2025-09-08
목차
AI 데이터 제국의 탄생
6천 명 글로벌 조직으로 AI 혁명의 중심에 서다
Jack Abuhoff가 Innodata의 CEO로서 맞이한 2024년은 그야말로 역사적인 한 해였다. 31개 글로벌 센터에 6천 명의 직원을 거느린 이 기술 서비스 회사는 데이터와 AI의 교차점이라는 독특한 위치에서 전 세계 AI 혁명의 핵심 역할을 담당하고 있었다.
“우리는 데이터와 AI의 교차점에 집중하고 특화된 기술 서비스 회사입니다.” Jack의 이 한 마디는 단순해 보이지만, 그 뒤에는 수십 년간 축적된 전문성과 치밀한 전략이 숨어 있었다. 전 세계 8대 최대 기술 회사들과 주요 생성형 AI 혁신 연구소들, 그리고 선도적인 기업들이 모두 Innodata를 선택한 이유가 있었던 것이다.
이 회사가 특별한 점은 단순히 AI 모델을 만드는 회사가 아니라는 것이었다. 파운데이션 모델을 구축하는 기업들과 생성형 AI를 도입하여 활용하는 기업들 양쪽 모두를 지원하는 독특한 포지션을 확보했다. AI 생태계의 공급자와 수요자를 모두 아우르는 이런 전략적 위치는 업계에서 찾아보기 힘든 것이었다.
96% 매출 성장, 4배 늘어난 EBITDA의 비밀
숫자는 거짓말을 하지 않는다. Innodata가 지난해 보여준 성과는 그야말로 경이로웠다. 매출이 전년 대비 96% 증가했고, 이는 거의 두 배에 달하는 유기적 성장이었다. 더욱 놀라운 것은 직전 분기의 성과였는데, 무려 120%의 전년 동기 대비 성장률을 기록했다.
하지만 진짜 충격은 수익성에서 나타났다. 작년 한 해 동안 EBITDA가 3배 이상 증가했고, 직전 분기에는 4배나 뛰었다. 이는 단순한 매출 확대가 아니라, 효율성과 수익성을 동시에 달성한 진정한 성장이었다는 의미였다.
“우리의 전략적 계획은 공격적으로 성장하되, 수익성 있게 성장하면서 동시에 새로운 역량과 새로운 플랫폼에 재투자하는 것입니다.”
Jack의 이 발언은 Innodata가 추구하는 성장 철학을 명확히 보여준다. 많은 기술 회사들이 성장을 위해 손실을 감수하는 것과는 대조적으로, Innodata는 성장과 수익성을 동시에 추구하면서도 미래를 위한 투자를 게을리하지 않았다. 이런 균형 잡힌 접근법이 바로 투자자들과 고객들이 이 회사에 주목하는 이유였다.
8대 기술 기업이 선택한 유일한 파트너
Alan의 “대형 언어 모델을 위한 무기상” 비유에 대해 Jack은 유머러스하게 답했다. “실제 무기상이었다면 아마 밤잠을 설쳤을 겁니다.” 하지만 그의 농담 뒤에는 자신이 하는 일에 대한 깊은 자부심이 숨어 있었다.
전 세계 8대 기술 기업들이 Innodata를 선택한 이유는 명확했다. ChatGPT, Claude, Gemini, Llama 같은 최첨단 생성형 AI 모델들 간의 치열한 경쟁에서 승리하기 위해서는 최고 품질의 훈련 데이터가 필수였기 때문이다. 전통적인 애플리케이션이 수억 줄의 코드로 기능을 구현한다면, 생성형 AI 모델은 거의 명시적인 코드 없이 데이터 자체가 코드의 기능적 등가물 역할을 한다.
이런 패러다임 전환은 혁명적이었다. Microsoft Word 같은 전통적인 애플리케이션을 열어보면 1억 줄의 코드가 그 기능을 만들어내지만, 놀랍도록 뛰어난 성능을 보이는 복잡한 AI 모델의 내부를 들여다보면 그런 명시적인 코드는 거의 찾아볼 수 없다. 대신 데이터가 코드를 대체했고, 이 데이터야말로 모델의 성능을 좌우하는 핵심 요소가 되었다.
