기업분석 · Technology
AI가 커질수록 ‘데이터 창고’가 더 바빠지고 있다
AI 시대가 오면 기존 소프트웨어 회사들이 오히려 힘들어질 것이라는 우려가 있었다.
사람이 직접 화면을 클릭하고 보고서를 만드는 대신 AI Agent가 데이터를 찾아 분석하고 답을 만들어준다면, 기존 SaaS 사용량이 줄어드는 것 아니냐는 질문이었다.
그런데 Snowflake의 최근 실적은 조금 다른 모습을 보여준다.
FY2027 2분기 총매출은 15억5천만 달러로 전년 대비 35% 늘었고, 핵심인 제품매출은 14억9천만 달러로 37% 증가했다. 회사는 연간 제품매출 전망도 기존 58억4천만 달러에서 60억7천만 달러로 올렸다.
주가도 실적 발표 직후 20% 이상 급등했다.
무엇보다 흥미로운 것은 회사가 최근 성장 가속의 상당 부분을 AI에서 찾고 있다는 점이다.
왜 AI가 데이터 플랫폼 회사의 사용량을 늘릴까?
답은 생각보다 단순하다.
AI가 일을 하려면 기업의 데이터를 읽어야 하기 때문이다.
고객정보, 재고, 결제, 로그, 문서, 생산데이터가 서로 다른 시스템에 흩어져 있으면 아무리 좋은 AI 모델도 제대로 일하기 어렵다.
Snowflake는 바로 이 데이터를 모으고, 연결하고, 관리하고, AI가 사용할 수 있게 만드는 플랫폼이다.
이번 글에서는 Snowflake가 무엇을 파는 회사인지부터 시작해, 왜 AI가 오히려 Snowflake의 사용량을 늘리고 있는지, 그리고 높은 성장에도 어떤 위험을 함께 봐야 하는지를 쉽게 풀어본다.
1. Snowflake는 무슨 회사일까? — ‘기업 데이터의 거대한 공동 창고’
Snowflake를 처음 접하면 ‘클라우드 데이터 웨어하우스’라는 설명부터 나온다.
하지만 이 말만으로는 무엇을 하는 회사인지 감이 잘 오지 않는다.
마트 물류센터를 떠올려보자.
각 매장이 제각각 물건을 보관하면 재고가 어디에 얼마나 있는지 파악하기 어렵다. 중앙 물류센터에 데이터를 모으면 어느 매장에서 무엇이 얼마나 팔렸는지 한눈에 보고, 필요한 물건을 다시 배분할 수 있다.
Snowflake도 비슷하다.
기업 안에는 고객정보, 회계데이터, 앱 사용기록, 생산데이터, 문서, 마케팅데이터가 여러 시스템에 흩어져 있다.
Snowflake는 이런 데이터를 클라우드에서 한곳에 모아 저장하고 분석할 수 있게 한다.
최근에는 단순히 저장·분석하는 것을 넘어 그 데이터를 AI가 바로 사용할 수 있게 만드는 방향으로 확장하고 있다.
그래서 회사는 자신을 단순 Data Warehouse가 아니라 AI Data Cloud라고 부른다.
쉽게 말하면 Snowflake는 ‘기업 데이터가 모이는 창고’에서 ‘AI가 기업 데이터를 꺼내 일하는 작업장’으로 변하고 있는 것이다.
2. Snowflake는 왜 일반 SaaS와 돈 버는 방식이 조금 다를까?
Salesforce나 Workday는 사용자를 몇 명 등록했는지에 따라 좌석당 요금을 받는 방식이 많다.
Snowflake는 조금 다르다.
고객이 실제로 데이터를 저장하고 계산한 만큼 사용료가 늘어나는 Consumption Model이 핵심이다.
전기요금과 비슷하다고 생각하면 쉽다.
계약만 맺어두고 아무것도 쓰지 않으면 사용량이 적다. 반대로 데이터 분석과 AI 작업을 많이 돌리면 소비량이 커진다.
이 구조 때문에 Snowflake에서는 고객 수보다 ‘기존 고객이 얼마나 더 많이 쓰는가’가 중요하다.
AI가 새로운 작업을 만들면 저장해야 할 데이터가 늘고, 데이터를 가공하고 검색하고 모델을 실행하는 계산량도 늘 수 있다.
