AI@GSB: Advanced AI Prompting for Research with Diego Oppenheimer
Quick Summary
AI@GSB: Advanced AI Prompting for Research with Diego Oppenheimer를 중심으로, 조사의 중심은 검증 가능한 주장이다. 오펜하이머는 일반 보고서를 받는 데서 멈추지 않고, 결과를 ‘주장 원장’으로 나눠 반를 핵심 판단 포인트로 압축 정리한다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론
AI@GSB: Advanced AI Prompting for Research with Diego Oppenheimer를 중심으로, 조사의 중심은 검증 가능한 주장이다. 오펜하이머는 일반 보고서를 받는 데서 멈추지 않고, 결과를 ‘주장 원장’으로 나눠 반를 핵심 판단 포인트로 압축 정리한다.
📌 핵심 요점
- 조사의 중심은 검증 가능한 주장이다. 오펜하이머는 일반 보고서를 받는 데서 멈추지 않고, 결과를 ‘주장 원장’으로 나눠 반대 근거를 찾는다. 반박된 주장은 버리고 검증을 견딘 주장은 추가 조사 대상으로 남긴다.
- 맥락과 범위를 먼저 정한다. 관심 분야, 초기 가설, 기존 자료, 시간 예산과 조사 중단 조건을 구체화한다. AI와 대화를 이어가며 빠진 맥락을 보완하고, 범위를 검토한 뒤 본격 조사에 착수한다.
- 시장 통념을 기준선으로 삼고 원출처를 추적한다. 여러 보고서가 같은 숫자를 인용해도 독립적인 증거가 늘어난 것은 아니다. 기존 견해를 충실히 정리한 뒤, 병렬 조사와 구매자 인터뷰로 그 견해와 다른 발견을 검증한다.
- 검증은 초기 투자 가설을 축소하거나 폐기할 수 있다. 발표 사례에서는 50억~100억 달러였던 시장 규모 주장이 가격 조건을 재검토한 뒤 10억 달러로 하향 조정됐고, 고객 수로 해석했던 수치가 실제로는 배포 건수였음이 드러났다. 발표자가 제시한 독립 점검에서도 62개 주장 중 36개만 검증됐고 18개는 부분적으로 지지됐다.
- AI의 조사 확대와 사람의 책임을 함께 설계한다. 최종 결론은 사람이 승인하고, 연구 연락도 AI가 만든 초안을 사람이 검토해 직접 발송한다. 개인 기록에서 찾은 관계와 과거 대화는 최신성·진위를 확인하며, 시뮬레이션 인터뷰는 실제 현장 증거와 구분한다.
🧩 배경과 문제 정의
- 오펜하이머는 소규모 펀드에서 몇 달마다 수백 개 시장을 깊이 조사한다고 설명한다. AI를 활용한 반복 가능한 조사 체계로 시장 진입과 투자 기회를 판단하는 것이 출발점이다.
- 사례의 조사 대상은 물리·하드웨어 엔지니어링용 AI 도구다. 하드웨어 분야에도 소프트웨어 개발과 유사한 변화가 일어날 수 있다는 가설에서 시작하며, 이를 확정된 시장 전망으로 취급하지 않는다.
- 누구나 얻을 수 있는 일반 보고서와 시장의 통념만으로는 차별화된 통찰을 얻기 어렵다는 문제의식이 있다. 검증 가능한 주장, 반례, 원출처, 현장 인터뷰를 연결해 남들이 놓친 기회를 찾는 데 초점을 둔다.
- AI는 조사 범위 확장과 병렬 검증을 지원하지만, 근거를 해석하고 투자 여부를 판단하는 책임은 사람에게 남는다.