코드 대신 데이터로 미래를 만드는 새로운 패러다임
Innodata가 대형 기술 회사들에게 제공하는 서비스는 크게 두 가지로 나뉜다. 첫 번째는 모델 훈련용 데이터 생성이다. 모델들은 수집된 데이터로 사전 훈련을 받고, 그 다음에는 지도 미세 조정 데이터가 필요하다. 여기에는 시연 데이터, 보상 모델링 데이터, 강화 학습 데이터 등이 포함된다.
두 번째는 모델 안전성 평가다. 기업들이 가장 우려하는 것은 모델이 안전하게 작동하는지, 사용자의 선호도에 맞게 성능을 발휘하는지에 대한 문제였다. Innodata는 이런 우려를 해소하기 위해 공식적인 벤치마킹과 평가를 지원한다.
Jack이 강조한 것은 이 과정이 전통적인 “구축하고 유지보수하는” 모델과는 완전히 다르다는 점이었다. 전통적인 제품 개발에서는 제품을 만들고 나서 앉아서 시장 수요에 맞춰 다음 출시를 기다리지만, AI 개발에서는 지속적인 혁신이 핵심이다.
“목표는 제품 출시 자체가 아닙니다. 목표는 사람들, 심지어 전문가들과 근본적으로 구별할 수 없는 방식으로 생각하고 추론하고 문제를 해결할 수 있는 기계를 만드는 것입니다.”
이런 지속적인 혁신은 앞으로 10년간 계속될 것이며, 그 과정에서 매우 놀라운 결과들이 나타날 것이라고 Jack은 확신했다. 제품 담당자들이 혁신의 한 부분을 잘라내어 “모델 출시”라고 부르는 것이지, 엔지니어링 측면에서는 끊임없는 혁신이 이어지고 있었다.
거대 기술 기업들과의 전략적 동맹
연간 3억 달러 시장에서 벌어지는 치열한 경쟁
Innodata의 “랜드 앤 익스팬드” 전략은 단순한 영업 전략이 아니라 AI 시대의 새로운 비즈니스 모델이었다. Jack이 설명한 바에 따르면, 현재 8개의 대형 기술 고객을 보유하고 있으며, 지난 분기에는 추가로 4개 기업이 온보딩 과정에 있다고 발표했다.
이 고객들의 규모는 상상을 초월했다. 각각이 연간 2억에서 3억 달러를 생성형 AI 훈련용 데이터에 투자하고 있었다. 이는 단순한 IT 예산이 아니라 미래의 패권을 건 전략적 투자였다. ChatGPT와 경쟁하기 위해서는 최고 품질의 데이터가 필수였고, 그 데이터의 품질이 곧 모델의 성능을 좌우했기 때문이다.
“랜드” 단계에서는 기업들과 협력을 시작하고 가치 제안을 증명하는 것이 핵심이었다. 고객들은 처음부터 “와, 정말 좋은 제안이네요. 여기 1억 달러 수표입니다”라고 말하지 않는다. 하지만 일단 성공을 증명하면 기하급수적인 확장이 가능했다.
Innodata의 최대 고객과의 사례가 이를 완벽히 보여준다. 1년 반의 협력 끝에 작년 말 연간 1억 3천만 달러 규모까지 성장했다. 하나의 프로젝트가 두 개로, 두 개가 다섯 개로 확장되면서 자연스럽게 매출이 폭증한 것이다.
랜드 앤 익스팬드 전략으로 1억 3천만 달러 돌파
“익스팬드” 단계의 효율성은 놀라웠다. 대형 기술 기업들이 이미 거대한 예산을 AI 데이터에 할당하고 있었기 때문에, 일단 관계가 형성되면 매우 빠르고 효율적으로 성장할 수 있었다. 8개 대형 기술 고객 중 여러 곳이 유사한 규모로 지출하고 있으며 비슷한 야망을 가지고 있다는 Jack의 말은 Innodata의 성장 잠재력을 시사했다.
이런 접근법의 핵심은 신뢰 구축에 있었다. 고객들에게 가치를 증명하고, 역량을 확장하며, 동시에 새로운 고객을 유치하는 선순환 구조를 만든 것이다. 한 번 Innodata의 데이터 품질을 경험한 고객들은 다른 공급업체로 돌아가지 않았다.
