데이터 입력, 사용자 요청의 패턴이 평소와 다른지 검토합니다. 갑작스러운 트래픽 증가나 비정상적인 데이터 형식은 문제의 신호가 될 수 있습니다.
리소스 제한 분석: CPU, 메모리, 디스크, 네트워크 대역폭 등의 리소스가 한계에 도달했는지 확인합니다. 리소스 부족은 가장 흔한 성능 저하의 원인입니다.
구성 요소 장애 및 종속성 문제 식별: 마이크로서비스 아키텍처에서 한 구성 요소의 장애가 전체 시스템에 미치는 영향을 추적합니다. 에이전트는 이러한 종속성 체인을 따라 장애의 원점을 찾아냅니다.
이러한 체계적인 접근은 인시던트 해결 시간을 크게 단축시키며, DevOps 팀이 보다 중요한 개선 작업에 집중할 수 있도록 합니다.
데이터 통합이 만드는 실질적 차이
멀티소스 데이터 통합의 진정한 가치는 개별 신호를 연결하여 숨겨진 인과관계를 드러낸다는 점입니다. 한 가지 데이터만으로는 알 수 없는 것들이 여러 데이터 소스가 만나는 교점에서 명확해집니다.
예를 들어, 애플리케이션의 응답 시간이 증가했다는 신호만으로는 원인을 파악하기 어렵습니다. 하지만 동시에 다음의 정보가 함께 고려되면 상황이 달라집니다:
- 데이터베이스 쿼리 시간이 정상의 5배로 증가했다는 관찰성 데이터
- 어제 오후 4시에 데이터베이스 인덱스 최적화 작업이 배포되었다는 CI/CD 파이프라인 기록
- 해당 변경 코드가 특정 쿼리에 부정적 영향을 미친다는 코드 분석
이 세 가지 정보가 연결될 때, 진정한 근본 원인이 드러나고 정확한 해결책이 제시될 수 있습니다.
DevOps의 미래: 자율 인시던트 관리의 시작
AWS DevOps 에이전트의 멀티소스 데이터 통합과 근본 원인 분석 능력은 DevOps 운영의 미래 방향을 제시합니다. 이는 단순한 자동화를 넘어, 인지적 수준의 문제 해결을 기계가 독립적으로 수행할 수 있음을 증명합니다.
현재 많은 조직의 DevOps 팀은 “화재 진압”에 시간을 보냅니다. 이 기술은 그러한 반복적인 업무에서 팀을 해방시키고, 진정으로 가치 있는 운영 개선과 아키텍처 최적화에 집중하도록 합니다. 결과적으로, DevOps 에이전트와의 협력을 통해 팀의 생산성을 극대화하고 시스템 안정성을 한 단계 높일 수 있습니다.
24시간 무인 인시던트 대응: DevOps의 혁명적 전환
심야 2시, 프로덕션 서버에서 갑작스러운 알림이 울립니다. 기존의 DevOps 환경이라면 온콜 엔지니어가 잠에서 깨어나 문제를 파악하기까지 몇십 분이 소요될 것입니다. 하지만 AWS DevOps 에이전트가 있다면 어떨까요? 사람의 개입을 기다리지 않고, 경고가 발생하는 바로 그 순간부터 자동으로 조사가 시작됩니다.
AI 기반 DevOps 에이전트의 자율 대응 메커니즘
AWS DevOps 에이전트의 가장 획기적인 특징은 24시간 멈추지 않는 자동화된 인시던트 관리입니다. 이 프론티어 에이전트는 단순히 알림을 보내는 수준을 넘어, 스스로 문제를 진단하고 해결책을 제시하는 완전 자율 시스템으로 작동합니다.
경고가 발생하면 AWS DevOps 에이전트는 즉시 다음을 실행합니다:
- 실시간 조사 시작: 관찰성 도구, 런북, 코드 리포지토리, CI/CD 파이프라인을 통합하여 원격 분석과 배포 데이터를 수집합니다.
- 다층 데이터 상호 연관: 시스템 변경, 입력 이상, 리소스 제한, 구성 요소 장애 및 종속성 문제를 체계적으로 분석하여 근본 원인을 식별합니다.
- 숙련된 엔지니어 수준의 판단: 멀티클라우드 및 하이브리드 환경에서 애플리케이션 구성 요소 간의 관계를 학습하고 이해하며, 이를 바탕으로 정확한 진단을 내립니다.
사용자 선호도를 반영한 지능형 소통 채널 자동 라우팅
AWS DevOps 에이전트의 혁신은 단순한 자동 대응에 그치지 않습니다. 가장 흥미로운 부분은 조사 결과와 권장사항을 사용자가 이미 사용 중인 통신 채널로 자동 전달한다는 점입니다.
