前 Anthropic GTM 리드가 그린 마케팅 조직도에는 채널 팀이 없었습니다

前 Anthropic GTM 리드가 마케팅 조직도를 보여주는데, SEO팀도 퍼포먼스팀도 CRM팀도 없었습니다.

그럼 뭐가 있었을까요. 엔진 세 개였습니다. (팀 이름에 채널이 하나도 안 들어가더라고요.)

지난달 역삼에서 열린 Growth House Seoul에서 Sunil Subhedar님을 Airbridge 팀과 같이 만났습니다. Uber와 Canva를 거쳐 Anthropic에서 GTM 리드를 맡았던 분이고, 지금은 Storm Ventures에서 EIR(상주 창업가)로 계시면서 여러 회사의 마케팅 조직에 AI를 들이는 일을 하고 계십니다. 스스로를 "GTM AI 아키텍트"라고 부르시더라고요.

강연 30분, Q&A 30분이 끝나고 40분 정도 더 따로 이야기할 수 있었는데요. 솔직히 그 40분이 강연보다 더 값졌습니다. 질문을 하나 던지면 슬라이드에 없던 실제 사례가 계속 나왔거든요.

LinkedIn에도 짧게 정리했는데, 3,000자 안에 반도 못 담았습니다. 그래서 여기에는 빠짐없이 적어 보려고 합니다. 글이 좀 깁니다. 그래도 AI 시대에 맞게 마케팅 팀을 다시 짜야 하는 분이라면 끝까지 읽어 보셔도 후회는 없으실 거예요.

이 글에서 다루는 것은 이렇습니다.

• 왜 채널 팀을 없애고, 목표 중심의 엔진 세 개로 다시 짰는지
• 그 밑에 깔린 "AI 마케팅 하네스" 세 층 (Library, Skills, Observability)
• "잘 만들었나"와 "잘 됐나"를 나눠서 보는 법
• 하네스를 굴리는 사람, 역할 세 개
• 40분 대화에서 들은 측정, 소셜, B2B 이야기
• 돌아와서 제 작업 폴더에 대봤더니 생긴 일

1. 출발점: 제품이 마케팅보다 빨랐습니다

마케팅은 원래 이런 전제 위에 서 있었습니다.

• 제품은 6개월에 한 번 크게 바뀐다
• 고객이 누구인지는 1년에 한 번 정한다
• 제품을 어디에 쓰는지(유스케이스)는 출시 때 정하고, 1년쯤 뒤에 손본다

그런데 Anthropic은 2025년 11월부터 일주일에 주요 기능을 3~4개씩 냈습니다. 이번 주엔 개발자 도구 이야기를 하다가, 다음 주엔 디자이너 도구가 되고, 그다음엔 분석 제품이 됐습니다. 고객도 매주 바뀌고, 쓰임새도 매주 바뀐 거죠.

그럼 마케터는 어떻게 해야 할까요. 매주 캠페인을 새로 짜면 될까요? 그건 사람이 버틸 수 있는 속도가 아니라고 하셨습니다. 채널 플랜도, 타깃도, 메시지도 전부 옛날 속도에 맞춰 설계돼 있었으니까요. 일을 더 열심히 하는 게 아니라, 구조를 바꿔야 했습니다.

두 번째 문제: 누구나 만들 수 있으니, 다 똑같아졌습니다

요즘은 AI로 글도, 영상도, 앱도 쉽게 만듭니다. 그러다 보니 피드를 열면 다 비슷비슷합니다. 눈에 띄는 게 거의 불가능해졌죠.

Anthropic의 선택은 반대로 가는 것이었습니다. 디지털에서 오히려 한 발 물러나서 사람과 실제 만남을 강조했고요. 채널도 제일 쉽게 켤 수 있는 피드 광고 대신, 비어 있다고 판단한 곳으로 갔습니다. 팟캐스트와 인플루언서였습니다. 측정은 더 어렵지만, 거기에 사람들의 눈이 있었다고 합니다.

(측정 회사에서 일하는 입장에서 "측정이 어려워서 다들 안 가는 곳에 기회가 있었다"는 말이 꽤 아프게 들렸습니다 ㅎㅎ)

정리하면 이 두 문제가 출발점입니다. 속도를 따라가려면 구조가 바뀌어야 하고, 똑같아지지 않으려면 남들이 안 가는 곳으로 가야 합니다.