🕒 시간순 섹션별 상세정리
1. 수백 개 시장을 조사하는 반복 가능한 연구 체계
- 오펜하이머는 창업 기업을 매각한 뒤 새로운 AI 기업들을 육성하면서 조사 방법론을 발전시켰고, 이후 접한 RDI가 자신이 사용하던 과정과 유사하다고 느꼈다. [01:28]
- 소규모 펀드를 운영하며 몇 달마다 수백 개 시장을 조사하는 체계를 ‘RDI 팩토리’라고 부른다. 시장 발굴부터 투자 기회 검토까지 한 건의 조사 과정을 끝까지 연결하는 방식이다. [02:13]
2. 일반 보고서 대신 반박 가능한 주장 원장
- 일반적인 AI 보고서는 다른 사람도 비슷하게 얻을 수 있으므로, 오펜하이머는 그 자체의 차별적 가치를 낮게 평가한다. [04:21]
- 조사 결과를 개별 주장으로 정리한 ‘주장 원장’을 만들고, 추가 조사와 피드백으로 각 주장을 반박하려 한다. 반박된 주장은 버리고, 검증을 견딘 주장은 더 조사할 후보로 남긴다. [04:45]
3. 맥락을 쌓는 대화와 병렬 검증, 사람의 판단
- AI를 질문 하나에 답 하나를 받는 검색창처럼 쓰기보다, 대화를 이어가며 맥락을 축적하고 필요한 부분을 반복해서 깊이 파고드는 방식을 택한다. [06:24]
- 주장을 나누면 여러 조사를 병렬로 진행하고 결과를 교차 검증할 수 있다. 출처와 신뢰도를 확인하고 상반된 논거를 비교하는 과정이 조사 범위를 넓힌다. [07:11]
4. AI의 질문으로 조사 범위와 의사결정 기준 구체화
- 조사 시작 단계에서 관심 분야, 관심을 갖게 된 계기, 대략적인 가설, 시간 예산, 기존 자료를 정리한다. AI가 연구자에게 질문하도록 해 빠진 맥락을 끌어내는 방식이다. [09:15]
- 하드웨어 사례에서는 여러 초기 기업의 투자 제안을 접했다는 배경과 미국·유럽이라는 지역 범위를 명시한다. 조사를 더 깊게 진행하거나 중단하게 할 조건도 구체화한다. [10:01]
5. 하드웨어 시장을 검증할 여섯 가지 초기 가설
- 첫 가설은 하드웨어 팀에 도구 전반을 아우르는 통합 기록 체계가 없고, 실제 협업은 스프레드시트·이메일·공유 드라이브에 의존한다는 것이다. 이는 이후 조사로 검증할 출발 주장이다. [11:30]
- 여러 엔지니어링 도구를 가로지르는 AI 에이전트를 출시한 기업이 15개 미만이고 대규모 유료 고객을 확보한 곳은 없다는 주장, 구매자가 엔지니어당 월 약 200달러를 지불할 것이라는 가설도 포함된다. 지불 의향은 엔지니어링 인력 부족과 연결된다. [11:50]
6. 시장 탐색의 범위 합의와 조사 착수 조건
- 이 단계의 목적은 특정 기업의 실사가 아니라 시장 탐색이다. 핵심 가설은 단일 도구 안의 코파일럿보다 여러 도구를 연결하는 기록 체계와 에이전트 계층에 지속 가능한 기회가 있을 수 있다는 것이다. [13:12]
- 사전 지식이 많지 않아도 기본 개요 자료와 시장에 대한 초기 직관으로 시작할 수 있다. 초기 주장은 확정된 지식이 아니라, 질문과 검증을 통해 발전시킬 가설이다. [14:09]
7. 반증 가능성이 주장을 통찰로 바꾸는 기준
- 틀릴 가능성을 상상할 수 없는 문장은 검증할 주장보다 구호에 가깝다. ‘AI가 하드웨어를 바꾼다’ 같은 포괄적 표현보다 기업 수처럼 사실 여부를 확인할 수 있는 주장이 필요하다. [15:38]
- 오펜하이머는 반박 시도를 견딘 주장이 추가 시간과 자본을 투입할 만한 통찰로 발전한다고 본다. 주장 원장은 조사 결과를 행동 가능한 판단으로 전환하는 기반이다. [15:59]
8. 시장의 통념을 기준선으로 고정하고 숫자의 원출처 확인
- 본격 조사 전에 시장에서 이미 널리 믿는 이야기를 정리해 귀무가설에 해당하는 기준선을 만든다. 이후 발견은 이 기준선과 다르면서 검증도 통과해야 의미가 있다는 원칙이다. [16:22]
