Naver Cloud 보안 자가진단, 무료 기업 점검에 AI 위험 추가

Naver Cloud는 10월 19일 무료 기업 보안 설문을 출시하며, 7개 영역과 21개 문항으로 구성된 점검에 AI 위험을 포함했다. Naver Cloud 보안 자가진단은 기존 보안 우려 사항과 함께 직원의 AI 사용, 내부 AI 접근 권한, AI 기반 공격 대응을 다룬다. 즉각적인 장점은 접근성이다. 기업은 정밀 진단을 먼저 의뢰하지 않아도 주의가 필요한 영역을 파악할 수 있다. 다만 형식상 한계도 있다. 응답은 조직의 관행을 설명할 뿐이며, 검증에는 시스템에서 확보한 증거가 필요하다.

이 차이는 전담 보안 인력 없이 AI 어시스턴트와 자동화 워크플로를 도입하는 기업에 중요하다. 정책상 민감 정보 업로드를 금지하더라도 직원들은 승인된 도구가 무엇인지 확신하지 못할 수 있다. 접근 규칙이 존재하더라도 내부 어시스턴트가 사용자가 절대 열람해서는 안 되는 자료를 가져올 수 있다.

AWS는 구조화된 질문을 개선 권고와 연결하는 확립된 아키텍처 검토 절차를 통해 유용한 참고 사례를 제공한다. Naver의 출시는 AI를 명시적으로 포함한 기업 보안 검토에 유사한 출발점 접근 방식을 도입한다. 핵심 질문은 이처럼 접근 가능한 검토가 문서화된 개선 조치와 검증된 보호 체계로 얼마나 효과적으로 이어지는가다.

Naver Cloud 보안 자가진단이 실제로 바꾸는 것

이번 출시는 기존 인프라와 데이터 보호와 함께 AI 보안을 초기 기업 보안 검토의 일부로 포함한다.

Naver는 이 서비스를 기업이 개선이 필요한 보안 영역을 파악하도록 돕는 온라인 설문으로 설명한다. 보안 진단 범위에는 네트워크 보호, 접근 제어, 데이터 보호 및 암호화가 포함된다. 암호화는 적절한 키 없이는 정보를 읽을 수 없게 만든다.

AI 전용 섹션은 AI 기반 공격에 대한 조직의 준비 상태, 직원이 AI 서비스를 사용할 때 민감 정보를 처리하는 방식, 내부 AI 시스템의 권한을 살펴본다. 이 주제들은 AI 도입을 이미 기업 보안팀의 책임에 속하는 영역과 연결한다.

주제 범위만큼이나 형식도 중요하다. 설문은 기업이 어떤 전문 진단을 요청해야 할지 알기 전에 불확실성을 드러낼 수 있다. 또한 같은 정책을 따른다고 믿는 부서들 사이의 견해 차이를 노출할 수도 있다.

내부 프로젝트 문서를 검색하는 데 AI 어시스턴트를 사용하는 가상의 회사를 생각해 보자. 경영진은 접근이 기존 문서 권한을 따른다고 믿을 수 있다. 엔지니어링팀은 공유 연결이 더 광범위한 서비스 계정을 통해 정보를 가져온다는 사실을 알고 있을 수 있다. 두 집단 모두 어시스턴트가 통제되고 있다고 설명하면서도 서로 다른 구성 방식을 가리킬 수 있다.

내부 AI 권한에 관한 질문은 그러한 견해 차이를 발견할 기회를 만든다. 그러나 연결이 개별 권한을 준수하는지는 입증하지 않는다. 이를 확인하려면 애플리케이션이 정보를 가져오는 방식을 검토하고, 서로 다른 사용자가 실제로 접근할 수 있는 범위를 테스트해야 한다.

Naver Cloud AI 보안 범위는 외부 서비스를 사용하는 직원의 행위와 회사 자체 AI 배포도 구분한다. 두 상황은 겹칠 수 있지만, 서로 다른 조사 과제를 만든다. 직원 업로드는 사용 규칙과 데이터 처리에 주의를 기울여야 한다. 내부 배포는 애플리케이션 동작과 권한을 면밀히 검토해야 한다.

이 구분은 단순히 AI를 보호하라는 일반적인 경고를 넘어 발표에 실질적 관련성을 부여한다. 모든 우려를 모델 문제로 취급하지 않고, 서로 다른 노출 원인을 공통된 검토 안에 배치한다.