2. 조직: 채널 아홉 개를 엔진 세 개로

각 엔진은 2주 스프린트로 돕니다. 제가 이해하기로는 제품이 매주 바뀌니, 1년짜리 계획 대신 2주마다 다시 보고 고치는 리듬을 택한 겁니다.

왜 이렇게까지 하냐고 여쭤봤더니 답이 의외로 단순하더라고요.

구글에서 뭔가를 검색하면 한 화면에 맨 위 AI 답변, 그 아래 광고, 그 아래 일반 검색 결과가 같이 뜹니다. 고객에게는 그냥 한 화면입니다. 그런데 회사 안에서는 세 팀이 따로 봅니다. AI 답변은 콘텐츠팀이, 광고는 퍼포먼스팀이, 일반 검색은 SEO팀이요. 그러면 "고객이 검색에서 우리를 어떻게 발견하는가"라는 질문에 아무도 제대로 답을 못 한다는 겁니다.

Discovery 엔진으로 묶으면 광고만 보는 게 아니라 문서, 교육, 가이드까지 같은 팀의 일이 됩니다. 결국 고객이 제품의 진짜 가치를 발견하게 돕는 일이니까요.

"채널을 최적화하지 말고, 비즈니스의 문제를 해결하도록 조직을 바꿔라."

자문하는 회사에도 똑같이 적용했다고 합니다

따로 이야기할 때 사례 하나를 들려주셨습니다.

지금 자문하고 계신 회사 하나가 "검색광고를 자동으로 돌려주는 AI 에이전트"를 제품으로 만들고 있었다고 해요. 그래서 Sunil님이 이렇게 물어보셨답니다.

"고객이 ChatGPT나 구글 AI 답변에서 찾아오는 건 어떻게 잡을 건가요? 일반 검색과 유료 검색의 관계는 어떻게 보고 있나요?"

생각해 본 적이 없었다고 합니다. 유료 검색만 보고 있었으니까요. 그래서 그 제품을 "검색광고 도구"가 아니라, "고객이 우리를 발견하는 모든 경로를 다루는 Discovery 엔진 제품"으로 다시 잡게 하셨다고요.

조직을 짤 때 쓴 논리를 제품에도 그대로 적용한 거죠. 이 대목에서 이분이 말하는 "엔진"이 단순한 팀 이름이 아니라 생각하는 방식이라는 게 확 와닿았습니다.

3. 바닥: 그 밑에 깔린 "AI 마케팅 하네스" 세 층

조직만 바꾸면 제품이 또 바뀔 때 또 무너집니다. 그래서 바뀌어도 버티는 바닥이 필요하다고 하셨습니다. 이걸 "AI 마케팅 하네스"라고 부르시더라고요.

하네스(harness)는 원래 말에 채우는 마구입니다. 힘은 말이 쓰지만, 엉뚱한 데로 안 가게 잡아 주는 틀이죠. AI 쪽에서는 모델이 일을 제대로 하도록 둘러싼 맥락, 도구, 점검 장치를 통틀어 이렇게 부릅니다.

"제품팀과 개발팀은 이미 이런 걸 갖고 있습니다. 마케팅만 아직 없어요. 그 개념을 마케팅에 가져왔습니다."

하네스는 세 층입니다.

층 1. Library (도서관)

브랜드, 제품, 고객, 그리고 지금까지 가장 잘 됐던 결과물을 한 곳에 모읍니다. 내부 분석 숫자도, 외부 미디어 파트너 데이터도 같이요. 누가 오든, 어떤 AI가 오든 여기 와서 물어보면 같은 답이 나오게 하는 겁니다.

규칙은 두 개입니다.

• 주인이 있습니다. 2주 스프린트마다 그 주인이 내용을 갱신합니다.
• 모든 AI가 같은 걸 읽습니다. 사람마다 AI에 다른 자료를 주면 결과도 다 달라지니까요.

제가 이날 가장 많이 메모한 게 "사서(librarian)" 이야기였습니다.

사서는 글을 쓰는 사람이 아닙니다. 딱 두 가지를 합니다. 첫째, 도서관에 있는 정보가 진짜인지 확인합니다. 둘째, 누가 어디까지 볼 수 있는지 선을 긋습니다. 회사에 어떤 정보가 있는지 알고, 접근 범위를 관리하는 사람이죠. 그래서 CAIO(최고 AI 책임자)와 비슷한 역할이라고도 하셨습니다.

