보안 관련 업무, 윤리, 개인 정보 보호 및 책임 — 기계 공학의 인공 지능

이득:

보안이 중요한 엔지니어링 작업에서 AI의 한계 및 검증 요구 사항을 평가하는 능력
기밀 설계/데이터 공유 시 개인 정보 보호, 데이터 정책 및 지적 재산권 위험을 관리하는 능력
AI 결과물이 엔지니어 승인 및 서명 책임을 대체할 수 없다고 실질적으로 주장하는 능력

기계 공학에서 결과물 중 일부는 미학적 선택이 아니라 인간의 생명과 재산 안전의 문제입니다. 예를 들어 엘리베이터 브레이크, 압력 용기, 리프팅 장비, 자동차 서스펜션 부품 등이 있습니다. 이러한 안전이 중요한 작업에서는 오류로 인해 부상이나 사망이 발생할 수 있습니다. 인공지능(AI)은 이러한 분야에서도 가속기 역할을 합니다. 그러나 그 경계는 여기에서 가장 뚜렷하게 나타난다. 이 장치는 모듈의 윤리적 및 책임성 백본이며 단일 원칙에 중점을 둡니다. AI 출력은 안전이 중요한 작업에서 유능한 엔지니어의 검증, 승인 및 서명을 대체할 수 없습니다. AI는 청사진, 입력, 두 번째 눈이 될 수 있습니다. 그러나 법적, 윤리적 책임은 서명한 엔지니어에게 있기 때문에 그는 책임을 질 수 없습니다. 이 외에도 기밀성(회사 디자인, 고객 데이터, 특허되지 않은 아이디어)과 정확성(환각)이라는 두 가지 주요 위험을 관리해야 합니다. 이 단원에서는 보안이 중요한 작업, 개인 정보 보호 및 지적 재산권 위험에서 AI의 한계와 책임이 위임 불가능한 이유에 대해 알아봅니다.

Security-Critical AI의 위치와 한계는 다음과 같습니다.

작업이 "안전에 필수"인지 여부는 오류 발생 시 결과의 심각도에 따라 결정됩니다. 이 규모에서 AI의 역할은 아이디어 생성, 초안 작성, 체크리스트 작성 등으로 좁아집니다. 그러나 최종 계정을 승인하거나 "안전"하다고 판단하거나 생산을 승인하는 것은 금물입니다. 다음과 같은 구별이 이를 구체적으로 만듭니다.

사업 유형

AI의 적절한 역할

엔지니어의 양도할 수 없는 역할

일상적이고 위험도가 낮음

초안, 자동화, 첫 번째 계정

검토

중간 위험

대안, 체크리스트, 예비분석

검증 및 결정

보안이 중요함

초안/두 번째 눈만

분석, 테스트, 승인, 서명, 책임

중요 원칙: AI의 결과가 아무리 설득력이 있더라도 그것은 가설이자 청사진입니다. 안전에 중요한 계산은 독립적으로 재현되고, 표준에 따라 검사되며, 필요한 경우 테스트되고 유능한 엔지니어의 승인을 받습니다. 서명은 "나는 이것을 확인했으며 이에 대한 책임을 집니다"를 의미합니다. 언어 모델은 이 진술을 할 수 없습니다.

팁: 모든 AI 출력에 대해 다음 질문을 스스로에게 물어보세요. "이것이 잘못되면 누가 다치고 누가 책임을 지는가?" "사람이 다치면 내가 책임진다"라고 대답한다면, 그 결과물은 최고 수준의 검증을 통과하지 않으면 아무 소용이 없습니다.

환각과 과신의 함정

AI의 가장 위험한 특징은 올바른 정보와 동일한 확신을 가지고 잘못된 정보를 제시한다는 것입니다. 그는 표준 항목을 구성하고, 잘못된 재료 값을 제공하고, 공식을 잘못 적용하고, 모든 것을 유창하고 전문적인 언어로 작성할 수 있습니다. 여기에 과신 편향(자동화 편향, 자동 시스템의 출력을 너무 많이 신뢰하는 인간의 경향)이 추가되면 위험이 커집니다. 엔지니어는 화면에 좋아 보이는 출력을 확인하지 않고 받아들일 수 있습니다. 방어는 문화적 습관입니다. 즉, AI 출력을 "아마도 사실"이 아니라 "다르게 입증될 때까지 의심스러운" 것으로 보는 것입니다.

