영상 정리 · TED
15분 TED 강연을 처음부터 끝까지 따라 읽는 글
이 강연에는 시작부터 장치가 하나 있다. 발표자는 "생각에 대해 말하는 강연"을 준비하면서 AI를 썼다고 먼저 고백한다. 그런데 곧바로 선을 긋는다 — 강연을 더 빨리 끝내주는 비서로 쓴 게 아니라, 생각을 위한 도구로 썼다고. 이 둘의 차이가 강연 전체를 떠받치는 뼈대다. 0장에서 먼저 풀고 간다.
이 글은 강연이 말한 순서를 그대로 따라간다. 낯선 말이 나오면 그 자리에서 풀고, 강연이 숫자나 연구를 언급했지만 이름을 대지 않은 대목은 직접 찾아 대조한 뒤 상자로 표시해 둔다.
비서는 심부름꾼이다. "이거 해줘"라고 시키면 대신 해서 가져온다. 나는 결과물만 받는다. 일이 끝나는 동안 나는 그 일에서 빠져 있어도 된다.
생각을 위한 도구는 헬스장 기구에 더 가깝다. 근육을 대신 키워주는 운동기구는 없다. 기구는 내가 힘을 쓰도록 도와줄 뿐이고, 실제로 움직이는 건 나다. 그래서 쓰고 나면 나는 전보다 강해져 있다.
비서는 나를 그 일에서 빼준다. 생각을 위한 도구는 나를 그 일 안에 계속 붙잡아 두면서, 대신 더 잘할 수 있게 돕는다. 이 강연은 앞부분(1~5장)에서 "AI를 비서로 쓰면 어떻게 되는가"를 보여주고, 뒷부분(6장부터)에서 "AI를 헬스장 기구처럼 설계하면 어떻게 되는가"로 방향을 튼다.
메타인지(metacognition)는 "생각에 대해 생각하는 능력"이다. 조금 풀면 이렇다 — 내가 지금 무슨 일을 하고 있는지, 잘하고 있는지, 방향이 맞는지를 스스로 점검하는 능력.
비유하면, 내 머릿속에 또 다른 관리자가 하나 앉아서 내가 일하는 걸 지켜보며 "이 방법이 맞나? 다른 사람이라면 어떻게 했을까?" 하고 계속 물어보는 것과 같다. 이 관리자도 근육처럼, 안 쓰면 약해진다.
이 개념은 4장에서 다시 나오고, 강연의 핵심 문장인 "우리는 우리 생각의 중간관리자가 되었다"와 정확히 이어진다. 기억해 두자.
발표자가 무대에 선다. "저는 오늘 스스로 생각하는 것에 대해 이야기하려고 왔습니다. 그런데 고백할 게 있어요 — 이걸 준비하려고 저도 AI를 썼습니다." 객석에서 웃음이 터진다. "그 아이러니, 저도 압니다."
하지만 곧바로 정정한다. 강연을 더 빨리 준비하도록 도와주는 비서로 AI를 쓴 게 아니라, 생각을 위한 도구로 썼다는 것이다(0-1). "이 강연이 끝날 때쯤이면 그게 무슨 뜻인지, 왜 중요한지, 어떻게 작동하는지 조금 보여드리겠습니다. 하지만 먼저 무대를 좀 꾸며야겠습니다."
발표자는 상상 속 하루를 빠르게 재연한다.
사무실에 도착해 받은편지함을 연다. 이메일이 가득하다. "요약해 달라고 하자." 답장 쓰기가 막힌다. "AI한테 답장을 써 달라고 하자." 보고서를 써야 하는데 백지 앞에서 막막하다. "자료 몇 개 넣고 AI 초안을 받자. 괜찮아 보이네."
예전에 글쓰기 장벽이란 빈 페이지를 오래 쳐다보는 거였다. 이제는 AI가 채워 넣은 페이지를 보면서 "내가 이거에 동의하나?"를 고민하는 것이다. 나는 로봇 의견의 전문 검증자가 되어버렸다.
분석할 데이터가 있다. "AI가 대신 분석하게 하자. 아마 맞겠지." 발표자료도 만들어야 한다. "다들 아는 그 절차대로." 프로토타입까지 하나 만들어야 한다. "바이브 코딩이나 좀 해보자."
"다 괜찮아 보인다. 가자."
