2.2.1 보편성 논쟁

Ekman의 연구는 기본 감정이 보편적으로 인식된다고 시사했지만, 이후 후속 연구들은 감정 표현·인식에서 상당한 문화적 변이가 존재한다는 사실을 밝혀냈습니다. 대표적으로 Lisa Feldman Barrett 박사의 「How Emotions Are Made」(2017)는 감정이 보편 카테고리로 주어지는 것이 아니라 문화·언어·맥락 속에서 구성된다는 "구성 정서 이론(Theory of Constructed Emotion)"을 제시했으며, Jack et al.(2012, Current Biology 22권)은 동아시아 관찰자가 서구 관찰자와 다른 표정 부위(눈)를 우선적으로 본다는 점을 안구추적 실험으로 입증했습니다.

문제. 대부분의 감정 인식 시스템은 주로 서구(특히 미국) 표정 데이터로 학습되어 다른 인구 집단에서 정확도가 저하됩니다. WIA 표준은 이러한 한계를 인정하고, 적합성 시험에서 한국·일본·인도·아프리카·라틴아메리카 5개 권역 시험 데이터를 모두 포함하도록 의무화합니다. 단순히 데이터를 더 모으는 것이 아니라 라벨링 가이드 자체가 문화권별로 별도 작성되어야 함을 명시합니다. Yan et al.(2013, IEEE Transactions on Affective Computing)은 동아시아 표정의 미묘한 강도 차이를 서구 라벨러가 일관되게 분류하지 못한다는 사실을 라벨러 간 일치도(Cohen's κ 0.42 vs 0.71) 차이로 입증했고, 이는 라벨링 가이드의 문화별 차별화가 필수임을 보여 줍니다.

2.2.2 문화적 표출 규칙

각 문화권은 감정을 언제 어떻게 표현할 것인지에 대한 서로 다른 "표출 규칙(Display Rules)"을 갖습니다. 이 개념은 David Matsumoto가 「Cultural Influences on Facial Expressions of Emotion」(Westview Press, 1990)에서 체계화했으며, 「Cultural similarities and differences in display rules」(Motivation and Emotion, 1990) 논문에서 7개국 비교 데이터로 입증되었습니다.

한국 사회는 위계적 관계와 집단주의적 가치가 표정 표출에 깊은 영향을 미치며, 「눈치」라는 한국어 고유 개념은 비언어적 감정 단서 해독 능력 그 자체를 가리킵니다. 이는 한국형 감정 AI가 단순한 표정 분류기를 넘어 사회적 맥락(누구 앞에서, 어떤 상황에서)을 이해하는 메타데이터 처리 능력을 요구함을 시사합니다. 한국 가정·학교·직장의 위계 구조에서 동일한 표정이 전혀 다른 의미로 해석될 수 있으므로, 표정 분류만으로는 의미를 확정할 수 없습니다.

예를 들어 부하 직원이 상사 앞에서 보이는 미소는 즐거움이 아니라 사회적 거리 조절·복종·긴장 완화의 의미를 가질 수 있고, 동일한 미소가 친구 사이에서는 진심의 즐거움을 의미합니다. 이러한 맥락 의존성은 단일 카메라 입력만으로는 처리할 수 없으며, WIA 표준은 사용자·관계·장소·시각의 4가지 맥락 메타데이터를 데이터 형식의 권고 필드로 두어 후속 분석 시스템이 사회적 의미를 부분적으로나마 추론할 수 있도록 지원합니다. 이는 단순한 추가 메타데이터가 아니라 "감정 분류는 맥락 안에서만 의미를 갖는다"는 표준의 철학적 입장을 형식화한 결과입니다.

또한 한국어 화자는 "감정"과 "기분"·"마음"을 구분하여 사용하며, 일상 회화에서 "오늘 기분이 어때?"라는 질문에 대한 응답이 영어의 "How are you feeling?"보다 더 미묘한 단계 구분을 동반합니다. 한국어 감정 어휘 사전(서울대학교 인지과학협동과정, 2021)은 412개의 감정 어휘를 32개 의미 군집으로 분류했으며, 이는 영어 감정 어휘 사전(Cowen & Keltner, 2017)의 27개 군집보다 더 세분화된 체계입니다. WIA 확장 라벨은 이 한국어 어휘 사전의 일부를 직접 차용하여 한국 시장에서의 미세 감정 표현을 지원합니다.

