기본 콘텐츠로 건너뛰기

그것이 알고 싶다 '제 746회 일상의 노출인가 소통의 혁명인가 140 글자의 매직' - 2010년 1월 30일 방송

어제 트위터 상에 약간의 소란이 있었다.

SBS 그것이 알고 싶다에 트위터에 관련된 방송이 나가고 있다는 것이었다. 사실 그것이 알고 싶다에서 트위터에 대해 촬영하고 있다는 것은 트위터 상에서 이전부터 알려졌던 사실이었다. 특정 서비스가 공중파에 소개되는 시대라.. 하...

일부 지방에 계신 분들은 지방 방송에서 특집방송을 방송한다며 방송이 나오지 않는다고 아우성 치는 분들도 계셨다.

저는 아가가 자고 있어서 못보겠구나 생각했는데.. @mazefind 님이 Twit On Air 서비스에 방송을 중계해 주신 덕분에 편하게 볼 수 있었습니다.

방송과 방송을 보면서 나누었던 대화를 보시고 싶으신 분은 아래 주소를 방문하시면 방송과 함께 방송을 같이 보았던 트위터의 많은 사람들의 대화를 보실 수 있습니다.


이번 방송은 저에게 매우 색다른 경험을 주었습니다.

방송을 보면서 실시간으로 다른 사람들의 의견을 듣고, 내 의견을 누군가 듣고 실시간으로 또 다른 의견을 주는 것은 매우 색다른 경험이었습니다.

공중파의 위력은 막강해서 네이버 실시간 검색 2위에 트위터가 오르는 기염을 토하기도 했습니다.

작년 중순 이후부터 국내에 싸이월드 이후 잠잠하던 소셜 네트워킹에 대한 수요 폭증이 이번 일로 해서 더 증폭되지 않을까 싶습니다.

다만 염려되는 것은 더 넓게 퍼지는 것 만큼 부정적인 측면이 부각될 수 있다는 점입니다.

하지만 방송에서 다루어진 사건들처럼 그러한 부작용들이 과연 트위터와 같은 서비스 때문인지에 대한 고민은 더 있어야 할 것 같습니다. 사실 방송에서 그러한 부분이 다루어지지 않은 것이 좀 아쉽습니다.

그리고 이러한 흐름에 편승해서 돈이나 좀 벌어보자고 이것저것 어중이 떠중이 같은 아무러 가치도 없는 서비스가 난립하지 않을까 라는 우려입니다.

네이버에서 버림받은 미투데이나 다음의 요즘과 같은 서비스가 생겨나고 어느 정도의 사용자 층이 있는 것으로 알고 있지만 트위터를 포함해서 대부분의 SNS 서비스들이 아직 뚜렷한 수익 모델을 제시하지 못하는 상황에서 잘못하면 어렵게 만들어진 좋은 플랫폼이 고사하는건 아닐까 염려스럽기도 합니다.

어제 방송에서 조금 아쉬운 점이라면 기업에서 트위터를 활용하는 사례 등이 더 소개되면 좋았을텐데 라는 아쉬움이 있습니다.

어쨌든 인터넷의 한 서비스가 공중파에 소개되고 그 공중파를 보면서 실시간으로 다른 사람과 소통하는 아주 색다른 경험을 할 수 있어 좋은 시간이었습니다.

혹시 제 블로그에 방문하시는 분 중 아직 트위터를 하지 않는 분이 있으시다면 한번 도전해 보시기 바랍니다.

어려움이 있으시다면 저에게 물어보시면 아는 만큼 알려드리겠습니다.

제 트위터는

https://twitter.com/murianwind

입니다.

이 참에 저만의 트위터 입문서를 한번 만들어볼까요?

아.. 그리고 방송에 출연하신 분들 은근 부러웠습니다.

댓글

  1. trackback from: SBS '그것이 알고 싶다', 출연 후기
    미투데이와 트위터의 가장 큰 차이는 무엇일까? 미투데이는 트위터를 모델로 2007년초 시작한 국내 SNS 서비스이다. 150자라는 글자 제한은 트위터의 140자 제한과 비슷하다. 서로 친구관계를 필요로 하는 것 역시 트위터의 폴로(Follow)와 비슷하다. 얼핏 보면 비슷한 트위터와 미투데이지만 그 안쪽을 들어다 보면 상당한 차이가 있다. 먼저 폴로와 친구다. 폴로는 따로 허락을 필요로 하지 않는다. 그래서 폴로라는 개념과 친구라는 개념을 난 다른...

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

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...

QA 부서는 필요한 것인가?

많은 프로젝트 관리 방법론과 조직론에서 항상 얘기하는 것이 QA 부서를 독립적으로 두는것에 대해 강조하는 편이다. 테스트 역시 테스트 조직을 별도로 두는 것에 대해 강조하는 편이다. 이러한 QA 부서 또는 테스트만을 전담하는 조직이 꼭 별도로 존재해야 하는 것일까? 테스트의 경우에는 개발자와 다른 시각을 가진 사람들의 테스트의 필요성을 강조하기 위해서 테스트 조직을 별도로 두는 것을 강조하는 편이다. 만약 테스터가 개발이나 영업, 운영과 같은 조직의 하부 조직이 되다 보면 정치적인 독립성에 따라 자신만의 독립적인 시각이나 의견을 피력하기 힘든 점이 있기 때문이다. QA 부서는 어떨까? 여기서 먼저 생각해 볼 것이 있다. 그것은 QA 부서가 과연 무슨 일을 하는 부서인가? 하는 문제이다. 여러분의 회사에서 QA 부서는 과연 어떤 일을 하는가? 여러분은 QA 부서에 대해 얼마나 호감을 가지고 있는가? 펼쳐두기.. 회사마다 회사의 정책이나 전략에 따라 QA 부서의 역할은 매우 판이하다. 그리고 그 역할에 따라 회사 내에 QA 부서의 호감도도 매우 달라지는 편이다. 만약 여러분이 QA 부서에 대한 호감도가 낮다면 아래와 같은 문제가 있는 것은 아닌지 한번 고민해 보시고 댓글이나 트랙백등으로 의견을 주셨으면 하는 바람이다. 먼저 일반적으로 QA 부서가 하는 일은 제품의 품질을 측정하고 제품의 품질을 향상시킬 수 있는 모든 활동을 계획하고 제어하는 일을 한다. 그런데 문제는 소프트웨어의 품질이 문제가 된다. 먼저 공장과 같은 하드웨어를 제조하는 회사의 경우에는 품질 부서가 독립적으로 존재한다. 이 품질 부서에서 제품의 품질을 측정하고 제품의 품질을 개선하기 위해 집중하는 곳은 하드웨어 그 자체이다. 하드웨어는 각각의 부붐의 품질이 100인 제품이 모여서 하나의 제품을 구성하게 되었을 때 그 제품의 품질은 역시 100이다. 이것은 매우 명확한 사실이다. 소프트웨어를 만드는 회사의 조직과 관리 방법 역시 이러한 하드웨어를 만드는 회사의 조직과 관리 방법을 ...

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 ...