발표자는 여기서 못 박는다. "이건 미래의 모습이 아닙니다. 조금 과장했을 뿐, 오늘날 지식노동의 완전히 그럴듯한 그림입니다."
발표자는 이 하루에 이름을 붙인다. "이유 외주화 시대(the age of outsourced reason)" — 지식노동자가 더 이상 자기 일의 재료를 직접 다루지 않는 시대다.
우리는 지적 관광객이 되었습니다. 우리 자신의 일 안에서, 우리는 아이디어를 방문할 뿐 그 안에 살지는 않습니다.
관광객은 도시를 잠깐 구경하고 떠난다. 그 도시의 골목이 어떻게 이어지는지, 왜 그 자리에 그 건물이 있는지는 모른다. 발표자는 지금 우리와 우리 일의 관계가 이렇게 됐다고 말한다. "일과의 관계 전부가 AI로 매개됩니다. 어떤 사람은 소외됐다고 말할 수도 있겠지요."
이 그림의 무엇이 문제인가. 발표자는 "이건 다른 문제로도 이어지지만, 그건 다른 강연입니다"라며 오늘의 초점을 좁힌다. 이런 식으로 AI를 쓰는 것이 인간의 사고에 미치는 영향, 그게 오늘 다룰 주제다.
발표자는 넷을 하나씩 짚는다. 이 장은 이 강연에서 가장 근거를 많이 대는 대목이라, 항목마다 실제로 찾아 대조해 봤다.
개인 차원에서는 AI가 새 아이디어에 빠르게 접근하게 해줘서 창의성을 북돋아 주는 것처럼 느껴진다. 그런데 집단 차원에서는 다르다.
수많은 연구가, AI 비서를 쓰는 지식노동자 집단이 손으로 일하는 집단보다 더 좁은 범위의 아이디어를 낸다는 걸 보여줬습니다. 우리는 벌집 마음을 만들었습니다. 다만 그 벌집이 아주 지루해서 계속 같은 다섯 개 아이디어만 내놓는다는 게 문제죠.
[검증] 영상은 논문 이름을 대지 않는다. 웹 검색으로 대조한 결과 가장 가까운 두 연구는 이렇다. ① Doshi & Hauser, Science Advances(2024) — LLM에서 아이디어를 받은 작가들의 이야기는 개인 단위로는 더 창의적으로 평가됐지만, 집단 전체로 보면 이야기들이 서로 더 비슷해졌다. ② Nature Human Behaviour(2025) 브레인스토밍 실험 5건 — ChatGPT를 쓴 브레인스토밍은 45번의 비교 중 37번에서 아이디어 다양성이 유의미하게 줄었고, ChatGPT 사용자 아이디어의 94%가 개념이 겹친 반면 사람끼리 낸 아이디어는 전부 서로 달랐다. 영상에 없음 — 이 두 논문의 저자 이름과 정확한 수치. 발표자는 "수많은 연구"라고만 뭉뚱그렸다.
우리는 지식노동자들에게 AI 사용에 대해 설문했습니다. 그들은 AI와 일할 때, 손으로 일할 때보다 비판적 사고에 힘을 덜 쏟았다고 답했습니다. 그리고 이 효과는 AI에 대한 확신이 크고 자기 자신에 대한 확신이 작을수록 더 컸습니다.
[검증] "우리가 설문했다"는 발표자 본인이 낀 "우리"다. 실제로 찾아보니 CHI 2025 학회 논문 The Impact of Generative AI on Critical Thinking(Lee 외, 발표자 Advait Sarkar가 공저자로 포함)이 이 내용이다. 지식노동자 319명을 설문했고, 실제 사용 사례 936개를 받았다. 결론: AI에 대한 확신이 높을수록 비판적 사고를 덜 하고, 자기 자신에 대한 확신이 높을수록 비판적 사고를 더 한다 — 영상의 설명과 정확히 일치한다. 여기는 발표자 본인 연구라서 신뢰도가 높다.
사람이 AI에게 글을 대신 쓰게 하면, 자기가 쓴 걸 덜 기억합니다. AI가 만든 요약을 읽으면, 원문을 직접 읽었을 때보다 덜 기억하는 것도 놀랍지 않습니다.
