Saram Consulting어느 밸리데이션 팀이 신규 MES(제조실행시스템) 도입을 위해 IQ(설치 적격성 평가) 프로토콜 초안을 작성하는 AI 에이전트를 배포합니다. 에이전트는 1시간도 채 되지 않아 34개의 프로토콜을 생성해 냅니다. 밸리데이션 리드가 첫 번째 프로토콜을 열어봅니다. 문서 구조는 정확합니다. 테스트 단계는 올바른 기능 사양(functional specs)을 참조하고 있으며, 판정 기준(acceptance criteria)은 URS(사용자 요구사항 명세서)와 완벽히 일치합니다.
리드는 “승인(Approve)“을 클릭합니다.
그리고 다음 프로토콜에서도 “승인”을 누릅니다. 그다음 것도 마찬가지입니다. 11분 만에 34개의 프로토콜이 모두 승인됩니다.
6개월 후, FDA 실사관(inspector)이 감사 추적(audit trail) 기록을 추출합니다. 34건의 승인. 소요 시간 11분. 수정 내역 없음. 검토 코멘트 없음. 반려(rejection) 기록 전무.
실사관은 지적 사항(observation)을 작성합니다: 인간의 검토는 독립적이지 않았음. 밸리데이션 팀이 규제 준수 책임(compliance accountability)을 AI 도구에 전가(delegate)하였음.
이는 가상의 시나리오가 아닙니다. FDA는 2026년 품질 부서(Quality Unit)의 실질적인 검토 없이 AI가 생성한 cGMP 문서에 과도하게 의존한 기업들을 대상으로 실제로 지적 사항을 발행했습니다. 현재 가이드라인은 명확하게 규정하고 있습니다: 규제 준수 책임은 AI 도구에 위임될 수 없습니다.
해결책은 AI 사용을 중단하는 것이 아닙니다. 해결책은 **Human-in-the-Loop(HITL, 인간 참여형 시스템)**을 올바르게 구축하는 것입니다.
CSV에서 HITL이 실제로 의미하는 것
HITL은 단순히 “마지막 단계에서 사람이 승인 버튼을 누르는 것”이 아닙니다. AI가 초안 작성이나 보조 업무를 수행하되, 자격을 갖춘 인간이 이를 검토하고, 비판적으로 검증(challenge)하며, 승인하고, 모든 GxP 관련 의사결정에 대해 전적인 책임을 지는 구조화되고 문서화된 시스템입니다.
인간은 AI 자체를 밸리데이션하는 것이 아닙니다. 인간은 AI가 추천하는 비즈니스 의사결정의 타당성을 검증하는 것입니다.
2025년 9월 최종 확정되고 ISO 13485:2016을 21 CFR Part 820에 통합한 신규 QMSR에 맞추어 2026년 2월 3일 업데이트된 FDA CSA 가이드라인에 따르면, 생산 및 품질경영시스템 목적으로 사용되는 AI/ML 도구는 **명시적인 규제 적용 대상(in scope)**입니다. 온프레미스, SaaS, IaaS, PaaS, 분석 도구, 자동화 도구, AI 도구 모두가 해당됩니다. 이는 결코 규제의 회색지대(gray area)가 아닙니다.
2026년 2월의 업데이트가 중요한 이유는, 품질 또는 CSV 업무를 수행하는 AI 에이전트가 규제적 공백 상태에서 작동하는 것이 아님을 명백히 확인했기 때문입니다. 이들은 GxP 환경의 다른 모든 컴퓨터화 시스템을 통제하는 동일한 위험 기반 프레임워크(risk-based framework)의 적용을 받습니다.
5단계 위험 등급 (The Five-Level Risk Tier)
모든 AI 기능에 동일한 수준의 인간 감시가 필요한 것은 아닙니다. CSA의 핵심 본질은 투입되는 노력이 위험에 비례해야 한다는 것입니다. 이 논리를 HITL에 적용하면 다음과 같습니다:
L0 — 정보성 (Informational): AI가 SOP를 요약합니다. 승인이 필요하지 않습니다. 감사 추적(audit trail)을 위해 해당 작업을 기록(log)합니다.
L1 — 저위험 (Low Risk): AI가 회의록 초안을 작성하거나 보고서 서식을 지정합니다. 관리자가 샘플링 기반으로 불시 점검(spot-check)을 수행합니다.
