Lumbra Series A, 민감 업무용 AI 에이전트에 투자
Lumbra는 11월 10일 2,500만 달러 규모의 Series A 투자를 발표하며, 국가 안보 분야에서 규제를 받는 상업 업무로의 확장을 추진한다고 밝혔다. Lumbra Series A는 소프트웨어가 유용한 분석을 수행하도록 하면서도 접근 권한과 행동을 인간의 통제 아래 두는 까다로운 균형을 목표로 한다.
Point72 Ventures와 Ansa Capital이 이번 투자를 공동 주도했고, Costanoa Ventures도 참여했다. Point72를 대리한 Gunderson Dettmer는 Series A 투자를 독립적으로 문서화했다. 이 발표는 11월 12일의 관련 보도 종합보다 앞서며, 해당 보도들은 동일한 투자 라운드를 다룬다.
핵심 긴장은 위임된 권한에 관한 것이다. 구매자는 모델과 도구를 활용해 업무를 수행하는 소프트웨어인 에이전트가 검토 불가능한 결정을 만들지 않으면서 업무 부담을 줄이기를 바란다. Palantir는 이미 Artificial Intelligence Platform을 통해 인간 승인과 실행 가시성을 제공한다고 홍보하고 있다. Lumbra는 더 좁은 제안으로 이 경쟁 환경에 진입한다. 즉, 통제는 처음부터 워크플로를 구성해야 한다는 것이다.
Lumbra Series A가 실제로 바꾸는 것
이번 투자는 Lumbra가 상업적 배포를 추진할 자원을 제공하지만, 해당 소프트웨어로 구축된 모든 워크플로의 신뢰성을 입증하지는 않는다.
투자 발표에 따르면 Lumbra는 신규 자금의 대부분을 규제를 받는 상업 부문을 담당할 엔지니어와 배포팀에 투입할 계획이다. 회사는 금융, 헬스케어, 법률을 목표 시장으로 꼽았다. 에이전트 플랫폼 발표에 따르면 자사 에이전트는 이미 일급 비밀 정부 네트워크에서 운영되고 있다.
그 배포 관련 언급은 여전히 회사 측의 주장이다. 이를 보편적인 보안 인증, 독립적으로 측정된 정확성, 또는 모든 민감한 엔터프라이즈 애플리케이션에 대한 적합성을 뜻하는 표현으로 받아들여서는 안 된다. 제한된 환경에서 실행되는 것과 지속적으로 정확한 분석을 제공하는 것은 서로 다른 성과다.
실질적인 변화는 투자에 담긴 상업적 확장 의지다. Lumbra는 배포 작업이 모델 역량만큼 중요하게 여겨지는 제품 카테고리에 투자자들의 지원을 요청하고 있다. 이 제안은 조직의 실제 정보 시스템, 권한 구조 및 검토 절차에 소프트웨어를 도입하는 데 달려 있다.
이러한 강조가 중요한 이유는 인상적인 시연만으로는 여러 비즈니스 질문에 답할 수 없기 때문이다. 시스템은 접근 제한을 준수했는지 보여주지 않은 채 문서를 설득력 있게 요약할 수 있다. 그럴듯한 권고안을 생성할 수도 있지만, 이를 뒷받침하는 증거를 쉽게 검토할 수 있게 하지는 못할 수 있다.
엔터프라이즈 배포는 이러한 질문들을 한데 모은다. 구매자는 정보가 어디로 이동하는지, 어떤 행동에 승인이 필요한지, 그리고 그 결과로 나온 결정을 누가 책임지는지 이해해야 한다. 이러한 책임은 에이전트가 할당된 업무를 성공적으로 완료하더라도 계속된다.
따라서 Lumbra의 확장은 단순히 AI에 관심 있는 고객을 찾는 것 이상을 의미한다. 통제 중심의 제안을 상업 조직이 수용하고 유지하며 갱신할 워크플로로 전환해야 한다. 구매자는 통합과 지속적인 감독을 모두 정당화할 만큼의 가치를 확인해야 한다.
이번 투자가 그 방정식을 해결하는 것은 아니다. 이를 시도할 자원을 제공할 뿐이다. 투자자들은 위임된 업무를 더 관리 가능하게 만드는 시스템에 조직들이 비용을 지불할 가능성에 투자하고 있다.