[검증] 영상은 이번에도 논문을 짚지 않는다. 가장 근접한 공개 연구는 MIT 미디어랩의 "Your Brain on ChatGPT"(2025)다 — LLM으로 에세이를 쓴 참가자들은 자기가 방금 쓴 문장을 정확히 인용하지 못했고, "이 글이 내 것이다"라는 소유감도 가장 낮았다. 방향은 일치하지만, 발표자가 정말 이 논문을 가리킨 것인지는 확인할 수 없다.
AI와 일하는 데는 사실 상당한 메타인지적 추론이 필요합니다 — 내 과제 목표가 뭔지, 그 일을 어떻게 쪼갤지, 생성형 AI가 여기 맞는 도구인지, 결과물을 내가 평가할 수 있는지. 이런 것들은 원래 자료를 직접 다루는 과정 안에 이미 들어 있던 것들인데, 그 자료를 다루는 일이 AI로 매개되기 시작하면 문제가 됩니다.
풀어 말하면 이렇다. 자료를 직접 만지며 일할 때는 "이게 맞나?" 하는 점검이 저절로 딸려 온다. 그런데 그 자료 다루기를 AI에게 맡기고 나면, 그 점검을 일부러 따로 해야 하는데 대부분 안 한다.
그래서 성적표가 어떻게 되냐면 — 우리는 아이디어가 더 적고, 그걸 덜 비판적으로 생각하고, 덜 잘 기억하고, 그 일을 하기가 더 힘들어졌습니다.
기본적으로 우리는 스스로의 생각을 관리하는 중간관리자가 되어버렸습니다.
이 대가는 사소해 보이는 일에도 적용된다. 발표자는 그 이유를 명확히 짚는다 — 하찮아 보이는 일상 업무도 창의성·비판적 사고·기억을 쓰는 기회이고, 이 근육을 지켜야 정말 복잡한 일이 왔을 때 대응할 수 있다는 것이다.
연구들은 우리가 뇌를 안 쓰면, 뇌가 그 일에 서툴러진다는 걸 보여줍니다. 노벨상 위원회, 박수는 잠깐 참아 주세요.
발표자 스스로도 이 문장이 너무 뻔한 소리로 들린다는 걸 알고 농담으로 넘긴다. 그리고 묻는다. "이게 진보의 대가일까요? 우리는 생각해야 하는 문제를 해결했습니다. 안타깝게도, 생각은 애초에 문제가 아니었습니다."
마치 운동에 대한 치료제를 발명해 놓고, 왜 우리가 계속 숨이 차는지 궁금해하는 것과 같습니다.
"이럴 필요 없습니다." 발표자는 여기서 방향을 튼다.
비서를 넘어, 저는 AI가 생각을 위한 도구여야 한다고 믿습니다. AI는 순종이 아니라 도전해야 합니다.
이 문장이 0-1에서 배운 구분과 정확히 겹친다. 발표자는 지금이 중대한 갈림길이라고 말한다. "생성형 AI로 일의 세계가 변형되기 직전이고, 우리는 지금 행동해서 그 변형을 인간적인 가치 쪽으로 이끌어야 합니다. 이렇게 갈라지는 두 길 중, 우리는 덜 다닌 길을 가야 합니다."
그리고 네 줄로 대구를 맞춘다.
일을 끝내는 것을 넘어, 생각을 위한 도구는 그 일을 더 잘 이해하게 돕습니다.
더 빨리 끝내는 것을 넘어, 더 잘 끝내게 돕습니다.
옳은 답을 주는 것을 넘어, 옳은 질문을 던지게 돕습니다.
알려진 과정을 자동화하는 것을 넘어, 모르는 것을 탐색하게 돕습니다.
"이게 실제로 어떤 모습인지 보여드리겠습니다." 발표자는 마이크로소프트 리서치 케임브리지의 "Tools for Thought" 팀에서 동료들과 함께 만든 프로토타입을 소개한다. 그리고 미리 못을 박는다. "이건 살아있는 연구용 프로토타입입니다. 제품이 아니고, 우리 팀이 진행 중인 여러 탐구 중 하나일 뿐입니다."