2.2.3 연구 증거

여러 연구는 감정 인식 시스템이 비교문화 환경에 적용될 때 정확도가 큰 폭으로 떨어진다는 사실을 보고했습니다(Elfenbein & Ambady, 2002; Jack et al., 2012). Elfenbein과 Ambady의 메타분석은 96편의 연구를 종합하여 같은 문화권 내 정확도가 다른 문화권 대비 평균 9.3 %p 높다는 "내집단 우위(in-group advantage)" 효과를 정량화했습니다. 이러한 내집단 우위는 단순한 친숙도 효과가 아니라 학습된 표출 규칙의 미묘한 차이를 자연스럽게 해석하는 능력의 차이로 설명되며, AI 시스템이 동등한 수준의 맥락 이해 능력을 갖추기 위해서는 단일 글로벌 모델이 아니라 문화권별 미세조정 모델이 필요함을 시사합니다.

이는 비교문화 배치 시 20 %p 이상의 정확도 손실이 발생할 수 있음을 의미합니다. 한국전자통신연구원(ETRI)이 2023년 발표한 비교 시험에서는 글로벌 상용 SDK의 한국인 표정 인식 정확도가 서구권 시험 대비 평균 16 %p 낮게 나타났으며, 한국형 데이터셋(K-Emotion, AI Hub)으로 미세조정한 모델은 이 격차를 4~6 %p로 좁힌다고 보고되었습니다.

2.2.4 WIA 표준의 접근

WIA 감정 AI 표준은 다음 방식으로 문화적 차이에 대응합니다.

• 모든 감정 데이터에 문화 맥락 메타데이터(culture·locale)를 의무화합니다.
• 인증을 위해 다양한 학습 데이터를 요구합니다(5개 권역 균형 권고, 권역당 최소 1만 표본).
• 문화 특정 표출 규칙 보정을 지원합니다.
• 감정 라벨보다 보편적인 AU 기반 분석을 권장합니다.
• 한국·일본의 동아시아 표출 규칙은 별도의 권고 부속서(Annex KR/JP)로 정의합니다.
• 문화 간 표정 라벨링 일치도(Krippendorff α 0.7 이상)를 시험 항목으로 포함합니다.

2.3.1 동의와 투명성

핵심 쟁점. 많은 감정 AI 배치가 사용자의 명시적 동의나 인지 없이 이루어집니다. 한국 「개인정보 보호법」 제15조는 정보주체의 동의를 원칙으로 하며, 제23조는 민감정보의 별도 동의를 요구합니다. 감정 데이터는 생체정보·건강정보로 분류될 가능성이 높아 일반 동의로는 충분하지 않습니다.

문제 시나리오.

• 고객 동의 없이 매장이 고객 감정을 분석하는 경우
• 고용주가 근무 중 직원 감정을 모니터링하는 경우 — 「근로기준법」 및 「개인정보 보호법」 위반 가능
• 학교가 보호자 동의 없이 학생 감정을 추적하는 경우 — 「학생인권조례」와 충돌
• 공공 감시 시스템에 감정 인식이 탑재된 경우 — EU AI Act 금지 항목
• 고객센터 통화에서 감정 분석을 하면서 고지하지 않는 경우 — 「통신비밀보호법」 §3 위반 소지

2.3.2 데이터 보호 우려

감정 데이터는 매우 민감한 개인정보입니다. 한국 「개인정보 보호법」은 다음과 같이 분류합니다.

2024년 개정된 「개인정보 보호법 시행령」 제25조의2는 가명처리 가이드라인을 강화하여 생체정보·감정 라벨도 가명정보 처리 시 고유식별정보 결합을 엄격히 제한했습니다. WIA 표준은 이 시행령의 절차를 그대로 따라 처리 절차를 표준화합니다.

또한 2024년 개정 「개인정보 보호법」은 자동화된 결정에 대한 정보주체의 거부권(§35)을 신설했습니다. 감정 AI가 인사·신용·보험·교육 평가의 의사결정에 직접 활용되는 경우, 사용자는 (1) 자동화된 결정 적용 사실의 고지, (2) 결정 거부 또는 인간의 재검토 요청, (3) 결정의 기준·과정에 대한 설명 요구의 세 가지 권리를 가집니다. WIA 표준은 이 세 가지 권리 행사를 지원하는 인터페이스 요구사항을 Phase 4 통합 부문에 의무 항목으로 포함합니다.

