상승 전환추적 후보Codex 검토OpenAI는 모델이 실제 연구에 기여하는 초기 신호를 연구 자동화의 출발점으로 검토하고 있다여러 변화의 연결달라진 점OpenAI의 내부 GPT-5 Pro 계열 시스템에서 작지 않지만 의미 있는 아이디어와 어느 정도 영향력 있는 통찰이 나온 사례가 있었다고 파초키가 말했다. 다만 기대 수준과 비교하면 아직 매우 초기 단계라고 했다.다르게 볼 이유Codex의 실제 코딩 활용과 연구용 시스템의 초기 통찰을 함께 보면, 이 자료는 OpenAI가 모델 성능을 연구 과정의 일부에 투입하는 방향을 강화하고 있다고 제시한다. 이는 원문 발언을 바탕으로 한 Codex의 검토이며, 연구 자동화의 실현 규모는 아직 확인되지 않았다.남은 확인원문은 해당 아이디어의 구체적 내용, 재현성, 외부 연구 성과와 경제적 효과를 제시하지 않는다.
원문을 바탕으로 한 Codex의 독립 판단입니다. 출처가 전한 사실·해석과 구분해 읽을 수 있습니다.
분석 대상 · AI가 돕는 AI 연구
이전에는
이전 상태의 비교 근거가 이 분석에 정리되지 않았습니다.
새롭게 달라진 점
OpenAI의 내부 GPT-5 Pro 계열 시스템에서 작지 않지만 의미 있는 아이디어와 어느 정도 영향력 있는 통찰이 나온 사례가 있었다고 파초키가 말했다. 다만 기대 수준과 비교하면 아직 매우 초기 단계라고 했다.
원문 근거
실제로 연구를 진행하시다가 어느 날 테스트를 돌렸는데, 예상보다 훨씬 의미 있는 결과나 전혀 새로운 현상이 관측되는 순간들도 분명 있으실 것 같습니다. 그렇다면 앞으로 특히 중요하게 보고 계신 이정표는 무엇인지 궁금합니다. 연구자로서 지금 가장 주의 깊게 지켜보고 있는 변화나 신호는 무엇인지, 또 어떤 지점에 도달했을 때 “이건 정말 의미 있는 진전이다”라고 판단하게 되는지 듣고 싶습니다. 야쿠브 파초키 Jakub Pachocki : 제가 지금 가장 집중하고 있는 것은 결국 AI 연구원을 완성하는 문제라고 할 수 있습니다. 다시 말해, 모델이 스스로 새로운 사실을 발견할 수 있는지, 그리고 호흡이 긴 장기 연구 과제를 실제로 끝까지 수행해낼 수 있는지가 가장 중요한 관심사입니다. 저희가 내부적으로 사용하고 있는 GPT-5 Pro 계열 시스템들에서도 이미 작지 않지만 분명 의미 있는 아이디어가 나온 적은 있습니다. 실제로 어느 정도는 영향력이 있는 통찰을 준 사례들도 있었습니다. 다만 개인적으로 기대하고 있는 수준과 비교하면, 아직은 매우 초기 단계에 가깝다고 생각합니다. 제이콥 에프론 : 지금 가장 앞선 모델들과 거의 연구 파트너에 가깝게 직접 상호작용하고 계신, 사실상 최초의 사람들 중 한 분이라고 할 수 있을 것 같습니다. 그래서 궁금한 것은, 이런 모델들과 함께 일하면서 “이렇게 상호작용해야 가장 잘 된다”라고 느끼게 된 방식이 따로 있는지입니다.
다르게 볼 이유
Codex의 실제 코딩 활용과 연구용 시스템의 초기 통찰을 함께 보면, 이 자료는 OpenAI가 모델 성능을 연구 과정의 일부에 투입하는 방향을 강화하고 있다고 제시한다. 이는 원문 발언을 바탕으로 한 Codex의 검토이며, 연구 자동화의 실현 규모는 아직 확인되지 않았다.