[검증] 마이크로소프트 리서치의 "Tools for Thought" 공식 프로젝트 페이지를 확인했다. 공동 리더는 Richard Banks(프린시펄 디자인 매니저)·Sean Rintel(시니어 프린시펄 리서치 매니저), 시니어 리서처로 Advait Sarkar·Lev Tankelevitch, 리서치 소프트웨어 엔지니어로 Martin Grayson이 있다. 이 프로젝트가 공식적으로 내세우는 원칙이 정확히 이 강연의 10장 원칙 셋과 같다.
가상의 예를 하나 보자. 클라라와 동료들은 병에 든 음료를 파는 회사를 운영한다. 방금 회의를 하나 마쳤다 — 지속가능한 포장에 대한 소비자 선호를 다룬 업계 보고서에 꽤 중요한 발견이 있어 보인다는 내용이다. 클라라의 동료들은 회사가 어떻게 대응해야 하는지 주장하는 제안서를 클라라더러 쓰라고 했다. 클라라는 이 보고서를 제대로 이해해야 한다 — 그 발견과 데이터, 그리고 그게 자기 회사 사정에 어떻게 맞물리는지.
클라라는 작업 공간에 문서를 불러온다. 회의록(무슨 얘기가 오갔는지 기억하기 위해), 자기 회사의 최근 내부 보고서, 그리고 그 업계 보고서. 업계 보고서를 열면 문서 전체 개요와 절별 요약이 보인다.
그런데 이건 그냥 요약이 아니다. "우리는 이걸 렌즈(lens)라고 부릅니다" — 텍스트를 지금 하려는 일에 맞춰, 가장 관련 있는 부분을 강조해 보여주는 맞춤형 축소판이다.
클라라는 "소비자 렌즈"를 고른다. 더 깊이 읽을 절을 하나 고를 수 있다 — 첫 번째 절을 고른다. 읽으면서 생각을 메모하고 발췌를 강조 표시한다. 읽는 동안 AI가 만든 코멘트와 비판도 함께 뜬다. 이걸 "도발(provocation)"이라 부른다.
클라라는 잠재적 기회를 하나 짚는 도발을 보고 그걸 강조·주석한다.
이 과정은 완전히 손으로 읽는 것과 완전히 AI에게 읽어달라고 맡기는 것, 그 중간 어딘가에 있는 잡종입니다. 클라라는 여전히 직접 읽습니다. 다만 의도적으로, 전략적으로 읽습니다.
클라라는 오른쪽 창에서 자기 주장의 개요를 손으로 쌓아 올리고 있다. 이 개요는 느슨하게 구조화되어 있어서, 논지의 흐름을 큰 그림으로 스케치하면서도 원문서와 깊이 연결된 채로 남는다. 그 결과 이미 제안서 초안을 생성할 수 있다. 클라라는 개요에 제목을 추가해서 문단을 생성하는 식으로 작업한다.
이 텍스트가 AI로 생성됐다는 건 같습니다. 하지만 클라라는 자료 몇 개 던져놓고 "보고서 써줘"라고 했을 때와는 완전히 다른 관계를 이 텍스트와 맺습니다. 왜냐하면 이 텍스트는 인지적으로는 힘들지만 상호작용으로는 힘들지 않은 사고 과정에 깊이 뿌리내리고 있기 때문입니다. 이 텍스트는 클라라의 결정, 클라라의 판단, 클라라만의 전문성을 반영합니다.
풀어보면 이렇다. 문장을 실제로 치는 손가락 노동은 줄었다(상호작용은 쉬웠다). 하지만 그 전에 뭘 읽고, 뭘 강조하고, 뭘 개요에 넣을지 정하는 머리 노동(인지 노동)은 그대로거나 오히려 더 들어갔다. 결과물의 타이핑은 AI가 했어도, 그 안의 판단은 전부 클라라 것이다.
클라라는 개요에서도 또 다른 도발을 본다. 이번엔 유용하긴 하지만 굳이 다룰 필요는 없다고 판단한다.
보통의 AI 제안과 달리, 도발은 언제나 적용해야 하는 게 아닙니다. 오히려 당신의 일에 대한 생각을 자극하려고 있는 것입니다. 어떤 피드백을 받아들이지 않기로 자신 있게 결정할 수 있을 만큼 자기 일을 깊이 이해하고 있다면, 그것 자체가 피드백 과정이 의도대로 작동하고 있다는 뜻이기 때문입니다.
