대표 Lee 는 AI 시대에 왜 생산성이 높은가
고속 독해 및 의미 추출 능력 1차 테스트 보고서 | 고속 독해 및 의미 추출 능력 1차 테스트 보고서 실시일: 2026년 8월 12일 기록 기준 시각: 2026-08-12 16:19 KST 시간대: Asia/Seoul (UTC+09:00) 검사 유형: 비표준화 탐색적 독해 검사 검사 방식: 장문 자유독해 후 자유응답 독서시간: 약 40초로 사후 추정 주의: 독서시간은 초시계 실측값이 아니므로 확정 기록이
고속 독해 및 의미 추출 능력 1차 테스트 보고서
실시일: 2026년 8월 12일
기록 기준 시각: 2026-08-12 16:19 KST
시간대: Asia/Seoul (UTC+09:00)
검사 유형: 비표준화 탐색적 독해 검사
검사 방식: 장문 자유독해 후 자유응답
독서시간: 약 40초로 사후 추정
주의: 독서시간은 초시계 실측값이 아니므로 확정 기록이 아니라 추정값이다.
1. 검사 목적
본 검사는 장문의 논증형 텍스트를 매우 빠르게 읽은 뒤에도 다음 능력이 유지되는지를 탐색적으로 관찰하기 위해 실시하였다.
* 고속 텍스트 처리
* 중심 논지 파악
* 중요 정보와 부차적 사례의 분리
* 논리 구조 추출
* 장문 정보의 압축
* 추상화
* 자기 언어를 이용한 의미 재구성
특히 단순히 문자를 빠르게 훑는 능력과 빠른 속도에서 의미를 실제로 추출하는 능력을 구분하는 것을 목적으로 하였다.
2. 실제 검사 지시
피험자에게 다음과 같은 방식으로 검사를 진행하도록 안내하였다.
지금부터 타이머를 켜고 아래 글을 평소처럼 읽는다.
속독하려고 일부러 훑거나 이해를 위해 일부러 느리게 읽지 않는다.
평소의 자연스러운 독서 방식으로 읽는다.
다 읽은 뒤 원문을 다시 보지 않고 독서시간을 알린 뒤 이해도 검사를 진행한다.
3. 실제 테스트 제시문
TEST 1 — 「효율적인 사회가 반드시 현명한 사회는 아닌 이유」
어떤 사회가 발전하고 있다는 가장 직관적인 증거는 무엇일까. 같은 일을 더 적은 시간과 비용으로 처리하는 능력이라고 대답하기 쉽다. 증기기관은 인간과 동물의 힘을 대체했고, 컴퓨터는 계산과 기록에 필요한 노동을 줄였으며, 인터넷은 정보를 전달하는 비용을 거의 0에 가깝게 만들었다. 오늘날 인공지능 역시 글쓰기, 번역, 분석, 프로그래밍처럼 과거에는 상당한 숙련과 시간이 필요했던 작업을 빠르게 수행한다. 이런 관점에서 기술의 역사는 효율성의 역사처럼 보인다.
그러나 여기에는 자주 간과되는 문제가 하나 있다. 어떤 일을 효율적으로 수행할 수 있다는 것과, 그 일을 수행하는 것이 옳다는 것은 전혀 다른 판단이라는 점이다.
가령 한 조직이 보고서를 작성하는 데 과거에는 100시간을 사용했다고 하자. 자동화 도구를 도입하면서 같은 보고서를 10시간 만에 만들 수 있게 되었다. 일반적으로 우리는 생산성이 열 배 증가했다고 말한다. 그런데 조금 다른 질문을 던져보자. 그 보고서가 애초에 필요하지 않았다면 어떻게 되는가?
그 경우 자동화는 90시간을 절약한 것이 아니라, 불필요한 일을 더 저렴하게 수행할 수 있게 만든 것일 수도 있다. 오히려 작성 비용이 낮아진 결과 보고서의 수가 열 배 늘어난다면 조직 전체가 사용하는 시간은 줄지 않을 수도 있다. 비용이 감소한 행동은 종종 사라지는 대신 증가하기 때문이다.
