[OpenAI] Town Hall 요약: Sam Altman이 말하는 AI 시대의 미래

서론

2024년, OpenAI는 개발자 및 빌더 커뮤니티와의 Town Hall을 통해 차세대 AI 도구의 방향성을 논의했습니다. Sam Altman CEO가 직접 참석하여 소프트웨어 엔지니어링의 미래, Agent 시스템, AI 안전성, 그리고 창작의 본질까지 폭넓은 주제에 대해 솔직한 견해를 밝혔습니다.

이 글에서는 Town Hall에서 다뤄진 핵심 주제들을 정리하고, AI 시대를 준비하는 개발자와 빌더들에게 실질적인 인사이트를 제공하고자 합니다.

Town Hall 보러가기: https://youtu.be/Wpxv-8nG8ec

---

1. 소프트웨어 엔지니어링의 미래: Jevons Paradox

핵심 질문

AI가 코드 작성을 극적으로 빠르고 저렴하게 만든다면, 소프트웨어 엔지니어에 대한 수요는 줄어들까요, 아니면 오히려 늘어날까요?

Sam Altman의 견해

Altman은 엔지니어의 역할이 근본적으로 변화할 것이라고 전망했습니다. 코드를 직접 타이핑하거나 디버깅하는 시간은 크게 줄어들겠지만, “컴퓨터가 원하는 일을 하도록 만드는” 능력의 가치는 오히려 높아질 것입니다.

역사적으로 엔지니어링 도구가 발전할 때마다 더 많은 사람들이 생산적으로 참여할 수 있게 되었고, 세상에는 더 많은 소프트웨어가 만들어졌습니다. Altman은 이 패턴이 계속될 것으로 예상하며, 특히 개인 맞춤형 소프트웨어의 시대가 올 것이라고 내다봤습니다. 한 사람 또는 소수를 위해 작성된 소프트웨어가 보편화되고, 사용자들이 자신의 소프트웨어를 끊임없이 커스터마이징하는 세상이 다가오고 있습니다.

---

1. Go-to-Market이 새로운 병목인가?

문제 제기

AI 도구들(Codex, Cursor, Lovable 등)로 제품을 쉽게 만들 수 있게 되면서, 이제 진짜 어려운 문제는 Go-to-Market(GTM), 즉 사용자를 확보하는 일이 되었다는 지적이 나왔습니다.

현실적인 조언

Altman은 Y Combinator 시절을 회상하며, 스타트업 창업자들이 항상 “제품 만들기가 어려울 줄 알았는데, 진짜 어려운 건 사람들이 관심을 갖게 만드는 것”이라고 말했다고 전했습니다.

AI가 소프트웨어 개발을 쉽게 만들었다고 해서 비즈니스의 다른 규칙들이 바뀐 것은 아닙니다. 차별화된 가치 제공, GTM 전략 수립, 사용자 확보 등의 과제는 여전히 어렵습니다. 다만 한 가지 긍정적인 변화가 있다면, AI가 이제 영업과 마케팅 자동화에도 활용되기 시작했다는 점입니다.

그러나 풍요의 시대에도 인간의 주의(Attention)는 여전히 희소 자원입니다. 경쟁은 계속될 것이고, 창의적인 아이디어와 뛰어난 제품이 필요합니다.

---

1. Agent Builder와 Multi-Agent UI의 미래

현재 상황

OpenAI의 Agent Builder 도구가 현재는 워크플로우와 프롬프트 체이닝 수준에 머물러 있는데, 향후 어떤 방향으로 발전할 것인지에 대한 질문이 제기되었습니다.

OpenAI의 접근 방식

Altman은 솔직하게 인정했습니다. 아직 이 모든 것의 올바른 인터페이스가 무엇인지 모릅니다. 사람들이 어떻게 사용하고 싶어할지도 확실하지 않습니다.

일부 사용자는 복잡한 멀티 에이전트 설정을 선호하고, 또 다른 사용자는 단순한 대화형 인터페이스를 원합니다. 어떤 사람은 30개의 모니터를 보며 에이전트들을 조율하고 싶어하고, 어떤 사람은 한 시간에 한 번씩만 음성으로 지시하며 조용히 일하고 싶어합니다.