회사는 보안 점검을 어디서 시작해야 할지 이해하기 어려운 기업을 위해 이 서비스를 제공한다고 설명한다. 이는 조직이 안전하다고 입증하려는 목적보다 더 좁고 신뢰할 만한 목적이다.

이번 출시를 평가하는 독자는 제품 범주를 분명히 이해해야 한다. 이는 가이드를 제공하는 자기 보고형 평가다. 발표는 기업의 애플리케이션, 직원 활동 또는 내부 AI 동작을 자동으로 검사한다고 설명하지 않는다.

이 경계는 결과에 적절한 역할을 부여한다. 결과는 보안 논의의 틀을 잡고, 누락된 책임 주체를 식별하며, 추가 조사가 필요한 위치를 판단하는 데 도움을 줄 수 있다. 조직이 해당 문제를 해결하는지는 별개의 질문이다.

소규모 팀은 모든 답변 뒤에 놓인 업무에 직면한다

즉각적인 부담은 보안에 대한 명확한 책임을 배정하지 않은 채 AI 도구를 도입한 기업에 돌아간다.

Naver가 밝힌 근거는 전담 보안팀이나 전문가가 없을 때 기업이 자신의 상황을 평가하기 어려울 수 있다는 점이다. 이 설명은 보안 업무가 다른 운영 업무와 함께 처리되는 조직이라는 실질적 대상층을 가리킨다.

회사의 최고정보보호책임자 김재동에 따르면, 기업은 방어 체계 점검을 어디서 시작해야 할지 불확실하게 느끼는 경우가 많다. 그의 견해는 접근하기 쉬운 출발점에 대한 서비스의 강조를 설명한다. 그러나 이것이 사용자가 얼마나 많은 보호를 얻게 되는지를 입증하지는 않는다.

이번 발표는 행정적 장벽도 낮춘다. 무료 기업 설문은 회사명이나 연락처를 요구하지 않고 Naver Cloud Platform을 통해 이용할 수 있다. 이를 통해 기업은 상담을 받을지 결정하기 전에 초기 검토를 할 수 있다.

소규모 팀의 경우, 설문이 익숙해 보이는 질문을 제시한 뒤에 어려운 일이 시작될 수 있다. 직원은 보안 정책이 존재한다는 사실은 알지만, 그것이 동료들이 실제로 사용하는 AI 서비스를 포괄하는지는 모를 수 있다.

창업자는 회사의 상업 계약을 이해하면서도 개발자의 실험에 대한 가시성이 부족할 수 있다. 운영 관리자는 직원 계정을 관리하면서도 어시스턴트의 문서 연결에 대해서는 거의 알지 못할 수 있다. 개발자는 그 연결을 이해하지만, 기업이 직원에게 어떤 정보를 공유하도록 허용할지는 결정하지 않을 수 있다.

이는 Naver의 출시에서 문서화된 결과가 아니라, 설명을 위한 책임 소재 문제다. 겉보기에 단순한 설문이 부서 전반의 업무를 요구할 수 있는 이유를 보여준다.

유용한 답변에는 명확히 정의된 대상이 필요하다. “우리는 AI 접근을 통제한다”는 말은 조직이 애플리케이션, 관련 정보, 책임자를 식별할 수 없다면 별 의미가 없다. 그런 세부 사항이 없으면 서로 다른 응답자가 사업의 서로 다른 부분에 대해 안심할 만한 답변을 내놓을 수 있다.

이는 관리상 결과를 낳는다. 검토에서 해결되지 않은 영역이 확인되면, 누군가는 조사할지, 활동을 제한할지, 노출을 수용할지를 결정해야 한다. 권고만으로는 조직을 대신해 그 결정을 내릴 수 없다.

이 부담은 AI 서비스를 구매하는 팀에도 미친다. 문서 어시스턴트를 평가하는 구매자는 정보가 저장소, 검색, 모델 처리, 생성된 답변 사이를 이동할 때 어떤 일이 일어나는지 이해해야 한다. 익숙한 보안 질문도 실제 워크플로에 연결될 때 더 유용해진다.