2.3.3 오용 가능성

감시 위험.

• 정부에 의한 대규모 감정 모니터링
• 직장 감시와 차별
• 감정 프로파일링을 통한 정치적 조작
• 보험사가 감정 데이터를 인수 의사결정에 사용
• 광고 플랫폼이 감정 상태에 맞춰 취약 시점에 표적 광고를 노출하는 경우

한국 헌법재판소는 2023년 「불법촬영물 등에 관한 결정」에서 생체정보 처리의 필요성·비례성 원칙을 강하게 강조한 바 있으며, 감정 데이터도 동일한 기준이 적용된다고 봐야 합니다. WIA 표준은 본질적으로 차별·조작 위험이 큰 사용 사례(법 집행 공공장소 실시간 감정 인식, 고용 결정 자동화 등)를 표준 적합성에서 명시적으로 제외하는 "금지 사용 사례 목록"을 운영합니다. 금지 사용 사례 목록은 12개 조항으로 구성되며, 표준 적합성 인증을 받으려는 시스템은 이 12개 조항 중 어느 하나에 해당하지 않음을 자가 선언과 외부 감사로 입증해야 합니다. 자가 선언만으로 충분하지 않은 이유는 사후 감사 또는 사용자 신고가 발생했을 때 책임 주체를 명확히 하기 위함입니다.

금지 사용 사례 목록 중 한국 환경에서 특히 주의가 필요한 항목은 다음과 같습니다. 첫째, 채용 면접 자동 점수화에 표정 분석 단독을 사용하는 일은 「채용절차의 공정화에 관한 법률」과 K-AI 윤리기준의 "공정성·차별금지" 조항에 저촉될 가능성이 큽니다. 둘째, 학생 시험 감독에서 부정 행위 추정에 감정 점수를 직접 사용하는 일은 「개인정보 보호법」 제35조의 자동화된 결정에 대한 거부권을 침해할 수 있습니다. 셋째, 보험 인수 결정에 통화 감정 분석을 사용하는 일은 「보험업법」과 「개인정보 보호법」의 차별금지 원칙과 충돌합니다. WIA 표준은 이러한 사례를 회색 영역(grey area)이 아니라 명시적 금지 영역으로 두어, 표준 채택 기업이 의도하지 않은 위반에 노출되지 않도록 합니다.

2.3.4 WIA 윤리 프레임워크

WIA 표준은 다음 사항을 의무화합니다.

• 감정 분석 전 명시적 동의 — 옵트인(opt-in) 원칙
• 감정 AI 사용 사실의 명확한 고지 — 시각적·청각적 표시
• 데이터 최소화 — 필요한 항목만 수집
• 목적 제한 — 명시한 용도로만 사용
• 사용자가 자신의 감정 데이터에 접근할 권리
• 불이익 없이 옵트아웃할 권리
• 가명처리·익명처리 후 보관 기간 명시
• 제3국 이전 시 「개인정보 보호법 시행령」 제48조 준수
• 14세 미만 아동 데이터는 보호자 동의 의무화 (PIPA §22의2)
• 자동화된 결정에 대한 거부권·재검토 요청권 (PIPA §35)
• 처리 위탁 시 위·수탁 계약서에 감정 데이터 처리 항목 명시 (PIPA §26)

이 윤리 프레임워크는 단순한 규제 준수를 넘어 사용자 신뢰를 구축하기 위한 적극적 설계 원칙으로 작동합니다. WIA 표준은 윤리 프레임워크의 각 항목을 적합성 시험의 의무 항목으로 포함시켜, 인증 받은 시스템이 사용자에게 동등한 수준의 윤리 보장을 제공하도록 합니다. 윤리 프레임워크 위반은 인증 취소 사유에 해당하며, 한 번 취소된 인증은 12개월의 시정 조치 후에야 재신청이 가능합니다.

2.4.1 기술적 정확도 과제

최신 시스템도 상당한 정확도 한계를 가집니다.