주의: "AI가 자신감이 있는 것 같았습니다"는 방어가 아닙니다. “AI가 그랬다”는 것은 사고 조사나 감사, 소송에서 변명의 여지가 없다. 책임은 승인한 엔지니어에게 있습니다. AI를 결코 책임을 공유하지 않지만 때때로 큰 잘못을 저지르는 인턴과 같다고 생각하십시오. 당신은 그의 의견을 받아들이고, 확인하지 않고 그의 작업에 결코 서명하지 않습니다.

개인 정보 보호, 지적 재산권 및 데이터 정책

두 번째로 큰 위험은 개인 정보 보호입니다. 회사의 특허가 없는 디자인, 고객의 데이터 또는 경쟁적으로 민감한 솔루션을 데이터 정책을 알 수 없는 공용 AI 도구에 업로드하는 행위 지적 재산 손실, 기밀 유지 위반 및 계약 위반이 발생할 수 있습니다. 일부 도구는 입력을 사용하여 모델을 학습할 수 있습니다. 귀하가 업로드한 비밀 기하학이 다른 사람에게 노출될 수 있습니다. 올바른 접근 방식: 회사의 데이터 정책을 준수하고, 민감한 데이터를 익명화하거나(식별 정보를 제거하고 이를 공개 형식으로 저장), 데이터가 떠나지 않는 기업/격리 도구를 사용합니다.

단계별: 안전하고 윤리적인 AI 사용

위험을 분류합니다. 이 작업은 보안에 중요합니까? 오류가 발생하면 어떤 결과가 발생합니까?
개인정보 보호를 고려하세요. 이 데이터가 유출될 수 있나요? 정책은 무엇을 말합니까?
격리된 도구를 익명화하거나 사용하세요. 민감한 정보를 제거하세요.
AI를 초안/두 번째 눈으로 사용하세요. 승인이 아니라 입력입니다.
독립적으로 검증합니다. 재생산, 표준, 테스트.
유능한 엔지니어가 승인하고 서명합니다. 책임은 위임될 수 없습니다. 추적성 기록이 보관됩니다.

위험 및 개인 정보 보호 평가 프롬프트

역할: 엔지니어링 윤리 및 위험 관리 컨설턴트.작업: 보안 중요도 및 기밀성 측면에서 다음 작업을 평가합니다.작업: [작업 설명; 오류가 있는 경우 가능한 결과; 공유할 데이터 유형].출력:- 위험 등급(일상/중간/보안 중요) 및 정당성- 이 작업에서 AI에게 무엇을 하도록 할 수 있으며 무엇을 할 수 없습니까?- 개인 정보 보호 위험이 있습니까? 데이터를 익명화해야 합니까? 고립된 차량이 필요합니까? 규칙: 최종 승인과 책임은 유능한 엔지니어에게 있음을 강조하십시오.

익명화 프롬프트

AI에게 디자인 문제를 물어볼 예정이지만 회사 정보를 공유하고 싶지는 않습니다. 다음 문맥을 익명화합니다: 회사 이름, 제품 이름, 고객 및 설명 지표를 생략합니다. 민감한 정보가 유출되지 않고 기술적 핵심이 보존되도록 일반적인 엔지니어링 용어로 문제를 다시 작성합니다.컨텍스트: [텍스트]

검증 징계 프롬프트

이 보안에 중요한 계정을 독립적인 검토자로 확인하십시오. 절대로 저와 함께하지 마십시오. 질문 공식, 단위, 가정 및 표준 준수. 독립적인 방법으로 결과를 재현하고 차이점을 보여줍니다. 각 결과에 대해 "이것을 어떻게 증명/테스트합니까?"라고 적습니다. 규칙: 확인할 수 없습니다. 확인할 포인트만 제거하세요.[계정]

책임 등록 프롬프트

이 설계 결정에 대한 초안 추적성/결정 기록을 작성합니다. 필드: 결정, 근거(계산/표준/테스트), AI 기여(초안?), 독립적 검증 방법, 승인 엔지니어, 날짜, 서명 필드. 규칙: AI 기여를 "초안/지원"으로 명확하게 표시합니다. 확인 필드를 비워 두세요.

