Joseph Politano의 창작 일자리 분석: 20만 개 감소했지만 AI의 비중은 여전히 불분명

3일 전

10분 분량

Joseph Politano는 미국이 4년 동안 창작 산업 일자리 20만 개 이상을 잃었다고 보고하지만, 그의 분석은 AI의 기여분을 분리해낼 수 없다. 2026년 9월 27일 공개된 Joseph Politano의 창작 일자리 분석은 소프트웨어가 이미지나 대본을 만들 수 있는지보다 더 어려운 질문을 제기한다. 기업들은 왜 창작 인력을 줄이고 있으며, 그 축소 가운데 실제로 인공지능으로 거슬러 올라가는 부분은 무엇일까?

이 구분은 이러한 시스템을 구축하거나 구매하거나 함께 일하는 모든 이에게 중요하다. 취소된 TV 시리즈, 해외 제작, 자동화된 일러스트 작업은 모두 미국 내 고용을 줄일 수 있다. 하지만 이는 서로 다른 경제적 사건이다. 이를 같은 것으로 취급하면 자극적인 헤드라인은 만들 수 있지만, 노동자와 고용주가 다음에 무엇을 해야 하는지는 가려진다.

핵심 충돌은 AI가 창작 생산을 확대할 것이라는 약속과, 그로 생계를 유지하는 사람들의 불확실한 전망 사이에 있다. Adobe의 채용 연구는 감소하는 미디어 급여 명부가 시사하는 것보다 더 낙관적인 설명을 제시한다. 이 두 결과는 공존할 수 있다. 기업은 창작 직무를 채용 공고에 올리는 동시에 기존 엔터테인먼트 고용주는 일자리를 없앨 수 있다. 그 차이를 이해하려면 산업, 직종, 과업, 실제 채용을 구분해야 한다.

Joseph Politano의 창작 일자리 분석이 실제로 측정하는 것

헤드라인 수치는 AI로 대체된 인원의 검증된 수치가 아니라, 일부 창작 산업 전반의 고용 축소를 설명한다. Politano의 창작 고용 분석은 직전 1년 동안 약 5만 개의 일자리가 사라졌다고 추정한다. 그는 또한 영화 및 음향 녹음 분야 고용에서 4년간 10만 개 이상이 감소했다고 보고한다.

이 수치들은 보고된 침체의 규모를 보여준다. 그러나 각 일자리가 사라진 이유를 식별하지는 못한다. Politano는 산업 통합, 해외로의 제작 이전, 소셜 미디어와의 경쟁 등 중첩된 압박을 인정한다. 그의 주장은 AI를 디지털 엔터테인먼트 사업 전반의 악화와 연결하지만, 그에 귀속될 수 있는 비중을 계산하지는 않는다.

산업 급여 명부의 축소는 고용 문제를 보여주지만, 그중 얼마가 AI 때문에 발생했는지는 보여주지 않는다.

측정 방식 자체도 주목할 필요가 있다. 노동통계국의 급여 조사 방법은 비농업 급여 일자리를 집계하는 사업체 조사를 설명한다. 이 조사는 법인화되지 않은 자영업자는 제외한다. 또한 고유한 개인이 아니라 일자리를 집계하므로, 보장 대상 일자리를 여러 개 가진 사람은 한 번 이상 나타날 수 있다.

산업별 고용과 직종별 고용도 서로 다른 질문에 답한다. 엔터테인먼트 기업의 급여 명부에는 예술 직종 외의 인력도 포함된다. 반대로 제조업체에서 일하는 디자이너는 엔터테인먼트 산업 밖의 고용주에 속한다. 따라서 미디어 급여 명부의 감소는 창작 역량으로 돈을 버는 모든 미국인을 설명할 수 없다.

이러한 경계는 사람들이 고용 형태를 옮길 때 특히 중요해진다. 스튜디오를 떠나 독립적으로 일하게 된 사람은 해당 스튜디오의 급여 명부에서 사라진다. 그렇다고 그들의 소득이 회복됐는지, 악화됐는지, 또는 더 예측하기 어려워졌는지는 알 수 없다. 새 독립 사업 역시 자동으로 동등한 생계를 제공하지는 않는다.