- 여러 보고서와 기사가 같은 시장 규모를 반복 인용해도 독립된 근거가 늘어난 것은 아니다. 오펜하이머는 숫자의 최초 출처를 추적하고, 반복 인용 때문에 합의처럼 보이는 수치를 조사 맥락에서 제거하려 한다. [17:15]
9. 인터뷰와 조사 한계 설정으로 합의 지도 보완
- 합의 지도는 실제 사람들과의 인터뷰를 결합할 때 차이를 드러낸다. 오펜하이머는 AI의 지원을 받아 이러한 조사 체계를 혼자 운영한다고 보여준다. [18:34]
- 합의된 입장을 허술하게 구성하면 나중에 가짜 발견을 만들 수 있다. 입장을 짧은 시간 안에 정리하기 어렵다면 논쟁 중인 사안으로 남기고, 조사 에이전트에도 작업량 한계를 둔다. [19:22]
10. 시장 전망과 기존 통념을 주장별로 연결
- 예시 합의 지도에는 일반 보고서가 제시하는 2025년 57억 6,900만 달러에서 2034년 390억 달러로 성장한다는 전망이 담긴다. 이는 시장에서 유통되는 전망의 사례이며, 검증이 끝난 시장 규모로 제시된 것은 아니다. [20:23]
- 최신 동향과 출처를 주장 번호에 연결해 어떤 자료가 어떤 주장과 관련되는지 추적한다. 자료를 모으는 데 그치지 않고 주장 원장과 조사 결과를 계속 연결하는 구조다. [20:41]
11. 경쟁이 몰린 영역과 근거가 비어 있는 영역 구분
- 합의 지도는 Cadence·Synopsys·Siemens 등이 있는 칩 설계 검증 에이전트 분야를 경쟁이 몰린 영역으로 분류한다. 반면 여러 도구를 연결하는 에이전트의 중립적인 집계는 출처로 검증하지 못한 공백으로 남는다. [22:08]
- 조사 결과와 수치는 직접 확인하고 교차 검증할 수 있는 출처를 갖춰야 한다. 시장의 기존 통념을 먼저 정리하지 않으면 이미 알려진 기본 조건을 새로운 통찰로 착각할 수 있다. [22:40]
12. 돈·자본·규제의 흐름으로 시장 구조 파악
- 시장 진입 여부는 정보와 돈의 이동뿐 아니라 규제의 흐름, 통제 주체, 거버넌스 구조에 좌우될 수 있다. 제품과 기업 목록을 넘어 거래와 권한의 관계를 살핀다. [23:05]
- 고객 지출이 어느 예산과 구매자에서 출발해 어떤 주체를 거치는지, 자본이 조직에 어떻게 유입되는지, 규제와 영향력이 어디에 작용하는지 정리한다. 수량으로 표현한 주장에는 범주와 상·하한을 함께 검토한다. [23:43]
13. 반복 검토로 가격·포함 산업·경쟁사 범위 수정
- 오펜하이머는 이 반복 과정에서 본격 조사 전에 범위가 세 차례 수정됐다고 보여준다. 초기 가격 범위의 양 끝이 잘못됐고, 의료기기가 실수로 빠졌으며, 기존 업체 목록에서도 다섯 곳이 누락돼 있었다. [25:48]
- 수정 사항은 처음 만든 주장 원장에 계속 반영한다. 기업을 조사 범위에 포함하거나 제외하는 이유도 명시해 시장 경계를 구체화한다. [26:21]
14. 공개 자료와 가격 비교로 누락된 참여자 발견
- 이번 사례는 공개 자료와 웹 검색을 사용했다. 오펜하이머는 접근 가능한 연구 구독과 기관 제공 자료도 활용할 수 있으며, 조사에 가져올 수 있는 자료가 많을수록 도움이 된다고 보여준다. [26:54]
- 자금 흐름도에는 자본의 출처, 인수·합병, 예상 순이익률 등을 연결한다. 가격 비교에서는 기업 웹사이트와 Reddit 등에서 찾은 가격 정보를 표로 모아 시장 내 좌석 가격을 비교한다. [28:05]
15. 합의와 다른 발견을 병렬 조사하고 검증 근거 기록
- 합의 지도와 주장 원장을 바탕으로 세 개의 병렬 조사를 진행해 시장의 통념과 다른 발견을 찾는다. 별도 세션이나 서로 다른 모델을 활용할 수도 있다. [29:02]