즉 AI 기능이 별도 제품으로 팔리는 것뿐 아니라 기존 데이터 플랫폼 사용량 자체를 늘릴 수 있다는 것이 Snowflake의 중요한 성장 논리다.
3. Q2 실적 — 제품매출 37% 성장은 무엇을 의미할까?
Snowflake의 FY2027 2분기 총매출은 15억5천만 달러로 전년 대비 35% 증가했다.
그 가운데 제품매출은 14억9천만 달러로 37% 성장했다.
Snowflake에서는 제품매출이 특히 중요하다.
고객이 Snowflake의 컴퓨팅과 저장기능을 실제로 사용하면서 발생한 핵심 매출이기 때문이다.
이번 분기 제품매출 증가율 37%는 직전 분기의 34%보다도 높았다.
대형 소프트웨어 기업은 규모가 커질수록 성장률이 자연스럽게 낮아지는 경우가 많다.
그런데 Snowflake는 오히려 성장률이 다시 올라가는 모습을 보였다.
회사도 이 지점을 ‘growth acceleration’으로 강조했다.
Reuters에 따르면 CEO Sridhar Ramaswamy는 최근 성장 가속의 약 절반이 AI 제품에서 나왔다고 설명했다.
즉 AI가 단순 홍보용 신기능이 아니라 실제 사용량 증가와 연결되기 시작했다는 것이 이번 실적의 핵심이다.
4. CoCo와 CoWork는 무엇일까? — 개발자와 일반 직원 모두를 AI 사용자로 만든다
Snowflake의 AI 제품 이름은 처음 보면 다소 헷갈린다.
가장 쉽게 두 그룹으로 나눠보자.
CoCo는 코드를 작성하고 데이터를 다루는 개발자·데이터 전문가를 돕는 AI 도구다.
CoWork는 일반 기업 사용자가 자연어로 데이터를 묻고 AI와 함께 일을 처리할 수 있게 하는 쪽에 가깝다.
이번 분기 CoCo 사용 계정은 9,100개를 넘어섰고 한 분기 동안 2,000개 이상 늘었다.
CoWork도 5,800개 계정까지 확대됐다.
이 숫자가 중요한 이유는 AI가 특정 실험팀만 사용하는 기능에서 실제 기업 사용도구로 확산되고 있다는 신호이기 때문이다.
예를 들어 영업담당자가 SQL을 몰라도 ‘지난 분기 고객 이탈률이 높은 지역을 보여줘’라고 물을 수 있다.
개발자는 복잡한 데이터 파이프라인 코드를 AI 도움으로 더 빨리 만들 수 있다.
사용자가 데이터를 더 많이 조회하고 AI 작업을 더 많이 수행하면 Snowflake의 Consumption도 함께 늘어날 가능성이 있다.
5. 왜 기업은 ChatGPT에 데이터를 그냥 올리지 않고 Snowflake 같은 플랫폼을 쓸까?
개인이라면 파일 하나를 AI에 올리고 질문하면 된다.
기업은 그렇게 단순하지 않다.
고객의 개인정보, 회사의 매출, 급여, 재고, 계약조건을 아무 AI 서비스에 그대로 보낼 수 없다.
누가 어떤 데이터를 볼 수 있는지 권한을 관리해야 하고, 어떤 데이터를 사용했는지 기록도 남겨야 한다.
또 데이터가 ERP, CRM, AWS, Azure, Google Cloud 등 여러 곳에 흩어져 있다.
Snowflake의 중요한 역할 가운데 하나가 바로 이 Governance다.
쉽게 말하면 AI에게 ‘회사 데이터 열쇠’를 주되, 아무 방이나 마음대로 열 수 없게 출입권한을 관리하는 것이다.
AI가 실제 기업업무로 들어갈수록 모델의 똑똑함뿐 아니라 데이터 권한·품질·추적가능성이 더 중요해진다.
Snowflake가 AI 시대에 자신감을 갖는 이유도 바로 이 부분이다.
6. Zero Copy — 데이터를 옮기지 않고 연결한다
기업의 데이터는 한곳에만 있지 않다.
일부는 Snowflake에 있고, 일부는 Salesforce에 있고, 일부는 AWS나 다른 데이터베이스에 있을 수 있다.
예전에는 분석을 위해 데이터를 복사해서 한곳에 모으는 경우가 많았다.