지식 근로자에게 이는 추상적인 인프라 다이어그램이 아니라 일상적인 자료에 영향을 미친다. 회의 기록, 고객 논의, 제품 계획, 연구 노트는 AI 도구의 입력이 될 수 있다. 이런 자료는 유용하기 때문에 매력적인 입력값이 되며, 그 내용은 잘못 처리했을 때의 결과를 결정한다.

검색 가능한 지식 기반을 구축하는 기업은 관련된 책임 문제에 직면한다. 각 사용자가 무엇을 검색할 수 있는지 누가 결정하는가?

Naver Cloud 보안 점검은 검토 초기에 이러한 책임을 더 쉽게 제기하게 한다. 그에 따른 부담은 조직적이다. 기업은 광범위한 답변을 구체적 활동에 관한 결정으로 바꿀 수 있는 인력이 필요하다.

구조화된 검토에는 이미 클라우드 분야의 선례가 있다

Naver의 접근 방식은 확립된 검토 범주에 속하며, 그 가치는 질문이 후속 업무와 어떻게 연결되는지에 달려 있다.

AWS는 아키텍처 검토 절차를 통해 관련 비교 사례를 제공한다. AWS Well-Architected Tool은 팀이 의사결정을 문서화하고, 모범 사례에 따라 워크로드를 평가하며, 개선 사항을 파악하도록 돕는다.

워크로드는 비즈니스 기능을 제공하는 애플리케이션 또는 관련 구성 요소 집합이다. AWS는 이처럼 정의된 기술 대상을 중심으로 검토를 구성해, 팀이 질문의 범위를 다시 살필 수 있게 한다.

Naver의 발표는 명시적인 AI 구성 요소를 포함한 기업 보안 설문을 설명한다. 두 제품 모두 구조화된 질문과 권고를 사용한다. 발표된 범위와 검토 맥락은 다르므로, 이 비교가 동등한 범위를 입증하는 것은 아니다.

이 선례가 중요한 이유는 설문이 이미 클라우드 보안 업무에서 정당한 위치를 차지하고 있기 때문이다. 설문의 유용성은 판단을 체계화하고, 누락을 드러내며, 의사결정의 반복 가능한 기록을 만드는 데서 나온다.

팀이 완료 자체를 목표 결과로 취급하면 설문은 정보성이 떨어진다. 완료된 검토는 신중한 조사나 자신감 있는 가정을 문서화할 수 있다. 절차가 뒷받침 증거를 수집하지 않는다면, 인터페이스만으로는 이 두 가능성을 구분할 수 없다.

Naver가 더 광범위한 보안 검토에 AI를 포함한 것은 그렇지 않으면 분리될 책임들을 연결할 기회를 만든다. 직원 행동, 애플리케이션 권한, 인프라 보호는 동일한 비즈니스 워크플로 안에서 종종 맞물린다.

예를 들어 한 기업은 내부 문서 접근 문제가 해결되지 않은 상태에서 AI 서비스를 승인할 수 있다. 또 다른 기업은 내부 애플리케이션을 보호하면서도 외부 어시스턴트를 사용하는 직원에 대한 지침은 불분명하게 둘 수 있다. 광범위한 평가는 두 상황 모두에 대한 논의를 촉발할 수 있다.

AWS와의 비교는 무엇을 검토하는지 정의하는 일이 중요하다는 점도 보여준다. 조직 전체에 대한 답변은 부서나 애플리케이션 간 차이를 숨길 수 있다. 범위를 좁게 정의한 검토는 사업의 더 적은 부분을 다루더라도 실행 가능성이 더 높을 수 있다.

이는 접근하기 쉬운 서비스에 상충 관계를 만든다. 광범위한 질문은 초보자의 참여를 돕는다. 세부적인 질문은 전문가가 정확한 문제를 식별하도록 돕는다. 짧은 초기 평가는 참여가 부담스러워지기 전에 얼마나 많은 구체성을 요구할 수 있는지 결정해야 한다.

따라서 Naver Cloud AI 보안 포지셔닝은 서비스가 밝힌 목적을 기준으로 판단해야 한다. 이 서비스는 준비 상태를 검토하는 진입점을 제공한다. 여기에는 다른 제공업체의 평가보다 뛰어나거나 더 심층적인 애플리케이션 테스트를 제공한다고 주장할 검증된 근거가 없다.