- 발견의 근거는 원출처로 돌아가 논문과 데이터셋을 다시 확인하고, 관련 기초 발생률도 검토한다. 합의와 다르다는 이유만으로 발견의 가치를 확정하지 않는다. [29:39]
16. 병렬 조사가 초기 시장 규모의 과대평가를 드러낸다
- 개별 심층 검색에는 10~25분 이상이 걸릴 수 있어 여러 조사를 병렬로 진행할 수 있다. 밤새 실행한 네 차례 조사에서는 초기 시장 규모에 포함하면 안 되는 항목들이 섞여 있어 실제 검토 대상 시장이 더 작다는 결과가 나왔다 [30:30]
- Synopsys가 10-K에서 AI 관련 매출을 기대하지 않는다고 명시했다는 조사 결과는 초기 보고서의 가정을 흔들었다. 첫 보고서만 받아들였다면 이런 반대 근거를 놓쳤을 수 있다 [31:05]
17. 주장별 재검증이 시장 규모와 고객 수를 수정한다
- 검토 사례의 50억~100억 달러 시장 규모 주장은 특정 가격 조건에서만 성립해 10억 달러로 하향 조정됐다. ‘반도체 고객 80곳’이라는 주장도 원출처가 고객 수가 아닌 배포 건수를 가리켜 재검증을 통과하지 못했다 [32:08]
- 주장 장부에서 ‘기록의 기준이 되는 시스템이 없다’는 판단은 적용 범위가 좁아졌고, 공급업체 수는 약 11곳이라는 혼재된 결과가 나왔다. 가격에 관한 의문은 해소되지 않았다 [33:17]
18. 다른 시장 구분과 현업 관점이 빠진 경쟁 구도를 찾는다
- 같은 자료를 업무 흐름과 단계 등 서로 다른 기준으로 나누면 초기 시장 구분이 놓친 대안이 드러난다. 오랜 현업 경험자가 지적할 허점도 기존 관점을 점검하는 기준이 된다 [34:57]
- 검토한 고객 흐름에서는 GitHub·Jira 안에서 활동하는 신생 기업들이 나타났지만, 여러 도구를 연결하는 제품이 기존 업체를 대체한다는 증거는 보이지 않았다. 오케스트레이션의 기회는 남아 있지만 초기 예상과는 위치가 달랐다 [35:29]
19. 독립 점검은 출처 존재와 주장 지지를 구분한다
- 별도 도구를 통한 독립 점검에서 62개 주장 중 36개는 검증됐고, 18개는 부분적으로만 지지됐다. 나머지는 오래된 정보 5개, 인용 페이지에 없는 내용 2개, 잘못된 사례 1개로 분류됐으며, 조작된 내용은 없다는 결과가 제시됐다 [36:42]
- 사실 자체가 맞아도 연결한 사례가 틀릴 수 있고, 찬반 양쪽 자료가 같은 발행자에게서 나왔다면 독립적인 근거로 보기 어렵다. 이런 점검은 투자나 창업에 자원을 투입하기 전에 조사 결론의 취약점을 드러낸다 [37:21]
20. 인터뷰는 남은 불확실성과 반대 증거에 집중한다
- 인터뷰 대상은 이미 확인된 사실을 재확인하기보다 아직 불확실한 주장을 기준으로 정한다. 구매자 관점의 근거를 공급업체나 투자자의 설명보다 우선하고, 각 인터뷰 범주에는 반대 의견을 가진 사람을 최소 한 명 포함한다 [38:12]
- 사례의 인터뷰 범주는 도구 간 기록 책임자, PLM 프로그램 책임자, CAD·EDA 등 도구 관리자, 개별 엔지니어로 나뉜다. 각 범주를 검증할 주장과 연결하고 공개 자료만으로 답을 얻지 못한 이유와 우선순위를 정한다 [38:46]
21. 개인 기록을 연결하면 기존 인맥과 접촉 맥락을 찾을 수 있다
- Oppenheimer는 도구 활용의 편익이 개인정보 보호보다 크다고 스스로 판단해 LinkedIn·이메일·WhatsApp 등에 광범위한 접근을 허용했다. 다만 같은 선택을 다른 사람에게 권하는 것은 아니라고 거듭 선을 그었다 [40:45]
- 자신이 투자한 Zapia는 그의 설명에 따르면 약 25년치 이메일과 연락처에서 우선 접촉할 사람 세 명을 찾고, 이전 만남이나 고객 관계를 함께 정리했다. 기존 관계의 맥락과 구체적인 조사 질문을 결합하면 답변을 얻는 데 도움이 된다는 판단이다 [42:15]
