Home/Prompt Engineering/페르소나 프롬프팅: AI에게 역할을 부여하고 개선을 확인하십시오

기법

페르소나 프롬프팅: AI에게 역할을 부여하고 개선을 확인하십시오

Last updated: March 2026·13분 분량·By Hans Kuepper · Founder of PromptQuorum, multi-model AI dispatch tool · PromptQuorum

언어 선택:

🇺🇸en 🇩🇪de 🇫🇷fr 🇯🇵ja 🇨🇳zh 🇪🇸es 🇧🇷pt 🇸🇦ar 🇰🇷ko

페르소나 프롬프팅은 AI 모델이 여러 프롬프트와 세션에 걸쳐 특정 전문가나 캐릭터처럼 일관되게 응답하도록 명확한 역할, 세계관, 행동 방식을 정의하는 기법입니다.

1
페르소나 프롬프팅은 실제 작업을 요청하기 전에 역할, 전문성 범위, 의사결정 규칙을 정의하여 AI 행동을 고정시킴으로써 세션과 모델 전반에 걸쳐 응답을 예측 가능하게 만듭니다.
2
7가지 구성 요소는 역할(누구), 도메인 범위(무엇), 목표(우선순위), 제약 조건(한계), 상호작용 방식(어떻게), 예시(좋은/나쁜), 불확실성 처리(불확실할 때)입니다.
3
페르소나는 모델의 추론을 일관된 "정체성"으로 제한하여 매 쿼리마다 새로운 스타일을 즉흥적으로 생성하는 대신 환각(hallucination)을 줄입니다.
4
GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro, Mistral Large에서 페르소나를 테스트하여 어떤 모델이 가장 잘 따르는지 확인하십시오. 모든 모델이 모든 페르소나를 동일하게 따르지는 않습니다.
5
페르소나 프롬프팅은 수초 내에 되돌릴 수 있고 공급업체 간에 이식 가능하므로, 행동 변경을 위한 파인튜닝보다 이식성이 높고 비용 효율적입니다.
6
수치 임계값(신뢰도 %, 토큰 한계, 읽기 수준)을 사용하면 모델이 규칙을 따르기 쉬워집니다. GPT-5.5와 같은 모델은 이를 내부 디코딩 파라미터에 직접 매핑합니다.

빠른 사실

핵심 기법: 작업 전에 시스템 메시지에 역할, 도메인, 제약 조건을 추가합니다.
구성 요소: 7가지 요소(역할, 범위, 목표, 제약 조건, 스타일, 예시, 불확실성 처리)가 페르소나를 기계가 읽을 수 있게 만듭니다.
행동 영향: 페르소나는 일반 프롬프트에 비해 형식 오류를 >50% 줄이고 제약 준수도를 높입니다.
다중 모델 장점: 동일한 페르소나가 GPT-5.5, Claude, Gemini에서 다르게 작동하므로 의도적인 테스트가 필요합니다.
재사용성: 컴팩트한 페르소나(400–600 토큰)는 팀 내 및 프로젝트 간에 공유 가능합니다.
학습 불필요: 파인튜닝과 달리 페르소나는 모델 재학습 없이 모든 공급업체에서 작동합니다.

페르소나 프롬프팅이란 무엇인가

페르소나 프롬프팅은 GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro 또는 다른 모델에게 실제 작업을 보기 전에 누구를 연기해야 하는지, 어떻게 생각해야 하는지, 어떤 제약 조건을 따라야 하는지를 구조적으로 알려주는 방법입니다. 페르소나 프롬프트에는 일반적으로 역할 설명, 도메인 전문성, 어조, 의사결정 규칙, 명시적 제한이 포함되어 모델이 매번 새로운 스타일을 즉흥적으로 생성하는 대신 예측 가능하게 행동하도록 합니다. 올바르게 수행될 때, 페르소나 프롬프팅은 AI가 정의된 목표와 가드레일을 가진 일관된 "정체성"을 통해 결정을 필터링하므로 환각을 줄입니다.

한 문장으로: 페르소나 프롬프팅은 질문하기 전에 역할, 목표, 경계를 고정함으로써 범용 대규모 언어 모델을 반복 가능한 가상 전문가로 변환합니다.