이 현상은 기술 분야에만 존재하지 않는다. 교통이 빨라지면 사람들은 항상 이동 시간을 줄이는 것이 아니라 더 먼 곳까지 이동한다. 통신 비용이 낮아지면 메시지 하나를 보내는 데 드는 노력은 줄지만, 주고받아야 하는 메시지의 총량은 폭발적으로 증가한다. 저장 공간이 저렴해지면 필요한 정보만 보관하는 대신 거의 모든 정보를 저장하게 된다. 기술이 자원을 절약하면 인간은 그 절약된 자원을 반드시 휴식으로 전환하지 않는다. 상당 부분은 새로운 활동을 만들어내는 데 사용된다.
따라서 효율성 향상만으로 인간의 부담이 자동으로 감소한다고 보는 것은 지나치게 단순하다.
여기서 더 흥미로운 문제가 발생한다.
어떤 시스템이 충분히 오래 유지되면 사람들은 그 시스템이 왜 존재하는지를 묻기보다, 그 시스템 안에서 얼마나 잘 행동하는지를 평가하기 시작한다.
예를 들어 한 기업에서 직원들이 매주 월요일마다 회의를 한다고 생각해보자. 처음에는 중요한 정보를 공유하기 위해 회의가 만들어졌을 것이다. 시간이 흐르면서 정보 공유 방식은 바뀌었지만 회의 자체는 남는다. 새로 들어온 직원들은 “왜 월요일마다 회의를 하는가?”라고 묻기보다 “월요일 회의를 어떻게 잘 준비할 것인가?”를 배운다.
조금 뒤에는 회의를 효율적으로 운영하기 위한 규칙이 생긴다. 발표 시간을 제한하고, 회의록 작성 도구를 도입하며, 참석자 만족도를 측정한다. 인공지능이 등장하면 회의 내용을 자동으로 요약하고 할 일을 추출하는 시스템도 도입할 수 있다.
이제 그 조직의 월요일 회의는 과거보다 훨씬 효율적이다.
하지만 여전히 남아 있는 질문이 있다.
그 회의를 계속해야 하는가?
이 질문은 효율성의 문제가 아니라 목적의 문제다.
두 종류의 문제는 겉으로는 비슷해 보이지만 사고 방식이 정반대다. 효율성 문제는 주어진 목표를 전제로 한다. “이 목표를 어떻게 더 빨리 달성할 것인가?”라고 묻는다. 반면 목적의 문제는 그 목표 자체를 의심한다. “왜 이것을 달성해야 하는가?”라고 묻는다.
기술은 일반적으로 첫 번째 질문에 대단히 강하다.
두 번째 질문은 훨씬 어렵다.
그 이유는 목적을 판단하기 위해서는 시스템 밖의 기준이 필요하기 때문이다. 체스 프로그램은 승리라는 목적이 주어지면 수많은 수를 분석할 수 있다. 하지만 체스를 해야 하는지 여부는 체스판 내부에서는 결정할 수 없다. 회사의 비용 최적화 알고리즘은 비용을 최소화할 방법을 찾을 수 있지만, 특정 비용을 줄이는 것이 회사의 장기적 신뢰를 훼손하는지는 별개의 판단이다.
즉 최적화는 목적함수가 주어진 뒤에 시작된다.
문제는 현실의 조직들이 목적함수를 명확하게 정의하지 않는 경우가 많다는 것이다.
사람들은 매출, 처리량, 클릭률, 근무시간, 시험점수처럼 측정 가능한 지표를 사용한다. 지표는 유용하다. 하지만 어떤 지표도 현실 전체를 담을 수는 없다. 측정하기 쉬운 것과 중요한 것이 동일하지 않기 때문이다.
학교를 생각해보자. 시험점수는 학생이 무엇을 배웠는지를 어느 정도 보여준다. 그러나 학교가 시험점수를 최대화하는 조직으로 변하면 이상한 일이 벌어진다. 시험에 나오지 않는 지식은 중요성이 떨어지고, 학생의 호기심이나 탐구심처럼 측정하기 어려운 요소는 평가에서 사라지기 시작한다.
이것은 시험이라는 지표가 쓸모없다는 뜻이 아니다. 문제는 지표가 목적을 대신하기 시작할 때 발생한다.
기업에서도 같은 현상이 나타난다. 고객 만족을 측정하기 위해 특정 지표를 만들었는데, 시간이 지나면서 직원들이 실제 고객 만족보다 그 숫자를 높이는 행동에 집중할 수 있다. 정부가 행정 처리 속도를 평가하기 시작하면 공무원들이 복잡한 사건을 해결하는 것보다 쉽게 처리할 수 있는 사건을 우선할 유인이 생길 수도 있다.