원문 근거
실제로 연구를 진행하시다가 어느 날 테스트를 돌렸는데, 예상보다 훨씬 의미 있는 결과나 전혀 새로운 현상이 관측되는 순간들도 분명 있으실 것 같습니다. 그렇다면 앞으로 특히 중요하게 보고 계신 이정표는 무엇인지 궁금합니다. 연구자로서 지금 가장 주의 깊게 지켜보고 있는 변화나 신호는 무엇인지, 또 어떤 지점에 도달했을 때 “이건 정말 의미 있는 진전이다”라고 판단하게 되는지 듣고 싶습니다. 야쿠브 파초키 Jakub Pachocki : 제가 지금 가장 집중하고 있는 것은 결국 AI 연구원을 완성하는 문제라고 할 수 있습니다. 다시 말해, 모델이 스스로 새로운 사실을 발견할 수 있는지, 그리고 호흡이 긴 장기 연구 과제를 실제로 끝까지 수행해낼 수 있는지가 가장 중요한 관심사입니다. 저희가 내부적으로 사용하고 있는 GPT-5 Pro 계열 시스템들에서도 이미 작지 않지만 분명 의미 있는 아이디어가 나온 적은 있습니다. 실제로 어느 정도는 영향력이 있는 통찰을 준 사례들도 있었습니다. 다만 개인적으로 기대하고 있는 수준과 비교하면, 아직은 매우 초기 단계에 가깝다고 생각합니다. 제이콥 에프론 : 지금 가장 앞선 모델들과 거의 연구 파트너에 가깝게 직접 상호작용하고 계신, 사실상 최초의 사람들 중 한 분이라고 할 수 있을 것 같습니다. 그래서 궁금한 것은, 이런 모델들과 함께 일하면서 “이렇게 상호작용해야 가장 잘 된다”라고 느끼게 된 방식이 따로 있는지입니다.
그 과정에서 새롭게 깨달은 점도 분명 있으셨을 것 같습니다. 아울러 모델이 계속 더 강력해진다면, 미래의 연구 조직 자체가 어떤 모습으로 바뀌게 될지에 대해서도 생각해보신 적이 있는지 궁금합니다. 연구자와 모델의 역할 분담은 어떻게 달라질지, 그리고 연구팀의 일하는 방식은 어떤 방향으로 재편될 것이라고 보시는지도 함께 듣고 싶습니다. 야쿠브 파초키 Jakub Pachocki : 지금 우리는 분명 거대한 전환점에 들어서고 있습니다. 이제는 모델의 단기적이고 즉각적인 품질 자체가 연구 발전 속도를 결정하는 매우 중요한 요인이 되어가고 있다고 봅니다. 앞으로는 연구 과정의 상당 부분을 모델이 실제로 담당하게 될 가능성이 크기 때문입니다. 그렇기 때문에 이는 연구 조직을 어떻게 운영해야 하는지에 대한 기존의 직관 자체를 다시 구성할 필요가 있다는 뜻이기도 합니다. 아시다시피 보통은 눈앞의 즉각적인 성과나 품질에 지나치게 매달리지 않으려 하고, 더 장기적인 관점에 무게를 두려고 합니다. 오픈AI 내부에도 장기적으로 준비해 온 매우 흥미로운 프로젝트들이 많이 있습니다. 다만 지금은 그것들을 실제로 실행에 옮기고, 동시에 더 향상된 모델 지능을 활용해 AI 연구 자체를 가속화해야 한다는 강한 시급함을 느끼고 있습니다. 특히 AI 정렬 연구를 더 빠르게 진전시켜야 한다는 점에서 그 시급함의 정도가 매우 크다고 생각합니다.
판단을 바꿀 조건
이 긍정적 검토는 원문이 말한 초기 통찰이 재현 가능한 연구 진전으로 이어지지 않거나 확장 가능한 토대가 아니라는 확인이 나오면 약화된다.