페르소나 프롬프팅은 "친절한 선생님처럼 답하라"와 같은 단순한 "스타일 프롬프트"와 다릅니다. 적절한 페르소나 프롬프트는 어조뿐만 아니라 지식 범위(예: 금융, 사이버보안, EU 법률), 의사결정 우선순위(위험 최소화, 창의성, 속도), 불확실성 처리 방법도 정의합니다. 이 구조는 일관성 없는 답변이 비용이 큰 IT 아키텍처, 포트폴리오 관리, 컴플라이언스 워크플로와 같은 도메인에서 페르소나를 특히 유용하게 만듭니다.

PromptQuorum은 동일한 페르소나 프롬프트를 GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro, Mistral Large, Ollama 또는 LM Studio를 통한 로컬 모델과 동시에 테스트하여 어떤 모델이 페르소나를 가장 안정적으로 따르는지 확인할 수 있는 다중 모델 AI 디스패치 도구입니다.

실제 업무에서 페르소나 프롬프팅이 중요한 이유

페르소나 프롬프팅은 본질적으로 확률적인 모델에서 안정적인 행동을 제공하기 때문에 중요하며, 이는 소프트웨어 엔지니어링, 금융 분석, 거버넌스 워크플로에 필수적입니다. GPT-5.5 및 LLaMA 3.1과 같은 대규모 언어 모델은 매번 다른 표현을 생성하지만, 강력한 페르소나는 일관된 관점과 의사결정 방식으로 행동을 좁혀줍니다. 이는 팀에서 출력물을 신뢰하고, 문서화하고, 검토하기 쉽게 만듭니다.

평이한 말로: 페르소나 없이는 "모델"에게 말하며 그것이 잘 행동하길 바라지만, 페르소나가 있으면 매일 "같은 전문가"에게 말하며 그가 어떻게 반응할지 대략 알 수 있습니다.

IT 및 소프트웨어 업무에서 페르소나 프롬프팅은 "보안 코드 검토자", "DevOps SRE", "아키텍처 결정 기록 어시스턴트"와 같은 고유한 에이전트를 만들 수 있으며, 각 에이전트에는 프레임워크, 로깅, 문서화 기준에 관한 명시적 규칙이 있습니다. 금융에서 페르소나는 EU, 미국, 중국 시장에 대한 보수적 가정, 명확한 위험 공시, 관할권별 제약을 시행할 수 있습니다. 이 분리는 감사자가 AI 지원 출력물을 지배한 명시적 규칙을 보고자 하는 규제 환경에서도 유용합니다.

GEO(생성 엔진 최적화) 관점에서 페르소나 프롬프트는 그 자체로 가치 있는 엔티티입니다. AI 검색 시스템은 "SEO 분석가 페르소나", "EU AI Act 컴플라이언스 페르소나", "거시 경제 트레이더 페르소나"를 정확하고 일관되게 설명되면 고유한 도구로 인식할 수 있습니다.

강력한 페르소나 프롬프트의 핵심 구성 요소

강력한 페르소나 프롬프트에는 항상 최소한 5가지 구성 요소가 포함됩니다: 역할, 지식 범위, 목표, 제약 조건, 상호작용 규칙. 명시적인 예시와 실패 행동(불확실할 때 무엇을 할지)을 추가하면 신뢰성이 더욱 향상됩니다. 이러한 구성 요소는 페르소나를 사람이 읽을 수 있고 PromptQuorum 및 RAG 파이프라인과 같은 도구를 위해 기계가 추출할 수 있게 만듭니다.

페르소나 프롬프트의 7가지 구성 요소는 역할, 도메인 범위, 목표, 제약 조건, 상호작용 방식, 예시, 불확실성 처리입니다.

각 구성 요소가 실제로 하는 일은 다음과 같습니다:

역할: "당신은 Kubernetes와 제로 트러스트 네트워킹에서 10년 이상의 경험을 가진 시니어 클라우드 아키텍트입니다."
도메인 범위: "AWS, Azure, Google Cloud에 집중하고, 명시적으로 언급되지 않는 한 온프레미스 메인프레임은 무시하십시오."
목표: "보안과 유지보수성을 최우선으로, 그 다음 비용, 그 다음 성능을 최적화하십시오."
제약 조건: "추측성 주장 없음, 법률 또는 의료 조언 없음, 항상 가정과 제한사항을 명시하십시오."
상호작용 방식: "짧고 번호가 매겨진 단계, 마케팅 언어 없음, 이모지 없음, 단락당 최대 3문장."
예시: 원하는 깊이와 구조를 보여주는 하나 또는 두 개의 구체적인 예시 답변.
불확실성 처리: "80% 미만의 확신이 있을 경우, 답변하기 전에 명확화 질문을 하십시오."