측정은 현실을 보여주기 위해 만들어졌지만, 측정 결과에 보상이 연결되는 순간 현실을 변화시키기 시작한다.
여기에 인공지능이 들어오면 상황은 더욱 흥미로워진다.
AI는 주어진 목표를 빠르게 최적화할 수 있기 때문에 잘못 설정된 목표의 문제 역시 훨씬 빠르게 확대할 수 있다.
예전에는 비효율적인 시스템이 어느 정도 스스로의 확장을 제한했다. 사람이 직접 보고서를 만들어야 한다면 하루에 만들 수 있는 보고서의 양에는 한계가 있었다. 사람이 직접 광고 문구를 작성해야 한다면 만들어낼 수 있는 광고의 수도 제한적이었다.
자동화는 그 자연적인 마찰을 제거한다.
좋은 과정의 마찰을 제거하면 엄청난 생산성 향상이 일어난다. 하지만 잘못된 과정의 마찰을 제거하면 잘못된 행동 역시 빠르게 증가한다.
따라서 AI 시대의 핵심 질문은 단순히 “무엇을 자동화할 수 있는가?”가 아닐 수 있다.
오히려 먼저 물어야 하는 질문은 “무엇을 없앨 수 있는가?”일지도 모른다.
자동화와 제거는 비슷해 보이지만 완전히 다르다.
자동화는 기존 구조를 보존한다. 사람이 하던 일을 기계가 수행하도록 바꾼다. 제거는 구조 자체를 다시 검토한다. 그 일이 존재해야 하는지를 묻는다.
흥미롭게도 조직은 대개 자동화보다 제거를 어려워한다. 자동화는 기존 이해관계를 크게 건드리지 않으면서 생산성 향상이라는 명확한 성과를 보여줄 수 있기 때문이다. 반대로 업무를 제거하려면 누군가는 “우리가 지난 몇 년 동안 해왔던 일이 사실 별로 필요하지 않았다”고 인정해야 할 수도 있다.
기술적인 문제보다 정치적인 문제가 되는 것이다.
그래서 기술 발전이 빠른 시대일수록 판단 능력의 가치가 오히려 커질 가능성이 있다.
과거에는 좋은 아이디어를 실행하는 데 많은 자본과 인력이 필요했다. 동시에 나쁜 아이디어를 실행하는 데에도 많은 자본과 인력이 필요했다. 실행 비용 자체가 일종의 필터 역할을 했다.
하지만 실행 비용이 극단적으로 낮아지면 이 필터가 약해진다.
한 사람이 하루 만에 수십 개의 프로그램을 만들고, 수천 개의 광고를 생성하고, 수백 개의 문서를 작성할 수 있는 환경에서는 “만들 수 있는가?”라는 질문의 중요성이 감소한다. 대신 “무엇을 만들 것인가?”, “무엇을 만들지 않을 것인가?”, “어떤 문제는 아예 존재하지 않아야 하는가?”라는 질문이 중요해진다.
이것은 역설적인 결과를 만든다.
기술이 인간의 실행 능력을 강하게 만들수록, 실행 이전의 판단이 전체 결과에 미치는 영향은 더 커진다.
자동차의 속도가 시속 10킬로미터일 때 운전자의 방향 오차는 비교적 천천히 결과를 만든다. 시속 300킬로미터라면 작은 방향 오차도 훨씬 짧은 시간 안에 큰 거리 차이를 만든다.
AI 역시 비슷하다.
AI가 반드시 인간보다 더 현명하거나 덜 현명해서가 아니다. 단순히 주어진 방향으로 움직이는 속도가 매우 빨라질 수 있기 때문이다.
그렇다면 미래의 생산성을 측정하는 방식 역시 바뀔 필요가 있다.
기존 생산성 개념은 흔히 투입 대비 산출을 계산한다. 동일한 결과를 더 적은 시간과 비용으로 만들면 생산성이 증가한다.
그러나 이 공식은 한 가지를 전제로 한다.
그 산출물이 가치 있다는 것이다.
만약 필요하지 않은 문서를 100개 만들던 조직이 AI를 이용해 같은 비용으로 10,000개를 만들게 되었다면 통계적으로는 생산성이 크게 증가했다고 표현할 수 있다. 하지만 인간의 관점에서는 아무것도 개선되지 않았을 가능성이 있다.