L2 — 중간 위험 (Medium Risk): AI가 IQ 프로토콜을 생성하거나 추적성 매트릭스 초안을 작성합니다. 밸리데이션 엔지니어가 이를 검토, 편집하고 전자 서명합니다.
L3 — 고위험 (High Risk): AI가 테스트 케이스를 추천하거나 일탈(deviation)을 분류합니다. CSV 리드가 검토하고 QA가 승인합니다. 서로 다른 두 명의 인간이 관여해야 합니다.
L4 — 중대 GMP (Critical GMP): AI가 배치 출하 판정, 밸리데이션 결론, 위험 수용(risk acceptance), 또는 일탈 종결을 제안합니다. AI는 이를 최종 확정할 수 없습니다. 반드시 인간이 승인해야 합니다. 통상 실무 전문가(SME)와 QA의 이중 승인(dual approval)이 요구됩니다.
이 위험 등급은 세 가지 요소를 결정합니다. 인간이 산출물의 어느 범위까지 검토해야 하는지, 한 명 또는 두 명이 서명해야 하는지, 그리고 신뢰도(confidence)가 낮을 때 시스템이 어떻게 대응해야 하는지입니다.
신뢰도 기반 라우팅 (Confidence-Based Routing)
모든 것을 전수 검토하는 것은 낭비입니다. 아무것도 검토하지 않는 것은 직무유기입니다. 해답은 신뢰도 시그널에 기반한 지능적 라우팅입니다.
신뢰도는 단순한 모델의 토큰 확률(token probability)만을 의미하지 않습니다. 이는 지식 베이스로부터의 검색 품질(retrieval quality), 다중 모델 실행 간의 일관성, 정책 규칙(policy-rule) 점검 결과, 템플릿 대비 완전성, 그리고 과거 평가 점수가 결합된 복합 시그널(composite signal)입니다.
구체적인 라우팅 로직은 다음과 같습니다:
- 95% 이상: 자동 진행(Auto-continue). 감사 추적에 기록되지만 인간 검토를 위해 워크플로우를 차단하지 않습니다.
- 80~95%: 엔지니어 검토 단계로 라우팅. 선택적 코멘트 입력과 함께 원클릭 확인(single-click verification)을 수행합니다.
- 60~80%: SME 정밀 검토 단계로 라우팅. 승인 또는 반려 시 필수적으로 사유(rationale)를 입력해야 합니다.
- 60% 미만: 자동 반려 및 에스컬레이션. 산출물이 현재 형태 그대로 인간 검토자에게 도달하지 않습니다. 시스템이 재생성을 수행하거나 수석 전문가에게 에스컬레이션합니다.
이는 정교하게 튜닝된 시스템에서 AI 산출물의 약 6070%가 가벼운 확인(light-touch verification)만으로 신속히 처리되고, 나머지 3040%는 그에 걸맞은 집중 검토(intensive review)를 받게 됨을 의미합니다. 엄격성을 전혀 희생하지 않으면서도 검토 소요 시간을 수일에서 수 시간 단위로 단축할 수 있습니다.
정책 엔진: 인간 검토 이전의 규제 준수 게이트
AI 산출물이 인간 검토자에게 전달되기 전에, 다음과 같은 항목들을 검증하는 자동화된 정책 엔진(policy engine)을 반드시 거쳐야 합니다:
- ALCOA+ 원칙 준수 여부(귀속성, 가독성, 동시성, 원본성, 정확성, 완전성, 일관성, 지속성, 가용성)
- 21 CFR Part 11 전자서명 요건 구성 여부
- SOP 참조의 적절성 및 최신성
- 추적성 링크(traceability links) 유지 여부
- 필수 문서 섹션의 완전성
- 환각(hallucination)된 참조나 위조된 데이터 포인트 부재 여부
정책 검증에 실패하면 인간 검토자는 해당 산출물을 볼 필요가 없습니다. 시스템은 즉시 재생성하거나 조사 플래그를 지정합니다. 규칙 기반 엔진이 사전에 걸러낼 수 있는 구조적 결함을 찾아내는 데 시간을 허비하지 않으므로, 인간 검토자의 업무 부담이 획기적으로 줄어듭니다.