22. 연구 연락은 AI가 초안을 만들고 사람이 검토해 발송한다
- Oppenheimer는 AI가 이메일이나 메시지를 자동으로 보내도록 허용하지 않으며, 매번 직접 발송한다고 밝혔다. 무분별한 자동 연락은 연구 상대방에게 신뢰를 잃게 할 수 있다는 이유다 [44:06]
- 실제 활용 사례에서는 아침에 Gmail에 쌓인 초안 약 27개를 직접 검토·수정해 보내고, AI가 이후 답변 여부와 후속 연락 필요성을 추적한다 [44:40]
23. 조사와 개인 에이전트를 연결하되 기억과 예시의 진위를 구분한다
- 데스크톱에서 조사를 수행하는 Claude와 개인 에이전트를 연결하면 조사와 인맥 탐색을 밤새 함께 진행할 수 있다. 다만 특정 과거 대화에 관한 출력은 본인도 기억하지 못해 다시 확인해야 한다고 인정했다 [46:19]
- 대화 맥락의 출처는 이메일뿐 아니라 WhatsApp과 기존 인터뷰 기록도 포함한다. Oppenheimer는 2년 넘게 대화 기록 도구를 활용해 왔으며, 통화를 기록할 때는 상대방의 허락을 받아야 한다고 강조했다 [47:11]
24. 도구의 역할을 이해·조사·기록·조정으로 나눈다
- Claude·ChatGPT·Gemini는 조사 범위 설정, 통상적 견해 정리, 어려운 개념 이해에 활용한다. 복잡한 수학·과학 내용을 쉽게 풀어낸 설명은 이해를 돕는 용도이며, 인용할 근거로 삼지는 않는다 [48:00]
- 심층 조사는 별도 리서치 모드와 검색 도구가 맡고, Read.ai는 대화 기록, Excalidraw는 관계도 작성, Zapia 같은 개인 에이전트는 개인 맥락 활용을 담당한다 [48:43]
25. 주기적 갱신과 사람의 승인이 조사 체계를 완성한다
- 관심 채널의 일일 요약과 여러 AI 연구 대화방에서 반복되는 동향은 추가 조사 자료가 된다. 기존 주장 목록을 바탕으로 정기적인 뉴스 조사를 이어가면 시장 변화를 계속 반영할 수 있다 [50:06]
- Oppenheimer가 제시한 ‘발견’의 기준은 통상적 견해를 깨고, 1차 출처 검증을 견디며, 실제 행동을 바꾸는 것이다. 긴 보고서보다 검증 가능한 주장을 중심에 둔다 [50:29]
26. 최종 산출물은 시장 진입 판단과 개입 지점을 압축한다
- 몇 페이지 분량의 맞춤형 결과물에는 기회가 있는 곳과 없는 곳, 시장 규모, 이해관계자, 경쟁 구도, 제품을 만들거나 피할 영역이 담긴다. 투자자와 창업자가 시장 진입을 판단할 때 활용하는 관점이다 [52:07]
- 짧은 결과물에도 출처 장부를 연결하고, 별도 도구에서 여러 모델의 조사 진행 상태와 본인의 주의가 필요한 지점을 확인한다 [52:22]
27. 시장 가설과 기업 제안은 별도 조사로 다루되 주장 감사에서 출발한다
- 기업이나 조사 건마다 별도 프로젝트를 둔다. 자신의 시장 가설을 조사하는 경우와, 잘 모르는 분야의 기업이 보내온 자료를 바탕으로 조사하는 경우가 각각 있다 [53:58]
- 출발 자료가 발표 자료이든 메모나 대화이든, 먼저 주장을 감사하고 반대 근거를 찾아 시장을 이해한다는 원칙은 같다 [54:06]
28. 시장 주장 검증과 창업자·기업 평가는 구분한다
- 기업의 발표 자료를 받으면 핵심 주장 여섯 개를 추출한 뒤 그 주장들을 별도로 조사한다. 자료 전체의 설득력보다 시장에 관한 개별 주장의 타당성을 확인하는 접근이다 [54:24]
- 이 시장조사만으로 기업의 우수성을 판단하지는 않는다. 초기 창업에서는 창업자가 문제를 돌파하는 역량이 중요할 수 있다는 판단을 별도로 남겨둔다 [54:48]
🧾 결론
- 오펜하이머가 제시한 발견의 기준은 통상적 견해와 다르고, 1차 출처 검증을 견디며, 실제 행동을 바꾸는 것이다.