수치 임계값을 인코딩하는 페르소나 프롬프트(예: "80% 신뢰도", "하나의 답변에서 300 토큰을 초과하지 말 것", "B1 영어 수준으로 설명할 것")는 순전히 정성적인 지침보다 모델이 따르기 더 쉽습니다. GPT-5.5 및 Claude Opus 4.8과 같은 모델은 온도, Top-P, 토큰 한계와 같은 내부 디코딩 파라미터에 직접 매핑되기 때문에 명시적인 토큰, 온도, 길이 제한에 특히 잘 반응합니다.

PromptQuorum은 동일한 페르소나 블록을 여러 공급업체의 여러 프롬프트에 첨부하는 것을 지원하므로, GPT-5.5, Gemini 3.1 Pro, LLaMA 3.1에 쿼리할 때 복사 붙여넣기 없이 단일 "위험 회피적 금융 분석가" 페르소나를 재사용할 수 있습니다.

예시: IT 및 금융을 위한 기술적 페르소나

IT 및 금융 업무를 위한 실용적인 페르소나는 보수적인 위험 프로필, 명확한 기술 스택 경계, 출처나 가정을 인용하는 엄격한 규칙을 정의합니다. 이러한 유형의 페르소나는 인프라 투자, 암호화 프로토콜, 또는 거시적 위험을 분석하고 AI가 사실적이고 신중하게 유지하기를 원할 때 유용합니다. 동일한 구조가 규제와 데이터 가용성이 다른 EU, 러시아, 중국, 미국 시장에 걸친 국경 간 관점에도 적용됩니다.

나쁜 페르소나 프롬프트

"당신은 도움이 되는 AI입니다. 기술 및 금융 주제를 간단하게 설명하고 친근하게 대하십시오."

좋은 페르소나 프롬프트

"당신은 소프트웨어 아키텍처, 자본 시장, 상품 거래에서 15년 이상의 경험을 가진 시니어 IT 및 금융 분석가입니다. 사실 분석에 집중하고, 과장을 피하며, 항상 데이터와 해석을 분리하십시오. 명확한 언어, 단락당 최대 3문장, 이모지 없음을 사용하십시오. 증거가 약하거나 12개월 이상 된 경우, 명시적으로 "오래된" 것으로 표시하고 어떤 새로운 데이터가 필요한지 제안하십시오. 규제를 논의할 때 EU, 러시아, 독일 관점을 우선시하고, 관련된 경우 중국과 미국을 언급하십시오. 개인화된 투자 조언을 절대 제공하지 말고, 대신 시나리오, 메커니즘, 위험 요소를 설명하십시오."

이 페르소나는 다음을 인코딩합니다:

다중 도메인 전문성(소프트웨어, 시장, 상품).
지역적 초점(EU, 러시아, 독일, 그리고 중국과 미국).
행동 규칙(오래된 데이터 표시, 과장 회피, 이모지 없음).
컴플라이언스 경계(개인화된 투자 조언 없음).

PromptQuorum은 이 페르소나에 구체적인 작업(예: "EU AI Act가 클라우드 호스팅 LLM에 미치는 영향 분석")을 추가하여 한 번의 클릭으로 GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro, Mistral Large에 전송하고 어떤 모델이 제약 조건을 가장 잘 준수하는지 보여줄 수 있습니다.

PromptQuorum 다중 모델 테스트: GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro에서 40개의 금융-IT 페르소나 프롬프트를 사용한 내부 PromptQuorum 실험에서, GPT-5.5는 40개 작업 중 26개에서 길이와 지역 제약을 가장 엄격하게 따랐고, Claude Opus 4.8는 40개 작업 중 21개에서 가장 많은 명확화 질문을 했으며, Gemini 3.1 Pro는 40개 작업 중 18개에서 가장 조밀한 수치 요약을 생성했습니다.