지식을 만드는 건 각 분야의 "저자(author)"들입니다. 영업 담당은 영업 지식을, 제품 담당은 제품 지식을 씁니다. 사서는 그 위에 질서를 만드는 사람이고요. 이 구분이 서야 AI가 안전하게 일할 수 있다고 합니다. 처음에는 파트타임으로 시작해도 괜찮다고 하셨습니다.

층 2. Skills (스킬)

"스킬은 직원을 포장한 것이다."

이 말이 인상 깊었습니다. 콘텐츠 만드는 직원이 있으면 콘텐츠 만드는 스킬이 있어야 한다는 거예요. 그 스킬은 필요한 데이터에 접근할 수 있어야 하고, 사람이 했을 때와 같은 품질을 내야 합니다.

여기서는 순서가 중요합니다.

• 회사 전체가 같이 쓰는 공통 스킬이 먼저 있습니다. 톤앤매너, 디자인 같은 것들이요.
• 블로그, 광고, 이메일 같은 채널 스킬은 그 위에 올라갑니다. 공통 스킬을 참고해서 만들어집니다.
• 스킬에도 권한이 있습니다. 누구나 쓰는 스킬이 있고, 정해진 사람만 쓰는 스킬이 있습니다.

이렇게 바꾸고 나니 새 기능 하나를 알리는 데 몇 주 걸리던 일이 며칠로 줄었다고 합니다.

가장 흔한 실패도 짚어 주셨습니다. 바로 "중구난방"입니다. 같은 일인데 이 사람은 이 스킬을, 저 사람은 저 스킬을 씁니다. 그러면 결과가 다 제각각이 되죠. 공통 스킬을 기준점으로 먼저 두는 이유가 여기에 있습니다.

층 3. Observability (관측)

모든 실행이 기록을 남깁니다. 그래야 사람이 보고 "이건 우리 기준에 맞다, 이건 아니다"를 판단하고 고칠 수 있으니까요.

이 층에서 가장 힘주어 말씀하신 문장이 있습니다.

"성공 기준이 먼저다. 기준이 없으면 AI가 뭘 내놔도 좋은지 나쁜지 알 수 없다."

기준을 못 맞추는 스킬은 고쳐서 맞추게 합니다. 그리고 무슨 일이 생기면 바로 알려 주는 장치를 둡니다. 이걸 "반응의 엔진"이라고 부르셨어요.

4. 운영: "잘 만들었나"와 "잘 됐나"는 다른 숫자입니다

매 스프린트는 이 순서로 돕니다.

1. 만든다: 일부러 서로 다른 각도의 시안을 몇 개 만듭니다
2. 본다: 고객 반응과 숫자에서 뭐가 달라졌는지 봅니다
3. 잰다: 정해 둔 지표로 측정합니다
4. 배운다: 왜 됐는지, 왜 안 됐는지 정리합니다
5. 정한다: 다음에 할 일을 정하고, 배운 걸 도서관과 스킬에 다시 넣습니다

지표는 두 종류로 나눠 봅니다

• 품질: 우리 기준에 맞게 잘 만들었나
• 성과: 비즈니스 결과가 실제로 움직였나

콘텐츠를 엄청나게 찍어 내서 품질 점수는 전부 통과했는데, 트래픽이 안 온다면 어떨까요. 이분 말로는 성과가 문제가 아니라 품질 기준이 틀린 거라고 합니다. 기준이 비즈니스와 연결돼 있지 않다는 뜻이니까요.

AI로 빨리 만드는 게 중요한 게 아니라, 그게 비즈니스에 기여하는지 계속 묻는 게 중요하다는 말이었습니다. 저도 이 부분이 제일 뜨끔했습니다.

신호에도 빠른 것과 느린 것이 있습니다

• 빠른 신호: 크리에이티브 조회수, 참여, 전환처럼 매일 보이는 숫자
• 느린 신호: 브랜드 인지도, 고객 생애 가치(LTV), 이탈처럼 몇 달 뒤에 보이는 숫자

매일 보이는 숫자를 빠짐없이 깨끗하게 모아 두면, 몇 달 뒤에야 보일 숫자가 어디로 갈지 미리 보이기 시작합니다. 그러면 매출이 떨어지기 전에 광고비를 옮길 수 있고, 떠날 고객이 떠나기 전에 먼저 연락할 수 있습니다. 매출로 드러나기 전에 브랜드에 투자할 수도 있고요.