이는 특히 AI 모델 개발의 특성과 관련이 있었다. 프론티어 모델들은 말 그대로 “프론티어”를 탐험하며 이전에 존재하지 않았던 역량을 창조하는 과정이었다. 실험과 시행착오가 필연적이었고, 데이터 파트너는 엔지니어링 팀과 긴밀히 협력해야 했다.
“그들은 실험을 하고 있고, 지그재그로 움직이고 있으며, 우리가 데이터 측면에서 그들과 긴밀히 협력하기를 원합니다.”
이런 협력 관계는 일반적인 공급업체-고객 관계를 넘어서는 전략적 파트너십이었다. Innodata는 단순히 데이터를 제공하는 것이 아니라 고객의 혁신 과정에 깊이 관여하며 함께 미래를 만들어가고 있었다.
25개 언어로 확장하는 글로벌 AI 제국
Innodata가 확장하고 있는 영역은 지리적으로도, 기술적으로도 놀라웠다. 현재 25개 이상의 언어로 작업하고 있으며, 전문 도메인도 계속 확장하고 있었다. 금융, 법률, 과학, 의료 등 다양한 분야에서 대형 기술 고객들이 특화된 모델을 구축하려는 수요가 폭증하고 있었다.
이런 확장이 가능한 이유는 Innodata의 수십 년간 축적된 전문성 때문이었다. 지난 수십 년간 Bloomberg, Thomson Reuters 같은 기업들을 위해 금융 데이터, 법률 데이터, 과학 데이터, 의료 데이터 분야의 전문가가 되어왔던 것이다. 이제 생성형 AI를 위한 훈련 데이터셋을 구축하는 작업은 과거의 경험이 고스란히 활용되는 영역이었다.
Jack이 “정말 멋진 시기”라고 표현한 이유가 여기에 있었다. 세상이 정확히 Innodata의 핵심 역량과 핵심 차별화 요소로 옮겨가고 있었던 것이다. 수십 년간 쌓아온 전문 지식이 갑자기 AI 시대의 가장 중요한 자산이 되었다.
각 도메인별로 특화된 모델을 만들기 위해서는 해당 분야의 깊은 이해가 필요했다. 의료 AI를 만들려면 의료 전문가들의 지식과 경험이 데이터로 변환되어야 했고, 금융 AI를 만들려면 금융 시장의 복잡한 메커니즘을 이해하는 데이터가 필요했다. Innodata는 이미 이런 도메인별 전문성을 갖추고 있었기 때문에 경쟁사들보다 훨씬 유리한 위치에 있었다.
전문 도메인 정복을 통한 차별화 전략
언어와 도메인의 확장은 단순한 사업 영역 확대가 아니라 미래 AI 생태계의 지배권 확보를 위한 전략이었다. 영어권에서 시작된 AI 혁명이 이제 전 세계 모든 언어와 모든 전문 분야로 확산되고 있었고, Innodata는 이 확산의 최전선에 서 있었다.
특히 전문 도메인에서의 우위는 경쟁사들이 쉽게 따라올 수 없는 진입 장벽을 만들어냈다. 일반적인 대화형 AI를 만드는 것과 의료진이 실제로 사용할 수 있는 의료 AI를 만드는 것은 완전히 다른 차원의 문제였다. 후자를 위해서는 의료 분야의 미묘한 뉘앙스, 전문 용어, 임상 경험 등이 모두 데이터로 변환되어야 했다.
Jack이 언급한 “아이디어가 중요하다”는 점도 흥미로웠다. 하지만 그는 겸손하게 “제 머릿속에 아무것도 없다면 저를 활용할 수 없겠죠”라고 농담했다. 실제로는 인간의 지식과 경험, 직관을 기계가 이해할 수 있는 형태로 변환하는 것이 Innodata의 핵심 역량이었다.
이는 컴퓨터 과학에서 말하는 “addressable”하게 만드는 과정이었다. 인간의 머릿속에 있는 암묵적 지식을 명시적으로 만들되, 컴퓨터가 이해할 수 있는 포맷과 문법으로 변환하는 것이다. 이런 작업은 기술적 능력뿐만 아니라 해당 분야에 대한 깊은 이해가 필요한 고도로 전문적인 영역이었다.