4년 비교도 비슷한 주의가 필요하다. 출발 시점은 보고된 감소폭에 영향을 준다. 제작 호황기와 비교하는 것은 더 긴 역사적 평균과 비교하는 것과 다른 질문에 답한다. 어느 비교도 본질적으로 부당하지는 않지만, 독자가 조정 규모를 해석하려면 기준선을 알아야 한다.

그래서 헤드라인에는 저자, 기간, 측정 방식이 함께 붙어 있어야 한다. 이는 보고된 산업 수축을 요약하는 표현이다. 이를 AI가 확인된 20만 명을 대체했다는 뜻, 20만 명의 실업 예술가, 또는 창작 노동 자체의 소멸을 뜻하는 축약어로 사용해서는 안 된다.

즉각적인 뉴스는 지속적인 고용 감소다. 아직 해결되지 않은 이야기는 그중 얼마가 자동화에서 비롯됐고, 얼마가 제작 축소 때문이며, 얼마가 일의 장소나 형태 변화에서 나왔는지다.

원인이 분명해지기 전에 노동자가 먼저 압박을 받는다

과업을 잃은 노동자에게 원인이 불확실하다는 사실은 거의 위로가 되지 않는다. 제작 중단은 경영진이 재원 조달, 시청자 수요, 새 소프트웨어 중 무엇을 탓하든 소득을 끊을 수 있다. 인과관계를 규명하는 것이 중요한 이유는 각각의 설명이 서로 다른 대응책을 가리키기 때문이다.

미국작가조합의 작가 고용 현황은 구체적인 사례를 제공한다. 이 단체는 단축된 2023–24 시즌에 적용 대상 에피소드형 시리즈가 228편이었다고 집계했는데, 전 시즌의 362편과 비교한 수치다. TV 작가 일자리는 3,138개에서 1,819개로 1,319개 감소했다.

조합은 이 축소를 케이블 TV의 하락, 스트리밍 확장 기조의 후퇴, 파업 영향으로 짧아진 시즌과 연결한다. 이 수치들은 모든 작가 과업이 아니라 특정 프로그램과 고용 범주를 포괄한다. 그럼에도 AI가 사라진 프로그램을 썼다고 가정하지 않고도 제작 침체를 기록한다.

연구자들이 각 손실을 특정 기술에 귀속하기 전에, 노동자들은 먼저 유급 기회의 상실을 마주한다.

이는 경력 계획에 즉각적인 문제를 만든다. AI 애플리케이션을 익히면 이용 가능한 과업을 따낼 경쟁력이 높아질 수 있다. 그러나 고용주가 기반 프로젝트를 발주한다는 보장은 없다. 교육은 역량을 다루지만, 수요를 자동으로 되살리지는 않는다.

이 구분은 고용주에게도 중요하다. 발주 감소가 인력 감축을 설명한다면, 더 빠른 제작 소프트웨어를 구매해도 사라진 수요는 해결되지 않는다. 기업에 일이 있지만 납품 비용에 어려움을 겪는다면, 자동화는 다른 제약을 해결한다. 두 상황 모두 더 작은 팀으로 이어질 수 있지만, 사업 논리는 다르다.

진입 경로는 특히 면밀히 살펴야 한다. 초기 과업은 신입 인력이 판단력을 기르고, 관계를 구축하고, 신뢰성을 보여줄 기회를 제공한다. 고용주가 이런 기회를 줄인다면 영향은 오늘의 고용 수치를 넘어선다. 업계는 경험이 적은 노동자가 신뢰받는 전문가로 성장하는 과정을 약화시킬 위험이 있다.

이는 집계 수치에서 나온 측정된 결론이 아니라 분석상의 위험이다. 이를 입증하려면 경험, 과업 유형, 경력 진전별로 정리된 채용 데이터가 필요하다. 그럼에도 노동력 논의가 전체 일자리 수와 함께 남은 기회를 누가 받는지 살펴봐야 하는 이유를 설명한다.

독립 노동자들은 또 다른 측정 문제에 직면한다. 고용주는 외부 기여자가 애초 직원이 아니었기 때문에 해고를 발표하지 않고도 외부 과업을 줄일 수 있다. 따라서 재정 압박은 창작 노동력이 기업 인원수에 드러나기 전에 도달할 수 있다.