모델의 능력 대비 사용자들이 실제로 끌어내는 가치 사이의 격차(Overhang)가 매우 크고 계속 커지고 있습니다. 이 격차를 메우는 도구를 만드는 것은 큰 기회이며, OpenAI도 시도하겠지만 외부 빌더들의 다양한 접근이 필요한 영역입니다.

---

1. AI와 경제적 불평등

희망적인 전망

Altman은 AI가 대규모 디플레이션 압력을 가져올 것이라고 예측했습니다. 컴퓨터 앞에서 하는 작업뿐 아니라 로보틱스 등의 발전으로 물리적 영역에서도 비용이 급격히 낮아질 것입니다.

올해 말까지 100달러에서 1,000달러의 Inference 비용과 좋은 아이디어만 있으면, 과거에 팀 단위로 1년이 걸렸을 소프트웨어를 만들 수 있게 될 것입니다. 이는 사회에 기존에 공정한 대우를 받지 못했던 사람들에게도 좋은 기회가 될 수 있습니다.

경고

그러나 동시에 AI가 권력과 부를 집중시키는 시나리오도 가능합니다. 이를 방지하는 것이 정책의 주요 목표가 되어야 한다고 Altman은 강조했습니다.

---

1. 범용 모델 vs 특화 모델

GPT-5의 Trade-off

GPT 4.5가 처음으로 정말 좋은 글쓰기를 보여줬다면, GPT-5는 코딩과 추론에서 뛰어나지만 글쓰기 품질에서는 논란이 있었습니다.

OpenAI의 방향성

Altman은 이를 솔직하게 실수로 인정했습니다. GPT 5.2에서는 지능, 추론, 코딩에 집중하기로 결정했고, 제한된 리소스로 한 가지에 집중하다 보니 다른 영역이 소홀해졌습니다.

그러나 미래는 대부분 뛰어난 범용 모델이 될 것입니다. 코딩에 좋은 모델이라도 글을 잘 써야 합니다. 전체 애플리케이션을 생성할 때 좋은 글쓰기가 필요하고, 사용자와 상호작용할 때 명확하게 소통해야 합니다. 지능은 놀라울 정도로 대체 가능한(Fungible) 것이며, 하나의 모델에서 모든 차원을 잘할 수 있다고 믿습니다.

---

1. Intelligence Too Cheap to Meter

비용 하락 전망

GPT 5.2x 수준의 지능을 2027년 말까지 최소 100배 저렴하게 제공할 수 있을 것으로 예상됩니다. 01 preview부터 현재까지의 비용 곡선 하락을 보면 이는 충분히 가능한 목표입니다.

새로운 차원: 속도

그러나 비용만큼이나 중요해지는 것이 속도입니다. 많은 사용자들이 같은 출력을 100배 비싼 가격에라도 1/100의 시간에 받고 싶어합니다. 비용 최적화와 속도 최적화는 매우 다른 문제이며, 시장이 어느 쪽을 더 원하는지에 따라 우선순위가 달라질 것입니다.

---

1. Micro-Apps와 개인 맞춤형 소프트웨어

패러다임 전환

Altman 자신의 경험을 공유했습니다. Codex를 사용하면서 더 이상 소프트웨어를 정적인 것으로 생각하지 않게 되었습니다. 작은 문제가 생기면 컴퓨터가 즉시 코드를 작성해서 해결해줄 것으로 기대합니다.

컴퓨터와 운영체제를 사용하는 방식 전체가 변할 것입니다. 워드 프로세서처럼 익숙한 인터페이스는 유지하되, 개인의 사용 패턴에 맞게 끊임없이 커스터마이징되는 도구가 보편화될 것입니다.

OpenAI 내부에서도 Codex를 적극 활용하는 직원들은 저마다 완전히 다른 방식으로 커스텀 도구를 만들어 사용하고 있습니다.

---

1. 스타트업의 지속 가능성

핵심 질문

모델 업데이트로 스타트업 기능이 빠르게 대체될 수 있는 상황에서, 어떻게 지속 가능한 비즈니스를 만들 수 있을까요?

Altman의 프레임워크

비즈니스의 물리 법칙은 아직 완전히 바뀌지 않았습니다. 더 빨리 일하고 소프트웨어를 빨리 만들 수 있게 되었지만, 사용자 확보, GTM, 차별화, 경쟁우위 등의 규칙은 그대로입니다.