기업용 AI 혁명의 선봉장
에이전트 AI로 기업 생태계를 뒤바꾸다
Jack이 기업 시장에 대해 설명할 때 그의 목소리에는 확신이 넘쳤다. 전 세계 인구의 10%가 이미 ChatGPT를 사용하고 있다는 놀라운 통계를 언급하면서도, 그는 진짜 혁명은 이제 시작이라고 강조했다. 개인들이 이메일이나 보고서 작성에 AI를 활용하는 것은 빙산의 일각에 불과했다.
기업 차원의 API 수준 배포, 즉 회사의 기술 스택 깊숙이 AI가 통합되는 사례는 아직 매우 드물고 제한적이었다. 하지만 Jack은 “에이전틱 AI”라는 새로운 프레임워크가 이 상황을 완전히 바꿀 것이라고 확신했다. 이는 기업이 특정 회사 기능에 미세 조정된 작은 모델들의 집합체를 사용하여 자율적으로 작동하는 시스템이었다.
“디지털 직원이라고 생각하시면 됩니다. 이들이 대형 프론티어 모델들과 협력하여 작동합니다.”
이런 에이전트들이 대형 프론티어 모델들과 협력하여 작동하는 아키텍처는 기업 배포의 길을 열어줄 것이라고 Jack은 예측했다. 단순히 직원들이 개별적으로 ChatGPT를 사용하는 수준을 넘어서, 회사의 업무 프로세스 전체가 AI에 의해 자동화되고 최적화되는 시대가 온다는 것이었다.
디지털 직원 시대의 새로운 비즈니스 모델
Innodata는 이런 전망에 매우 큰 베팅을 하고 있었다. 올해부터 여러 회사와 함께 이런 자율적으로 작동하는 고성능 에이전트들을 구축하는 작업을 시작했다. 이는 단순한 기술 개발이 아니라 기업 세계의 근본적인 변화를 예고하는 것이었다.
Jack의 예측은 충격적이었다. 몇 년 후에는 많은 회사들이 더 적은 수의 직원을 가지지만 훨씬 많은 에이전트를 보유하게 될 것이라는 것이다. 이는 단순한 자동화를 넘어서 인간과 AI가 협력하는 새로운 형태의 조직 구조를 의미했다.
이런 변화의 최전선에 서고자 하는 Innodata의 의지는 명확했다. 기업들이 경쟁력을 유지하기 위해 필요한 에이전트들을 구축하는 데 도움을 주겠다는 것이었다. 이는 현재의 대형 기술 기업 고객들과의 관계에서 축적한 에이전트 구축 기술과 노하우를 기업 시장에 적용하는 전략이었다.
이런 접근법은 매우 현실적이었다. 대형 기술 기업들과 함께 가장 첨단의 AI 기술을 개발하면서 동시에, 그 기술을 기업 고객들이 활용할 수 있는 형태로 변환하는 것이다. B2B와 B2C 시장을 동시에 공략하는 독특한 포지션이었다.
품질과 민첩성으로 경쟁사를 압도하는 비결
Innodata가 경쟁에서 이기는 이유를 Jack은 고객들의 목소리를 통해 설명했다. 가장 중요한 것은 고품질 데이터였다. “쓰레기가 들어가면 쓰레기가 나온다”는 원칙이 AI에서는 더욱 엄격하게 적용되었다. 저품질 데이터로 훈련된 모델은 절대로 높은 성능을 발휘할 수 없었다.
하지만 고품질만으로는 충분하지 않았다. 고객들이 요구하는 것은 탁월한 운영 민첩성이었다. Innodata는 고객사의 엔지니어링 그룹과 밀접하게 협력해야 했다. 프론티어 모델을 만드는 것은 정해진 레시피가 있는 작업이 아니었기 때문이다.
“프론티어 모델이라는 용어의 본질상, 그들은 프론티어를 탐험하고 있습니다. 이전에 존재하지 않았던 역량을 창조하고 있는 것입니다.”
이런 탐험과 실험의 과정에서 고객들은 “지그재그로” 움직이며 끊임없이 방향을 조정했다. 데이터 파트너인 Innodata는 이런 변화에 실시간으로 대응해야 했다. 이는 단순한 데이터 공급을 넘어서는 깊은 기술적 파트너십을 요구했다.
Innodata의 차별화 요소는 수십 년간 쌓아온 데이터 처리 역량에 있었다. Bloomberg, Thomson Reuters 같은 기업들을 위해 대규모, 고품질, 고일관성 데이터셋을 만들어온 경험이 있었다. 기술 스택, 역량, 프로세스, 방법론 모든 면에서 이런 수준의 데이터를 만들 수 있는 능력을 갖추고 있었다.