약한 프롬프트 / 강한 프롬프트

약한 프롬프트:

이 엘리베이터 브레이크 설계가 안전한지 확인하십시오.

AI는 보안 허가를 제공할 수도 없고 제공해서도 안 됩니다. 그가 "안전하다"고 말하면 책임을 질 수 없기 때문에 그것은 오해의 소지가 있고 위험합니다.

강력한 프롬프트:

독립적인 검토자로서 이 브레이크 계산을 검토하십시오. 검증이 필요한 참여, 약점 및 가정. 결과를 독립적으로 재현하고 차이점을 보여줍니다. 나에게는 승인과 책임이 있다는 것을 아십시오. 체크포인트만 나열하면 됩니다.

두 번째 프롬프트는 AI를 승인 권한이 아닌 중요한 통제 도구로 지정합니다. 책임은 엔지니어에게 있습니다.

미니 케이스 3개(숫자순)

사례 1 - 서명인의 책임. 엔지니어는 AI가 준비한 리프팅 후크 계산을 2시간 만에 사용합니다. 후크는 2톤을 들어 올릴 수 있습니다. 파열은 치명적일 것입니다. 엔지니어는 독립적으로 계산을 다시 수행하고 안전계수를 AI에서 제공하는 1.8 대신 표준에서 요구하는 ≥ 4로 수정하고 형상을 확대합니다. AI의 숫자는 "합리적으로 보였지만" 안전에 중요한 임계값을 충족하지 못했습니다. 그는 확인 후에만 서명합니다. 교훈: 승인 및 안전계수 결정은 양도할 수 없습니다.

사례 2 - 디자인 유출. 인턴은 회사의 새로운 특허 없는 메커니즘을 공개적으로 사용 가능한 AI 도구에 로드하고 "최적화"라고 말합니다. 도구의 데이터 정책은 입력을 저장하고 교육에 사용할 수 있습니다. 회사가 이를 인지하면 법무팀이 개입합니다. 특허 전략은 지적재산권 위험으로 인해 어려움을 겪고 있습니다. 올바른 방법은 메커니즘을 익명화하거나 기업 격리를 사용하는 것이었습니다. 교훈: 비밀 설계 정책은 알려지지 않은 차량에 진입하지 마십시오.

사례 3 - 익명화가 저장됩니다. 엔지니어는 고객의 특정 감속기 문제를 AI와 논의하고 싶지만 고객과 제품은 기밀입니다. 컨텍스트를 익명화합니다. 회사/제품 이름, 설명 치수를 제거하고 문제를 "주어진 기어비 및 토크에 대한 일반 감속기"로 다시 작성합니다. 민감한 정보를 유출하지 않고 AI를 활용해 기술적 본질을 보존합니다. 교훈: 익명화는 개인정보 보호와 효율성 사이의 안전한 경로입니다.

일반적인 실수

AI에게 승인 권한 부여: "안전한가, 승인하세요"라고 말하고 책임을 위임하려고 합니다.
과신(자동화 편향): 설득력 있는 결과를 확인하지 않고 받아들입니다.
공개 도구에 기밀 데이터 업로드: 정책을 알지 못한 채 설계/고객 데이터를 공유합니다.
익명화 우회: 식별 정보를 제거하지 않고 민감한 문제를 질문합니다.
추적성 기록을 유지하지 않음: AI 기여 및 검증을 문서화하지 않습니다.
안전 계수 과소평가: AI가 부여한 낮은 값으로 안전 필수 임계값을 초과합니다.

요약하면

보안이 중요한 작업에서 AI는 청사진이자 두 번째 눈이 될 수 있습니다. 승인, 서명 및 책임은 유능한 엔지니어에게 있습니다.
AI는 잘못된 것을 옳은 것으로 설득력 있는 것으로 제시합니다. "다르게 입증될 때까지 의심하라"는 태도는 과신 편향에 맞서는 데 필수적입니다.
“AI가 자신 있는 것 같다”는 말은 법적 또는 윤리적 변호가 아닙니다. 책임은 승인자에게 있습니다.
기밀 디자인, 고객 데이터 및 특허되지 않은 아이디어는 알려지지 않은 차량에 업로드되지 않습니다. 익명화하거나 격리된 도구를 사용합니다.
보안이 중요한 계정은 독립적으로 복제하여 표준에 따라 검사하고 서명함으로써 책임을 집니다.