원문 근거
예를 들어 우리가 이 접근을 얼마나 명확하게 이해하고 있는지, 실제로 충분히 확장 가능한 방법인지, 앞으로 그 위에 더 많은 것을 쌓아 올릴 수 있는 토대가 되는지, 아니면 일회성 성과에 그칠 가능성이 큰지를 함께 따져보는 것입니다. 그리고 그런 판단을 바탕으로 최종적인 우선순위를 결정하게 됩니다.도에 불과한지 등을 따져보는 것입니다. 그리고 이러한 판단을 근거로 최종적인 우선순위를 결정합니다. 제이콥 에프론 : 오픈AI의 Codex에도 매우 중요한 시기였지만, 동시에 시장에서는 여전히 앤스로픽의 Claude Code가 강한 존재감을 보이고 있는 것 같습니다. 그렇다면 앤스로픽이 이 분야에서 특히 성공할 수 있었던 이유를 당신은 어떻게 보고 계신지 궁금합니다. 야쿠브 파초키 Jakub Pachocki : 결국 앤스로픽이 우세했던 이슈를 해석하자면, 기술의 다음 핵심 응용처가 어디가 될 것이라고 보느냐에 따라 제품의 방향성을 어디에 둘지가 결정된다고 생각합니다. 오픈AI의 내부적인 제품 우선순위를 돌아보면, 코딩 관련 제품도 분명 계속 개발해 왔지만 전체 우선순위 안에서는 어디까지나 상대적으로 부차적인 영역에 가까웠습니다. 흥미로운 점은 이런 제품 우선순위가 오픈AI 내부 연구 조직의 우선순위를 그대로 반영하는 것은 아니라는 사실입니다. ChatGPT는 분명 폭발적인 성공을 거두었습니다.
판단을 뒷받침하는 근거
- 모델의 단기적이고 즉각적인 품질이 연구 발전 속도를 결정하는 중요한 요인이 되고, 연구 과정의 상당 부분을 모델이 실제로 담당할 가능성이 크다고 설명했다.
원문 근거
그 과정에서 새롭게 깨달은 점도 분명 있으셨을 것 같습니다. 아울러 모델이 계속 더 강력해진다면, 미래의 연구 조직 자체가 어떤 모습으로 바뀌게 될지에 대해서도 생각해보신 적이 있는지 궁금합니다. 연구자와 모델의 역할 분담은 어떻게 달라질지, 그리고 연구팀의 일하는 방식은 어떤 방향으로 재편될 것이라고 보시는지도 함께 듣고 싶습니다. 야쿠브 파초키 Jakub Pachocki : 지금 우리는 분명 거대한 전환점에 들어서고 있습니다. 이제는 모델의 단기적이고 즉각적인 품질 자체가 연구 발전 속도를 결정하는 매우 중요한 요인이 되어가고 있다고 봅니다. 앞으로는 연구 과정의 상당 부분을 모델이 실제로 담당하게 될 가능성이 크기 때문입니다. 그렇기 때문에 이는 연구 조직을 어떻게 운영해야 하는지에 대한 기존의 직관 자체를 다시 구성할 필요가 있다는 뜻이기도 합니다. 아시다시피 보통은 눈앞의 즉각적인 성과나 품질에 지나치게 매달리지 않으려 하고, 더 장기적인 관점에 무게를 두려고 합니다. 오픈AI 내부에도 장기적으로 준비해 온 매우 흥미로운 프로젝트들이 많이 있습니다. 다만 지금은 그것들을 실제로 실행에 옮기고, 동시에 더 향상된 모델 지능을 활용해 AI 연구 자체를 가속화해야 한다는 강한 시급함을 느끼고 있습니다. 특히 AI 정렬 연구를 더 빠르게 진전시켜야 한다는 점에서 그 시급함의 정도가 매우 크다고 생각합니다.
- 컴퓨팅 자원 배분에서는 접근의 이해도, 확장 가능성, 더 많은 것을 쌓을 토대인지와 일회성 성과 가능성을 함께 본다고 말했다.