하네스를 만드는 진짜 이유가 바로 이거라고 하셨습니다. 일을 빨리 하려는 게 아니라, 남들보다 먼저 움직이려는 거라고요.

5. 사람: 하네스를 굴리는 역할 세 개

가운데에는 중앙 AI 팀이 있습니다. 여러 도구를 잇는 연결, 접근 권한, 공통 스킬을 한 번 제대로 만들어 두고, 새 모델이 나오면 먼저 테스트해 보는 팀입니다. 그 위에 역할이 세 개 있습니다.

1. 빌더(Builder): 그 분야를 제일 잘 아는 사람입니다. 에이전트 워크플로를 직접 만들고, "무엇이 좋은 결과인지"를 책임집니다.
2. 솔루션 엔지니어(Solutions Engineer): 데이터가 어디 있는지 알고 연결합니다. 사람들이 막 써도 무너지지 않게 만듭니다.
3. AI 인에이블먼트(AI Enablement): 팀이 도구를 어떻게 쓰는지 지켜보고, 어디서 막히는지 찾고, 다음에 무엇을 만들지 정합니다.

작은 팀이라면 한 사람이 여러 역할을 겸해도 된다고 하셨습니다. 중요한 건 세 역할이 서로 계속 이야기하는 것이라고요.

6. 숙제: 이번 주에 할 것 넷, 스스로 점검할 질문 넷

강연의 마지막 슬라이드입니다.

1. 채널이 아니라 목표로 팀과 일을 짜세요. 목표 하나(예를 들어 Discovery)로 시작해서, 기존 팀을 그 둘레에 붙여 나가면 됩니다.
2. 새 역할을 정하세요. 빌더, 솔루션 엔지니어, AI 인에이블먼트를 누가 맡을지요.
3. 공유 도서관을 만드세요. 맥락, 스킬, 배운 것이 한 곳에 모이게요.
4. 측정 시스템을 만드세요. 팀 안의 품질과 비즈니스 목표가 같이 좋아지는지 볼 수 있게요.

그리고 이 넷을 한 줄 숙제로 줄여 주셨습니다.

"이번 주에 목표 하나를 고르고, 그 도서관의 주인이 누구인지 이름을 적어라."

스스로 점검해 볼 질문도 네 개 주셨습니다.

• 목표를 정확하게 정의한 팀이 있나요?
• 변화에 빠르게 대응하는 방법이 있나요?
• AI로 배운 것과 할 일이 한 곳에 모여 있고, 모두가 알고 있나요?
• AI로 하는 일이 비즈니스에 실제로 영향을 주는지 재고 있나요?

저는 네 번째 질문에서 한참 멈춰 있었습니다.

7. Q&A와 따로 나눈 40분에서 들은 것

B2B SaaS는 어떻게 해야 하나요

남들이 하는 걸 하지 말고 반대로 가라고 하셨습니다. 우리만 잘할 수 있는 "고객을 만나는 창"을 만들라고요. 저희 팀 질문에는 더 세게 답하셨습니다.

• 지금까지 쓰던 B2B 영업 공식은 창밖으로 던져라
• 창업자가 직접 브랜드의 얼굴이 돼라
• 두꺼운 소개 자료로 설득하지 말고, 실제로 돌아가는 걸(POC, 개념 검증) 바로 보여줘라

회사가 작으면요

어디서든 제일 중요한 건 "신호"를 보는 거라고 하셨습니다. 할 수 있는 만큼 많이 모아서 다음 행동을 정하고, 내가 믿는 게 맞는지 숫자로 증명하라고요.

AI 때문에 불안해하는 팀원이 있다면요

리더들과 이야기해 보면 90%는 사실 AI 이야기가 아니라고 하셨습니다.

• 먼저 솔직하게 걱정을 들어 주세요.
• AI는 외국어 같아서 매일 써야 늡니다.
• "무엇이 대체되나"가 아니라 "무엇을 더 할 수 있나"로 초점을 옮겨 주세요.
• 그리고 능력이 늘면 일도 늘어납니다. 팀원을 번아웃에서 지켜 주는 게 리더의 새로운 일이라고요.

이 대답은 많이 따뜻했습니다.