할루시네이션부터 보안까지 AI 안전성의 모든 것
AI 안전성 분야에서 Innodata의 역할은 현재의 대형 기술 고객들에게는 매우 중요했고, 앞으로 기업들이 AI를 배포할 때는 훨씬 더 중요해질 것이었다. 특히 고객 대면 역할에 AI를 배포하거나 에이전틱 AI처럼 자율적으로 작동하는 시스템을 도입할 때는 안전성 모니터링이 필수였다.
할루시네이션은 잘 알려진 문제였다. AI가 진짜처럼 들리지만 실제로는 지어낸 내용을 생성하는 현상이다. 이를 방지하는 방법들이 있지만, 그러려면 지속적인 모니터링이 필요했다. 하지만 할루시네이션은 안전성 벡터 중 하나일 뿐이었다.
Jack이 나열한 안전성 위험 요소들은 광범위했다. 독성, 악의적 사용, 편향성과 공정성, 개인정보 유출 위험, 브랜드 이미지 손상, 프롬프트 인젝션과 탈옥, 보안, 악용 가능성, 정렬 오류 등이 모두 포함되었다. 각각이 기업에게는 심각한 위험 요소가 될 수 있었다.
Innodata가 대형 기술 고객들과 함께 하고 있는 작업은 바로 이런 모든 안전성 벡터들을 다루는 것이었다. 동시에 이런 작업을 통해 배운 기법들을 자율적으로 작동하는 플랫폼에 구현하고 있었다. 이 플랫폼은 기업들이 전체 생명주기에 걸쳐 지속적인 모델 테스트를 할 수 있게 해줄 것이었다.
개발 전부터 배포, 그리고 다양한 운영 상황에서의 내부 도구, 고객 대면 도구, API 등 모든 영역에서 안전성을 보장하는 것이 목표였다. Jack이 “매우 흥미진진하다”고 표현한 이유는 대형 고객들과의 작업을 통해 배운 것들을 자율적으로 작동하는 도구로 발전시켜, AI 때문에 급격히 발전하는 기업들과 만날 수 있기 때문이었다.
미래를 향한 대담한 도전
AGI에서 ASI로 향하는 여정의 동반자
Jack이 향후 5년을 바라보며 “이 세계에서는 5년이 아마도 긴 시간”이라고 말한 것은 AI 발전 속도의 가속화를 정확히 표현한 것이었다. 하지만 그가 제시한 비전은 더욱 대담했다. AGI(인공일반지능)를 넘어 ASI(인공초지능)로 향하는 여정에서 Innodata가 핵심 역할을 하겠다는 것이었다.
모델의 성능이 발전하고 AGI를 지나 ASI로 나아갈수록, 이런 모델들을 훈련하는 데 필요한 데이터는 오늘날보다 훨씬 더 복잡해질 것이었다. 현재로서는 다루기 어려운 수준의 복잡성을 가진 데이터들이 필요하게 될 것이고, Innodata는 그런 데이터를 규모 있게, 고품질로, 최대 고객들의 요구와 보조를 맞춰 제공할 수 있는 위치에 있고자 했다.
이는 단순한 기술적 도전이 아니라 인류 문명의 다음 단계를 만드는 작업에 참여하는 것이었다. Jack이 어린 시절 만화에서 보던 로봇들이 생각하고 세상에 의미 있게 기여하는 세상이 이제 현실이 되고 있었다. 그리고 이런 놀라운 일들을 “우리 생애 내에, 향후 몇 년 내에” 볼 수 있을 것이라고 확신했다.
잠재 데이터와 암묵지 활용의 새로운 지평
현재 사용되고 있는 구조화되지 않은 데이터에서 더욱 암묵적이고 잠재적인 데이터로의 전환은 Innodata에게 새로운 기회를 제공했다. Jack이 언급한 “잠재 데이터, 암묵적 데이터, 무의식 데이터, 하위언어적 데이터” 등은 모두 인간의 지식과 경험, 직관을 기계가 활용할 수 있는 형태로 만드는 것을 목표로 했다.