에이전트는 관찰 내용, 조사 결과, 완화 단계를 다음과 같은 채널로 자동 라우팅합니다:
- Slack: 팀이 선호하는 메시징 플랫폼으로 실시간 업데이트 전달
- ServiceNow: IT 서비스 관리 시스템과의 자동 연동으로 티켓 자동 생성
- PagerDuty: 온콜 매니지먼트 플랫폼과의 통합으로 우선순위 기반 알림
이러한 방식은 DevOps 팀이 여러 도구를 번갈아 확인할 필요를 없애고, 자신들이 이미 보고 있는 화면에서 모든 정보를 수집할 수 있게 합니다.
사후 대응에서 사전 예방으로의 패러다임 전환
AWS DevOps 에이전트가 제공하는 또 다른 가치는 과거 사고 패턴 분석을 통한 예방적 운영 개선입니다. 에이전트는 단순히 현재의 인시던트에만 대응하는 것이 아닙니다.
- 패턴 인식: 과거 사고들의 패턴을 학습하고 분석합니다.
- 미래 예측: 유사한 문제가 재발할 가능성을 사전에 식별합니다.
- 맞춤형 권장사항: 조직의 특정 환경에 맞춘 예방 조치를 제시합니다.
이는 DevOps 팀의 역할을 ‘문제 해결자’에서 ‘문제 예방자’로 전환시키는 근본적인 변화입니다. 팀은 반복적인 인시던트 대응에 소비되던 시간을 시스템 개선과 혁신에 집중할 수 있게 됩니다.
연중무휴 운영의 실질적 의미
전통적인 DevOps 운영 모델에서는 시간대와 상황에 관계없이 인적 자원이 필요합니다. 하지만 AWS DevOps 에이전트는 이 문제를 근본적으로 해결합니다:
- 오전 2시의 인시던트: 온콜 엔지니어의 소환을 기다리지 않고 즉시 자동 조사 개시
- 트래픽 폭주 시간: 수백 개의 경고가 동시 발생해도 병렬 처리로 모든 케이스에 동시 대응
- 주말과 휴일: 팀이 없어도 시스템은 계속 운영되며 필요한 조치를 자동 실행
이는 단순한 비용 절감을 넘어, 시스템의 신뢰성과 가용성을 획기적으로 높이는 기술적 전진입니다.
AWS DevOps 에이전트는 현재 평가판으로 제공 중이며, 이는 DevOps 운영의 미래가 인간과 AI의 협력이 아닌 AI 기반 자율 운영 시스템임을 명확히 보여줍니다.
섹션 5. 에이전트 스페이스와 미래 DevOps 운영 체계
클라우드 인프라가 점점 복잡해지면서 전통적인 DevOps 운영 방식의 한계가 드러나고 있습니다. 한 명의 엔지니어가 전사 시스템 전체를 관리하던 시대는 지났고, 이제 각 팀과 서비스별로 책임 영역이 명확하게 분리되어야 합니다. AWS DevOps 에이전트가 도입하는 ‘에이전트 스페이스’는 바로 이러한 현대적 조직 구조를 기술적으로 구현하는 혁신적인 운영 모델입니다.
DevOps 조직 구조를 반영한 에이전트 스페이스의 개념
에이전트 스페이스는 단순한 기술 개념을 넘어, 조직의 책임 구조와 팀 계층을 IT 인프라에 투영하는 새로운 운영 체계입니다. 각 에이전트 스페이스는 IAM 역할과 도구 통합을 통해 접근 범위를 명확하게 정의하며, 이를 통해 팀별 책임 영역에 맞는 자율적 운영이 가능해집니다.
예를 들어, 플랫폼 팀이 인프라 레이어를 담당하고 애플리케이션 팀이 서비스 레벨을 담당한다면, 각각에 대응하는 에이전트 스페이스를 별도로 구성할 수 있습니다. 플랫폼 팀의 에이전트는 클라우드 리소스와 네트워크 설정에만 접근하도록 제한되고, 애플리케이션 팀의 에이전트는 배포 파이프라인과 애플리케이션 로그에만 접근하도록 설정됩니다. 이렇게 에이전트 스페이스를 분리함으로써 권한 관리와 책임 추적이 명확해지는 동시에, 각 팀이 자신의 영역 내에서 완전히 자율적인 DevOps 운영을 수행할 수 있게 됩니다.
멀티테넌트 환경에서의 확장성과 보안
에이전트 스페이스의 가장 큰 장점은 조직 규모와 복잡도에 관계없이 확장 가능하다는 점입니다. 마이크로서비스 아키텍처를 채택한 대규모 조직이라면, 서비스 단위로 에이전트 스페이스를 생성하여 각 서비스별 독립적인 자동화 운영을 구현할 수 있습니다. 또한 다국적 기업이나 여러 사업부를 운영하는 조직이라면, 지역이나 사업부별로 에이전트 스페이스를 구분하여 관리하는 것도 가능합니다.