채용은요

예전에는 경력을 봤다면, 지금은 호기심, 열정, 배우려는 태도를 본다고 하셨습니다. 주말에 새 도구를 배워서 뭔가 만들어 보는 사람, 틀 밖에서 생각하는 사람이요.

측정은 어떻게 하나요

광고 성과를 보는 숫자는 세 개인데, 쓰는 자리가 다 다르다고 하셨습니다.

1. 광고 플랫폼이 보여 주는 숫자: 플랫폼이 스스로 매긴 성적표라 걸러서 봐야 합니다. 그래도 비용이 꾸준히 내려가고 있다면 뭔가 되고 있다는 신호입니다. 새 채널을 테스트할 때 씁니다.
2. 광고를 켰을 때와 꺼 봤을 때의 차이(인크리멘탈리티): 오래 돈을 써 온 채널이라면 꼭 해 봐야 합니다. 채널마다 얼마를 쓸지 이걸로 정합니다.
3. 전체 예산 그림(MMM, 미디어 믹스 모델링): 돈을 어디서 빼서 어디로 옮길지 정합니다.

세 숫자는 서로 다른 이야기를 하기 때문에 꼭 같이 봐야 한다고 하셨습니다.

새 채널을 시험할 때는 가설부터 세운다고 합니다. "무엇을 테스트하나, 어떻게 잴 건가, 얼마나 오래 볼 건가." 작은 예산으로 시작했다면, 조회수나 조회당 비용 같은 숫자가 그 가설에 대해 뭘 말해 주는지를 본다고요.

소셜은요

"소셜은 성과를 내는 채널이 아니라, 고객을 가르치는 채널이다."

인플루언서가 만든 영상은 한 번 쓰고 끝내지 않습니다. 잘라서 광고 소재로 다시 씁니다. 그리고 사람들이 그 영상에 어떻게 반응했는지는 제품팀에 넘겨서 "무엇이 먹히는지"를 알려 줍니다. 돈은 한 번 쓰는데, 두 번 쓰는 셈이죠.

이 이중 역할을 재무팀에 차근차근 설명해서 측정 예산을 따로 받아 냈고, 측정이 가능해지고 나니 유튜브와 팟캐스트 인플루언서가 광고비 대비 수익이 아주 높은 채널로 나왔다고 합니다. 재무팀과 데이터팀을 한 팀으로 끌어들여 리더에게 이야기를 만든 것도 인상적이었습니다.

에이전시와 AI 도구는요

우리 팀에 없는 능력일 때만 쓰라고 하셨습니다.

많은 AI 도구가 사실 다른 모델 위에 얇게 포장만 한 것이라, 조금 더 잘할 뿐이라고요. 시스템을 만들어 주지도 못하고, 조직 밖에 있으니 빠르게 움직이지도 못합니다.

그래서 질문은 하나입니다. "이 일을 우리보다 더 잘하게 만드는, 당신만의 능력이 뭔가요?"

모든 에이전시를 직원 뽑듯이 인터뷰한다고 하셨습니다. 실제로 크리에이티브가 한 달에 한 번 오는데 2주마다 필요해서, 영상 자르기나 빠른 영상 제작처럼 특정 일을 잘하는 사람 몇 명을 직접 뽑으셨다고 해요.

새 기능은 어떻게 알리나요

"기능은 고객에게 아무것도 말해 주지 않는다."

제품팀에도 이렇게 이야기하셨다고 합니다. 새 기능이 나와도 그대로 알리지 않고, 마케팅이 사람마다 "당신에게 중요한 건 이거예요"로 바꿔서 전합니다. IT 담당자에게는 보안 이야기를, 엔지니어링 리더에게는 생산성 이야기를요.

큰 회사는 구매 결정에 끼는 사람이 12명이 넘는다고 합니다. 그래서 "지도"를 그린다고 하셨어요. 누가 어디서 깊이 들여다보는지, 누가 우리를 도와줄 사람인지를요. 이게 작게 들어가서 넓혀 가는(land and expand) 방식의 핵심이라고 합니다. 새 기능이 나올 때마다 이 지도에 비춰서, 누구에게 도움이 되는지부터 판단한다고요.

Anthropic 마케팅은 실제로 뭘 했나요

크게 두 가지였다고 합니다.