이는 인간의 머릿속에 있는 것들을 기계가 이해할 수 있는 명시적이고 접근 가능한 형태로 만드는 혁명적인 작업이었다. 컴퓨터 과학에서 말하는 “addressable”하게 만드는 것, 즉 컴퓨터가 이해할 수 있는 포맷과 문법으로 인간의 지식을 변환하는 것이었다.
이런 작업은 기존의 데이터 처리와는 완전히 다른 차원의 도전이었다. 의식적으로 표현되지 않은 인간의 직관이나 경험, 무의식적인 판단 등을 어떻게 데이터로 변환할 것인가? 이는 인지과학, 심리학, 언어학, 컴퓨터과학이 만나는 지점에서 일어나는 융합적 작업이었다.
Innodata가 이 분야에서 “자신들을 주장하고 세상과 고객들에게 의미 있는 방식으로 기여하려고” 한다는 Jack의 말은 단순한 사업적 야망을 넘어서는 것이었다. 인간 지식의 본질을 탐구하고 그것을 기계와 공유하는 철학적이고 과학적인 탐험에 참여하겠다는 의지였다.
신뢰와 안전 플랫폼으로 기업 시장 공략
현재 대형 기술 고객들에게 매우 중요한 신뢰와 안전성 문제는 기업들이 AI를 본격적으로 도입할 때 훨씬 더 중요해질 것이었다. 특히 고객 대면 역할에 AI를 배포하거나 에이전틱 AI처럼 자율적으로 작동하는 아키텍처를 도입할 때는 어떻게 모니터링할 것인가가 핵심 과제였다.
Innodata가 개발하고 있는 플랫폼은 연속적인 모델 테스팅을 가능하게 할 것이었다. 개발 전 단계부터 배포, 그리고 다양한 운영 환경에서 내부 도구, 고객 대면 도구, API 등 전 영역에 걸친 안전성 보장이 목표였다. 이는 기업들이 AI로 인해 급격히 변화하면서도 안심하고 혁신에 집중할 수 있는 환경을 만드는 것이었다.
대형 고객들과의 작업을 통해 배운 기법들을 자율적으로 작동하는 도구로 구현하는 것은 Innodata의 독특한 경쟁 우위였다. 최첨단 AI 개발 현장에서 축적한 안전성 기술을 기업용 제품으로 민주화하는 것이었다.
Jack이 “매우 흥미진진하다”고 표현한 이유는 이 플랫폼이 기업들로 하여금 AI가 그들의 가치와 설계에 맞게 작동한다는 확신을 가지고 AI를 배포할 수 있게 해주기 때문이었다. 이는 AI 도입의 마지막 장벽을 제거하는 핵심 솔루션이 될 것이었다.
수익성 있는 성장으로 완성하는 지속가능한 미래
Jack이 제시한 향후 전략의 핵심은 공격적 성장과 수익성의 동시 추구였다. 많은 기술 기업들이 성장을 위해 손실을 감수하는 것과는 달리, Innodata는 “돈을 잃지 않으면서 성장하는” 지속가능한 모델을 추구했다. 이는 경영진의 능력과 비즈니스 모델의 건전성을 동시에 보여주는 것이었다.
향후 몇 년간 매출을 크게 늘릴 수 있는 역량과 활주로, 기회를 모두 갖추고 있다는 Jack의 확신은 단순한 희망이 아니라 구체적인 근거에 기반한 것이었다. 대형 기술 고객들과의 깊어지는 관계, 새로운 고객들의 온보딩, 기업 시장으로의 확장, 안전성 플랫폼의 상용화 등 다층적인 성장 동력을 확보하고 있었다.
동시에 미래에 대한 투자도 게을리하지 않고 있었다. 향후 수년간 고객 기반에 대해 관련성을 유지하는 것을 넘어서 더욱 가치 있는 존재가 되기 위한 투자를 지속하고 있었다. 이는 현재의 성공에 안주하지 않고 지속적으로 진화하겠다는 의지를 보여주는 것이었다.
Jack의 마지막 말은 Innodata의 철학을 잘 보여주었다. “정말 감사합니다”라는 인사는 단순한 예의가 아니라 고객, 투자자, 직원들과 함께 만들어가는 미래에 대한 진심 어린 감사였다. AI 혁명의 한복판에서 의미 있는 역할을 하며 성장할 수 있다는 것 자체가 감사한 일이었던 것이다.