코로나19 이후 한국 사회의 마스크 착용 빈도가 높아지면서 입 영역 가림으로 인한 정확도 하락이 실서비스의 중대 과제로 부상했고, KAIST 감성공학연구실은 2022년 「Mask-Robust Emotion Recognition」 논문에서 눈 영역 가중치를 강화한 모델을 발표하여 마스크 환경에서 정확도를 18 %p 향상시킨 바 있습니다. 한국 환경에서는 또한 안경 착용률이 50 % 이상으로 글로벌 평균보다 높아 안경에 의한 부분 가림 사례 시험이 별도로 필요합니다.

한국 의료기관에서의 마스크 착용은 코로나19 종식 이후에도 일정 수준 유지될 것으로 예상되며, 정신건강의학과 비대면 진료 환경에서는 환자가 안경·마스크·후드 같은 가림물을 동시에 착용하는 사례가 흔합니다. 이러한 다중 가림 환경에서는 표정 단독 신호의 신뢰도가 50 % 미만으로 떨어지므로, 음성·텍스트와의 멀티모달 융합이 필수가 됩니다. WIA 표준의 다중 가림 시험 항목은 안경·마스크·머리카락·손의 4가지 가림 유형을 조합한 16개 시나리오에서의 정확도 측정을 요구합니다.

또한 동작 흐림(motion blur)은 모바일·차량 환경에서 빈번히 발생하는 현실적 제약입니다. 차량 인캐빈 환경에서는 차량의 진동·승객의 움직임·노면의 굴곡 등이 모두 흐림의 원인이 되며, 표정 인식 시스템은 이러한 환경에서 적어도 60 % 이상의 정확도를 유지해야 운전자 모니터링의 안전 기능을 보장할 수 있습니다. WIA 표준의 자동차 도메인 시험은 ISO 26262의 ASIL-B 수준 이상의 신뢰성 요구를 반영하여 고속도로 주행 환경(시속 100 km 이상)에서의 표정 인식 정확도를 별도로 측정합니다.

2.4.2 표현과 경험의 간극

근본적 한계. 표정은 항상 진짜 감정 상태를 반영하지는 않습니다. 이는 단순히 학습으로 극복 가능한 문제가 아니라 인간 의사소통의 본질적 특성입니다.

표현 ≠ 경험인 사례.

• 사회적 미소. 예의상 짓는 미소(행복하지 않음)
• 억제. 감정을 의도적으로 숨김
• 편평 정동(Flat Affect). 일부 정신건강 상태에서 표정 표출이 감소
• 연기. 의도된 거짓 표정
• 문화적 가림. 표출 규칙이 표정을 압도
• 한국 특수. "괜찮아요" 미소 — 부정 감정을 사회적 조화 유지를 위해 가리는 패턴

WIA 표준은 표정 단독 신호를 신뢰할 수 없는 영역(예: 임상 진단)에서 음성·생체신호와의 멀티모달 융합을 의무화하여 단일 모달리티의 표현-경험 간극을 보완하도록 권장합니다.

임상·법의학 영역에서는 표정과 음성·생체신호가 일치하지 않을 때 어느 쪽을 더 신뢰할 것인가라는 의사결정 문제가 부상합니다. WIA 표준의 멀티모달 융합 부문(제3장 §3.6, 제7장 §7.7)은 모달리티별 신뢰도 가중치를 동적으로 계산하는 절차를 제공하며, 표정과 다른 모달리티가 충돌할 때 단순 평균이 아닌 가중 융합으로 처리하도록 권장합니다. 이는 표현-경험 간극을 알고리즘적으로 인정하고 다중 신호로 보완하는 접근입니다.

동시에 표정 단독 분석이 윤리적으로 더 안전한 영역(예: 게임 NPC 반응, 적응형 학습의 난이도 조절)에서는 표현된 감정만을 기준으로 작동하더라도 무방하며, 이러한 영역에서는 단일 모달리티가 충분합니다. WIA 표준은 사용 사례별 모달리티 요구사항을 등급화하여 임상·고위험 영역에서는 멀티모달을 의무로 두고, 저위험·소비자 영역에서는 단일 모달리티를 허용합니다. 이러한 등급화는 표준 채택의 진입 장벽을 낮추면서도 위험이 큰 영역에서는 충분한 안전 마진을 확보하기 위한 설계 선택입니다.

2.4.3 미세표정과 미묘한 감정

1/25 ~ 1/5초 동안 지속되는 미세표정은 탐지가 매우 어렵습니다.