1. Surround sound: 사방에서 소리가 들리게 하는 것처럼, 모두가 지금 무슨 일이 일어나는지 알게 만드는 인지 작업
2. 관심 신호 만들기: 필요한 시장과 산업에서 전자책, 웨비나로 접점을 만들어 리드를 가려내는 일. 시간이 지나면서 이건 상위 2,000개 기업에만 집중했다고 합니다.

Anthropic만의 독특한 문제는 고객 수가 아니었다고 하셨습니다. 고객의 주의(attention), 그리고 제품에 대한 교육이 문제였다고요. 모델이 무엇을 할 수 있는지 알리는 일이 대부분이었다는 겁니다.

요즘은 뭘 하고 계세요

여러 회사의 도서관 설계, 시스템, 팀 구성을 돕고 계신다고 했습니다. 어떤 CEO에게는 "AI 마케팅 자문위원회"를 만들어 드렸다고 해요. 여러 관점을 가진 AI가 가상의 원탁에 둘러앉아 돌아가며 의견을 내는 구조라고 합니다. (이건 저도 꼭 따라 만들어 보고 싶었습니다.)

8. 돌아와서 제 작업 폴더에 대봤습니다

강연을 듣다가 멈칫한 이유가 있습니다.

저는 지난 몇 달 동안 개인 위키 100여 페이지, 스킬 파일 수십 개, 작업 로그와 점검 루틴을 혼자 굴리고 있었습니다. 이름을 못 붙였을 뿐, 같은 구조였더라고요. 위키가 Library, 스킬 파일이 Skills, 로그와 점검이 Observability였습니다.

그래서 숙제를 제 폴더에 그대로 대봤습니다.

있는 것

• 도서관: 북극성 지표와 분기 목표를 적은 파일, 퍼널 단계별 담당자와 주간 기준치를 적은 파일이 있습니다. 에이전트는 일을 시작할 때 이 두 파일을 먼저 읽습니다. 그리고 개인 위키 100여 페이지가 있습니다.
• 스킬: 61개가 있습니다. 직접 만든 게 11개, 설치한 게 50개입니다.
• 관측: 무언가를 보고하기 전에, 작성한 에이전트와 다른 에이전트가 사실과 톤을 따로 검토합니다.

없는 것

• 도서관 주인이 저 혼자입니다.
• 스킬에 성공 기준이 적힌 게 거의 없습니다. 공통 스킬을 채널 스킬이 이어받는 구조도 없습니다.
• 폴더 이름이 아직 채널 이름입니다. "Discovery 엔진" 하나로 묶인 목표와 스프린트가 없습니다.
• 빠른 신호로 느린 신호를 미리 읽는 모델이 없습니다. 아직은 둘을 나란히 보는 수준입니다.

바로 한 것

주간 자동 점검 두 개의 로그를 열어 봤습니다. 7월부터 매주 "명령을 찾을 수 없음"으로 죽어 있더라고요. 석 달 동안 몰랐고, 그동안 아무 일도 없었습니다.

그래서 고치지 않고 지웠습니다. 없어도 된다는 걸 석 달이 증명해 준 셈이니까요.

대신 딱 하나만 남겼습니다. 월요일 아침에 "지난주에 실패한 자동화" 목록만 한 줄로 보내 주는 알림입니다. 점수도 리포트도 없습니다. 제가 봐야 할 건 제 스킬이 얼마나 잘 만들어졌는지(품질)가 아니라, 돈이 걸린 자동화가 제대로 돌았는지(성과)였으니까요. Sunil님이 말한 "잘 만들었나 말고, 잘 됐나"가 그대로 제 폴더 이야기였습니다.

다음에 할 것 두 개

1. 스킬마다 성공 기준을 한 줄씩 적겠습니다. 공통 스킬(브랜드 톤)을 기준점으로 두고, 채널 스킬이 그걸 이어받게 하려고 합니다.
2. 도서관 주인을 저 말고 한 명 더 정하겠습니다. 첫 목표는 Discovery입니다.

한 줄 요약

채널을 최적화하는 조직은 채널이 바뀌면 멈춥니다. 목표를 가진 조직은 채널이 바뀌어도 돌아갑니다.

그 밑에 도서관, 스킬, 관측 세 층을 깔고, 이번 주에는 목표 하나와 도서관 주인 이름 하나만 적어 보세요. 생각보다 빈칸이 잘 보입니다.

Sunil Subhedar, thank you for the talk in Seoul, and for taking 40 more minutes of questions after it ended. Next time I'll come back with the results of actually running this. 🙌