지능을 구매하는 것과 운영상 신뢰를 구매하는 것 사이에는 유용한 구분이 있다. 더 나은 답변은 가치를 만들지만, 조직은 그 답변이 나오기 전에 무엇이 일어났는지에 대해서도 확신할 필요가 있다. 여기에는 참조한 정보, 행사된 권한, 획득한 승인이 포함된다.
Lumbra Series A는 첫 번째 논의만큼이나 두 번째 논의에 속한다. 그 중요성은 통제가 도입 확대의 이유가 되는지에 달려 있다. 자금 조달만으로 고객이 플랫폼에 더 폭넓은 책임을 맡길 것임을 보여줄 수는 없다.
상업 구매자는 책임성 문제를 떠안는다
보안팀, 사업 책임자 및 검토자는 즉각적인 압박에 직면한다. 에이전트가 맡을 수 있는 책임과 인간에게 남겨야 할 책임을 결정해야 한다.
Lumbra의 엔터프라이즈 확장은 이 책임 배분 문제를 부각한다. 상업 구매자는 민감한 워크플로를 답변 품질만으로 평가할 수 없다. 워크플로가 기존 의무에 부합하는지, 그리고 이후 누군가 그 행동을 설명할 수 있는지도 판단해야 한다.
예를 들어 금융 조사를 가정해 보자. 에이전트는 관련 기록을 수집하고, 거래를 비교하며, 분석가를 위한 서술 초안을 작성할 수 있다. 유용한 결과물은 판단을 위한 출발점이지, 공식 기록을 자동으로 변경할 권한은 아니다.
이는 공개된 Lumbra 고객 배포 사례가 아니라 가상의 적용 사례다. 이는 구매 결정이 모델이 일관된 설명을 작성할 수 있는지 여부를 넘어서는 이유를 보여준다. 조직은 조사자가 어떤 증거에 접근할 수 있는지, 어떤 결론에 확인이 필요한지를 함께 정해야 한다.
헬스케어 조직도 유사한 구분에 직면한다. 검토를 위한 정보를 정리하는 일은 임상적 판단을 내리는 일과 다르다. 동일한 기반 소프트웨어가 정보 검색과 권고안 초안 작성을 모두 지원하더라도, 에이전트의 역할은 이해 가능하게 유지되어야 한다.
법률 업무는 경계의 또 다른 형태를 제시한다. 제안된 주장은 근거 없는 주장을 포함하고 있더라도 유용할 수 있다. 검토 절차는 원본 문서, 에이전트의 해석, 전문가가 승인한 결론 사이의 차이를 보존해야 한다.
이러한 사례 전반에서 압박은 배포를 승인하는 사람들에게 가해진다. 얼마나 많은 자율성을 부여할지 결정하기 전에 성공적인 지원이 무엇인지 명시해야 한다. 그렇지 않으면 시간을 절약한다는 모호한 약속은 책임의 모호한 배분으로 이어진다.
개발자들도 관련된 제약에 직면한다. 시연에서 잘 작동하는 워크플로는 광범위한 접근 권한이나 수동 준비에 의존할 수 있다. 그 시연을 신뢰할 수 있는 애플리케이션으로 바꾸려면 접근이 실패하거나, 증거가 충돌하거나, 승인이 끝내 도착하지 않을 때 어떻게 할지를 정해야 한다.
그다음 사업 책임자는 전체 프로세스를 평가해야 한다. 초안 작성에서 절약한 시간은 검증 과정에서 사라질 수 있다. 검토자가 증거를 수동으로 재구성해야 한다면 더 빠른 초기 답변의 가치는 제한적이다.
지식 근로자에게 이는 정보를 찾는 것과 행동을 승인하는 것의 차이를 부각한다. 검색 가능한 지식 기반은 관련 자료에 대한 접근을 지원한다. 에이전트 배포는 소프트웨어가 그 자료로 무엇을 할 수 있는지에 대한 질문을 추가한다.
따라서 조직의 대응은 구체적이어야 한다. 구매자에게는 범위가 정해진 업무, 책임을 지는 담당자, 그리고 인간 승인이 필요해지는 명확한 지점이 필요하다. 이는 단순한 구현 세부사항이 아니라 구매 기준이다.