응용과제

안전이 중요한 작업(리프트 요소, 압력 구성 요소, 브레이크 또는 지지 구조)을 선택하십시오. 먼저 위험 및 개인 정보 보호 측면에서 작업을 분류합니다. 오류가 발생하면 어떤 결과가 발생하며 어떤 데이터가 민감한가요? AI가 이 직업을 평가하고 "내가 할 수 있는 것과 할 수 없는 것은 무엇인가?"의 목록을 작성하게 하세요. 공유할 컨텍스트를 익명화합니다(회사/제품/고객 정보 제거). 그런 다음 AI를 중요한 확인 도구로만 사용하여 계정 감사를 받으십시오. 그러나 독립적인 방법으로 결과를 직접 재현하고 안전 요소를 관련 표준과 비교하십시오. 마지막으로 추적성/결정 기록 초안을 작성합니다. AI 기여에 "초안/도우미"라는 라벨을 붙이고 승인 분야는 자격을 갖춘 엔지니어에게 맡깁니다.

체크리스트

[ ] 작업은 위험 등급(일상/중간/안전 필수)에 따라 평가되었습니다.
[ ] 기밀성이 평가되었습니다. 민감한 데이터는 익명화되거나 격리된 도구가 사용됩니다.
[ ] AI는 승인권한이 아닌 초안/두 번째 눈으로 사용되었습니다.
[ ] 보안에 중요한 계산이 표준에 따라 독립적으로 재현 및 감사되었습니다.
[ ] 안전계수를 해당 규격의 기준치와 비교하였습니다.
[ ] 추적성/결정 기록이 유지됩니다. 승인, 서명 및 책임은 유능한 엔지니어에게 맡겨졌습니다.

모듈 시험

1. 다음 중 CAD 및 설계 워크플로우에서 AI의 가장 현실적이고 안전한 역할은 무엇입니까?

A) 디자인 대안 제시, 파라메트릭 스크립트/매크로 제작 등 지원 역할 ✔
B) 자동 정적 및 강도 승인
C) 엔지니어의 승인 없이 설계를 직접 생산에 보내기
D) 엔지니어의 서명 및 승인 권한을 인수합니다.

설명: AI는 디자인 대안 제안, 파라메트릭 스크립트/매크로 생성, 자료 작성 및 메타데이터(확산적 사고)와 같은 부수적인 작업에 강력합니다. 최종 형상, 공차, 강도 승인 및 생산에 대한 결정(수렴 결정)은 엔지니어의 몫입니다.

2. AI는 재료에 '항복강도 250MPa'라는 값을 부여했습니다. 이 값을 디자인의 기초로 사용하기 전에 무엇을 해야 합니까?

A) AI가 최신이라 값을 직접 계정에 넣는 것
B) 제조업체의 데이터 시트 또는 재료 표준의 값을 확인합니다. ✔
C) 값을 반올림하고 안전한 편이라고 가정합니다.
D) 임의의 안전계수를 추가하고 합격

설명: AI는 재료 속성을 대략적으로 추정하거나 완전히 위조(환각)할 수 있습니다. 동일재료의 조질/열처리 조건에 따라 그 값이 달라집니다. 제조업체의 데이터시트나 관련 재료 표준의 검증 없이 이 값을 설계에 포함해서는 안 됩니다.

3. Ashby(재료 선택) 다이어그램은 주로 어떤 용도로 사용됩니까?

가) 부품의 정확한 생산원가를 계산하기 위해
B) 공급자 가격표를 생성하려면
C) 재료 특성(예: 강도-밀도) 비교 및 후보 선택 ✔
D) 부품 공차를 결정하려면

설명: Ashby 다이어그램은 축에 두 가지 재료 특성(예: 강도 밀도, 탄성 계수)을 배치하여 재료를 비교하고 성능 지수를 기반으로 가장 적합한 후보 세트를 시각화합니다. 정확한 비용, 허용 오차 또는 공급 가격을 결정하기 위한 것이 아닙니다.