보안 측면에서도 에이전트 스페이스는 강력한 이점을 제공합니다. 기존의 중앙집중식 DevOps 운영에서는 한 명의 엔지니어가 모든 권한을 가지고 있어 오류나 악의적 행동에 취약했습니다. 하지만 에이전트 스페이스를 통해 최소 권한 원칙(Principle of Least Privilege)을 구현하면, 각 에이전트는 자신의 책임 영역에만 접근할 수 있도록 제한되어 보안 위협이 격감합니다.
DevOps 문화의 진화: 자율성과 책임의 균형
에이전트 스페이스의 도입은 단순한 기술 변화를 넘어 DevOps 문화 자체의 진화를 의미합니다. 전통적인 DevOps 조직에서는 중앙 인프라 팀이 모든 결정을 내리고 다른 팀들이 그에 따르는 구조였습니다. 하지만 에이전트 스페이스를 통해 각 팀이 자신의 영역에서 완전한 자율성을 가지게 됨으로써, 더 빠른 의사결정과 신속한 문제 해결이 가능해집니다.
동시에 에이전트 스페이스는 명확한 책임 추적과 감시 메커니즘을 제공합니다. 어떤 에이전트가 어떤 작업을 수행했고, 그 결과가 어떠했는지 모두 기록되므로, 운영 감시와 규제 준수가 더욱 투명해집니다. 이는 자율성과 책임성의 완벽한 균형을 구현하는 것입니다.
하이브리드 및 멀티클라우드 환경에서의 통합 운영
현대의 많은 조직들은 AWS, Azure, GCP 등 여러 클라우드 플랫폼을 동시에 사용하며, 온프레미스 인프라도 함께 운영하고 있습니다. 이러한 멀티클라우드 및 하이브리드 환경에서 DevOps를 관리하는 것은 극도로 복잡합니다. 에이전트 스페이스는 이러한 복잡성을 완화하는 핵심 솔루션입니다.
각 클라우드 플랫폼이나 인프라 영역별로 에이전트 스페이스를 구성하면, AWS 리소스 담당 팀, Azure 담당 팀, 온프레미스 인프라 팀이 모두 자신의 영역 내에서 일관된 방식으로 자동화된 DevOps 운영을 수행할 수 있습니다. 이는 마치 여러 팀이 각자 자신의 DevOps 엔지니어를 고용한 것과 같은 효과를 제공하면서도, 실제로는 한 개의 통합된 AI 시스템이 모든 것을 조율합니다.
향후 발전 방향: AI 기반 DevOps의 미래
에이전트 스페이스 기술은 앞으로 더욱 발전할 것으로 예상됩니다. 먼저, 에이전트 간의 협업 기능이 강화될 것입니다. 현재 각 에이전트 스페이스는 독립적으로 운영되지만, 향후에는 서로 다른 팀의 에이전트들이 문제를 함께 해결하는 협업이 가능해질 것입니다. 예를 들어, 애플리케이션 팀의 에이전트가 인프라 문제를 발견하면, 인프라 팀의 에이전트와 자동으로 협력하여 문제를 해결하는 방식입니다.
둘째, 머신러닝 기반의 지능형 최적화가 더욱 고도화될 것입니다. 에이전트 스페이스가 수집한 대량의 운영 데이터를 분석하여, 더욱 정교한 예방적 운영 개선 권장사항을 제시할 수 있게 됩니다. 단순히 문제를 해결하는 것을 넘어, 시스템 전체의 효율성과 안정성을 지속적으로 개선하는 자동화가 실현됩니다.
셋째, DevOps 팀의 역할 재정의가 필요해질 것입니다. 에이전트가 일상적인 운영 작업을 자동으로 수행하면, DevOps 엔지니어들은 더 전략적이고 창의적인 일에 집중할 수 있게 됩니다. 장기적 아키텍처 설계, 새로운 기술 도입 평가, 조직의 운영 문화 개선 등과 같은 고부가가치 작업에 집중하는 것입니다.
에이전트 스페이스는 단순한 기술 혁신을 넘어, DevOps 조직 전체의 운영 방식을 재설계하는 패러다임 전환을 의미합니다. 각 팀의 책임과 자율성이 명확히 정의되고, AI 기반의 자동화된 운영이 구현되며, 전 직원이 진정한 의미의 자동화된 DevOps 혜택을 누리는 미래가 바로 에이전트 스페이스가 열어주는 새로운 가능성입니다.