원문 근거
야쿠브 파초키 Jakub Pachocki : 해야 할 일이 워낙 많기 때문에, 컴퓨팅 자원을 어떻게 배분할지는 매우 복잡하고 여러 요소를 함께 고려해야 하는 문제입니다. 그 과정에서 저희가 하나의 원칙처럼 지키고 있는 기준이 있습니다. 바로 범용적인 모델 지능을 끌어올리는 데 가장 핵심적이라고 믿는, 그리고 가장 확장 가능하다(scalable)고 판단하는 방법들에 컴퓨팅 자원의 상당 부분을 의도적으로 배정하려고 한다는 점입니다. 이것이 언제나 모든 면에서 가장 효율적인 방식이라고 말할 수는 없지만, 그럼에도 중요한 원칙이라고 생각합니다. 왜냐하면 하나의 실험이나 특정한 실험군에 막대한 컴퓨팅 자원을 투입하면, 그 자원의 일부를 다른 여러 시도에 나누어 써서 얻을 수 있었던 작지만 의미 있는 진전을 놓칠 수도 있기 때문입니다. 반대로 지금 진행 중인 온갖 흥미롭고 중요한 일들에 자원을 너무 잘게 쪼개어 배분하다 보면, 결국 모든 것을 조금씩만 건드린 채 정작 가장 중요하다고 믿는 핵심 과업을 끝까지 밀어붙이지 못하게 될 위험도 있습니다. 그래서 결국 가장 먼저 확인해야 하는 것은 구체적인 경험적 증거입니다. 평가 체계가 제대로 작동하고 있는지, 실험이 충분히 엄밀하게 설계되어 있는지, 그리고 결과를 정말 신뢰할 수 있는지를 먼저 점검해야 합니다. 그다음에는 몇 가지 기준을 놓고 우선순위를 조정합니다.
예를 들어 우리가 이 접근을 얼마나 명확하게 이해하고 있는지, 실제로 충분히 확장 가능한 방법인지, 앞으로 그 위에 더 많은 것을 쌓아 올릴 수 있는 토대가 되는지, 아니면 일회성 성과에 그칠 가능성이 큰지를 함께 따져보는 것입니다. 그리고 그런 판단을 바탕으로 최종적인 우선순위를 결정하게 됩니다.도에 불과한지 등을 따져보는 것입니다. 그리고 이러한 판단을 근거로 최종적인 우선순위를 결정합니다. 제이콥 에프론 : 오픈AI의 Codex에도 매우 중요한 시기였지만, 동시에 시장에서는 여전히 앤스로픽의 Claude Code가 강한 존재감을 보이고 있는 것 같습니다. 그렇다면 앤스로픽이 이 분야에서 특히 성공할 수 있었던 이유를 당신은 어떻게 보고 계신지 궁금합니다. 야쿠브 파초키 Jakub Pachocki : 결국 앤스로픽이 우세했던 이슈를 해석하자면, 기술의 다음 핵심 응용처가 어디가 될 것이라고 보느냐에 따라 제품의 방향성을 어디에 둘지가 결정된다고 생각합니다. 오픈AI의 내부적인 제품 우선순위를 돌아보면, 코딩 관련 제품도 분명 계속 개발해 왔지만 전체 우선순위 안에서는 어디까지나 상대적으로 부차적인 영역에 가까웠습니다. 흥미로운 점은 이런 제품 우선순위가 오픈AI 내부 연구 조직의 우선순위를 그대로 반영하는 것은 아니라는 사실입니다. ChatGPT는 분명 폭발적인 성공을 거두었습니다.
다음 확인 지점
- 이 초기 통찰이 재현 가능한 연구 성과나 제품·매출로 이어지는지는 원문에서 확인되지 않았으므로 이후 확인이 필요하다.
원문 근거
실제로 연구를 진행하시다가 어느 날 테스트를 돌렸는데, 예상보다 훨씬 의미 있는 결과나 전혀 새로운 현상이 관측되는 순간들도 분명 있으실 것 같습니다. 그렇다면 앞으로 특히 중요하게 보고 계신 이정표는 무엇인지 궁금합니다. 연구자로서 지금 가장 주의 깊게 지켜보고 있는 변화나 신호는 무엇인지, 또 어떤 지점에 도달했을 때 “이건 정말 의미 있는 진전이다”라고 판단하게 되는지 듣고 싶습니다. 야쿠브 파초키 Jakub Pachocki : 제가 지금 가장 집중하고 있는 것은 결국 AI 연구원을 완성하는 문제라고 할 수 있습니다. 다시 말해, 모델이 스스로 새로운 사실을 발견할 수 있는지, 그리고 호흡이 긴 장기 연구 과제를 실제로 끝까지 수행해낼 수 있는지가 가장 중요한 관심사입니다. 저희가 내부적으로 사용하고 있는 GPT-5 Pro 계열 시스템들에서도 이미 작지 않지만 분명 의미 있는 아이디어가 나온 적은 있습니다. 실제로 어느 정도는 영향력이 있는 통찰을 준 사례들도 있었습니다. 다만 개인적으로 기대하고 있는 수준과 비교하면, 아직은 매우 초기 단계에 가깝다고 생각합니다. 제이콥 에프론 : 지금 가장 앞선 모델들과 거의 연구 파트너에 가깝게 직접 상호작용하고 계신, 사실상 최초의 사람들 중 한 분이라고 할 수 있을 것 같습니다. 그래서 궁금한 것은, 이런 모델들과 함께 일하면서 “이렇게 상호작용해야 가장 잘 된다”라고 느끼게 된 방식이 따로 있는지입니다.