밸리데이션 수명주기 내에서 인간의 위치
HITL은 프로세스 끝단에 단순히 덧붙여진 단일 체크포인트가 아닙니다. 밸리데이션 수명주기(lifecycle)의 전 단계에 걸쳐 유기적으로 통합되어 있습니다.
요구사항 정의 및 위험 평가 (Requirements & Risk Assessment): AI가 URS 문서를 파싱하고 위험 분류 초안을 생성합니다. 실무 전문가(SME)가 이를 검토하고 승인합니다. 의도된 용도(intended use)와 위험 등급을 정의하는 주체는 AI가 아닌 인간입니다.
추적성 확보 (Traceability): AI가 요구사항과 테스트 케이스를 매핑하여 요구사항 추적성 매트릭스(RTM) 초안을 작성합니다. 매칭 신뢰도 점수가 함께 표시됩니다. 높은 신뢰도의 매칭은 원클릭으로 검증되며, 낮은 신뢰도의 매칭은 필수적인 수동 할당을 트리거합니다. 매핑되지 않은 요구사항은 RTM이 확정(lock)되기 전에 플래그가 지정됩니다.
테스트 스크립트 생성 (Test Script Generation): LLM이 테스트 계획서, 정상(positive) 및 비정상(negative) 테스트 스크립트, 그리고 합성 테스트 데이터셋의 초안을 작성합니다. SME는 위험 평가 결과를 바탕으로 이를 검토하며, 매개변수를 수정하고 도메인 특화 엣지 케이스를 추가합니다. CSA 체계에서는 비고위험 시스템에 대해 비스크립트 테스트(unscripted testing: 탐색적 테스트, 시나리오 기반 테스트, 오류 예측 테스트)가 명시적으로 허용됩니다. 바로 이 지점에서 인간 탐색적 테스터는 AI가 결코 흉내 낼 수 없는 고유한 가치를 발휘합니다.
테스트 실행 (Test Execution): 자동화 도구가 스크립트 또는 비스크립트 회귀 테스트를 실행하며 화면 상태와 시스템 로그를 캡처합니다. 인간 검토자는 적합/부적합(pass/fail) 상태를 확인하고 실행 패키지에 최종 서명합니다. AI는 테스트 케이스를 ’통과’시킬 권한이 없으며, 오직 자격을 갖춘 사람만이 가능합니다.
일탈 처리 (Deviation Handling): 이상 탐지(anomaly detection) 알고리즘이 실행 로그를 스캔하여 잠재적 일탈을 감지합니다. 시스템은 이상 항목을 강조 표시하고, 과거 근본 원인(root-cause) 매칭 내역을 보여주며, 분류를 추천합니다. 품질 전문가는 맥락을 검토하고, 분류를 확정하거나 재분류하며, 영향성 평가서(impact statement)를 작성하고, 시정 조치(remediation) 계획을 승인해야 합니다.
출하 및 릴리스 (Release): AI는 절대로 릴리스 권한을 가질 수 없습니다. 예외는 없습니다.
이중 계층 감사 추적 (The Dual-Layer Audit Trail)
21 CFR Part 11 및 EU GMP Annex 11 준수를 위해서는 기계의 활동과 인간의 대응을 모두 기록하는 이중 계층 감사 추적이 필수적입니다.
계층 1 — 기계 활동 (Machine Activity): 모델 파라미터, 프롬프트 해시값, 시스템 입력값, 가공되지 않은 AI 원본 산출물, 신뢰도 점수, 모델 버전, 타임스탬프. 이를 통해 특정 승인 시점에 에이전트가 어떤 산출물을 생성할 수 있는 상태였는지를 완벽하게 재구성(reconstruct)할 수 있습니다.
계층 2 — 인간 작업 (Human Action): 검토자 정보, 검토 일시, 자동화된 초안과 최종 텍스트 간의 차이(diff)를 보여주는 명시적 편집 이력, 수정 또는 승인 사유, 서명 의미(signature meaning)가 포함된 전자서명, 타임스탬프.
여기서 가장 핵심적인 사실은 두 계층이 모두 보존되어야 한다는 점입니다. AI의 원본 산출물을 인간이 수정한 버전으로 덮어써서는 안 됩니다. 실사관은 기계가 무엇을 생성했는지, 그리고 인간이 그것을 바탕으로 무엇을 수행했는지의 두 가지를 모두 확인할 수 있어야 합니다.