기업 구매자들은 이 구분에 주목해야 한다. 공급업체의 인력 감소는 더 효율적인 제작, 사업 축소, 또는 계약자 의존도 증가를 반영할 수 있다. 같은 인력 수치도 품질, 연속성, 납품 측면에서 매우 다른 함의를 감출 수 있다.

유용한 질문은 유급 노동에 무슨 일이 일어났는가다. 일이 사라졌는지, 다른 곳으로 옮겨갔는지, 내부 업무가 됐는지, 혹은 더 적은 시간이 필요해졌는지를 물어야 한다. 이 답이 없으면 경고와 안심 모두 불완전하다.

창작물 증가가 창작 고용 증가를 보장하지는 않는다

AI의 경제적 약속은 간단한 가능성에서 시작한다. 제작이 쉬워지면 더 많은 사람이 창작할 수 있다는 것이다. 학습된 패턴으로 콘텐츠를 생성하는 소프트웨어인 생성형 AI는 초안 작성부터 이미지 제작까지 다양한 활동을 지원할 수 있다. 고용에 미치는 영향은 구매자가 이 추가 역량을 어떻게 활용하는지에 달려 있다.

가상의 광고 과업은 이 불확실성을 보여준다. 구매자는 더 빠른 제작을 활용해 창작팀을 유지한 채 더 많은 콘셉트를 발주할 수 있다. 반대로 더 적은 기여자에게 동일한 결과물을 요청할 수도 있다. 두 결과 모두 제작 역량 향상을 수반하지만, 노동 수요는 다르게 나타난다.

창작 생산성과 고용의 연결은 기술적 역량만이 아니라 구매 결정에 의해 형성된다.

특정 시장에서 대체가 일어난다는 실증적 증거도 있다. Ozge Demirci, Jonas Hannane, Xinrong Zhu의 연구는 온라인 프리랜싱 플랫폼의 수요를 조사한다. 이들의 프리랜스 노동 연구는 이미지 생성 AI 도입 후 이미지 제작 일자리 공고가 17% 감소했다고 보고한다.

이 결과는 AI가 일부 유료 창작 과업의 수요를 줄일 수 있다는 근거를 강화한다. 다만 그 범위는 여전히 중요하다. 플랫폼 공고는 완료된 계약도, 전국 고용 총계도, Hollywood 제작을 대표하는 표본도 아니다. 추정 감소율을 미국 전체 창작 노동력에 적용하는 것은 증거의 범위를 벗어난다.

그럼에도 이 연구는 집계 급여 데이터가 제공하지 못하는 더 구체적인 메커니즘을 보여준다. 구매자가 허용 가능한 결과물을 내부에서 만들 수 있다면 외부 과업은 덜 필요해진다. 핵심 단어는 ‘허용 가능한’이다. 관련 기준은 그 특정 용도에 대해 구매자가 요구하는 수준이다.

일시적인 내부 목업과 대규모 공개 캠페인은 서로 다른 요구를 가진다. 전자는 속도와 기본적인 전달을 우선할 수 있다. 후자는 차별화된 아트 디렉션, 일관성, 승인 절차, 방어 가능한 소유권을 요구할 수 있다. 모든 이미지 제작을 서로 바꿔 쓸 수 있는 하나의 과업으로 취급하면 이런 차이가 숨겨진다.

시장 확대 가능성도 있다. 제작이 쉬워지면 구매자는 과거에 포기했던 일을 추진할 수 있다. 추가 활동은 이를 연출하고, 다듬고, 배포하거나, 평가하는 사람들에게 기회를 만들 수 있다. 그 확대가 대체 효과를 웃도는지는 실증적으로 확인해야 할 문제다.

이는 기존 노동자들에게 어려운 상황을 만든다. 콘텐츠 양이 늘어난다고 해서 지출이 같은 사람이나 직종에 도달한다는 보장은 없다. 시장은 더 활발해질 수 있지만, 개별 과업의 가치는 기존 공급자에게 더 낮아질 수 있다.

전통 미디어와 크리에이터 플랫폼의 경쟁은 또 다른 복잡성을 더한다. Netflix와 YouTube는 시청자를 두고 경쟁하지만, 제작 방식은 다르다. 시청자 수만 비교해서는 기존 스튜디오 일자리에 콘텐츠 경제의 동등한 자리가 있는지 판단할 수 없다.