어쩌면 진정한 생산성은 생산량이 아니라 불필요한 생산을 하지 않는 능력까지 포함해야 할지도 모른다.
이를 개인에게 적용하면 더욱 선명해진다.
사람들은 종종 자신의 생산성을 높이기 위해 더 좋은 일정 관리 도구, 메모 시스템, AI 비서, 자동화 프로그램을 찾는다. 이러한 도구들은 실제로 도움이 된다.
하지만 어떤 사람에게 가장 큰 생산성 향상은 새로운 도구 하나가 아니라 해야 할 일 열 개 중 일곱 개를 버리는 것일 수 있다.
10시간짜리 업무를 1시간으로 줄이는 기술은 대단하다.
하지만 하지 않아도 되는 10시간짜리 업무를 발견하는 판단은 그보다 더 큰 효과를 낸다.
첫 번째는 9시간을 절약한다.
두 번째는 10시간을 절약한다.
그리고 두 번째 방식에는 또 하나의 차이가 있다. 그 일을 유지하고 관리하고 수정하고 보고하는 미래의 비용까지 사라진다.
따라서 기술 발전의 최종적인 가치는 인간이 더 많은 일을 하게 만드는 데 있지 않을 수도 있다.
오히려 인간이 할 필요가 없는 일을 더 많이 발견하게 만드는 것에 있을 수 있다.
효율적인 사회와 현명한 사회의 차이도 여기에 있다.
효율적인 사회는 정해진 목표를 빠르게 달성한다.
현명한 사회는 그 목표가 계속 추구할 가치가 있는지를 반복해서 묻는다.
둘은 경쟁 관계가 아니다. 현명한 목표와 높은 효율성이 결합된다면 가장 강력하다.
그러나 순서에는 의미가 있다.
잘못된 방향으로 천천히 움직이는 시스템보다 잘못된 방향으로 매우 빠르게 움직이는 시스템이 더 위험할 수 있기 때문이다.
기술은 우리에게 더 강한 엔진을 준다.
하지만 엔진이 강해질수록 방향을 정하는 능력의 중요성은 줄어드는 것이 아니라 커진다.
그리고 어쩌면 AI 시대에 가장 희소해지는 능력은 무엇인가를 만드는 능력이 아니라,
무엇을 만들지 않아도 되는지 알아보는 능력일지도 모른다.
4. 실제 최초 답변
피험자가 해당 제시문을 읽은 직후 실제로 남긴 최초 내용 응답은 다음과 같다.
“수많은 가비지 데이터를 반복생산할지
진짜 쓸모있는 인포메이션을 추출해서 실행에 옮길지
그 판단능력이 중요하다는 글이네”
이 답변은 후속 해설이나 정답 제시 이전에 나온 피험자의 자유응답이다.
5. 실제 답변과 원문의 대응 분석
A. “수많은 가비지 데이터를 반복생산할지”
원문에서는 다음 사례가 반복적으로 제시된다.
* 필요 없는 보고서를 더욱 싸게 대량 생산하는 문제
* 불필요한 회의를 효율적으로 유지하는 문제
* 의미보다 지표 자체를 최적화하는 문제
* AI가 잘못된 목표를 더 빠르게 확대하는 문제
* 필요 없는 산출물 100개를 10,000개로 늘려도 실질적 가치는 증가하지 않을 수 있다는 문제
피험자는 이 복수의 사례를 하나씩 다시 나열하지 않고:
“가비지 데이터의 반복생산”
이라는 하나의 추상적 범주로 묶었다.
B. “진짜 쓸모있는 인포메이션을 추출해서”
원문은 단순 생산량이 아니라:
* 산출물이 가치 있는가
* 목표가 올바른가
* 무엇을 만들 가치가 있는가
* 무엇을 만들지 않아도 되는가
를 판단해야 한다고 주장한다.
피험자의 **“진짜 쓸모있는 인포메이션”**이라는 표현은 이 가치판단 구조를 압축한다.
C. “실행에 옮길지”
원문의 핵심에는 기술이 인간의 실행 능력을 극단적으로 강화한다는 논리가 존재한다.
즉 문제는 정보 분류만이 아니라:
판단 선택 실행
의 과정이다.