근거 카드(Rationale Cards): 설계에 의한 설명가능성
인간 검토자에게 불투명한 추천 결과를 그대로 제시해서는 안 됩니다. 모든 자동화된 산출물에는 시스템이 왜 그러한 결과를 도출했는지 설명하는 ’근거 카드(Rationale Card)’가 포함되어야 합니다.
예시: “테스트 케이스 #12를 제안함. 이유: 요구사항 URS-42가 다중 요소 인증(MFA)을 참조하고 있으며 이는 ISO 27001 통제 기준과 일치함. 신뢰도: 87%. 소스 인용 구간: URS-42 3문단 2행.”
근거 카드에는 신뢰도 구간, 강조 표시된 증거(추천을 이끌어낸 특정 텍스트 구간 또는 데이터 포인트), 소스 인용, 그리고 시스템이 고려했던 대안적 해석(있는 경우)이 포함됩니다.
이것이 바로 실무 전문가(SME)가 산출물에 대해 유의미한 비판적 검증(challenge)을 수행할 수 있게 하는 핵심 장치입니다. 이것이 없다면 검토자는 블랙박스를 쳐다보는 것에 불과하며, 승인은 단순한 요식 행위에 지나지 않게 됩니다.
형식적 맹목적 승인(Rubber Stamping) 방지 대책
감사 추적 기록상에서 2초 만에 100% 승인이 이루어진 것이 확인된다면, FDA 실사관은 인간의 검토가 독립적이지 않았다고 결론지을 것입니다. 이는 HITL 시스템에서 가장 흔하게 발생하는 단일 실패 모드(failure mode)입니다.
이에 대한 통제 메커니즘은 다음과 같습니다:
사유 입력 강제화 (Forced rationale entry): 낮은 신뢰도의 산출물을 수용하거나 오버라이드(override)할 때 텍스트 필드 입력을 의무화합니다. 단순한 “검토 완료(Reviewed)“는 유효한 사유로 인정되지 않습니다. 검토자는 자신이 무엇을 검증했는지 명시해야 합니다.
블라인드 선행 평가 (Blind-first assessment): 중대한 단계의 경우, 인간이 AI의 제안을 보기 전에 먼저 자신만의 평가를 입력하도록 요구합니다. 이는 닻 내림 효과(anchoring bias, 기준점 편향)를 방지합니다.
블라인드 챌린지 검증 (Blind challenge verification): 알려진 테스트 변형—의도적으로 오류를 삽입한 산출물—을 검토 대기열에 주기적으로 주입합니다. 인간이 이를 그대로 승인한다면 교육 훈련에 결함이 있거나 맹목적 승인 문제가 발생하고 있는 것입니다.
검토 소요 시간 추적 (Review time tracking): 비정상적으로 짧은 시간 내에 완료된 검토에 플래그를 지정하고 조사합니다. 3분 만에 200개의 테스트 스크립트를 검토한 인간은 사실상 검토를 수행하지 않은 것입니다.
오버라이드 비율 모니터링 (Override rate monitoring): 검토자가 AI 추천을 오버라이드(수정/반려)하는 비율이 0.5% 미만이라면 내용을 읽지 않고 승인하는 것입니다. 반대로 오버라이드 비율이 15%를 초과한다면 모델의 성능이 저하된 것입니다. 두 임계값 모두 조사를 트리거해야 합니다.
배치 크기 제한 (Batch size limits): 단일 검토 세션에서 처리할 수 있는 항목 수를 제한하여 ‘전체 일괄 승인(approve all)’ 행동을 원천 방지합니다.
구조화된 검토 인터페이스 (Structured review interface): 자유 형식 텍스트 입력을 승인(Accept), 반려(Reject), 편집(Edit)과 같은 명확한 개별 액션으로 대체하고, 각각 구조화된 사유를 요구합니다. 이를 통해 모든 검토 의사결정이 패턴 분석이 가능한 구조화된 데이터로 변환됩니다.
기술 아키텍처 (Technical Architecture)
CSV를 위한 실제 운영 환경(production)의 HITL 시스템은 4개의 아키텍처 계층을 필요로 합니다.