Lumbra AI 에이전트는 이러한 책임이 겹치는 모든 곳에서 검토를 받게 될 것이다. 설득력 있는 상업 배포는 업무를 줄이면서도 조직이 명확한 권한을 유지하도록 도와야 한다. 책임 소재를 찾기 어려워진다면, 표면적인 자동화 이점은 방어하기도 어려워진다.
유용한 자율성에는 강제 가능한 경계가 필요하다
핵심 상충 관계는 가치를 만들 만큼 충분한 업무를 위임하는 것과 결과에 책임을 물을 수 있을 만큼 충분한 통제를 유지하는 것 사이에 있다.
사소한 작업마다 권한을 요청해야 하는 에이전트는 번거로워질 수 있다. 제한 없는 재량권을 가진 에이전트는 사용자가 위임하려 했던 권한을 넘어설 수 있다. 상업적 기회는 이 두 극단 사이에 유용한 경계를 정의하는 데 있다.
Lumbra는 모델 중립적 플랫폼을 표방하며, 이는 고객이 여러 제공업체의 모델을 사용할 수 있음을 의미한다. 또한 에이전트가 공식 기록에 다시 기록하기 전에 도메인 전문가가 결과를 검증한다고 밝혔다. 이러한 언급은 결과에 대한 공개 비교가 아니라 의도된 운영 방식을 설명한다.
행동을 제안하는 것과 실행 확정하는 것의 차이는 특히 중요하다. 제안된 업데이트를 준비하면 검토자가 이를 살펴볼 기회를 얻는다. 그 업데이트를 적용하면 조직의 정보가 변경되고 이후 업무에 영향을 줄 수 있다.
의미 있는 승인 경계는 실제 운영에서 그 차이를 보존해야 한다. 검토자는 제안된 변경을 이해할 수 있는 충분한 맥락을 필요로 한다. 이후 소프트웨어는 범위를 조용히 넓히지 않고 승인된 행동을 수행해야 한다.
업무가 여러 시스템에 걸쳐 있으면 이 요구사항은 더 까다로워진다. 에이전트는 한 애플리케이션에서 정보를 가져와 다른 애플리케이션에서 변환한 뒤, 또 다른 곳에서 변경을 제안할 수 있다. 첫 번째 소스를 읽을 권한이 있다고 해서 최종 행동에 대한 권한이 자동으로 생기는 것은 아니다.
이 지점에서 에이전트와 그 도구를 조정하는 오케스트레이션은 운영상 중요한 문제가 된다. 조정 계층은 업무가 단계 사이를 어떻게 이동하는지 결정한다. 구매자는 정책이 그 이동을 따라가는지, 아니면 애플리케이션 사이에서 사라지는지 알아야 한다.
유용한 감사 추적은 취한 행동과 관련 승인을 기록한다. 이는 모델의 설명에 전적으로 의존하지 않고 조직이 사건을 재구성할 수 있도록 도와야 한다. 유창한 사후 설명은 실제 시스템 활동 기록보다 약한 증거다.
증거 추적에는 또 다른 목적이 있다. 검토자가 에이전트의 확신을 받아들이는 대신, 어떤 근거가 주장을 뒷받침하는지 살펴볼 수 있게 한다. 이것이 결론의 정확성을 보장하지는 않지만, 수정 작업을 더 실용적으로 만들 수 있다.
이 구분은 자율성을 측정하는 방식도 바꾼다. 완료된 행동 수를 세는 것은 반드시 판단의 질을 보상하지 않으면서 활동을 보상한다. 증거가 불충분할 때 적절히 멈추는 시스템은 언제나 완성된 답을 내놓는 시스템보다 더 유용할 수 있다.
Lumbra의 엔터프라이즈 확장에는 상업적 결과를 수반하는 제품 과제가 있다. 통제 장치는 구매자가 구성할 수 있을 만큼 이해하기 쉬워야 하며, 사용자가 신뢰할 수 있을 만큼 신뢰성도 있어야 한다. 또한 불필요한 중단으로 검토자를 압도해서는 안 된다.
이 균형은 업무에 따라 달라진다. 내부 요약 초안 작성과 권위 있는 기록 수정은 서로 다른 승인 요건을 정당화한다. 이를 동일하게 취급하는 플랫폼은 과도한 마찰이나 과도한 재량권 중 하나를 초래할 위험이 있다.