아직 모르는 점
- 원문은 해당 아이디어의 구체적 내용, 재현성, 외부 연구 성과와 경제적 효과를 제시하지 않는다.
원문 근거 4개 펼치기
출처의 해석·전망
- 파초키는 내부 GPT-5 Pro 계열에서 의미 있는 아이디어가 나온 사례가 있지만 아직 초기 단계라고 평가했다. 모델의 단기 품질이 연구 발전 속도를 좌우하고 연구 과정의 상당 부분을 맡게 될 수 있어, 연구 조직 운영과 컴퓨팅 자원 배분의 직관을 다시 구성해야 한다고 본다.
보존 원문 발췌
실제로 연구를 진행하시다가 어느 날 테스트를 돌렸는데, 예상보다 훨씬 의미 있는 결과나 전혀 새로운 현상이 관측되는 순간들도 분명 있으실 것 같습니다. 그렇다면 앞으로 특히 중요하게 보고 계신 이정표는 무엇인지 궁금합니다. 연구자로서 지금 가장 주의 깊게 지켜보고 있는 변화나 신호는 무엇인지, 또 어떤 지점에 도달했을 때 “이건 정말 의미 있는 진전이다”라고 판단하게 되는지 듣고 싶습니다. 야쿠브 파초키 Jakub Pachocki : 제가 지금 가장 집중하고 있는 것은 결국 AI 연구원을 완성하는 문제라고 할 수 있습니다. 다시 말해, 모델이 스스로 새로운 사실을 발견할 수 있는지, 그리고 호흡이 긴 장기 연구 과제를 실제로 끝까지 수행해낼 수 있는지가 가장 중요한 관심사입니다. 저희가 내부적으로 사용하고 있는 GPT-5 Pro 계열 시스템들에서도 이미 작지 않지만 분명 의미 있는 아이디어가 나온 적은 있습니다. 실제로 어느 정도는 영향력이 있는 통찰을 준 사례들도 있었습니다. 다만 개인적으로 기대하고 있는 수준과 비교하면, 아직은 매우 초기 단계에 가깝다고 생각합니다. 제이콥 에프론 : 지금 가장 앞선 모델들과 거의 연구 파트너에 가깝게 직접 상호작용하고 계신, 사실상 최초의 사람들 중 한 분이라고 할 수 있을 것 같습니다. 그래서 궁금한 것은, 이런 모델들과 함께 일하면서 “이렇게 상호작용해야 가장 잘 된다”라고 느끼게 된 방식이 따로 있는지입니다.
그 과정에서 새롭게 깨달은 점도 분명 있으셨을 것 같습니다. 아울러 모델이 계속 더 강력해진다면, 미래의 연구 조직 자체가 어떤 모습으로 바뀌게 될지에 대해서도 생각해보신 적이 있는지 궁금합니다. 연구자와 모델의 역할 분담은 어떻게 달라질지, 그리고 연구팀의 일하는 방식은 어떤 방향으로 재편될 것이라고 보시는지도 함께 듣고 싶습니다. 야쿠브 파초키 Jakub Pachocki : 지금 우리는 분명 거대한 전환점에 들어서고 있습니다. 이제는 모델의 단기적이고 즉각적인 품질 자체가 연구 발전 속도를 결정하는 매우 중요한 요인이 되어가고 있다고 봅니다. 앞으로는 연구 과정의 상당 부분을 모델이 실제로 담당하게 될 가능성이 크기 때문입니다. 그렇기 때문에 이는 연구 조직을 어떻게 운영해야 하는지에 대한 기존의 직관 자체를 다시 구성할 필요가 있다는 뜻이기도 합니다. 아시다시피 보통은 눈앞의 즉각적인 성과나 품질에 지나치게 매달리지 않으려 하고, 더 장기적인 관점에 무게를 두려고 합니다. 오픈AI 내부에도 장기적으로 준비해 온 매우 흥미로운 프로젝트들이 많이 있습니다. 다만 지금은 그것들을 실제로 실행에 옮기고, 동시에 더 향상된 모델 지능을 활용해 AI 연구 자체를 가속화해야 한다는 강한 시급함을 느끼고 있습니다. 특히 AI 정렬 연구를 더 빠르게 진전시켜야 한다는 점에서 그 시급함의 정도가 매우 크다고 생각합니다.