창작 소프트웨어 공급업체를 비교할 때도 같은 주의가 필요하다. Adobe는 전문 워크플로 내에서 쓰이는 도구를 판매하는 반면, 일반 AI 시스템을 실험하는 구매자는 다른 과업을 수행할 수 있다. 제품 도입이 모든 사용자에게 동일한 영향을 준다는 뜻은 아니다.

결정적인 쟁점은 제작 방식이 바뀐 뒤 지출이 어디로 가는지다. 더 많은 유료 프로젝트를 지원하는가, 구매자에게 남는가, 아니면 배포와 소프트웨어 쪽으로 이동하는가? 고용 결과는 모델이 무엇을 생성하는지만큼이나 그 배분에 달려 있다.

Adobe의 채용 결과는 대체 서사를 복잡하게 만든다

다른 데이터셋은 더 낙관적인 그림을 제시한다. Adobe의 2026년 6월 연구에 따르면 미국의 창의적 전문직 채용 공고는 2025년 9월부터 2026년 4월 사이 8% 증가했다. Adobe는 이를 단순한 대체가 아니라 업무의 재분배로 해석한다.

회사의 창의직 채용 연구는 채용 공고 분석에 설문조사와 질적 연구를 결합한다. 이 연구는 창의적 활동이 선택, 디렉션, 고객 협상, 책임성의 영역으로 이동하고 있다고 설명한다. 실무자들은 촉박해진 마감 기한과 소규모 업무에 대한 압박도 언급한다.

Adobe는 AI 도입 확대에 상업적 이해관계를 갖고 있으므로, 그 프레임을 검토할 필요가 있다. 그렇다고 관찰 결과가 무효가 되는 것은 아니다. 독자는 보고된 측정치와 그것이 무엇을 의미하는지에 대한 회사의 더 광범위한 해석을 구분해야 한다는 뜻이다.

창의직 채용 공고 증가와 미디어 업계 급여 인원 감소는 서로 다른 기간에 서로 다른 집단을 측정하므로 동시에 나타날 수 있다.

소매업체가 공고한 디자이너 직무는 스튜디오의 제작 직무와 고용주 범주가 다르다. 따라서 직종 전반의 공고 증가가 산업 내 손실을 상쇄하는 것은 아니다. 마찬가지로 기존 미디어 고용주의 축소가 모든 창의 직종이 감소하고 있음을 입증하지도 않는다.

공고는 실제로 성사된 고용 관계가 아니라 의향을 나타내기도 한다. 공고는 채용으로 이어질 수도, 계속 열려 있을 수도, 사라질 수도 있다. 추가 정보가 없다면 공고의 존재만으로 전체 고용이 증가했는지, 혹은 특정 해고 노동자가 비슷한 일을 찾았는지를 판단할 수 없다.

기간도 다르다. Adobe는 몇 달에 걸친 선별된 관측치를 비교하는 반면, Politano는 수년에 걸친 손실을 설명한다. 장기적 축소 속에서도 단기적인 채용 개선은 발생할 수 있다. 어느 데이터셋도 다른 하나에 대한 직접적인 반박으로 확대 해석해서는 안 된다.

더 주목할 만한 긴장은 남아 있는 일자리의 내용과 관련된다. 소프트웨어가 초기 변형안을 처리한다면, 고용주는 결과물 중 무엇을 선택할지와 수정 작업을 관리하는 능력에 더 큰 비중을 둘 수 있다. 직함이 익숙하게 유지되더라도 역할에 요구되는 사항은 바뀐다.

노동자에게 이 가능성은 기회와 압박을 동시에 안겨 준다. 기존 전문성은 기계가 만든 자료를 평가하는 데 유용해질 수 있다. 그러나 고용주는 인력을 늘리거나 검토 시간을 더 주지 않은 채 책임 범위를 확대할 수도 있다. 업무 구성의 변화가 더 나은 일자리를 의미하는 것은 아니다.

구매자에게도 이에 상응하는 관리 문제가 있다. 자료를 생성하는 일과 이를 승인하는 일은 별개의 책임이다. 제작 속도는 빨라지는데 승인 역량이 고정돼 있다면, 제약은 사라지는 것이 아니라 다른 곳으로 옮겨 간다. 조달 결정은 빠른 초안 작성이 빠른 완료를 의미한다고 가정하기 전에 전체 납품 과정을 검토해야 한다.