4. AI가 스트레스 계산을 했지만 단위 일관성이 확실하지 않습니다. 차원(단위) 분석은 주로 무엇을 포착합니까?

가) 본문의 철자 오류
B) 그래픽의 색상 오류
C) 출력 파일의 크기
D) 방정식의 양측의 단위 불일치 및 변환 오류 ✔

설명: 차원(단위) 분석은 방정식의 양쪽 단위가 일치하는지 확인합니다. 예를 들어 응력의 경우 결과는 N/m² = Pa여야 합니다. 단위가 일치하지 않으면 공식이나 변환에 오류가 있는 것입니다. 유형, 색상 또는 파일 크기에 관한 것이 아닙니다.

5. 열 계산에서 AI는 5kW 히터가 2초 안에 1리터의 물을 20°C까지 가열한다고 말했습니다. 가장 좋은 첫 번째 반응은 무엇입니까?

A) 에너지 절약 및 크기 순서로 결과 확인 및 거부 ✔
나) 결과를 소수점 이하 자릿수 이상으로 작성하고 수용
C) AI에게 '확실합니까?'라고 물어보세요. '예'라는 대답에 만족하세요.
D) 질문을 삭제하고 처음부터 질문하고 첫 번째 답변을 얻습니다.

설명: 온전성 검사 및 에너지 보존을 통해 빠른 검증이 이루어집니다. 물 1kg을 20°C로 가열하는 데 약 84kJ가 필요합니다. 5kW의 경우 2초가 아닌 ~17초가 소요됩니다. 결과는 비물리적이며 확인 없이는 받아들일 수 없습니다.

6. FEA 분석에서 AI가 해석한 응력 결과를 신뢰하기 전에 가장 중요한 확인 사항은 무엇입니까?

A) 컬러 스트레스 맵은 시각적으로 '멋져' 보입니다.
B) 메쉬 독립성, 경계조건 및 해석적 비교를 통한 검증 ✔
다) 단시간에 솔루션을 완성한다
라) '결과는 안전하다'고 말하는 AI

설명: FEA 결과는 메쉬 밀도, 경계 조건 및 재료 정의에 따라 달라집니다. 결론; 메쉬 독립성(메시를 조여도 결과가 변하지 않음)은 경계 조건의 정확성과 비교하고 가능하다면 분석적 접근 방식을 사용하여 검증해야 합니다.

7. FEA에서는 날카로운 내부 모서리에서 메쉬의 밀도가 높아짐에 따라 응력 값이 지속적으로 증가합니다. 이 상황은 주로 무엇을 나타냅니까?

A) 재질이 확실히 불량입니다.
B) 센서 측정 오류가 있습니다
C) 날카로운 모서리에 인위적인(단일) 응력 집중; 모서리 반경을 모델링해야 합니다 ✔
D) 해결책은 항상 안전한 편에 있습니다.

설명: 이상적으로 날카로운(반경이 0인) 내부 모서리는 탄성 이론에서 특이점입니다. 메쉬의 밀도가 높아질수록 장력은 무한대가 되는 경향이 있습니다. 이는 인위적인 결과이다. 실제 부품에서는 노치 계수/국소 평가를 통해 코너 반경을 모델링하거나 해석해야 합니다.

8. AI가 베어링 진동 데이터에서 '내륜 고장 가능성'을 감지했습니다. 가장 올바른 접근 방식은 무엇입니까?

A) 묻지 않고 기계를 완전히 폐기하는 것
B) 댓글을 무시하고 계속 작업하세요.
C) 센서를 완전히 비활성화
D) 특성고장빈도, 교정, 현장점검을 통한 해석 검증 ✔

설명: AI의 이상/고장 해석은 가설입니다. 진동 스펙트럼의 특징적인 결함 주파수(예: 내부 링 전이 주파수 BPFI), 센서 교정 및 가능한 데이터 오류를 확인해야 합니다. 현장 조사 및 물리적 고장 메커니즘을 통한 검증 없이 의견을 유지 관리 결정으로 전환해서는 안 됩니다.

9. AI를 사용하여 부품의 제조 가능성(DFM)을 평가할 때 출력의 어떤 측면에 가장 주의가 필요한가요?

A) 실제 기계, 도구 및 프로세스 한계에 대한 권장 사항 준수 ✔
나) 작품의 미학적 외관만을
C) CAD 모델의 파일 크기
D) 색상 및 코팅 옵션

설명: AI; 실제 작업장 제약 없이 기계, 공구, 금형 및 프로세스 한계를 가정할 수 있습니다. 예를 들어, 달성할 수 없는 내부 코너 반경이나 불가능한 공차를 제안할 수 있습니다. DFM 권장 사항은 기존 장비 및 실제 프로세스 제한과 비교하여 검증되어야 합니다.