문제는 복사본이 늘어날수록 저장비용이 늘고, 어느 데이터가 최신인지 관리하기 어려워진다는 것이다.
Zero Copy는 데이터를 물리적으로 계속 복사하지 않고 필요한 위치에서 연결해 사용하는 방식이다.
도서관 책을 집마다 복사해두는 대신, 필요할 때 같은 도서관 책을 찾아보는 것과 비슷하다.
Salesforce의 Data 360도 Snowflake 등 외부 플랫폼과 Zero Copy 방식으로 데이터를 연결한다.
이 점 때문에 Snowflake와 Salesforce 같은 SaaS 회사는 경쟁자이면서 동시에 협력자가 될 수 있다.
AI가 여러 기업 시스템의 데이터를 동시에 사용하기 시작할수록 이런 연결성의 가치가 커질 수 있다.
7. 828개 고객이 연간 100만 달러 이상을 쓰는 이유
Snowflake는 2분기 말 기준 최근 12개월 제품매출이 100만 달러를 넘는 고객이 828개라고 밝혔다.
전년보다 27% 늘어난 수치다.
이 숫자를 쉽게 말하면 ‘Snowflake를 연간 100만 달러 이상 쓰는 대형 고객이 계속 증가하고 있다’는 뜻이다.
대형 고객이 중요한 이유는 데이터 플랫폼이 한번 깊게 들어가면 사용처가 계속 늘어날 수 있기 때문이다.
처음에는 데이터 분석에 사용하다가, 데이터 엔지니어링, AI 모델, 사내 앱, 보안분석까지 확장될 수 있다.
이 구조가 Snowflake의 Land and Expand 전략이다.
처음 작은 업무로 들어가고, 고객이 데이터와 애플리케이션을 더 올리면서 소비량이 커지는 방식이다.
AI가 이 Expand를 더 빠르게 만들 수 있는지가 앞으로 중요한 관찰 포인트다.
8. NRR 126% — 기존 고객이 1년 뒤에도 더 많이 쓴다는 뜻
Snowflake 실적에서 자주 등장하는 또 하나의 숫자가 Net Revenue Retention, NRR이다.
용어는 어렵지만 계산 의미는 간단하다.
작년에 기존 고객들이 합쳐서 100원을 썼다고 하자.
일부 고객은 사용을 줄이고 일부는 계약을 종료할 수 있다. 반대로 다른 고객은 더 많이 사용한다.
1년 뒤 같은 고객집단이 126원을 썼다면 NRR은 126%다.
Snowflake의 Q2 NRR은 126%였다.
즉 신규 고객을 하나도 추가하지 않는다고 가정해도 기존 고객군의 소비가 전체적으로 늘어난다는 의미다.
Consumption Model에서는 매우 중요한 숫자다.
AI가 효과적인 성장동력이라면 향후 기존 고객이 AI workload를 추가하면서 이 소비량을 계속 유지하거나 높이는지가 중요하다.
9. RPO 90억 달러 — 앞으로 들어올 일감도 늘고 있다
RPO는 Remaining Performance Obligations의 약자다.
기업 소프트웨어에서는 자주 등장하는데, 쉽게 말하면 ‘고객과 계약은 했지만 아직 매출로 인식하지 않은 남은 계약금액’에 가깝다.
건설회사로 비유하면 이미 공사를 수주했지만 아직 공사가 끝나지 않아 매출로 잡지 않은 일감과 비슷하다.
Snowflake의 Q2 RPO는 90억 달러로 전년 대비 30% 증가했다.
Snowflake는 실제 사용량에 따라 매출이 발생하는 특성이 강하기 때문에 RPO가 미래 매출과 정확히 같은 숫자는 아니다.
그래도 고객들이 앞으로 Snowflake를 사용할 의무를 얼마나 계약으로 확보했는지를 보여주는 중요한 지표다.
제품매출이 빠르게 늘면서 RPO도 함께 증가한다는 점은 현재 수요와 미래 가시성이 동시에 좋아졌다는 신호로 볼 수 있다.
10. AI는 왜 Snowflake의 기존 사업까지 키울까?
여기서 이번 기업분석의 핵심으로 돌아가보자.
AI 제품을 하나 팔았는데 왜 기존 데이터 플랫폼 사용량까지 늘어날까?