2.4.4 WIA 정확도 요구사항

WIA 표준은 인증 등급별 최소 정확도 임계값을 설정합니다.

2.5.1 데이터셋 불균형

대부분의 공개 감정 데이터셋은 상당한 인구통계 불균형을 가집니다.

2.5.2 인구통계 편향 효과

여러 연구가 체계적인 정확도 차이를 보고했습니다(Buolamwini & Gebru, 2018, "Gender Shades"; Krishnan et al., 2020).

이러한 격차는 공정한 AI 시스템에 결코 받아들여질 수 없는 수준입니다. WIA 표준은 인구통계 집단 간 정확도 분산이 10 %p를 넘지 않을 것을 인증 요건으로 의무화합니다. Buolamwini와 Gebru의 「Gender Shades」 연구는 이러한 격차가 단순한 데이터 부족 문제가 아니라 알고리즘·라벨링·시험 방식 전반에 걸친 체계적 편향임을 보여 준 분기점이 되는 작업입니다.

한국 시장에서 인구통계 편향은 외국인 노동자·다문화 가정 자녀·새터민 등 비주류 집단에서 특히 심각하게 나타납니다. 행정안전부 「외국인 주민 현황」(2024)에 따르면 한국에 거주하는 외국인은 약 245만 명이며, 이들은 한국형 데이터셋에서도 충분히 대표되지 않은 인구 집단에 속합니다. WIA 표준은 한국형 인증 시 적어도 5개 외국인 출신국 표본(중국·베트남·필리핀·태국·우즈베키스탄)을 포함하도록 권고합니다. 이는 「재한외국인 처우 기본법」 §10의 평등 처우 원칙과도 부합합니다.

또한 한국형 감정 AI는 한국 표준어 화자뿐 아니라 사투리(영남·호남·제주) 화자, 한국어를 제2언어로 사용하는 화자에 대해서도 동등한 정확도를 제공해야 합니다. 음성 모달리티의 경우 표준어 학습 모델이 사투리 화자에서 평균 12 %p 정확도가 떨어지는 현상이 NIA 「한국어 음성 인식 편향 분석」(2023)에서 보고된 바 있으며, WIA 표준은 사투리 분산을 인구통계 편향 평가의 별도 항목으로 포함합니다. 또한 새터민(북한 출신 정착민) 화자의 음성 인식 정확도 격차도 별도 시험 항목으로 권고됩니다.

2.5.3 성별·연령 편향

성별 편향 쟁점.

• 여성의 분노가 슬픔으로 잘못 분류되는 경우가 잦음
• 남성의 슬픔이 중립으로 잘못 분류되는 경우가 잦음
• 성별에 따른 AU 활성화 임계값의 차이

연령 편향 쟁점.

• 고령자 얼굴의 주름이 AU 탐지를 혼란시킴
• 아동 표정은 성인과 다른 발달 패턴을 보임
• 고령자·아동 학습 데이터의 부족

2.5.4 WIA 공정성 요구사항

WIA 표준은 인구통계 집단 간 편향 시험을 의무화합니다.

• 인구통계 집단 간 정확도 분산 최대 10 %p
• 정확도 지표에 인구통계 분해 보고 의무
• 인증 시스템에 대한 정기 편향 감사
• 인증 시험용 다양성 시험 세트(5개 권역 ×3 연령대 ×양성)
• 한국형 인증의 경우 「장애인차별금지법」을 반영한 장애 유형별 시험 추가
• 학습 데이터 출처의 추적 가능성 보장 — 데이터 카드(Datasheet for Datasets) 형식 권장
• 편향 감사 결과의 공개 의무 — 인증 발급 시 인구통계 분해 정확도 표가 공개

공정성 요구사항은 단일 시점의 검사가 아니라 모델 업데이트마다 반복되어야 합니다. WIA 표준은 모델 갱신 시 인구통계 집단 간 정확도 분산이 인증 시점 대비 5 %p 이상 변동하지 않을 것을 요구하며, 이를 초과할 경우 재인증 절차를 거쳐야 합니다. 이는 모델이 시간이 지나면서 데이터 분포 변화로 인해 편향이 새로 생성되거나 강화되는 일을 방지하기 위한 안전장치입니다.

2.6.1 시장 분할 현황

문제. 감정 AI 시장은 상호운용성 없이 매우 분할되어 있습니다.