따라서 Lumbra의 제안에서 가장 강력한 형태는 조건부 자율성이다. 에이전트는 정의된 업무를 수행할 여지를 받지만, 권한은 업무와 이용 가능한 증거에 의해 제한된다. 플랫폼이 이러한 균형을 일관되게 제공하는지 여부는 투자 발표를 넘어서는 배포 증거가 필요하다.
Palantir는 감독이 이미 경쟁 영역임을 보여준다
Lumbra는 인간 통제가 확립된 판매 논거인 시장에 진입하고 있으므로, 차별화는 실행력과 적합성에서 나와야 한다.
Palantir의 공개 운영 AI 플랫폼은 사람들이 제안된 해결책을 검토하고 제안된 행동을 승인하는 워크플로를 설명한다. 또한 자동화 규칙과 실행 이력에 대한 가시성도 설명한다. 이러한 기능은 민감한 에이전트 배포를 둘러싼 통제 문제와 겹친다.
이는 관련 비교를 가능하게 하지만 제품 동등성을 입증하지는 않는다. 공개된 설명만으로는 경쟁 시스템이 구매자의 자체 데이터에서 어떻게 성능을 내는지 알 수 없다. 또한 배포 노력, 통합 요건, 검토자 경험의 차이도 해소할 수 없다.
따라서 핵심 경쟁 질문은 어느 한 회사가 감독 기능을 지원하는지 여부보다 더 좁다. 구매자는 각 접근 방식이 특정 운영 환경에 얼마나 잘 맞는지 알아야 한다. 기능이 존재하더라도 까다로운 워크플로에 쉽게 적용할 수 있다는 뜻은 아니다.
예를 들어, 기반 증거가 서로 무관한 애플리케이션에 흩어져 있다면 승인 화면의 가치는 제한적이다. 검토자가 어떤 정책이 특정 작업을 관장했는지 식별할 수 없다면 실행 이력도 유용성이 떨어진다. 제어 기능이 실제로 쓸모 있어지는지는 주변 워크플로가 결정한다.
이는 Lumbra에 구체적인 경쟁 과제를 부여한다. 기존 플랫폼들이 이미 감독형 AI 운영을 약속하는 상황에서, 고객이 왜 Lumbra의 접근 방식을 채택해야 하는지 설명해야 한다. 그 설명은 제품의 작동 방식과 인지 가능한 운영상 이점을 연결해야 한다.
그 이점은 특정 작업에 더 잘 맞거나 특정 배포 제약을 더 쉽게 처리하는 능력일 수 있다. 이는 검토할 가능성이지, 이미 입증된 Lumbra의 강점은 아니다. 현재 확인 가능한 자금 조달 증거만으로 승자를 선언할 수는 없다.
구매자는 경쟁 소프트웨어와 경쟁 조달 선택지도 구분해야 한다. 조직은 기존 플랫폼을 확장하거나, 전문 제품을 채택하거나, 내부적으로 워크플로를 구축할 수 있다. 각 선택지는 통합과 유지보수 책임을 서로 다른 주체에게 맡긴다.
내부 구축 시스템은 구성 요소에 대한 직접적인 책임을 구매자에게 부여한다. 구매한 플랫폼은 일부 책임을 공급업체로 이전하지만, 그 자체의 의존성도 새로 만든다. 어느 방식도 접근 권한, 승인, 증거 요건을 명시할 필요를 없애지 않는다.
이 경쟁 맥락은 Lumbra Series A의 의미를 더욱 분명하게 한다. 자본은 조직의 운영 환경 일부가 되려는 시도를 뒷받침한다. 그 자리를 차지하려면 에이전트가 성공적으로 협업할 수 있음을 보여주는 것만으로는 부족하다.
고객이 이 시스템을 선택하고 계속 사용해야 할 이유가 필요하다. 그 이유는 일상 업무, 예외 상황, 인력 변경, 소프트웨어 업데이트를 견뎌야 한다. 설득력 있는 영업 서사는 그러한 운영 적합성을 대체할 수 없다.
독자에게 유용한 비교는 통제된 위임과 권한을 검토하기 어려운 자동화의 대조에 있다. Palantir는 이 논의의 시장 기준점 역할을 한다. Lumbra의 상업적 진전은 그 구현 방식이 구매자의 실제 업무를 어떻게 개선하는지 보여주는 데 달려 있다.