낙관적 서사와 비관적 서사가 실제로 만나는 지점이 바로 여기다. AI는 사람들이 더 많이 생산하도록 도울 수 있는 반면, 고용주는 더 적은 제작 업무를 중심으로 유급 노동을 재편할 수 있다. 그 재편이 더 많은 고용을 뒷받침할지는 수요, 인력 배치 선택, 그리고 인간의 검토에 부여되는 가치에 달려 있다.

따라서 Adobe의 결과는 필연적 붕괴라는 서사를 복잡하게 만든다. 그러나 미디어 업계 급여 인원 감소가 AI의 인과적 기여도를 확정하지 못하듯, 이는 전국 고용 문제를 해결하지는 못한다.

저작권과 누락된 증거가 자동화 주장을 제한한다

창의적 고용주는 눈에 보이는 결과물 이상의 것을 구매한다. 즉, 이를 사용하고 수정하며 배포하고 방어할 수 있는 능력이다. 따라서 소유권은 제작 결정과 관련이 있다. 적합해 보이는 결과물도 구매자가 어떤 권리를 받는지에 대한 불확실성을 만들 수 있다.

창의적 결과물의 경제적 가치는 속도, 품질, 제작 비용과 함께 활용 가능한 권리에 부분적으로 좌우된다.

이는 노동 절감에 관한 주장을 평가할 때 중요하다. 제작 과정은 초안 작성 시간을 줄이는 대신 문서화, 검토 또는 수정 책임을 추가할 수 있다. 이러한 변화가 총노동 요건을 줄이는지는 업무 흐름에 달려 있다. 빠른 생성 시연만으로는 그 운영상 질문에 답할 수 없다.

같은 원칙은 고용 연구에도 적용된다. 직원이 AI를 사용한다는 사실만으로는 어떤 업무를 AI와 함께 수행하는지 알 수 없다. 정형적인 서신 작성과 상업용 일러스트 생성은 모두 같은 광범위한 도입 범주에 포함될 수 있지만, 서로 다른 활용 방식이다.

따라서 Joseph Politano의 창의직 분석은 완성된 인과 계산이 아니라 추가 조사가 필요한 경고로 읽어야 한다. 그의 고용 추세와 AI 해석은 서로 다른 증거 수준에 있다. 후자를 확립하려면 영향을 받은 기업 내부의 의사결정에 관한 정보가 필요하다.

유용한 증거는 도입을 업무 배정, 인력, 산출물, 시점과 연결해야 한다. 연구자들은 수요와 생산 위치의 변화도 살펴봐야 한다. 그렇지 않으면 기존 침체기에 AI를 도입한 기업이 기술이 전체 감소의 원인인 것처럼 보이게 할 수 있다.

반대의 실수도 그에 못지않게 중요하다. 문서화가 부족하다고 해서 AI가 영향을 주지 않았다는 뜻은 아니다. 기업은 외부 분석에 충분할 만큼 상세한 공개 설명 없이도 계약 방식, 채용 또는 업무량을 바꿀 수 있다. 불확실성은 불확실성으로 남아야 한다.

여러 형태의 대체 역시 구분해야 한다. 기존 직위를 없애는 일은 공석을 채우지 않는 일과 다르다. 프리랜서 업무를 줄이는 일은 생산을 해외로 이전하는 일과 다르다. 각각 기회에 영향을 미치지만, 단일 해고 집계는 이를 불균등하게 포착한다.

지식 노동자에게는 증거를 보존하는 일이 유용하다. 날짜가 기록된 출처 자료, 프로젝트 결정, 업무 흐름 변화를 개인 지식 베이스에 보관하면 변화하는 책임에 관한 논의를 더 탄탄하게 뒷받침할 수 있다.

목적은 홍보성 주장으로부터 추론하는 것이 아니라 실제 업무를 기록하는 데 있다. 도입 전 팀은 무엇을 생산했는가? 이후에는 무엇이 달라졌는가? 누가 수정과 승인을 담당했는가? 이런 질문은 고립된 생성 샘플보다 생산성을 평가할 더 확실한 기반을 제공한다.

검증의 공백은 크지만 구체적이다. 연구자들은 고용 축소를 측정하면서도 AI의 정확한 몫은 식별하지 못할 수 있다. 이러한 결론을 분리해 두는 것이 분석을 더 유용하게 만든다.