계층 1: AI 에이전트 (AI Agents): 각기 다른 작업(CSV 초안 작성, QA 검토, 위험 평가, 추적성 매핑, 정책 준수 검증)에 특화된 에이전트들로 구성됩니다. 산출물이 인간에게 도달하기 전에 각 에이전트가 서로의 결과를 비판적으로 교차 검증합니다. CSV 에이전트의 산출물이 추적성 에이전트, 위험 평가 에이전트, 정책 검증 에이전트를 차례로 통과하는 멀티 에이전트 파이프라인을 구축하면, 인간은 다단계의 자동화된 검토를 통과한 결과물만을 마주하게 됩니다.
계층 2: 검토 오케스트레이터 (Review Orchestrator): 위험 등급과 신뢰도 점수를 기반으로 산출물을 적절한 검토자에게 라우팅하는 HITL 게이트웨이입니다. 워크플로우 순서 제어, 에스컬레이션 경로, 배치 크기 제한을 강제합니다.
계층 3: 인간 검토 포털 (Human Review Portal): AI 산출물과 함께 근거 카드, 소스 인용, 신뢰도 점수, 이전 버전과의 차이(diff)를 함께 보여주는 구조화된 인터페이스입니다. 필수 사유 필드가 포함된 명확한 승인/반려/편집 액션과 21 CFR Part 11 전자서명 연동을 제공합니다.
계층 4: 감사 추적 및 증거 패키지 (Audit Trail & Evidence Pack): 기계의 활동과 인간의 조치를 모두 불변(immutable) 스토리지에 저장합니다. 버전 관리되는 프롬프트 및 에이전트 구성 정보가 인간의 의사결정과 함께 보관됩니다. 실사 대응을 위해 즉시 내보낼 수 있는 증거 패키지를 생성합니다.
이메일 승인이나 슬랙(Slack) 승인은 결코 허용되지 않습니다. 강제 중단(hard stop), 역할 기반 접근 제어(RBAC), Part 11 준수 전자서명이 갖춰진 밸리데이션된 워크플로우 엔진이어야 합니다. 바로 이 통제 시스템 자체가 밸리데이션 대상입니다. 시스템이 우회 시도를 차단하는지, 전자서명이 레코드를 잠그는지, 감사 추적이 위변조될 수 없는지를 반드시 테스트해야 합니다.
HITL 시스템 자체의 밸리데이션
HITL 통제 장치들은 밸리데이션 대상 시스템의 일부입니다. 따라서 반드시 테스트되어야 합니다.
설치 적격성 평가 (IQ): 워크플로우 버전, 사용자 역할, 전자서명 구성, eQMS(전자 품질경영시스템)와의 연동 상태를 검증합니다.
운전 적격성 평가 (OQ): 인간 검토 게이트가 우회될 수 없는지 테스트합니다. Part 11 전자서명이 레코드를 정상적으로 잠그는지 테스트합니다. 감사 추적이 모든 필수 데이터 포인트를 기록하는지 테스트합니다. 네거티브 시나리오도 테스트해야 합니다. 인간이 반려하면 어떤 일이 발생하는가? 지정된 검토자가 부재중일 때 어떻게 처리되는가? 신뢰도 기반 라우팅이 산출물을 올바른 대기열로 보내는지 테스트합니다.
성능 적격성 평가 (PQ): QA 테스터가 아닌 실제 엔드 유저를 참여시켜 현실적인 시나리오로 수행합니다. 의도된 오류(seeded errors)를 주입하여 인간이 실제로 이를 잡아내는지 입증합니다. 검토 소요 시간, 인간의 오류 감지율, 오버라이드 비율을 측정합니다. 운영 환경에서 시스템이 마주하게 될 실제 작업량과 복잡성을 그대로 반영하여 PQ를 실행합니다.
모든 과정은 추적성 매트릭스로 문서화합니다: 요구사항 → 위험 → HITL 통제 → 테스트 케이스 → 객관적 증거. CSA는 중복적인 스크린샷 대신 시스템 로그와 감사 추적 같은 디지털 증거(digital evidence)의 활용을 적극 권장합니다.