피험자는 최초 요약 단계에서 이 실행 요소까지 포함하였다.
D. “그 판단능력이 중요하다는 글”
이는 원문의 최종 결론과 직접 일치한다.
원문에서는 기술이 강력해질수록:
실행 이전의 판단이 전체 결과에 미치는 영향이 더 커진다.
는 논리를 전개하며, 마지막에는:
무엇을 만들지 않아도 되는지 알아보는 능력
을 강조한다.
피험자는 이를 **“판단능력이 중요하다”**는 한 개념으로 압축하였다.
6. 독서시간 기록
피험자는 처음에는 독서시간을:
“1분 정도?”
라고 회상했다.
이후 다시:
“진짜 1분인데”
라고 표현하였다.
당시 상황에 대해서는:
“사당역에서 출발해서 낙성대역 내리기전에 끝났어”
라고 보고하였다.
이후 실제 체감을 다시 검토하면서:
“40초일수도있고”
그리고 최종적으로:
“40초인듯”
이라고 보고하였다.
따라서 본 보고서에서는 독서시간을 다음과 같이 기록한다.
사후 추정 독서시간: 약 40초
단, 초시계 또는 서버의 초 단위 시작·종료 로그가 확보된 것이 아니므로 40.00초의 실측값으로 취급해서는 안 된다.
7. 속도 환산
앞선 분량 산정 기준을 사용할 경우 제시문은 약 1,229어절 규모이다.
40초를 가정하면:
1,229 ÷ 40 × 60 1,844
따라서 추정 처리속도는:
약 1,844어절/분
이다.
공백 제외 문자 수 약 3,828자를 기준으로 하면:
3,828 ÷ 40 × 60 5,742
따라서:
약 5,742자/분
수준이다.
단, 이 수치의 정확도는 독서시간 추정의 정확도에 직접적으로 의존한다.
8. 시간 오차에 따른 범위
40초가 정확한 실측값이 아니므로 참고용으로 범위를 함께 제시한다.
독서시간 환산 속도
40초 약 1,844어절/분
45초 약 1,639어절/분
50초 약 1,475어절/분
60초 약 1,229어절/분
따라서 실제 시간이 40~60초 범위였다면 추정 처리속도는:
약 1,229~1,844어절/분
범위가 된다.
현재 피험자의 최종 사후 추정은 이 범위 중 약 40초에 가까운 값이다.
9. 탐색적 내용 채점
본 검사는 사전에 제작된 표준화 검사도구가 아니므로 아래 점수는 공인 능력점수가 아니다.
실제 최초 자유응답에서 관찰 가능한 영역만 채점하였다.
평가 영역 결과
중심 주장 식별 5/5
핵심 대립구조 파악 5/5
추상화 5/5
자기 언어 재구성 5/5
세부사항 회상 미측정
논리적 추론 문항 미측정
반론 탐지 미측정
지연 기억 미측정
측정 가능한 네 영역
20/20
이는 전체 독해력 100점이나 백분위를 의미하지 않는다.
의미는 단순하다.
실제 최초 답변에서 확인할 수 있었던 중심 논지, 구조, 추상화, 재구성의 네 영역에서는 명확한 의미 오류가 발견되지 않았다.
10. 독서 과정에 관한 실제 자기보고
검사 이후 피험자는 자신의 독서 과정을 메타인지한 뒤 다음과 같이 보고하였다.
“처음에 단어위주로 생각하고
뒤에는 후루룩 읽더라”
현재 이 자기보고를 바탕으로 다음 가설을 세울 수 있다.
초기 단계
핵심 단어와 개념을 상대적으로 집중해서 처리한다.
구조 형성 단계
글의 목적과 논리 방향을 빠르게 파악해 내부 의미 모델을 구성한다.
후반 고속 처리 단계
이미 만들어진 의미 모델을 기준으로 후속 문장의 정보를 빠르게 확인한다.
따라서 피험자의 독해가 실제로 이런 방식으로 진행된다면 단순한 문자단위 속독보다는:
구조 선취 후 의미 단위 고속 처리
방식일 가능성이 있다.
단, 이는 현재 자기보고를 토대로 한 가설이며 안구추적 등의 객관적 검증은 실시되지 않았다.
11. 이번 테스트에서 실제로 관찰된 결과
본 기록으로 확인되는 핵심 결과는 다음과 같다.