AI에게 질문 하나를 던져도 뒤에서는 여러 일이 발생한다.
어떤 데이터가 필요한지 찾는다.
여러 테이블을 읽는다.
데이터를 정리한다.
권한을 확인한다.
AI 모델을 호출한다.
결과를 다시 저장하거나 다른 업무시스템으로 보낸다.
즉 AI는 데이터 사용량을 줄이는 기술이 아니라 상황에 따라 더 많은 데이터를 자동으로 소비하는 기술이 될 수 있다.
사람이 하루에 보고서 3개를 만들던 회사에서 AI Agent가 실시간으로 수백 번 데이터를 분석한다면 데이터 플랫폼의 계산량은 오히려 증가한다.
CEO가 AI 제품이 최근 성장 가속의 약 절반을 만들었다고 설명한 배경도 이 구조에서 이해할 수 있다.
11. Amazon과 60억 달러 계약 — Snowflake가 클라우드를 직접 짓지 않는 이유
Snowflake는 AWS, Microsoft Azure, Google Cloud 위에서 서비스를 제공한다.
자체 데이터센터를 직접 모두 짓는 회사가 아니다.
2026년에는 AWS와 5년에 걸쳐 약 60억 달러 규모의 장기 협력을 확대했다.
이 구조는 Snowflake 사업모델의 중요한 특징을 보여준다.
Snowflake는 고객에게 데이터와 AI 플랫폼을 제공하지만 실제 서버와 GPU, 스토리지의 상당 부분은 하이퍼스케일 클라우드 사업자의 인프라를 사용한다.
쉽게 말하면 Snowflake가 ‘고급 레스토랑’을 운영하고 AWS가 건물과 전기·가스 같은 기반시설을 제공하는 것과 비슷하다.
장점은 세계 여러 지역에 빠르게 확장할 수 있다는 것이다.
반면 클라우드 인프라 비용을 AWS·Azure·Google에 지불해야 하므로 제품 총마진에도 영향을 준다.
AI workload가 늘어날수록 매출뿐 아니라 클라우드 비용도 함께 움직인다는 점을 봐야 한다.
12. AI가 좋아져도 경쟁은 더 치열해진다
Snowflake만 기업 데이터를 AI에 연결하려는 것은 아니다.
Databricks는 데이터레이크와 AI 플랫폼을 결합하고 있고, Microsoft는 Azure와 Fabric, Copilot을 연결한다.
Google은 BigQuery와 Gemini를 갖고 있고 AWS도 Redshift·SageMaker·Bedrock 등 데이터와 AI 서비스를 확대한다.
Oracle도 데이터베이스와 클라우드 AI를 결합하고 있다.
즉 Snowflake의 시장은 매우 크지만 경쟁자도 강하다.
특히 하이퍼스케일러들은 자신의 클라우드 인프라와 데이터 플랫폼, AI 모델을 한꺼번에 묶어 판매할 수 있다.
Snowflake가 살아남으려면 특정 클라우드에 종속되지 않는 멀티클라우드 경험, 사용 편의성, 데이터 공유와 Governance에서 차이를 만들어야 한다.
13. Consumption Model은 성장할 때 좋지만 경기 둔화에는 민감하다
Snowflake의 사용량 기반 과금은 AI 성장기에 강력한 장점이 될 수 있다.
고객이 더 많이 사용하면 계약을 다시 협상하지 않아도 매출이 자연스럽게 늘어난다.
하지만 반대도 가능하다.
경기가 나빠져 기업들이 클라우드 비용을 줄이기 시작하면 데이터를 삭제하지 않더라도 계산 workload를 최적화할 수 있다.
실제로 과거 Snowflake의 성장률이 둔화됐을 때 고객의 cloud optimization이 중요한 변수로 거론됐다.
Subscription SaaS는 계약기간 동안 일정한 매출이 비교적 안정적으로 들어오지만 Consumption 사업은 고객의 실제 사용량 변화가 더 빠르게 실적에 반영될 수 있다.
그래서 Snowflake 투자자는 계약 숫자뿐 아니라 실제 consumption trend를 함께 봐야 한다.
14. 매출이 37% 늘어도 수익성을 같이 봐야 하는 이유
고성장 소프트웨어 기업은 매출 성장률만으로 평가하기 쉽다.
하지만 규모가 커질수록 수익성이 중요해진다.