- 조사 품질은 보고서 분량보다 주장과 출처의 연결, 반대 근거의 검토, 불확실성의 명시에서 드러난다.
- AI는 조사 범위와 병렬 처리 능력을 넓히지만, 근거 해석과 자원 투입에 대한 책임은 사람에게 남는다.
- 시장에 관한 주장을 검증하는 작업과 창업자·기업의 우수성을 평가하는 작업은 별도로 다뤄야 한다.
📈 투자·시사 포인트
- 시장 규모는 정의와 가격 가정부터 확인해야 한다. 포함 산업, 고객 수와 배포 건수의 구분, 좌석 가격이 달라지면 투자 기회의 크기도 달라진다.
- 경쟁 구도는 실제 구매·사용 흐름으로 살펴야 한다. 기존 도구와 라이선스 구조를 빠뜨리면 신생 기업의 대체 가능성을 과대평가할 수 있다. 사례에서도 도구 간 연결 기회는 남았지만 예상했던 위치와는 달랐다.
- 구매자의 증거가 사업성을 가른다. 공급업체와 투자자의 설명에 더해 예산 책임자, 도구 관리자, 엔지니어의 지불 의향과 사용 맥락을 확인필요가 있다.
- 정보의 양보다 검증 구조가 차별화 요소다. 같은 공개 자료를 사용하더라도 원출처 추적, 반증, 인터뷰와 주기적 갱신을 연결하면 초기 제안에서 빠진 참여자와 가정을 발견할 수 있다.
⚠️ 불확실하거나 확인이 필요한 부분
- 시장 규모 10억 달러, 공급업체 약 11곳 등의 수치는 발표 사례에서 나온 조사 결과다. 시장 범위와 가격 조건에 따라 달라지며, 독립적으로 확정된 최신 시장 통계로 취급해서는 안 된다.
- Synopsys의 10-K 관련 설명과 62개 주장에 대한 독립 점검 결과는 발표자가 제시한 내용이다. 실제 판단에 사용하려면 원문, 적용 기간, 검증 기준과 해당 주장을 지지하는 범위를 확인해야 한다.
- 여러 도구를 연결하는 에이전트의 중립적인 집계와 가격에 관한 의문은 사례에서도 해소되지 않았다. 기존 업체를 대체한다는 증거 역시 제시되지 않았다.
- 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
- 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
- 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.
✅ 액션 아이템
- 조사 목적, 지역·산업 범위, 시간 예산과 진행·중단 조건을 정리한다.
- 초기 가설을 반증 가능한 개별 주장으로 나누고, 근거와 검증 상태를 주장 원장에 기록한다.
- 기존 시장 통념을 기준선으로 정리하고, 핵심 숫자의 최초 출처와 반복 인용 관계를 확인한다.
- 시장 규모 계산에서 가격 조건, 포함 산업, 고객 수와 배포 건수의 구분을 재검토한다.
❓ 열린 질문
- 여러 엔지니어링 도구를 연결하는 계층은 어떤 업무에서 지속적인 지불 의향과 도입 효과를 입증할 수 있을까?
- 기존 도구의 라이선스·데이터·구매 구조를 고려하면 신생 기업이 진입할 수 있는 구체적인 지점은 어디일까?
- 공개 자료로 해소되지 않은 가격과 구매 조건을 확인했을 때, 사례의 시장 규모 추정은 얼마나 더 달라질까?