제한된 네트워크가 정답을 보장하지는 않는다
정보 보호와 결론 검증은 별개의 요건이며, 어느 한 측면에서 성공했다고 해서 다른 측면의 성공까지 입증되지는 않는다.
에이전트는 승인된 컴퓨팅 환경 안에 머물면서도 잘못된 결론에 도달할 수 있다. 불완전한 문서 모음을 정확하게 요약할 수도 있다. 실제 증거를 인용하면서도 그 증거가 뒷받침하지 않는 추론을 이끌어낼 수도 있다.
이러한 가능성이 Lumbra 소프트웨어의 결함을 입증하는 것은 아니다. 다만 배포 관련 주장은 신중하게 해석할 필요가 있음을 설명한다. 민감한 환경에 대한 접근은 소프트웨어가 어디에서 작동하는지에 관한 맥락을 제공할 뿐, 추론의 건전성을 전반적으로 보장하지는 않는다.
National Institute of Standards and Technology는 generative AI risk profile에서 자신 있게 생성된 허위 출력을 환각(confabulation)으로 규정한다. 이 프로파일은 프라이버시와 정보 보안 역시 별개의 위험 영역으로 다룬다. 이러한 구분은 중요한 업무에 쓰일 시스템을 평가할 때 유용하다.
따라서 검토자는 모든 보증을 “secure”라는 단어 하나로 뭉뚱그리지 않아야 한다. 이 용어는 접근 제한, 정보 처리, 인프라 보호 또는 오남용에 대한 저항성을 가리킬 수 있다. 어느 것도 분석적 결론이 충분한 근거를 갖추었는지 자동으로 답해주지는 않는다.
같은 주의는 감사 가능성에도 적용된다. 기록은 시스템이 정확히 무엇을 했는지 보여줄 수 있지만, 그 일이 잘못된 일이었음도 드러낼 수 있다. 감사 가능성은 조사와 책임성을 지원하지만, 검증의 필요성을 없애지는 않는다.
인간 검토에도 실질적인 한계가 있다. 접근 가능한 증거 없이 다듬어진 답변을 받은 검토자는 분석을 반복하거나 제시된 내용을 신뢰해야 한다. 어느 결과도 의도한 업무 감소로 반드시 이어지지는 않는다.
따라서 감독의 설계는 그 존재 여부만큼 중요하다. 검토자는 결론에 이의를 제기하는 데 필요한 자료를 확보해야 한다. 또한 감당 가능한 업무량과 제안된 조치를 거부하거나 수정할 명확한 권한도 필요하다.
agent oversight challenges에 관한 연구는 가정, 변화하는 정확성 기준, 에이전트 프로세스의 소통과 관련된 어려움을 설명한다. 이 결과는 일반적인 에이전트 감독에 관한 것이다. Lumbra에 대한 평가로 제시되어서는 안 된다.
Lumbra AI 에이전트의 경우, 유용한 증거는 통제 기능을 측정 가능한 작업 결과와 연결해야 한다. 구매자는 작업, 기대 결과, 실패의 정의, 검토 요건을 설명하는 평가를 찾아야 한다. 이러한 맥락이 없는 헤드라인 정확도 수치는 상당한 불확실성을 남긴다.
부정적 결과에도 주목할 필요가 있다. 신뢰할 수 있는 평가는 시스템이 언제 중단되었고, 실패했으며, 수정이 필요했는지를 이해할 수 있게 해야 한다. 이런 사례는 적절한 사용 범위를 확립하는 데 도움이 된다.
상업적 이전 가능성도 또 다른 불확실성으로 남는다. 국가 안보 분야의 경험은 제품 설계에 정보를 줄 수 있지만, 모든 규제 산업에 적합함을 입증하지는 않는다. 조직마다 허용 가능한 증거, 승인 권한, 운영 가치를 다르게 정의한다.
따라서 회의적 해석은 일축이 아니라 구체적 검토다. Lumbra는 자금 조달을 발표하고 야심 찬 운영 모델을 설명했다. 공개 증거는 여전히 이 모델이 의도한 상업 환경 전반에서 유용하고 검토 가능한 업무를 얼마나 일관되게 만들어내는지 보여줄 필요가 있다.
확장이 성공하고 있는지 보여줄 세 가지 신호
다음 증거는 에이전트 역량에 관한 또 하나의 광범위한 약속이 아니라 상업적 도입, 평가 품질, 지속적 사용에 관한 것이어야 한다.