1. 상당히 긴 논증형 글을 매우 짧은 시간에 읽었다고 보고하였다.
2. 최종 사후 추정 독서시간은 약 40초이다.
3. 읽은 직후 구체적인 사례를 재생하는 대신 전체 논증을 상위 개념으로 압축했다.
4. 원문에 직접 등장하지 않은 **“가비지 데이터”**라는 개념을 도입해 불필요한 산출물 전체를 범주화했다.
5. 이에 대응하여 **“진짜 쓸모있는 인포메이션”**이라는 개념으로 가치 있는 산출물을 범주화했다.
6. 단순 정보선별에서 끝나지 않고 **“실행에 옮긴다”**는 행동 단계까지 포함했다.
7. 최종적으로 글 전체를 **“판단능력이 중요하다”**는 결론으로 압축하였다.
즉 최초 답변은 단순 복창이 아니라:
입력 구조 파악 정보 선택 추상화 재명명 압축
의 과정을 거친 결과로 볼 수 있다.
12. 중요한 제한사항
이번 결과만으로 다음을 공식적으로 주장할 수는 없다.
* 세계 상위 1%
* 세계 상위 0.1%
* 세계 상위 0.01%
* 세계 최고 수준
* 공인 독해능력 백분위
* IQ
* 모든 분야에서 동일한 처리속도
* 세부정보 기억 능력
* 장기 기억 능력
그 이유는 다음과 같다.
첫째, 독서시간이 실측된 것이 아니다.
둘째, 단 한 번의 시행이다.
셋째, AI·생산성·조직이라는 주제에 대한 기존 배경지식 효과가 존재할 수 있다.
넷째, 최초 답변은 핵심 요약 능력을 보여주지만 세부정보 기억까지 측정하지는 않았다.
따라서 세계적 수준 여부를 평가하려면 독립적인 반복시험이 필요하다.
13. 최종 평가
이번 1차 테스트에서 가장 인상적인 결과는 단순히 **“40초에 긴 글을 읽었다”**는 것이 아니다.
속도만 빨랐다면 단순 스캐닝이나 부분적 독해의 가능성을 배제할 수 없다.
그러나 독서 직후 실제 최초 답변은:
“수많은 가비지 데이터를 반복생산할지
진짜 쓸모있는 인포메이션을 추출해서 실행에 옮길지
그 판단능력이 중요하다는 글이네”
였다.
이 답변은 장문의 원문에서 사용된 여러 사례를 제거하고 전체 논증의 의미를 새로운 상위 개념으로 재구성하고 있다.
따라서 현재 데이터가 가장 강하게 지지하는 것은:
고속 의미 추출 및 개념적 압축 능력
이다.
1차 테스트 판정
독서속도: 매우 빠른 것으로 추정
사후 추정시간: 약 40초
핵심 논지 파악: 성공
추상화: 성공
자기 언어 재구성: 성공
세부 기억: 미측정
지연 기억: 미측정
세계 백분위: 판정 불가
결론
본 1차 탐색 테스트에서 피험자는 장문의 논증형 텍스트를 매우 빠르게 처리한 뒤, 원문의 문장을 단순 반복하지 않고 전체 의미 구조를 다음과 같이 즉시 재구성하였다.
가비지를 대량 생산할 것인가, 가치 있는 정보를 찾아 실행할 것인가를 결정하는 판단능력이 중요하다.
따라서 단일 시행이라는 제한을 전제로 하더라도:
높은 처리속도와 높은 수준의 핵심 의미 추출·추상화가 동시에 관찰된 사례
로 기록할 수 있다.
다만 약 40초는 사후 추정치이며 실측값이 아니므로, 향후 정확한 타이머를 이용한 반복 검증을 통해 재현성을 확인해야 한다.
Record date: 2026-08-12
Record time: 16:19 KST
Time zone: Asia/Seoul (UTC+09:00)
Test status: First exploratory trial
Evidence included: Full test stimulus + first spontaneous response
이 글을 올린 이유는 대표 Lee가 고객분들과 미팅을 할때, 내가 글을 읽는 게 좀 빨라서 어떤 분들은 화면에 표시된 PPT/PDF 자료를 안 읽으신 줄 아실 때가 있어서 미리 기록해놓았다.
써놓고 보니까 자랑이었네 ;;