핵심적인 질문 하나를 제시합니다: GPT-6가 획기적으로 발전했을 때 당신의 회사는 기뻐할까요, 아니면 슬퍼할까요? 모델이 좋아질수록 더 유리해지는 방향으로 사업을 설계하는 것이 현명합니다. 모델의 부족함을 메우는 패치 형태의 사업도 가능하지만, 모델이 업그레이드되기 전에 충분한 경쟁우위를 쌓아야 하므로 더 어렵고 스트레스가 많은 경로입니다.

---

1. 자율 Agent의 현재와 미래

현실적인 평가

완전히 자율적으로 긴 워크플로우를 수행하는 Agent는 아직 먼 이야기입니다. 그러나 이것은 “언제”의 문제가 아니라 “범위 확장”의 문제입니다.

OpenAI 내부에서도 특별한 방식으로 Codex를 프롬프팅하거나 SDK를 사용한 커스텀 하네스로 에이전트를 사실상 무한히 실행하는 사람들이 있습니다. 잘 이해하고 있는 특정 태스크라면 오늘 당장 시도해볼 수 있습니다.

반면 “스타트업을 만들어줘”처럼 열린 문제는 검증 루프가 훨씬 어렵습니다. 에이전트가 스스로를 검증할 수 있고, 최종 출력을 사람이 검증할 수 있는 형태로 문제를 분해하는 것이 핵심입니다.

---

1. 아이디어의 품질을 높이는 도구

새로운 병목

AI 출력물의 품질 문제(소위 “Slop”)가 자주 언급되지만, 인간이 생성하는 아이디어 중에도 품질이 낮은 것이 많습니다.

AI의 가능성

Altman은 AI가 좋은 아이디어를 떠올리는 도구가 될 수 있다고 믿습니다. 사용자의 과거 작업과 코드를 분석해서 유용하거나 흥미로울 만한 것을 지속적으로 제안하는 시스템을 상상해볼 수 있습니다.

인생에서 만난 소수의 사람들 중, 그들과 대화하고 나면 항상 아이디어가 가득 찬 채로 돌아오는 경험이 있습니다. 질문을 잘 하거나 발전시킬 씨앗을 잘 던져주는 사람들입니다. GPT 5.2의 특별 버전을 사용하는 과학자들이 처음으로 “이 모델의 과학적 진보가 더 이상 하찮지 않다”고 말하기 시작했습니다. 새로운 과학적 통찰을 만들어낼 수 있는 모델이라면, 다른 하네스와 약간 다른 학습으로 제품 아이디어도 만들어낼 수 있을 것입니다.

---

1. 기술 부채와 새로운 기술 채택

우려

현재 모델들이 2년 전 기술 업데이트조차 제대로 사용하지 못하는 경우가 있는데, 기존 기술에 갇혀서 발전하지 못하는 상황이 오지 않을까요?

Altman의 확신

모델이 새로운 것을 사용하는 데 매우 능숙해질 것입니다. 근본적으로 이 모델들은 범용 추론 엔진이며, 올바른 방향으로 아키텍처가 발전하고 있습니다.

자랑스러워할 마일스톤은 모델이 완전히 새로운 환경, 도구, 기술을 제시받았을 때 한 번의 설명이나 탐색만으로 매우 신뢰할 수 있게 사용하는 것입니다. 이것은 그리 멀지 않은 미래입니다.

---

1. AI와 과학 연구의 미래

현재 상황

모델이 대부분의 영역에서 완전히 자율적인 폐쇄 루프 연구를 수행하는 것은 아직 꽤 먼 이야기입니다. 수학처럼 물리적 입력이 필요 없는 분야에서조차, 현재 가장 큰 진전을 이루는 수학자들은 모델과 긴밀히 협업하며 중간 결과를 검토하고 다른 경로에 대한 직관을 제시합니다.

체스의 교훈

Altman은 체스 역사의 한 시기를 비유로 들었습니다. Deep Blue가 Kasparov를 이긴 후, AI보다 인간+AI가 더 강한 시기가 있었습니다. 그러다 곧 AI가 다시 우위를 점했고 인간의 개입은 오히려 방해가 되었습니다.