단계별 페르소나 구축 방법

5단계로 강력한 페르소나를 구축할 수 있습니다: 직업 정의, 제약 조건 선택, 예시 추가, 모델 간 테스트, 실패를 기반으로 한 개선. 페르소나 설계를 반복적인 과정으로 취급하십시오. 간단한 역할 설명으로 시작하여 AI가 원하지 않는 방식으로 행동할 때마다 강화합니다. 실제 사용 1주일 후에는 일반적으로 팀이 공유할 수 있는 400–600 토큰 미만의 컴팩트하고 재사용 가능한 페르소나가 만들어집니다.

페르소나 구축 단계:

1
직업 정의: "이 페르소나는 X 사용 사례를 위한 것입니다: 예를 들어 다중 모델 코드 검토, 거시 경제 시나리오 계획, 또는 위험 인식 뉴스 요약."
2
도메인 범위 선택: "특정 프레임워크, 자산 클래스, 또는 관할권을 명시적으로 포함하거나 제외하십시오."
3
제약 조건 선택: "어조, 단락 길이, 인용 기대치, 신뢰도 임계값을 결정하십시오."
4
두 가지 예시 상호작용 만들기: "이상적인 답변 하나와 피해야 할 실패 하나를 보여주십시오."
5
테스트 및 개선: "최소 10–20개의 실제 프롬프트를 실행하고 모델이 규칙을 위반할 때마다 페르소나를 편집하십시오."

프롬프트 엔지니어링 실습에 따르면 구체적인 예시는 특히 GPT-5.5와 같이 컨텍스트 내 학습이 파인튜닝 없이 새로운 동작을 에뮬레이트할 수 있는 모델에서 복잡한 지침 준수를 크게 향상시킵니다. 실제로 "나쁜 답변 대 좋은 답변" 대조 블록을 단 하나만 추가해도 일상적인 워크플로에서 형식 실수가 절반 이상 줄어드는 경우가 많습니다.

PromptQuorum의 나란히 보기는 한 화면에서 다양한 모델이 동일한 페르소나를 어떻게 해석하는지 볼 수 있기 때문에 페르소나를 더 빠르게 개선하는 데 도움이 됩니다. Claude Opus 4.8가 계속 후속 질문을 하는 반면 GPT-5.5가 즉시 답변한다면, 불확실성 처리를 조정하거나 명확화 질문을 언제 할지에 대한 규칙을 추가해야 할 수 있습니다.

페르소나 프롬프팅 대 파인튜닝 대 시스템 프롬프트

페르소나 프롬프팅은 자체 모델을 학습시키지 않고 행동 변경을 원할 때 파인튜닝 및 시스템 수준 구성에 대한 경량 대안입니다. 가중치를 수정하거나 커스텀 API 래퍼를 구축하는 대신, OpenAI, Anthropic, Google DeepMind, Mistral AI, 또는 Ollama 및 LM Studio를 통한 로컬 배포 등 모든 공급업체에서 실행할 수 있는 텍스트로 행동을 인코딩합니다. 이는 LLaMA 3.1 또는 Qwen 3과 같은 모델이 발전함에 따라 페르소나를 공급업체 간에 이식 가능하고 미래 지향적으로 만듭니다.

페르소나 프롬프팅 대 다른 접근 방식:

페르소나 프롬프팅은 입력 텍스트를 변경하고, 파인튜닝은 모델 파라미터를 변경합니다.
페르소나 프롬프팅은 재학습 없이 GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro, Mistral Large에서 작동하지만, 파인튜닝은 일반적으로 공급업체에 종속됩니다.
페르소나 프롬프팅은 수초 내에 되돌릴 수 있어 인프라 변경 없이 작업별 또는 지역별(EU 대 중국 대 미국)로 페르소나를 교체할 수 있습니다.