이 대목이 이 프로토타입 전체에서 가장 반직관적이다. 좋은 도구는 제안을 다 받아들이게 만드는 도구가 아니라, "이거 왜 안 받아들이는지 스스로 설명할 수 있는" 상태를 만드는 도구라는 것이다.
클라라는 생성형 AI 덕분에 이 텍스트와 완전히 새로운 방식으로 상호작용한다. 간단한 예로, 문단 크기를 조절하면 길이가 바뀐다. 문단의 다른 버전을 빠르게 여러 개 시험해 볼 수도 있다. 예를 들어 이 문단이 더 영감을 주는 톤이 나을지, 더 실용적인 톤이 나을지 궁금할 때 커스터마이즈 가능한 축을 하나 고르고 몇 가지 대안을 미리 보고 하나를 고른다.
그리고 전략적인 지점에서는 클라라가 실제로 직접 쓴다. 쓰는 동안 나타나는 도발은 그녀의 생각을 자동완성하는 대신, 대안을 제시하고, 논리적 오류를 짚어내고, 반론을 던져서 그녀 자신의 주장을 더 튼튼하게 만들도록 돕는다.
이 인터페이스 어디에도 없는 게 하나 있는데, 바로 챗박스입니다. 클라라는 일을 하려고 뭔가와 채팅을 할 필요가 없습니다. 그런데도 조용하고 적절하게, 컴퓨터가 컴퓨터답게 그녀를 돕습니다. 유사인간(ersatz human)이 아니라요.
"간단히 말해, 우리는 이것에서 이것으로 넘어왔습니다." 발표자는 화면 두 장을 나란히 보여주지만, 자막(말)만으로는 정확히 어떤 화면 두 장이 대비됐는지 알 수 없다 — 부록 B에 표시해 둔다.
이 과정 내내 클라라는 도움을 받았고, 아마 AI 덕분에 더 빨리 일했을 것이다. 하지만 동시에 전략적인 지점에서 자료와의 직접적인 접촉을 유지했다. 문서의 관련 부분을 직접 읽었다. 자기 결정과 주장을 직접 구성했다. 그리고 궁극적으로 이 문서를 그녀가 직접 썼다고 말할 수 있다.
게다가 그녀는 AI 덕분에 더 잘 일했다. 과정의 매 단계마다 있었던 AI 도발이 그녀를 메타인지적으로 계속 깨어있게 만들었다 — 늘 비판, 대안, 곁가지 수를 찾아보도록.
우리는 이런 도구들의 효과를 연구해 왔고, 결과는 고무적입니다. AI로 보조된 워크플로에 비판적 사고를 실증적으로 되돌려 놓을 수 있습니다. 창의성 손실을 되돌리고 오히려 키울 수 있습니다. 지식노동자가 속도감 있게, 그러면서도 더 의도적으로 읽고 쓰고, 동시에 기억하게 해주는 강력한 기억 도구를 만들 수 있습니다.
발표자는 이걸 지탱하는 일반 원칙 셋을 정리한다.
[검증] 이 세 원칙은 마이크로소프트 리서치 "Tools for Thought" 프로젝트 페이지가 공식적으로 내세우는 원칙(메타인지 지원, 도전적 참여, 의도적 통합)과 그대로 일치한다.
발표자는 마지막으로 범위를 넓힌다. "우리는 주로 전문 지식노동자를 연구해 왔지만, 이 원칙들이 일상생활, 취미, 심지어 교육을 포함해 AI를 쓰는 모든 곳으로 확장될 수 있다고 믿습니다."
다시 한번 말하지만, 생각을 위한 도구의 목표는 효율이 아닙니다. 더 나은 사고가 목표입니다. 하지만 가끔은 둘 다 가질 수 있습니다.
저는 예전에 인간의 사고에는 공짜 점심 같은 건 없다고 생각했습니다. 이건 공짜 점심보다 훨씬 낫습니다. 이건 먹으면 오히려 돈을 주는 점심입니다.
발표자는 강연을 가치관 이야기로 마무리한다. "만약 AI가 인간보다 생각을 더 잘하는 수준까지 간다면? 왜 우리는 인간의 사고를 지키고 증강하는 데 이렇게 신경 써야 할까요?" 이유를 둘 든다.
그리고 오래된 질문을 반복하는 구조로 마무리한다. 뒤로 갈수록 질문이 쌓인다.