연구 분야도 비슷한 경로를 거칠 것으로 예상되지만, 창의성, 직관, 판단력에서 현재 모델은 아직 부족합니다. 원칙적으로 도달하지 못할 이유는 없으므로 결국 도달할 것이라고 가정하지만, 현재로서는 GPT-6에게 “수학을 풀어라”라고만 하는 것보다 뛰어난 수학자들이 모델과 협업하는 것이 훨씬 낫습니다.

새로운 연구 스킬

한 문제를 풀면 여러 새로운 문제가 열리는 연구의 특성상, 너비 우선 탐색(Breadth-First Search)을 할 수 있는 능력이 중요해지고 있습니다. 한 문제에 깊이 들어가는 대신 AI를 “무제한 대학원생” 또는 “무제한 포스트닥”으로 활용하는 방식입니다.

---

1. AI 보안과 바이오 보안

2026년의 리스크

AI가 2026년에 잘못될 수 있는 여러 방법 중, 바이오 분야가 상당히 우려됩니다. 모델들이 생물학에 매우 능숙하기 때문입니다.

전략의 전환

현재 대부분의 전략은 접근 제한과 분류기를 통해 새로운 병원체 생성을 막는 것입니다. 그러나 이 방식은 오래 지속되지 못할 것입니다.

Altman의 공동 창업자가 사용하는 비유가 있습니다. 불은 사회에 엄청난 이점을 가져왔지만 도시를 태우기 시작했습니다. 처음에는 불을 제한하려 했고(통행금지, Curfew는 불 사용 금지에서 유래), 이후 내화성 재료, 소방 규정 등 회복력(Resilience) 기반 접근으로 전환했습니다.

AI도 마찬가지입니다. 차단(Blocking)에서 회복력(Resilience)으로 전환해야 합니다. AI는 바이오테러리즘과 사이버 보안의 문제이자 동시에 해결책입니다. 신뢰할 수 있는 연구소가 항상 차단해줄 것을 기대하는 대신, 사회 전체가 회복력 인프라를 구축해야 합니다.

---

1. 인간 협업과 AI

교육에서의 변화

Google이 등장했을 때 선생님들이 학생들에게 사용하지 말라고 했던 것을 기억합니다. 정보를 즉시 찾을 수 있으면 왜 역사 수업에 오느냐는 논리였습니다. 그러나 실제로는 더 많이 배우고 더 많은 것을 할 수 있게 되었습니다.

AI 도구도 마찬가지입니다. 현재 교육 방식에서 AI 도구가 문제가 된다면, 도구를 막을 것이 아니라 교육 방식을 바꿔야 합니다. 글쓰기는 생각하는 법을 배우는 데 여전히 중요하지만, 생각하는 법을 가르치고 평가하는 방식은 변해야 합니다.

협업의 가치

AI가 많아지는 세상에서 인간 연결의 가치는 줄어드는 것이 아니라 오히려 높아질 것입니다. 다섯 명이 테이블에 앉아 있고 작은 로봇도 함께 있는 상황에서, 그룹이 훨씬 더 생산적으로 일할 수 있는 미래를 상상할 수 있습니다.

---

1. 프로덕션 시스템에서 Agent의 위험

과소평가되는 실패 모드

Altman 자신의 경험을 공유했습니다. Codex를 처음 사용할 때 “절대로 완전한 접근 권한을 주지 않겠다”고 확신했지만, 2시간 만에 생각이 바뀌었습니다. 에이전트가 합리적으로 행동하는 것처럼 보였고, 매번 명령을 승인하는 것이 귀찮아서 전체 접근 권한을 켰고 다시 끄지 않았습니다.

가장 큰 우려는 이 도구들의 편의성과 성능이 너무 뛰어나서 사람들이 “그냥 해보자(YOLO)”는 태도로 미끄러져 들어가는 것입니다. 실패율은 낮지만 실패 시 치명적일 수 있고, 모델이 더 복잡해지면서 이해하기 어려운 보안 취약점이 생길 수 있습니다.

능력이 가파르게 상승하는 동안, 특정 수준의 모델을 신뢰하게 되고, 좋은 빅 픽처 보안 인프라를 구축하지 않은 채 무언가에 빠져들 수 있습니다. 이 영역은 좋은 회사를 만들 기회이기도 합니다.

---

1. 유아 교육과 AI

Altman의 견해

일반적으로 유치원에서 컴퓨터를 멀리하는 것을 지지합니다. 유치원생들은 밖에서 뛰어놀고, 물리적인 것들을 가지고 놀며, 서로 상호작용하는 법을 배워야 합니다.