첫째, 책임 범위가 명확히 정의된 실명 상업 배포를 주시해야 한다. 유용한 공개라면 작업, 에이전트의 권한, 인간 승인 경계를 식별할 것이다. 고객의 참여는 운영 중인 배포와 공급업체가 제안한 적용 사례를 구분하는 데 도움이 된다.
이러한 증거는 Lumbra의 접근 방식이 원래 환경을 넘어 이전될 수 있다는 주장을 강화할 것이다. 모호한 고객 발표가 입증하는 바는 더 적다. 정의된 업무량이 없다면 독자는 해당 배포가 회사의 핵심 명제를 검증하는지 판단할 수 없다.
작업 설명의 품질은 잘 알려진 고객 이름 그 자체보다 중요하다. 제한적인 정보 검색 배포와 공식 기록을 수정할 권한을 받은 에이전트는 서로 다른 수준의 약속을 의미한다. 보도는 이 구분을 유지해야 한다.
둘째, 방법론과 실패 조건을 공개하는 평가를 주시해야 한다. 구매자는 무엇이 시험됐고 성공을 어떻게 판단했는지 이해할 수 있을 만큼 충분한 정보가 필요하다. 주장이 인간 업무 감소와 관련된다면 검토자 노력은 언제나 출력 품질과 함께 제시되어야 한다.
어려운 사례를 포함한 평가는 플랫폼이 밝힌 경계에 대한 신뢰를 높일 것이다. 선별된 성공 사례에만 한정된 시연은 정보가 더 적다. 공개 세부 사항이 없다고 해서 실패가 입증되는 것은 아니며, 다만 질문을 열어둔다.
비교는 대안도 설명해야 한다. 한 워크플로는 감독 없는 에이전트보다 뛰어날 수 있지만, 기존 프로세스보다 더 많은 노력을 요구할 수도 있다. 관련 기준선이 없다면 개선 주장을 해석하기 어렵다.
셋째, 기존 고객 내 반복 사용과 더 폭넓은 배포를 주시해야 한다. 조직이 플랫폼에 추가적인 제한 범위의 작업을 맡긴다면, 이는 초기 시험과는 다른 신호를 제공한다. 지속적 사용은 시스템이 일상 운영에 맞는다는 점을 시사할 수 있다.
이 신호 역시 맥락이 필요하다. 새로운 실험이 이끄는 확장과 문서화된 운영상 이점이 뒷받침하는 확장은 다르다. 독자는 사용자에게 무엇이 바뀌었고 조직이 결과를 어떻게 평가했는지에 대한 설명을 찾아야 한다.
향후 몇 달 동안 이러한 신호는 투자 가능한 명제와 입증된 상업적 견인력을 구분하는 데 도움이 될 것이다. 모든 고객이 민감한 업무를 공개할 수 있다고 가정할 필요는 없다. 공개 증거는 제한적일 수 있지만 평가 방법과 승인 경계는 여전히 설명할 수 있다.
Lumbra Series A는 회사에 이러한 증거를 추구할 자원을 제공한다. 그렇다고 그 증거가 불필요해지는 것은 아니다. 고객이 어떤 책임을 위임하고 어떤 책임을 유지하는지 설명할수록 회사의 상업적 사례는 더 분명해질 것이다.
엔터프라이즈 구매자라면 실제로 승인할 워크플로부터 시작해야 한다. 에이전트가 접근할 수 있는 정보, 제안할 수 있는 조치, 승인이 필요한 결정을 식별하라. 공급업체에 그 경계 안에서 뒷받침 증거와 실패 시 행동을 보여달라고 요청하라. 검토 노력까지 포함한 전체 프로세스를 기존 접근 방식과 비교하라. 개발자라면 모델, 권한 또는 소스 자료가 변경될 때에도 통제 기능이 효과를 유지하는지 살펴봐야 한다. 지식 근로자라면 답변이 검증하기 쉬워지는지, 아니면 단지 더 빨리 생성되는지 물어야 한다. 이러한 구체적인 질문을 통해 Lumbra의 확장을 지켜보라. 여러분의 워크플로 중 어떤 부분을 에이전트가 완료하도록 신뢰하겠으며, 그 권한을 확대하기 전에 어떤 증거를 요구하겠는가?