이번 출시가 경쟁사에 즉각적인 제품 변경을 강제한다는 증거도 없다. 더 방어 가능한 경쟁적 함의는 기대에 관한 것이다. 구매자는 AI 위험이 일반적인 기업 보안 지침에 등장하는 또 하나의 사례를 접하게 됐다.

이러한 기대는 제공업체와의 대화에 영향을 줄 수 있다. 고객은 검토 결과가 기존 시스템과 어떻게 연결되는지, 해석을 누가 지원하는지, 제안된 개선 사항이 문서화된 문제를 해결하는지를 물을 수 있다.

유용한 경쟁은 그 연결의 품질을 두고 벌어진다. 접근하기 쉬운 설문은 응답자가 페이지를 닫은 뒤에도 그 권고 사항이 이해하기 쉽고, 관련성이 있으며, 활용 가능할 때 지속적인 가치를 얻는다.

AI 정책과 애플리케이션 행동에는 서로 다른 증거가 필요하다

자가 보고된 정책 답변만으로는 AI 애플리케이션이 민감한 정보나 악의적인 입력을 마주했을 때 어떻게 작동하는지 입증할 수 없다.

이는 Naver의 설문이 부실하다는 판단이 아니라, 이 형식이 지닌 핵심적 한계다. 출시 발표는 응답을 바탕으로 한 검토를 설명한다. 그러나 해당 응답이 공격 방어 능력을 예측한다는 독립적 증거는 제시하지 않는다.

조직은 민감한 정보 정책을 갖추고 있다고 정직하게 보고할 수 있다. 하지만 그 답변만으로는 직원들이 정책을 이해하는지, 승인된 서비스가 이를 강제하는지, 예외 사항은 어떻게 검토받는지에 관한 의문이 남는다.

마찬가지로 기업은 내부 AI 접근이 관리되고 있다고 보고할 수 있다. 운영상 중요한 질문은 애플리케이션이 검색과 응답 생성 전반에서 의도한 경계를 실제로 강제하는지다.

프롬프트 인젝션은 입력에 포함된 악의적 지시를 통해 AI 시스템의 방향을 바꾸려는 시도로, 왜 행동을 검토해야 하는지를 보여준다. 외부 문서를 읽는 어시스턴트는 분석 대상이었던 자료 안에 삽입된 지시를 마주할 수 있다.

OWASP가 관리하는 AI 애플리케이션 위험 목록에는 프롬프트 인젝션, 민감한 정보 공개, 부적절한 출력 처리, 과도한 권한 부여가 포함된다. 과도한 권한 부여는 AI 애플리케이션에 작업에 필요한 수준보다 더 큰 권한을 주는 문제를 뜻한다.

이 범주는 출시를 이해하기 위한 독립적 맥락을 제공하며, Naver 서비스에 대한 지지나 평가는 아니다. 중요한 점은 AI 보안이 문서화된 정책의 존재를 넘어선다는 사실이다.

가상의 문서 어시스턴트는 이 차이를 보여준다. 사용자가 프로젝트 요약을 요청했고, 애플리케이션이 악의적인 지시가 포함된 문서를 가져왔다고 가정해 보자. 중요한 질문은 어시스턴트가 무엇에 접근할 수 있는지와 이를 둘러싼 소프트웨어가 어떤 작업을 허용하는지에 관한 것이다.

설문은 기업이 해당 유형의 위험을 인식하는지 확인할 수 있다. 하지만 애플리케이션을 검토하거나 그 행동에 관한 신뢰할 수 있는 증거를 수집하지 않고서는 이 사례의 결과를 판단할 수 없다.

따라서 Naver Cloud 보안 자가진단 결과는 조사를 대체하기보다 조사 방향을 정하는 데 도움을 줘야 한다. 접근 관리에 대한 응답은 표적화된 권한 검토의 출발점이 될 수 있다. 직원의 AI 사용에 관한 응답은 교육과 승인된 워크플로 검토를 촉발할 수 있다.

보안 준비 상태를 폭넓게 해석할 때도 같은 절제가 필요하다. 조직은 기존 인프라를 신중하게 관리하면서도 AI 연결은 제대로 이해하지 못한 채 둘 수 있다. 한 영역의 강점이 다른 영역의 상태를 확정하지는 않는다.

추가적인 불확실성은 측정과 관련된다. 검토된 출시 자료는 서로 다른 응답자가 같은 조직을 얼마나 일관되게 평가할지 보여주지 않는다. 또한 사용자가 식별된 문제를 개선한다는 점을 독립적으로 검증한 결과도 제시하지 않는다.