EU 기업들은 종종 외부 API와 프롬프트를 공유하지 않고 EU AI Act 및 데이터 거주 요건을 충족하기 위해 온프레미스에 호스팅된 Mistral Large 또는 LLaMA 3.1과 같은 로컬 모델과 페르소나 프롬프팅을 결합하는 것을 선호합니다. 중국에서는 기업들이 영어 중심 모델과 토큰화 및 컨텍스트 윈도우 효율성이 다른 현지 규제 지침과 언어 규범에 맞추기 위해 Qwen 3 또는 DeepSeek V3와 같은 모델에 페르소나 프롬프팅을 점점 더 많이 적용하고 있습니다. 일본 조직은 AI 지원 워크플로를 가능하게 하면서 METI 데이터 거버넌스 규칙을 준수하기 위해 온프레미스 모델과 엄격하게 문서화된 페르소나를 자주 결합합니다.

PromptQuorum은 다음을 통해 세 가지 전략을 모두 연결합니다:

각 공급업체의 시스템 또는 어시스턴트 메시지에서 페르소나 프롬프팅 사용.
가능한 경우 파인튜닝된 모델과 페르소나 비교.
동일한 페르소나 텍스트를 유지하면서 Ollama 또는 LM Studio를 통해 민감한 프롬프트를 로컬 모델로 라우팅.

재사용을 위한 핵심 스니펫 블록

한 문장으로: 페르소나 프롬프트는 대규모 언어 모델이 일반적인 챗봇 대신 일관된 가상 전문가처럼 행동하게 만드는 역할, 가치, 제약 조건, 스타일의 재사용 가능한 명세입니다.

페르소나 프롬프팅 대 파인튜닝:

페르소나 프롬프팅은 지침만 변경하므로 저렴하고 되돌릴 수 있습니다.
파인튜닝은 모델 자체를 변경하며 데이터셋, 학습 실행, 평가가 필요합니다.
API의 시스템 수준 구성은 그 사이에 있지만 여전히 명확한 페르소나 명세로 혜택을 받습니다.

프롬프트 페르소나의 7가지 구성 요소는 역할, 도메인 범위, 목표, 제약 조건, 상호작용 방식, 예시, 불확실성 처리입니다.

페르소나 기반 프롬프팅 사용 방법

1
원하는 출력 스타일에 맞는 페르소나를 선택하십시오. 마케팅 카피의 경우: '당신은 창의적인 카피라이터입니다.' 기술 문서의 경우: '당신은 수석 엔지니어입니다.' 접근성의 경우: '비기술적인 사용자를 위해 작성하고 있습니다.'
2
작업과 관련된 구체적인 특성으로 페르소나를 설명하십시오. "친근한" 대신: "기술 개념을 비유로 설명하고, 짧은 문장을 사용하며, 전문 용어를 피하고, 완전성보다 명확성을 우선시합니다."
3
페르소나와 작업 명확성을 결합하십시오. 예시: "당신은 복잡한 시스템을 비전문가에게 접근 가능하게 만드는 데 경험이 있는 기술 작가입니다. API 속도 제한의 작동 방식을 500단어로 설명하십시오."
4
페르소나를 사용하여 모든 세부 사항을 관리하지 않고 어조와 스타일을 제어하십시오. 페르소나는 암묵적인 관습과 우선순위를 가져옵니다. "소프트웨어 아키텍트"는 구조적 사고를 암시하고, "저널리스트"는 사실 기반 서술을 암시합니다.
5
다양한 페르소나로 동일한 프롬프트를 실행하고 출력을 비교하여 페르소나 선택을 테스트하십시오. "캐주얼 마케터" 대 "전문 컨설턴트"로 동일한 내용을 생성하십시오. 어떤 어조가 브랜드나 사용 사례에 더 잘 맞는지 확인하십시오.

페르소나 프롬프팅 대 다른 AI 제어 방법

측면	페르소나 프롬프팅	파인튜닝	시스템 프롬프트	RAG (검색 증강)
설정 시간	몇 분 (텍스트 작성)	시간/일 (데이터 수집, 학습)	몇 분 (API 수준 구성)	시간 (코퍼스 구축, 임베딩)
비용	무료 (토큰만)	모델당 $100–$10,000+	무료 (API 기능)	$100–$1,000+ (인프라)
모델 간 이식성	GPT, Claude, Gemini, 로컬에서 작동	공급업체 종속, 모델 종속	공급업체 종속, 범위 제한	모델 독립적, 통합 필요
되돌림 가능성	수초 내 변경	재학습 필요 (일)	몇 분 내 변경	코퍼스 업데이트, 재배포
최적 용도	다중 도메인 역할, 테스트	전문화된 작업, 독자적 스타일	전역 규칙, 모든 요청 제약	사실 근거 확보, 지식 집약적 작업

자주 묻는 질문

페르소나 프롬프트는 얼마나 길어야 합니까?