Snowflake는 Q2에서 비GAAP 영업마진 개선과 함께 예상보다 높은 조정 EPS를 기록했고, 시장은 성장률뿐 아니라 효율 개선도 긍정적으로 평가했다.
반면 주식보상비용 같은 GAAP 비용도 함께 봐야 한다.
회사가 직원을 확보하기 위해 많은 주식을 지급하면 현금은 바로 나가지 않더라도 기존 주주의 지분이 희석될 수 있다.
따라서 Snowflake는 ‘AI 때문에 성장한다’는 이야기만 볼 것이 아니라 제품 총마진, 영업마진, 자유현금흐름, 주식보상까지 함께 확인해야 한다.
15. 불마켓의 해석 | AI 시대의 핵심은 모델보다 ‘기업 데이터가 준비돼 있는가’일 수 있다
AI 경쟁을 보면 대부분 어떤 모델이 더 똑똑한지에 관심이 집중된다.
하지만 기업 현장에서는 다른 문제가 먼저 나타난다.
AI가 답해야 할 회사 데이터가 어디에 있는지 모른다.
데이터 형식이 서로 다르다.
같은 고객 이름이 여러 시스템에 중복돼 있다.
누가 어떤 데이터를 볼 수 있는지 권한이 정리돼 있지 않다.
이 상태에서 아무리 좋은 AI 모델을 붙여도 제대로 된 업무자동화가 어렵다.
불마켓 관점에서 Snowflake의 핵심 가치는 ‘AI 모델을 만드는 회사’가 아니라 ‘AI가 일할 수 있도록 기업 데이터를 정리하고 연결하는 기반시설’에 있다.
이것이 Salesforce나 Workday와의 차이다.
Salesforce는 고객·영업 업무를, Workday는 인사·재무 업무를 장악하고 있다.
Snowflake는 그 여러 업무시스템 뒤에서 데이터를 모으고 AI가 접근할 수 있게 만드는 데이터 계층에 가깝다.
그래서 AI Agent가 많아질수록 Snowflake의 경쟁 상대는 AI Agent 그 자체가 아니라 ‘기업 데이터의 중심 자리를 누가 차지하는가’가 될 가능성이 높다.
이번 실적의 37% 제품매출 성장과 AI 제품 사용 증가는 이 가설이 실제 숫자로 연결되기 시작한 신호라고 볼 수 있다. 다만 이 흐름이 몇 분기 이상 지속되는지는 계속 확인해야 한다.
16. 앞으로 Snowflake에서 확인해야 할 7가지
첫째는 Product Revenue Growth다. 현재 37% 성장률이 얼마나 유지되는지 본다.
둘째는 NRR이다. 기존 고객이 AI workload를 추가하면서 126% 수준을 유지하거나 다시 높이는지가 중요하다.
셋째는 CoCo·CoWork 같은 AI 제품의 사용 계정이 실제 소비매출로 얼마나 연결되는지 확인해야 한다.
넷째는 대형 고객 수다. 연간 제품매출 100만 달러 이상 고객이 계속 증가하는지 본다.
다섯째는 RPO다. 미래 계약 가시성이 제품매출과 함께 성장하는지 확인한다.
여섯째는 Product Gross Margin과 Operating Margin이다. AI workload가 늘면서 클라우드 인프라 비용도 함께 커질 수 있다.
일곱째는 Databricks와 하이퍼스케일러의 경쟁이다.
AI가 Snowflake의 성장률을 높이고 있다는 이야기는 지금 매우 강력하지만, 결국 이 일곱 숫자가 몇 분기 연속으로 뒷받침해야 구조적 변화라고 판단할 수 있다.
핵심 요약
- Snowflake는 기업의 여러 데이터를 클라우드에서 모아 분석하고 AI가 사용할 수 있게 하는 데이터 플랫폼이다.
- FY2027 2분기 총매출은 15.5억 달러(+35%), 제품매출은 14.9억 달러(+37%)였다.
- 연간 제품매출 가이던스는 60.7억 달러로 상향됐다.
- CEO는 최근 성장 가속의 약 절반이 AI 제품에서 나왔다고 설명했다.
- CoCo는 9,100개 이상, CoWork는 5,800개 계정으로 확대되며 AI 제품 사용이 빠르게 늘고 있다.