이처럼 빠진 결과는 효과성에 관한 주장을 제한한다. 다만 특히 이런 질문을 한곳에 모아본 적 없는 기업에 구조화된 출발점이 주는 유용성을 없애지는 않는다.

독자가 유지해야 할 구분은 검토 대상을 식별하는 일과 그 대상의 상태를 입증하는 일 사이에 있다. 둘 다 중요하다. 하지만 서로 다른 증거가 필요하며, 신뢰할 수 있는 보안 프로세스는 그 차이를 드러낸다.

권고 사항은 실행으로의 인계를 견뎌야 한다

서비스의 실질적 가치는 그 지침이 기업이 배정하고, 완료하고, 검토할 수 있는 업무로 이어지는지에 달려 있다.

Naver에 따르면 응답자는 관련 산업 요건, 개선 영역, 관련 서비스에 대한 정보를 받는다. 평가 후속 옵션에는 필요할 경우 보안 전문가에게 접근할 수 있는 방안도 포함된다.

이는 설문 이후로 이어지는 경로를 만든다. 동시에 제품 평가의 질문도 제기한다. 각 권고 사항은 그것을 촉발한 답변과 얼마나 명확하게 연결되는가?

기업은 서비스를 선택하기 전에 근본적인 문제를 이해할 수 있어야 한다. 그렇지 않으면 진단에서 지원으로 넘어가는 과정을 평가하기 어려워진다. 발표만으로는 모든 권고 사항의 세부성이나 중립성을 입증할 수 없다.

이는 부적절한 행위의 증거가 아니라, 공급업체가 제공하는 평가에서 고려해야 할 구조적 문제다. 클라우드 제공업체는 관련 전문성을 제공하는 동시에 후속 업무로 상업적 이익을 얻을 수 있다. 독자는 제안된 대응을 그 자체의 장점에 따라 판단할 수 있을 만큼 충분한 정보를 필요로 한다.

이 인계의 품질은 특히 전문가가 없는 조직에 중요하다. 접근 관리를 개선하라는 권고는 매우 다른 작업들을 포괄할 수 있다. 직원 권한을 재검토하거나, 애플리케이션 연결을 변경하거나, 승인 책임을 명확히 하는 일이 될 수 있다.

실행 가능한 발견 사항은 영향을 받는 활동과 필요한 결정을 식별한다. 또한 기업이 문제가 해결됐는지 판단할 방법을 제공한다. 포괄적인 표현은 검토를 시작하는 데 도움이 필요했던 바로 그 팀에게 이러한 해석을 맡긴다.

NIST의 AI 위험 프레임워크는 AI 위험을 조직의 책임으로 다루는 데 더 넓은 참고 기준을 제공한다. NIST는 텍스트나 이미지 같은 콘텐츠를 생성하는 시스템인 생성형 AI를 다루는 프로필도 발행한다.

이 참고 기준은 기업의 준비 상태가 시스템의 사용과 관리 전반에 걸친다는 점에서 관련성이 있다. 이를 Naver의 설문이 NIST 지침을 충족하거나 NIST 승인을 받았다는 주장으로 읽어서는 안 된다.

이번 출시에서 의미 있는 결과란 기업이 알지 못했던 의존 관계를 발견하고 이를 관리하는 방식을 바꾸는 것을 포함할 것이다. 설문 완료만으로는 훨씬 약한 증거가 된다.

내부 어시스턴트의 권한을 아무도 담당하지 않는다는 사실을 발견한 가상의 조직을 생각해 보자. 담당자를 지정하면 관리 공백이 해소된다. 어시스턴트의 실제 권한을 검토하면 기술적 질문을 다룰 수 있다. 결과를 기록하면 나중에 결정 사항을 검토할 수 있다.

이는 서로 다른 성취다. 이를 하나의 준비 상태 진술로 합치면 미완료 작업이 가려진다.

전문가가 참여할 때도 같은 논리가 적용된다. 상담은 문제를 명확히 하고, 추가 작업의 범위를 정의하며, 그 결과로 나온 증거를 설명할 때 가치가 있다. 전문가가 이용 가능하다는 사실만으로 그 가치를 추론할 수는 없다.