10. AI가 생성한 도면 공차/GD&T 메모를 생산에 보내기 전에 무엇을 해야 합니까?

A) AI가 생성한 메모를 도면으로 직접 처리합니다.
B) 표준 및 기능 요구 사항에 따른 등급 확인 및 승인 ✔
다) 무작위로 공차를 좁혀 안전하다고 생각하는 것
D) 기억에 남을 수 있도록 기호 변경

설명: AI; 부정확하거나 비표준 공차 값, GD&T(기하학적 치수 및 공차) 기호 또는 표면 마감 지정이 생성될 수 있습니다. 메모는 관련 표준(예: ISO/ASME GD&T) 및 기능 요구 사항에 따라 감사되어야 합니다. 엔지니어는 조립 및 기능 측면에서 공차의 일관성을 확인해야 합니다.

11. AI는 디자인이 'EN 13445 조항 7.4.2'를 준수한다고 명시했습니다. 가장 올바른 행동은 무엇입니까?

A) AI가 기여도를 주기 때문에 보고서에 직접 작성합니다.
나) 인터넷 포럼의 댓글에 의존
다) 공식/현행 표준문에서 물질번호 및 함량 확인 ✔
D) 기억되도록 품목번호 변경

설명: AI는 부정확하거나 환각적인 표준 품목 번호와 중단점을 생성할 수 있습니다. 참조된 물질과 값은 공식 및 현재 표준 텍스트의 확인 없이 설계 또는 보고서의 기초로 간주되어서는 안 됩니다.

12. AI 생성 Python 엔지니어링 계산 스크립트를 사용하기 전에 필수 사항은 무엇입니까?

A) 오류 없이 작동하기 때문에 코드를 직접적으로 신뢰합니다.
B) 변수 이름을 줄이고 주석 줄을 삭제합니다.
C) 스크립트를 더 길게 작성하고 안전하다고 가정합니다.
D) 알려진 결과, 단위 확인 및 엣지 케이스를 사용한 테스트를 통한 검증 ✔

설명: AI 코드에는 잘못된 단위 변환, 잘못된 수식 또는 극단적인 경우 잘못된 결과가 포함될 수 있으며, 오류 없이 작동하더라도 잘못 계산할 수 있습니다. 암호; 알려진 결과가 있는 테스트 입력은 단위(크기) 확인 및 엣지 케이스를 통해 검증되어야 합니다.

13. 기계 공학에서 AI를 사용하여 안전에 중요한 계산을 수행할 때 책임 측면에서 올바른 것은 무엇입니까?

A) 책임은 승인한 유능한 엔지니어에게 있습니다. AI는 승인을 대신할 수 없습니다 ✔
B) AI가 승인한 경우 엔지니어는 책임이 면제됩니다.
C) AI 출력이 엔지니어 서명을 대체합니다.
D) 보안이 중요한 계정에서는 사람의 확인이 필요하지 않습니다.

설명: 유능한 엔지니어는 엔지니어링 출력의 정확성과 승인/서명을 담당합니다. AI는 이에 대한 책임을 질 수 없습니다. 안전이 중요한 계산 및 설계의 경우 AI는 초안/입력이며 엔지니어 승인 및 검증을 대체할 수 없습니다.

14. 공개 AI 도구를 사용하여 회사의 기밀 제품 설계를 분석하려고 할 때 가장 좋은 조치 방법은 무엇입니까?

가) 속도에 관해서는 대중교통에 스텔스 디자인을 설치한다.
B) 데이터 정책 준수, 민감한 데이터 익명화 또는 기업/격리 도구 사용 ✔
C) 속도를 위해서는 항상 고객 데이터 공유가 필요합니다.
라) 개인정보 문제는 AI 활용과 무관하다

공개: 기밀 디자인, 고객 데이터 또는 특허가 없는 아이디어는 데이터 정책이 알려지지 않은 공개 도구에 업로드되어서는 안 됩니다. 이로 인해 지적재산권 및 개인정보 침해의 위험이 있습니다. 회사 데이터 정책을 준수해야 하며 민감한 데이터를 익명화하거나 기업/격리 도구를 사용해야 합니다.