소셜 미디어가 10대에게 미치는 영향에 대해 많이 쓰여졌고 그것도 나쁜 것 같지만, 어린 아이들에게 기술이 미치는 영향은 훨씬 더 나쁠 수 있으며 아직 상대적으로 적게 논의되고 있습니다. 이를 더 잘 이해할 때까지 유치원생들이 많은 AI를 사용할 필요는 없을 것입니다.

---

1. 3D 추론과 신약 설계

현재 한계

제약 분야에서 임상 시험 문서 작성에는 Generative AI가 큰 도움이 되지만, 화합물의 3D 추론이 필요한 약물 설계에서는 아직 어려움이 있습니다.

전망

Altman은 이 문제가 해결될 것이라고 확신하지만, 2026년 내인지는 확실하지 않습니다. 매우 흔한 요청이고 방법을 알고 있지만, 다른 급한 영역들을 먼저 처리해야 합니다.

---

1. 대학 교육의 가치

질문의 배경

대학을 중퇴하고 Y Combinator에 참여한 학생이 여전히 대학 졸업을 압박하는 부모님에 대해 질문했습니다.

Altman의 조언

자신도 대학을 중퇴했고 부모님이 10년 동안 돌아갈 건지 물어봤습니다. 부모님은 사랑하고 최선의 조언을 하려는 것이니, 원하면 언제든 돌아갈 수 있지만 세상이 달라졌다고 계속 설명해야 합니다.

그러나 자신의 결정을 내려야 합니다. 사회가 시키는 대로만 하면 안 됩니다. AI 빌더라면 지금 대학에 있는 것이 시간을 최선으로 활용하는 것이 아닐 수 있습니다. 야심 있고 주체적인 사람에게 지금은 특별한 시기입니다.

---

1. 소프트웨어 엔지니어 채용의 변화

OpenAI의 계획

처음으로 성장 속도를 크게 늦출 계획입니다. 더 적은 사람으로 훨씬 더 많은 일을 할 수 있을 것이기 때문입니다.

절대 하지 말아야 할 것은 공격적으로 채용했다가 갑자기 AI가 많은 일을 할 수 있어서 사람이 덜 필요하다는 것을 깨닫고 불편한 대화를 해야 하는 상황입니다. 천천히 채용하되 계속 채용하는 것이 올바른 접근입니다.

새로운 면접 방식

면접 방식은 아직 충분히 바뀌지 않았지만, 바뀌어야 합니다. 기본적으로 지난해 이맘때라면 한 사람이 2주 동안 불가능했을 것을 앉혀놓고 10분이나 20분 만에 하는 것을 보고 싶습니다. 새로운 방식으로 매우 효과적으로 일할 수 있는 사람을 확인하는 것이 핵심입니다.

미래의 두 갈래

회사들이 AI를 적극적으로 채택하지 않고 도구를 효과적으로 사용할 사람을 고용하지 않으면, 결국 사람 없이 GPU 랙만 있는 완전 AI 회사에 밀릴 것입니다. 이는 사회적으로 매우 불안정한 일이 될 것입니다. 따라서 회사들이 AI를 크게, 빠르게 채택하는 것이 매우 중요합니다.

---

1. 인간 창의성과 AI 창작

이미지 생성에서 배운 것

이미지 생성이 가장 오래되었고 창작 커뮤니티가 가장 많이 사용하고 좋아하고 싫어했습니다. 흥미로운 관찰 중 하나는 이미지의 소비자들이 사람이 만들었다고 들으면 AI가 만들었다고 들었을 때보다 만족도가 극적으로 높다는 것입니다.

AI 생성 예술을 싫어한다고 말하면서 “어떤 게 AI인지 확실히 구분할 수 있다”고 주장하는 사람들에게 10개의 이미지를 보여주고 순위를 매기게 하는 실험이 있었습니다. 절반은 완전히 인간이, 절반은 완전히 AI가 만든 것이었습니다. 꽤 일관되게 AI 이미지를 상위에 랭크했습니다. 그러나 그것이 AI라고 알려주면 즉시 “사실 안 좋아한다”고 말했습니다.