구매자에게 중요한 질문은 Naver Cloud 보안 점검이 초기의 불확실성에서 범위가 정해진 다음 작업으로 명확히 전환되게 하는지다. 접근하기 쉬운 평가가 운영상 유용해지기 시작하는 지점이 바로 이 전환이다.

출시 이후 주목할 점

다음 증거는 권고 사항의 품질, 문서화된 후속 조치, 그리고 평가의 경계에 대한 투명성과 관련돼야 한다.

첫 번째 신호는 권고 사항 자체에 대한 가시성이 높아지는 것이다. 특정 답변이 구체적 행동으로 이어지는 방식을 보여주는 사례는 독자가 서비스의 실질적 깊이를 평가하는 데 도움이 될 것이다.

유용한 사례는 영향을 받는 기업 활동과 이를 검토하는 데 필요한 증거를 설명할 것이다. 관련 없는 상황 전반에 반복되는 일반적인 조언은 신뢰를 덜 줄 것이다. 이 신호는 나열된 주제 수가 아니라 지침의 품질에 관한 것이다.

두 번째 신호는 참여 기업의 문서화된 후속 조치다. 신뢰할 수 있는 설명은 설문을 완료한 것과 발견 사항을 조사하고 변경을 실행한 것을 구분할 것이다.

상세한 사례는 초기 불확실성, 발견된 문제, 취한 조치를 설명할 수 있다. 또한 기업이 결과를 어떻게 확인했는지도 설명할 것이다. 이러한 증거는 서비스가 조직이 초기 인식을 넘어서는 데 도움이 된다는 주장을 강화할 것이다.

반대로 참여 수치만으로는 관심을 입증할 수 있다. 그것이 검토가 보안을 개선했다는 점을 보여주지는 않는다. 이 글에서 검토한 출시 자료는 사고 감소가 측정됐거나 보호 수준이 독립적으로 검증됐다고 주장할 근거를 제공하지 않는다.

세 번째 신호는 범위와 한계에 관한 투명성이다. 설문이 무엇을 평가하는지 명확히 설명하면 사용자가 그 결론을 책임감 있게 해석하는 데 도움이 된다.

여기에는 자가 보고된 관행과 기술적 발견 사항을 구분하고, 추가 평가가 언제 설문 범위를 벗어나는지 설명하는 일이 포함된다. 더 큰 명확성은 제품이 의도한 역할에 대한 신뢰를 강화할 것이다. 모호한 확언은 결과를 더 활용하기 어렵게 만들 것이다.

이 신호들은 회사가 아직 입증하지 않은 결과를 예측하지 않으면서도 출시 후 서비스를 지켜볼 합리적인 근거를 제공한다. 또한 Naver가 돕고자 한다고 밝힌 기업에 관련된 결과에 주의를 집중하게 한다.

개발자에게 즉각적인 관련성은 관리 관련 질문이 실제 애플리케이션 검토로 이어지는지에 있다. 구매자에게는 권고 사항이 서비스와 내부 책임에 관한 결정을 명확히 하는지 여부다. 지식 근로자에게는 승인된 AI 워크플로에 정보 처리에 대한 이해하기 쉬운 규칙이 함께 제공되는지 여부다.

Naver Cloud 보안 자가진단은 그러한 대화를 위한 무료 출발점을 만든다. 검증된 발표는 이 결론을 뒷받침한다. 효과성에 관한 더 폭넓은 주장은 이후 사용에서 나온 증거가 필요하다.

조직에서 설문을 평가한다면, 그 결과로 나온 논의를 실제 AI 워크플로에 연결해 두어야 한다. 애플리케이션, 처리하는 정보, 그리고 검토를 담당할 사람을 식별하라. 팀이 믿는 것과 누군가가 실제로 검토한 것을 구분하라. 불확실성을 안심시키는 답변으로 바꾸지 말고 미해결 질문을 보존하라. 권고 사항이 나타나면 어떤 증거가 그에 따른 행동을 정당화할지, 그리고 어떤 증거가 업무 완료를 보여줄지 물어보라. 이러한 기록은 다음 검토자가 기존 가정을 되풀이하는 대신 결정을 이해하는 데 도움이 될 것이다. 오늘 조직의 AI 사용 가운데 설명할 수 있는 부분은 어디까지이며, 아직 아무도 확인하지 않은 답변에 의존하는 부분은 어디인가?