- NRR 126%는 기존 고객군이 1년 뒤에도 전체적으로 Snowflake 사용액을 늘리고 있다는 뜻이다.
- RPO는 90억 달러로 전년 대비 30% 증가해 미래 계약 가시성도 확대됐다.
- Snowflake의 핵심 경쟁력은 AI 모델 자체보다 기업 데이터를 AI가 안전하게 사용할 수 있게 만드는 데이터·Governance 계층에 있다.
- 사용량 기반 과금은 AI 성장기에는 강점이지만 고객의 비용 최적화가 시작되면 매출 둔화도 빠르게 나타날 수 있다.
한 줄 핵심
Snowflake의 최근 성장 가속이 보여주는 것은 AI가 기존 데이터 플랫폼을 없애는 것이 아니라, 기업 데이터를 더 자주 읽고 분석하고 실행하게 만들면서 데이터 플랫폼 자체의 사용량을 늘릴 수 있다는 점이다.
불마켓의 시선
Snowflake를 단순히 ‘클라우드 데이터 창고’라고 보면 지금 변화를 절반만 보게 된다.
기업 AI가 실제 업무로 들어갈수록 모델이 똑똑한지만큼 ‘어떤 데이터를 믿고 사용할 것인가’가 중요해진다.
Snowflake는 기업 데이터가 AI와 연결되는 이 중간층을 차지하려 한다.
Salesforce와 Workday가 각자의 업무 데이터를 기반으로 AI Agent를 키운다면, Snowflake는 여러 시스템의 데이터를 연결해 AI가 사용할 수 있게 만드는 데이터 기반시설을 노린다.
이 구조가 성공하면 AI Agent가 늘어나는 것이 Snowflake에게 위협이 아니라 더 많은 데이터 소비를 만드는 수요가 될 수 있다.
다만 최근 급등한 주가는 이미 상당한 기대를 반영할 수 있다. 향후에는 AI 사용계정 숫자보다 실제 제품매출·NRR·마진으로 얼마나 이어지는지를 확인해야 한다.
이 글은 특정 종목에 대한 매수·매도 추천이 아니라 Snowflake의 최신 실적과 AI 전략을 통해 기업용 데이터 플랫폼이 AI 시대에 어떤 역할을 맡고 있는지 이해하기 위한 기업분석이다.
공식 참고자료
이 글은 공개된 기업 자료를 바탕으로 사업 구조와 실적을 설명한 정보성 콘텐츠이며, 특정 종목의 매수·매도를 권유하지 않습니다. 전망과 가이던스는 실제 결과와 달라질 수 있습니다.
AI 기능이 매출이 되려면 사용량이 반복돼야 한다
스노우플레이크의 AI 전략은 기능 발표 수보다 고객이 데이터를 플랫폼 안에 계속 적재하고 연산하는지가 중요하다. 생성형 AI 앱이 늘어도 일회성 실험에 그치면 소비 기반 매출로 연결되지 않는다. 반대로 데이터 거버넌스와 모델 운영이 기존 워크로드에 묶이면 고객 전환비용과 사용량이 함께 높아질 수 있다. 다음 실적에서는 AI 고객 수만이 아니라 제품매출 성장, 순매출유지율, 잔여계약가치와 마진이 같은 방향으로 움직이는지 확인해야 한다.
| 지표 | 보여주는 것 | 확인할 위험 |
|---|---|---|
| 제품매출 | 실제 사용량 | 성장 둔화 |
| NRR | 기존 고객 확장 | 최적화·절감 |
| RPO | 계약된 미래 수요 | 매출 전환 속도 |
| 마진 | 성장의 질 | AI 인프라 비용 |
산업 맥락: AI 데이터 공급망, AI 워크로드와 저장장치
경쟁 플랫폼과 구분해서 볼 지점
스노우플레이크는 저장과 연산을 분리한 소비 기반 구조와 여러 클라우드에서 데이터를 공유하는 기능을 강점으로 내세운다. 반면 데이터브릭스는 데이터 엔지니어링과 AI 모델 개발의 통합을, AWS·마이크로소프트·구글은 자사 클라우드 서비스와의 결합을 강화한다. 다음 실적에서는 제품매출 성장률, 순매출유지율, 잔여계약가치가 실제 소비로 전환되는 속도를 우선 확인할 필요가 있다.