다음 고용 발표는 채용과 업무 흐름과 함께 읽어야 한다

향후 몇 달은 최종 인과관계보다 방향성을 더 분명히 할 것이다. 단 하나의 발표가 모든 고용 지표를 조정해 주지는 않는다. 유용한 접근은 관련 신호를 정해진 순서로 추적하고, 그것들이 같은 설명을 뒷받침하는지 묻는 것이다.

가장 강력한 증거는 고용 변화를 생산 수요 및 업무 수행 방식의 문서화된 변화와 연결할 것이다.

첫째, 이후의 산업 고용 발표와 수정치를 살펴봐야 한다. 관련 범주 전반에서 손실이 계속된다면 축소가 지속된다는 결론은 더 강해질 것이다. 안정화는 감소가 단순히 가속되고 있다는 주장을 약화시키겠지만, 모든 직종의 회복을 입증하지는 못한다.

개선의 구성도 중요하다. 한 범주에서 고용이 회복되는 동안 다른 곳에서 악화된다면, 창의적 업무에 대한 획일적인 설명은 도전받게 된다. 가장 극적인 결과를 내는 비교가 아니라 일관된 정의와 기간을 기준으로 변화를 평가해야 한다.

둘째, 채용 의향이 유급 기회로 이어지는지 지켜봐야 한다. 창의직 공고에 관한 후속 연구는 실제 채용 완료, 경력 요건, 고용 형태도 함께 보여 준다면 더 유익할 것이다. 이는 확대된 기회와 달라진 공고를 구분하는 데 도움이 된다.

전통적 미디어 밖에서 창의직 채용이 개선된다면 재분배 주장은 더 강해진다. 공고는 증가하지만 이에 상응하는 채용이 없다면, 공고에 기반한 낙관론은 설득력이 떨어진다. 어느 결과도 단독으로는 이전 스튜디오 직원에게 무슨 일이 일어났는지 밝혀 주지 않는다.

셋째, AI 도입 이후 제작 인력과 외부 업무 배정에 문서화된 변화가 있는지 살펴봐야 한다. 가치 있는 공개 자료는 완료된 업무, 검토 요건, 노동 사용을 함께 설명할 것이다. AI 사용에 대한 일반적 언급은 훨씬 적은 것을 보여 줄 것이다.

더 적은 구매 노동 시간으로 비슷한 산출물을 유지하는 기업은 대체와 일치하는 증거를 제공한다. 유급 프로젝트와 인력을 늘리는 기업은 확장을 뒷받침한다. 이러한 비교 역시 수요, 품질, 다른 곳으로 이전된 업무에 주의를 기울여야 한다.

개발자에게 이는 고객의 전체 과정에 중점을 둔다는 뜻이다. 도구의 고용 효과는 어떤 업무를 바꾸는지와 이후 구매자가 무엇을 하는지에 달려 있다. 기업 고객에게는 생성 속도와 함께 책임성과 납품을 평가해야 한다는 의미다.

노동자에게는 모든 산업 문제를 개인의 적응력 탓으로 돌리는 설명을 경계해야 한다는 뜻이다. 새로운 기술은 중요할 수 있지만, 의뢰가 계속 부족할 수도 있다. 마찬가지로 어려운 시장 상황이 모든 기술 변화가 미래 기회와 무관하다는 뜻은 아니다.

Joseph Politano의 창의직 분석은 AI 대체의 최종 집계가 아니라 유급 노동을 살펴보기 위한 출발점으로 읽어야 한다. 다음 고용 발표를 추적하고, 채용 지표를 신중하게 비교하며, 도구와 실제 인력 배치 결정을 연결하는 증거를 찾아야 한다. 고용주가 효율성 향상을 발표할 때는 업무 배정, 검토 시간, 완료된 산출물에 무슨 일이 있었는지 물어야 한다. 플랫폼이 창의적 성장세를 축하할 때는 누가 그로부터 소득을 얻었는지, 그리고 그 기회가 사라지는 일자리와 닮았는지 물어야 한다. 이제 질문은 기계가 창의적 자료를 생성할 수 있는지가 아니다. 변화하는 제작 방식이 지속 가능한 생계를 뒷받침하는지, 그리고 노동자·구매자·연구자가 그 차이를 판단할 수 있게 해 줄 증거는 무엇인지가 핵심이다.