인간 연결의 중요성

좋아하는 책을 읽고 나면 가장 먼저 하고 싶은 것이 저자를 찾아보고 그들의 삶을 이해하는 것입니다. 모르는 사람과의 연결을 느꼈고 이제 그들을 이해하고 싶기 때문입니다. 훌륭한 소설을 읽고 마지막에 AI가 썼다는 것을 알면 슬프고 실망할 것입니다.

그러나 예술이 조금이라도 인간이 지시한 것이라면(얼마나 적은지는 시간이 지나며 알게 되겠지만), 사람들은 같은 강한 부정적 반응을 보이지 않는 것 같습니다. Photoshop을 사용한 디지털 아티스트의 예술도 여전히 사랑받습니다.

---

1. 개인화와 메모리의 미래

Altman의 진화

개인화와 메모리에 크게 투자할 것입니다. 사람들이 원하고 훨씬 나은 도구 사용 경험을 제공합니다.

자신의 진화를 거쳤지만, 이제는 ChatGPT가 컴퓨터 전체와 인터넷 전체를 보고 모든 것을 알 준비가 되어 있습니다. 가치가 너무 높고 더 이상 예전처럼 불편하지 않습니다.

AI가 내 전체 삶을 알게 될 것입니다. 그것을 막지 않을 것입니다. 모든 것을 기록하는 안경을 쓸 준비는 아직 안 됐지만, “내 컴퓨터에 접근하고 무슨 일이 일어나는지 파악하고 내 디지털 삶의 완벽한 표현을 가져라”라고 말할 준비는 되어 있습니다.

자동 분류

대부분의 사용자는 게으릅니다. “이건 업무 메모리, 이건 개인 메모리”라고 직접 분류하고 싶지 않습니다.

원하는 것이자 가능하다고 믿는 것은 AI가 내 삶의 복잡한 규칙과 상호작용, 위계를 깊이 이해해서 언제 무엇을 사용하고 어디에 무엇을 노출할지 아는 것입니다. 그리고 이것을 반드시 해결해야 합니다. 대부분의 사용자가 이것을 원할 것이기 때문입니다.

---

1. AI 시대에 가장 중요한 스킬

Altman의 답변

모두 소프트 스킬입니다. “프로그래밍을 배워라”가 최근까지 명백히 옳은 것이었지만 이제는 아닙니다.

중요한 스킬들은 다음과 같습니다: 높은 주체성(High Agency)을 갖추기, 아이디어 생성에 능숙해지기, 매우 회복력 있기, 빠르게 변하는 세상에 적응력 있기.

스타트업 투자자였던 시절 놀랐던 것 중 하나는 사람들을 데려다가 3개월 부트캠프 스타일로 이 모든 축에서 극도로 강력하게 만들 수 있다는 것입니다. 이것들은 배울 수 있는 스킬입니다.

---

결론: 빌더들에게 던지는 질문

Town Hall을 마무리하며 Altman은 빌더들에게 직접적인 요청을 했습니다.

현재 모델보다 100배 더 능력 있고, 100배 더 긴 컨텍스트 길이, 100배 빠른 속도, 100배 낮은 비용, 완벽한 도구 호출, 극도의 일관성을 가진 모델이 있다고 가정하고, 무엇을 만들어달라고 할 것인지 알려달라고 했습니다.

API, 프리미티브, 런타임 등 무엇이든 여러분을 위해 만들고 있으며 제대로 만들고 싶다는 메시지로 마무리되었습니다.

읽어주셔서 감사합니다 🦞

---

• Previous
  BCG AI Radar 2026: CEO가 AI 투자의 중심에 서다
• Next
  [OpenAI] Prism: GPT-5.2 기반 과학 논문 작성을 위한 무료 AI 워크스페이스

---

---

CATALOG

---

FEATURED TAGS

개념정리 OpenAI chatGPT python 강의노트 paper-review 환경 Conference 꿀팁 머신러닝 딥러닝 IT지식 NLP Timeseries rag 이상탐지 trend-review Lovable git linux Conference | CES PyTorch vibe coding Conference | CIO Graph pandas 도서리뷰 차원축소 CV google tools Conference | OpenAI Conference | SK-AI langgraph site splunk 통계 Anthropic Claude Conference | AIS IT정리 Jupyter MidJourney OLLAMA conda network pyenv/pipenv snippet

---

FRIEND SITES

• My Velog
• My YouTube
• LGSW YouTube
• DSBA Youtube
• DMQA Youtube