지속적 모니터링 루프 (The Continuous Monitoring Loop)
밸리데이션은 일회성 이벤트가 아닙니다. 배포 후 다음과 같은 지표들을 정의하고 지속적으로 추적해야 합니다:
- AI 기능별 오버라이드 비율 (목표치: 2~15%)
- 항목당 평균 검토 시간 (목표치: 상황에 따라 상이하나 2초 미만은 불가)
- 검토자 간 일치도(Inter-reviewer agreement) (목표치: Cohen의 κ ≥ 0.8)
- 낮은 신뢰도 케이스의 발생량 및 추세
- 모델 드리프트(model drift) 지표
- HITL 유효성과 연계된 일탈 발생률
인간이 수행한 모든 편집, 승인, 반려, 코멘트는 평가 데이터가 됩니다. 이 피드백 루프는 시스템을 지속적으로 개선하는 골든 데이터셋(golden dataset)을 구축합니다. 새로운 모델 버전을 배포하기 전, 이 골든 테스트 케이스들에서 최소한 이전 버전과 동등 이상의 성능을 발휘함을 입증해야 합니다.
오버라이드 비율이 2회 연속 모니터링 주기 동안 15%를 초과하면, 변경 관리(change control) 절차에 따라 자동 롤백 및 재학습을 트리거합니다. 반대로 오버라이드 비율이 0.5% 미만으로 떨어지면, 검토자들이 실제로 산출물을 읽고 있는지 여부를 조사해야 합니다.
새로운 학습 데이터, 하이퍼파라미터 튜닝, 아키텍처 변경, 프롬프트 수정, 검색 코퍼스 변경 등 모든 모델 업데이트는 ’밸리데이션된 소프트웨어에 대한 변경’에 해당합니다. 공식적인 변경 관리, 재적격성평가(re-qualification), 업데이트된 증거 패키지가 필수적입니다. 규제 관점에서 잠금 모델(locked-model) 접근 방식이 여전히 가장 안전한 규제 대응 태세입니다.
조직 문화의 전환 (The Cultural Shift)
HITL에서 가장 과소평가되는 부분은 바로 루프 안의 인간에게 요구되는 역량과 역할의 변화입니다.
밸리데이션 엔지니어와 품질 검토자의 역할은 단순한 수동 문서 작성자에서, 설명 가능한 AI의 지원을 받는 **위험 분석가이자 의사결정의 관리자(decision stewards)**로 전환됩니다. 교육 훈련은 시스템 사용법뿐만 아니라 자동화 안주(automation complacency), 닻 내림 효과, 자신감 있어 보이는 기계에 맹목적으로 의존하려는 경향 등 인지적 편향(cognitive bias)까지 포괄해야 합니다.
실무 전문가(SME)는 시스템이 왜 그러한 추천을 내렸는지 이해해야 하며, 이를 잘못 오버라이드했을 때 발생하는 GxP 영향도를 파악할 수 있어야 합니다. 또한 자신이 요구받는 의사결정을 내릴 수 있는 조직적 권한과 문서화된 자격을 반드시 갖추고 있어야 합니다.
올바르게 구현된 HITL을 통해 보고된 32%의 밸리데이션 주기 시간 단축은 인간을 배제함으로써 얻어지는 것이 아닙니다. AI가 패턴 인식과 초안 생성을 전담하는 동안, 인간의 전문성을 훨씬 더 높은 가치를 지닌 판단 영역으로 재배치함으로써 달성되는 것입니다.
결론 (The Bottom Line)
FDA CSA, GAMP 5 제2판, 그리고 FDA-EMA 공동 AI 가이드라인 하에서 규제 당국의 입장은 매우 명확합니다: 자동화와 AI의 활용은 금지되지 않지만, 규제 준수 책임(accountability)은 결코 전가될 수 없습니다.
위험 등급을 수립하십시오. 제어 게이트를 배치하십시오. 신뢰도에 따라 라우팅하십시오. 근거를 투명하게 제시하십시오. 감사 추적을 빠짐없이 기록하십시오. 인간의 역할을 테스트하십시오. 오버라이드 비율을 모니터링하십시오. 변경 관리 하에 재학습을 수행하십시오.
이것이 바로 규제 당국의 실사 대응이 완벽히 준비된(inspection-ready) AI 지원 밸리데이션의 모습입니다. 인간이 기계의 산출물에 맹목적으로 도장을 찍는 것도 아니고, 기계가 한 일을 인간이 처음부터 다시 반복하는 것도 아닙니다. 기계가 힘든 연산과 초안 작업을 도맡고, 인간은 실질적으로 중요한 판단과 의사결정을 내리는 구조화된 파트너십입니다.