야쿠브 파초키 Jakub Pachocki : 해야 할 일이 워낙 많기 때문에, 컴퓨팅 자원을 어떻게 배분할지는 매우 복잡하고 여러 요소를 함께 고려해야 하는 문제입니다. 그 과정에서 저희가 하나의 원칙처럼 지키고 있는 기준이 있습니다. 바로 범용적인 모델 지능을 끌어올리는 데 가장 핵심적이라고 믿는, 그리고 가장 확장 가능하다(scalable)고 판단하는 방법들에 컴퓨팅 자원의 상당 부분을 의도적으로 배정하려고 한다는 점입니다. 이것이 언제나 모든 면에서 가장 효율적인 방식이라고 말할 수는 없지만, 그럼에도 중요한 원칙이라고 생각합니다. 왜냐하면 하나의 실험이나 특정한 실험군에 막대한 컴퓨팅 자원을 투입하면, 그 자원의 일부를 다른 여러 시도에 나누어 써서 얻을 수 있었던 작지만 의미 있는 진전을 놓칠 수도 있기 때문입니다. 반대로 지금 진행 중인 온갖 흥미롭고 중요한 일들에 자원을 너무 잘게 쪼개어 배분하다 보면, 결국 모든 것을 조금씩만 건드린 채 정작 가장 중요하다고 믿는 핵심 과업을 끝까지 밀어붙이지 못하게 될 위험도 있습니다. 그래서 결국 가장 먼저 확인해야 하는 것은 구체적인 경험적 증거입니다. 평가 체계가 제대로 작동하고 있는지, 실험이 충분히 엄밀하게 설계되어 있는지, 그리고 결과를 정말 신뢰할 수 있는지를 먼저 점검해야 합니다. 그다음에는 몇 가지 기준을 놓고 우선순위를 조정합니다.
예를 들어 우리가 이 접근을 얼마나 명확하게 이해하고 있는지, 실제로 충분히 확장 가능한 방법인지, 앞으로 그 위에 더 많은 것을 쌓아 올릴 수 있는 토대가 되는지, 아니면 일회성 성과에 그칠 가능성이 큰지를 함께 따져보는 것입니다. 그리고 그런 판단을 바탕으로 최종적인 우선순위를 결정하게 됩니다.도에 불과한지 등을 따져보는 것입니다. 그리고 이러한 판단을 근거로 최종적인 우선순위를 결정합니다. 제이콥 에프론 : 오픈AI의 Codex에도 매우 중요한 시기였지만, 동시에 시장에서는 여전히 앤스로픽의 Claude Code가 강한 존재감을 보이고 있는 것 같습니다. 그렇다면 앤스로픽이 이 분야에서 특히 성공할 수 있었던 이유를 당신은 어떻게 보고 계신지 궁금합니다. 야쿠브 파초키 Jakub Pachocki : 결국 앤스로픽이 우세했던 이슈를 해석하자면, 기술의 다음 핵심 응용처가 어디가 될 것이라고 보느냐에 따라 제품의 방향성을 어디에 둘지가 결정된다고 생각합니다. 오픈AI의 내부적인 제품 우선순위를 돌아보면, 코딩 관련 제품도 분명 계속 개발해 왔지만 전체 우선순위 안에서는 어디까지나 상대적으로 부차적인 영역에 가까웠습니다. 흥미로운 점은 이런 제품 우선순위가 오픈AI 내부 연구 조직의 우선순위를 그대로 반영하는 것은 아니라는 사실입니다. ChatGPT는 분명 폭발적인 성공을 거두었습니다.
상승 관점 보조 신호 · 가격 충격·지속성·후속 근거
장대양봉급 뉴스
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.
지속 턴어라운드
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.
셀온 뒤 재상승 근거
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.