글이, 책이, 인터넷이 우리 대신 기억해 줄 수 있다면, 우리가 기억 못 하는 게 중요한가 — 사람들은 예전에 이렇게 물었습니다.
지도가 우리 대신 길을 찾아줄 수 있다면, 우리가 길을 못 찾는 게 중요한가 — 사람들은 이렇게 물었습니다.
이제 우리는 묻습니다. 기계가 우리 대신 생각할 수 있다면, 우리가 생각 못 하는 게 중요한가?
기계가 우리 대신 말하고, 슬퍼하고, 기도하고, 사랑할 수 있다면, 우리가 그걸 못 하는 게 중요한가?
"저에게 답은 꽤 분명합니다." 발표자는 개인적인 회고를 덧붙인다. "제가 13년 전 인간-AI 상호작용을 공부하기 시작했을 때, 제 평생 이런 질문을 던지게 될 거라곤 상상도 못 했습니다. 그런데 지금 우리는 묻고 있고, 물어야만 합니다."
그리고 마지막 한 줄을 남긴다.
여러분에게 이 생각을 남기고 싶습니다. 당신은 어느 쪽을 원하시나요 — 당신 대신 생각해 주는 도구, 아니면 당신을 생각하게 만드는 도구?
| 낱말 | 뜻 | 나온 장 |
|---|---|---|
| 비서 / 생각을 위한 도구 | 시킨 일을 대신 해주는가, 내가 직접 움직이도록 도와서 나를 강하게 만드는가 | 0장 |
| 메타인지 | 내가 지금 하는 일을 스스로 점검하는 능력 | 0장, 4장, 10장 |
| 이유 외주화 시대 | 지식노동자가 더 이상 자기 일의 재료를 직접 다루지 않는 시대 | 3장 |
| 렌즈 | 문서를 지금 할 일에 맞춰 관련 있는 부분만 강조해 보여주는 맞춤 축소판 | 7장 |
| 도발 | 답을 대신 주지 않고, 더 생각하도록 찔러보는 AI의 코멘트 | 7·8·9장 |
| 자료와의 직접 접촉 | 사람이 원자료를 스스로 만지는 순간을 지키는 설계 원칙 | 10장 |
| 생산적 저항 | AI가 순순히 다 받아주지 않고 되묻게 만드는 설계 원칙 | 10장 |
| 주장 | 영상이 댄 출처 | 검증 결과 |
|---|---|---|
| AI 비서 쓰는 집단, 아이디어 범위가 더 좁다 | "수많은 연구" (저자 미명시) | Doshi & Hauser(2024, Science Advances), Nature Human Behaviour(2025) 브레인스토밍 5실험과 방향 일치. 정확한 논문명은 영상에 없음 |
| AI 확신 클수록·자기 확신 작을수록 비판적 사고 덜 함 | "우리가 설문" (발표자 포함) | CHI 2025 논문(Lee 외, Sarkar 공저, 지식노동자 319명·사례 936개)과 정확히 일치. 발표자 본인 참여 연구 |
| AI에 의존해 쓰면 자기가 쓴 걸 덜 기억 | 언급 없음 | MIT 미디어랩 "Your Brain on ChatGPT"(2025)와 방향은 같지만, 발표자가 이 논문을 가리킨 것인지는 확인 불가 |
| 뇌를 안 쓰면 그 일에 서툴러진다 | 언급 없음, 농담으로 넘어감 | 특정 논문 특정 못 함. "인지적 오프로딩" 계열 연구로 추정 |
이 자막은 영어 원어라서 번역 오류는 없지만, 자동 받아쓰기 특유의 오타가 둘 있었다.
| 자막에 찍힌 것 | 실제 | 확인 방법 |
|---|---|---|
| "tools forthought team" | Tools for Thought 팀 (마이크로소프트 리서치 공식 프로젝트명) | 마이크로소프트 리서치 프로젝트 페이지 대조 |
| "Claraara" | Clara | 앞뒤 문맥 전부 "Clara"로 나옴. 이름을 겹쳐 받아쓴 오류로 추정 |
영어 원어 자막(en-orig) 하나로 충분했다. 발표자가 실제로 한 말을 그대로 받아쓴 트랙이라 번역 과정에서 생기는 오류가 없다. 별도로 받아 둔 한국어 트랙은 영어를 기계번역한 것이라 쓰지 않았다.