기본 콘텐츠로 건너뛰기

맛있는 소세지의 비밀

제가 자랄 때 저희 부모님은 식품 첨가물에 대해 한번도 생각해 보신적이 없습니다.

물론 지금도 저희 부모님은 식품 첨가물이 무엇인지 모르십니다. 보시지도 않습니다.

저도 자라서 대딩 시절 굶주린 배를 부여잡고 살던 시절에도 군바리 시절 그냥 주는데로 우걱 우걱 먹던 시절에도 그다지 관심이 없었습니다.

하지만 결혼을 하고 아가가 생기고 최근 들어 스펀지나 비타민, 소비자 고발, 불만 제로, 위기탈출 넘버원 등을 챙겨보기 시작하면서 식품 첨가물에 대해 꼼꼼이 따져보게 되었습니다.

머 물론, 그걸 아무리 꼼꼼이 따져본다 해도 그 성분 분석표 자체가 조작된거라면 머라고 할 말이 있겠습니까?

소비가가 똑똑해져야만 하는 이 시절이 정말 한탄스럽기도 하고, 하나 하나 꼼꼼이 따져보니 정말 주변에 먹을 것이 없기도 합니다.

여러분은 여러분의 자식이 맛있게 햄과 소시지를 먹는 것을 보면서 흐뭇하십니까?

그러면 그 소시지와 햄에 과연 무엇이 들었는지 생각해 보셨습니까?

어떤 분들은 네가 말하려는거 다 알고 있는데.. 그거 치사량으로 먹는 경우는 절대 없다. 다들 먹는데 왜 난리냐? 라고 하시는데.. 거기 30대 넘으셔서 죽을 날 얼마 안남으신 분들은 미쿡 6년산 쇠고기 내장을 드시던지 발암물질을 숟갈로 퍼 드시던지 상관하지 않겠습니다만..

한창 자라나고 한창 잘 먹어야 하고 아직 살날이 무럭 무럭 남은 아이들에게만은 이런것은 먹이지 말았으며 하는 맘입니다.

솔직히 먹는거 가지고 장사하는 동네 구멍가게에서부터 대기업에 이르기까지 이런 정보 자체를 올바르게 제공해 주지 않고 있고 우리의 다음 세대에 대한 배려 자체가 없는 것이 한탄스럽기도 합니다.

어쨌든..

여러분이 눈여겨 보실 성분은 2가지입니다.

하나는 아질산나트륨, 다른 하나는 카라기난입니다.

지금 여러분 냉장고에 들어 있을 햄, 소시지, 육포 등 고기로 만든 모든 가공 식품을 꺼내서 확인해 보시기 바랍니다.

전 의사도 아니고 화학자도 아니기 때문에 관련 정보는 직접 인터넷을 검색해 보시면 더 많은 정보를 얻으실 수 있으실 겁니다.

확실한 것은 저 두 물질은 명백한 발암물질이라는 것입니다.

머 물론, 한두번 먹는다고 해서 암에 걸리는 것도 아니고 저걸 먹는다고 해서 100% 암에 걸리는 것도 아닌건 확실합니다.

하지만 사람 일은 추정하는거 자체가 무의미한거 아니겠습니까? 조심해서 나쁠것은 없다고 봅니다. 최소한 우리의 자식들에게만이라도 저런 건 먹이지 말았으면 합니다.

그리고 저런 물질이 자꾸 우리가 먹는것에 들어가는 이유는 하나입니다. 이뻐보이고 오래 보존할 수 있고 등등등..

저런걸 만드는 업체가 솔선수범해서 저런걸 넣지 않는다면 좋겠지만 그렇지 못하다면 우리라도 똑똑해 져서 좋은 걸 찾아주어야 그나마 양심적으로 먹을거리를 만드는 업체들이 더 늘어날 것이라고 생각합니다.

그리고 혹시나 육포와 조미 오징어를 절대 같이 드시지 마시기 바랍니다.

육포에 첨가된 아질산나트륨과 조미오징어에 첨가된 소르빈산칼륨이 만나면 화학반응을 일으켜서 발암물질이 생성됩니다.

육포가 빨간색이라면 아질산나트륨 100% 입니다. 진짜 육포는 까맣습니다.

소세지도 아질산나트륨이 들어가지 않은 소세지는 살색에 더 가깝습니다. 아니면 소세지나 어묵등은 집에서도 손쉽게 만들어서 드실 수도 있습니다.

부디 열심히 공부해서 좋은 먹거리만 아이들에게 먹일 수 있도록 해야겠습니다.

댓글

이 블로그의 인기 게시물

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...

AI가 만들고 사람이 고친 글, 과연 'AI 생성물'일까? — 무너지는 경계선과 각국의 표기 가이드라인

이미지, 음성, 텍스트를 가리지 않고 생성형 AI의 산출물이 전 세계 디지털 공간에 폭포수처럼 쏟아져 나오고 있습니다. 가짜 뉴스, 딥페이크 오정보, 저작권 침해 등 여러 사회적 문제를 일으키면서, 최근 EU를 비롯한 세계 각국의 규제 기관들이 "AI가 만든 콘텐츠에는 반드시 표시(Labelling)를 하라"는 강제 가이드라인을 잇달아 꺼내 들고 있습니다. 이와 관련해 Smashing Magazine에 비탈리 프리드만(Vitaly Friedman)이 기고한 아티클은 EU의 최신 규제가 실무 인터페이스(UI/UX)에 어떤 변화를 요구하는지 잘 보여줍니다. (출처: Smashing Magazine - New EU Guidelines For AI Labelling / Vitaly Friedman) https://www.smashingmagazine.com/2026/08/eu-guidelines-ai-labelling/ EU AI Act 제50조 투명성 규정에 따르면, 딥페이크나 AI 챗봇 대화, 인간의 검수 없이 AI가 100% 작성한 공공 텍스트 등에는 전용 AI 마크나 암호화된 메타데이터(Watermark)를 반드시 내장해야 합니다. 기존에 서비스들이 유행처럼 쓰던 모호한 '반짝이 아이콘(✨ Sparkles)' 수준으로는 법적 기준을 충족할 수 없게 된 것입니다. 하지만 현장의 개발자, 에디터, 테스터들이 마주한 진짜 혼란은 규제의 유무가 아닙니다. 바로 "도대체 어디까지를 AI가 만들었다고 볼 것이며, 어디서부터를 사람이 만든 것으로 정의할 것인가?"라는 근본적인 경계선의 모호함입니다. 프롬프트 한 줄 던져서 AI가 뽑아낸 초안을 사람이 문장 몇 개 다듬었다면, 이것은 AI 산출물일까요, 인간의 글일까요? AI가 코딩한 1,000줄의 소스 코드를 엔지니어가 한 시간 동안 디버깅하고 검수했다면 이 코드의 주인은 누구일까요? 글로벌 규제 기관들도 이 모호함을 인지하고 명확한 자격 기준을 세우기 위해 격렬한 논의를 ...