현 상황:
  벤더 A → 독자 형식 A → 소프트웨어 A에서만 작동
  벤더 B → 독자 형식 B → 소프트웨어 B에서만 작동
  벤더 C → 독자 형식 C → 소프트웨어 C에서만 작동

결과: 벤더 고착, 통합 제한, 비용 증가

2.6.2 표준 부재의 결과

2.6.3 WIA 표준 해법

WIA 표준 도입 후:
  벤더 A ─┐
  벤더 B ─┼──→ WIA 감정 AI 형식 → 어떤 호환 소프트웨어에도 연결
  벤더 C ─┘

이점:
  - 벤더 간 상호운용성
  - 통합 용이성
  - 데이터 이식성
  - 공정 경쟁
  - 명확한 준수 요건

2.7.1 현행 규제

2.7.2 EU AI Act와 감정 AI

EU AI Act(2024)는 감정 AI를 명시적으로 다룹니다.

• 직장·교육 환경의 감정 인식은 고위험(High Risk)으로 분류
• 적합성 평가(Conformity Assessment) 요구
• 투명성과 인간 감독(Human Oversight) 의무화
• 법 집행 기관의 공공장소 실시간 감정 인식 금지
• 의료적 또는 안전상의 이유에 한해서만 직장·교육 환경 사용을 허용 — Article 5(1)(d) 예외 조항
• 고위험 시스템은 EU 데이터베이스 등록 의무 — Article 49
• 인간 감독자는 시스템 출력을 무시·번복할 수 있는 권한을 가져야 함 — Article 14

EU AI Act는 2024년 8월 1일 발효되었으며, 고위험 시스템에 대한 의무는 2026년 8월 2일부터 본격 적용됩니다. 이 시점은 본 표준이 발행되는 시기와 거의 일치하며, 한국 기업이 EU 시장에 감정 AI 솔루션을 수출하려면 EU AI Act의 고위험 의무를 사전에 충족해야 합니다. WIA 표준의 적합성 시험은 EU AI Act의 고위험 시스템 의무와 1:1 매핑되어 있어, WIA Certified Plus 인증을 받은 시스템은 EU AI Act 고위험 의무의 80 % 이상을 자동으로 충족하게 됩니다(부록 E).

2.7.3 한국 PIPA·K-AI 윤리기준 비교

한국의 「개인정보 보호법(PIPA)」과 K-AI 윤리기준은 EU·미국 규제와 다음과 같은 차이를 가집니다.

K-AI 윤리기준의 10대 핵심요건은 ① 인권 보장, ② 프라이버시 보호, ③ 다양성 존중, ④ 침해금지, ⑤ 공공성, ⑥ 연대성, ⑦ 데이터 관리, ⑧ 책임성, ⑨ 안전성, ⑩ 투명성으로 구성되며, WIA 표준 적합성 항목은 이 10대 요건과 1:1 매핑됩니다(부록 D). KISA가 운영하는 「AI 윤리 자율점검표」(2022)는 이 10대 요건을 36개 점검 항목으로 세분화한 도구이며, 산업 현장에서 가장 널리 사용되는 한국형 자가 진단 체크리스트입니다.

K-AI 윤리기준은 법적 강제력이 없는 자율 규범이지만, 정부 조달·공공기관 시범사업·R&D 과제 평가에서 가산점 또는 사실상 의무 요건으로 적용되는 일이 늘고 있습니다. 또한 「개인정보 보호법」 제3조의 개인정보 처리 원칙(목적 제한·최소 수집·정확성·안전성·투명성·비례성)과 K-AI 윤리기준은 사실상 동일한 가치 체계를 공유하므로, K-AI 윤리기준 미준수는 「개인정보 보호법」 위반으로 간주될 가능성이 큽니다.

한국에서 가장 빈번히 인용되는 자율 점검 절차는 (1) KISA 자율점검표 36개 항목 자가 평가, (2) 「AI 윤리 영향평가 가이드라인」(2023)의 8단계 평가 프로세스, (3) 한국정보화진흥원의 「AI 윤리 사례 모음집」 학습입니다. 이 세 가지를 함께 수행하는 일이 한국 시장 진입 시 사실상의 표준 절차이며, WIA 표준 적합성 인증은 이 세 가지 절차를 통합한 단일 검사로 대체합니다.