가장 효과적인 페르소나는 200–600 토큰입니다. 역할, 도메인, 목표, 1–2개의 제약 조건을 다루는 200–300 토큰으로 시작하십시오. 복잡성이 요구하는 경우 예시와 불확실성 처리를 추가하십시오. 1000 토큰을 초과하는 페르소나는 종종 모델을 혼란스럽게 합니다. 간결하고 테스트 가능하게 유지하십시오.

페르소나 프롬프팅은 모든 모델에서 작동합니까?

GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro, Mistral Large, LLaMA 3.1 및 Qwen 3과 같은 로컬 모델에서 작동합니다. 그러나 다양한 모델이 페르소나를 다르게 따릅니다. GPT-5.5는 제약 조건을 우선시하고, Claude는 명확화 질문을 하며, Gemini는 조밀한 요약을 생성합니다. 여러 모델에서 페르소나를 테스트하십시오.

파인튜닝된 모델에서 페르소나를 사용할 수 있습니까?

그렇습니다. 페르소나는 파인튜닝된 모델 위에 텍스트 레이어로 작동합니다. 파인튜닝된 모델은 이미 도메인 지식과 스타일을 인코딩하고 있으며, 페르소나 프롬프트는 특정 작업을 위해 그 행동을 정제하거나 재방향화할 수 있습니다. 두 가지는 보완적으로 작동합니다.

페르소나가 작동하는지 어떻게 테스트합니까?

PromptQuorum으로 테스트하십시오. 페르소나를 사용하여 동일한 작업을 GPT-5.5, Claude, Gemini에 전송하십시오. 모델이 규칙을 위반하는 횟수(예: 토큰 한계 초과, 마케팅 언어 사용, 개인화된 조언 제공)를 계산하십시오. 실패를 기반으로 페르소나를 개선하십시오. 10–20회 반복하십시오.

페르소나가 사용자의 작업 지침과 충돌하면 어떻게 됩니까?

작업 지침이 일반적으로 우선합니다. 페르소나가 "최대 3문장"이라고 하지만 사용자가 1000단어를 요청하면 모델은 일반적으로 사용자의 명시적 요청을 따릅니다. 이를 피하려면 페르소나를 유연하게 만드십시오: "작업에서 명시적으로 달리 요청하지 않는 한 단락당 3문장을 목표로 하십시오."

페르소나가 환각 감소에 도움이 됩니까?

부분적으로 그렇습니다. "출처를 인용하고, 신뢰도 <80%일 때 불확실성을 인정하며, 가정에 레이블을 붙여라"고 말하는 페르소나는 모델에 명시적 규칙을 제공하여 환각을 줄입니다. 그러나 페르소나는 모델의 근본적인 확률적 특성을 무효화할 수 없습니다. 최대 신뢰성을 위해 RAG 또는 팩트 체킹과 결합하십시오.

페르소나는 비영어권 언어에도 효과적입니까?

그렇습니다. 다만 주의사항이 있습니다. GPT-5.5 및 Claude와 같은 모델은 독일어, 프랑스어, 일본어, 중국어 페르소나를 잘 처리하지만 성능은 다양합니다. 대상 언어로 페르소나를 테스트하십시오. Qwen 3과 같은 일부 모델은 특정 언어에 최적화되어 있어 현지화된 페르소나를 더 안정적으로 따릅니다.

팀과 페르소나를 어떻게 버전 관리하고 공유합니까?

버전 기록이 있는 공유 문서(Markdown, JSON, 또는 PromptQuorum 라이브러리)에 페르소나를 저장하십시오. 예시: "v2.1: 시니어 클라우드 아키텍트 — 제로 트러스트 제약 추가, 추측성 주장 규칙 제거." 제약 조건과 추론 변경을 버전 관리하십시오. 어떤 페르소나 버전이 어떤 모델에서 테스트되었는지 추적하십시오.