기본 콘텐츠로 건너뛰기

파일 동기화 서비스 3인방 - Dropbox, Syncplicity, Live Mesh

언제부터인가 사람들 손에 스마트폰 하나씩은 다 들고 다니는 세상이 되었다..

예전에는 무거운 노트북 가방을 낑낑 거리고 들고 다녔다면 요즘은 스마트폰 하나로 가볍게 다니는 세상이 되었다.

그런데, 외부에서 급하게 필요한 문서를 찾아야 한다면 어떻게 해야할까?

아니면 외부에서 수정한 문서와 내 업무용 컴퓨터의 문서를 동기화 해야한다면 어떻게 하면 좋을까?

파일 한두개야 손으로 할수도 있겠지만 폴더가 많아지고 내용이 복잡해지면 중요한 문서를 지우거나 잘못된 내용으로 덮어씌어 버리는 것이 한두번이 아니고 그렇게 되면 매일 매일 스트레스가 쌓이는 것은 당연지사..

이럴때 유용한 것이 웹하드 서비스 중 파일 동기화를 제공해 주는 서비스들이다.

최근에는 이런 유형의 서비스가 정말 차고도 넘칠정도로 많지만 그 중에서 제일 괜찮아 보이는 3가지 서비스를 소개해 드릴까 한다.

전문 리뷰어가 아니기 때문에 일목요연한 자료를 제공해 드리면 좋겠지만 그렇지 않은 글이기 때문에 잘 보시기 바랍니다.

우선 Dropbox 입니다.

최근에 가장 많은 사람들이 즐겨 애용하는 서비스입니다.

무료로 이용할 수 있는 기본 용량은 2기가 뿐이지만 사람들을 초대해서 가입시킬 경우 1명당 추가로 250MB 씩 용량이 늘어나서 최대 8기가 까지 제공해 줍니다.

요즘은 초대할 만한 사람이 많지 않아서 용량 확보하기가 힘들다는 것이 가장 어려운 점입니다.

혹시 아직 Dropbox를 사용하고 계시지 않은 분들이 계시다면 아래 주소틀 통해서 가입해 주시면 고맙겠습니다.

도와주십시오.

https://www.dropbox.com/referrals/NTc1ODkzOTU5


DropBox는 안드로이드 단말기도 지원하고 무엇보다 강력한 히스토리 기능으로 삭제된 파일이나 잘못 동기화된 파일도 한번에 복구가 가능하다는 점을 장점으로 꼽을 수 있다.

한가지 불편한 점이라면 컴퓨터에서 내가 원하는 특정 폴더를 동기화 하는 것이 아니라 'Dropbox'라는 동기화 폴더에 파일이나 폴더를 추가해야만 동기화가 되는 점은 조금 불편하다.

Syncplicity(http://www.syncplicity.com/)의 강점은 내가 원하는 어떤 폴더든지 동기화가 가능한 점과 구글 문서도구와 연동이 가능하다는 점이 특징이다.

반면에 무료 용량이 2기가 뿐이기 때문에 용량의 압박이 조금 심한 편이다. 꽁수를 부리자면 여러개의 아이디로 가입해서 각각의 아이디의 용량을 공유할 경우 공유된 아이디만큼의 용량이 전체 용량으로 계산되기 때문에 쉽게 용량을 늘릴 수도 있지만 한 아이디로 사용 가능한 공간이 2기가라는 것은 변함이 없다.

그리고 아직까지는 별다르게 모바일 단말기를 지원하지도 않기 때문에 조금 아쉬운 서비스이다.

Syncplicity 역시 히스토리 기능을 통한 복구 기능을 지원하고 있다.

마지막으로는 마이크로소프트의 버려진 서비스(?)인 Live Mesh(https://www.mesh.com/)가 있다.

Live Mesh 는 WIndows Live 계정만 있다면 쉽게 이용할 수 있다.

용량은 초기에 무료 5기가나 주기 때문에 용량 면에서는 가장 많은 용량을 지원해 준다.

하지만 결정적으로 히스토리를 통한 복구 기능 자체가 없기 때문에 가장 큰 단점이고 약속했던 모바일 기기 지원은 언제 해줄지 기약이 없는 상태이다.

꿈은 컸으나 흐지브지 사람들도 잘 모르는 서비스가 되어 버렸다.

Live Mest도 Syncplicity 와 같이 내가 원하는 어떤 폴더라도 동기화가 가능하다.

3가지 서비스 중 아직까지 안드로이드 단말을 지원해주는 서비스는 Dropbox 뿐이기 때문에 최근에 저도 모든 데이터를 DropBox로 옮겼습니다.

문제는 용량 문제입니다. 혹시라도 아직 Dropbox에 가입하신 적이 없으신 분 중 서비스를 이용하기 원하시는 분은 https://www.dropbox.com/referrals/NTc1ODkzOTU5 를 통해서 가입해주시면 고맙겠습니다.

외에도 안드로이드 단말기를 지원해주는 유사 서비스로 SugarSync(https://www.sugarsync.com) 라는 서비스도 있습니다.

SugarSync 는 초대를 통해서 추가할 수 있는 용량의 한계가 5기가 입니다.

이외에도 인터넷이나 검색엔진을 통해 유사한 서비스는 많이 찾아보실 수 있습니다.

어떤 서비스를 이용하느냐도 중요하지만 잘 사용하는 것도 중요하겠죠.

여러분은 이런 서비스를 어떻게 이용하시나요?


댓글

  1. 이용해18/6/10 14:37

    무리안님 아이디로 dropbox에 가입했습니다. 용량이 늘었나 확인해보세요.

    답글삭제
  2. @이용해 - 2010/06/18 14:37
    방금 확인했습니다.



    너무 고맙습니다. ^&^

    답글삭제

댓글 쓰기

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 ...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...

'자동화 편향'과 '대중적 불신' 을 고려한 AI 테스팅 시나리오 설계

최근 생성형 AI나 자율주행, 에이전트 기술의 테스팅 시나리오를 작성할 때 우리가 당연하게 전제(Assumption)로 깔고 가는 중요한 인간 행동 방식이 하나 있습니다. 바로 '자동화 편향성(Automation Bias)'입니다. 인간은 시스템이 자동화되고 스마트해질수록 기술을 과도하게 신뢰하고 주의력을 놓아버립니다. 차량을 운전하면서 운전자 보조 시스템을 켜고 전방 주시를 태만히 하고 스마트폰을 보거나 영상을 시청하는 운전자라던지 AI 의료 진단 보조 도구가 내놓은 결과를 의사가 깊은 의심 없이 그대로 승인해 버리는 현상이라던지 AI 챗봇이 추천한 잘못된 정보를 사용자가 사실로 믿고 행동하는 케이스 같은 게 있을 겁니다. 우리는 항상 이러한 "사람들이 AI를 너무 믿어서 발생하는 위험"을 핵심 리스크로 정의하고, 이를 검증하기 위한 안전장치(Safety Guardrail)나 경고 알림, 오용 방지(Misuse) 테스팅 시나리오를 도출해 왔습니다. 그런데 최근 Gizmodo에 보도된 미국 설문조사 결과는 매우 흥미로운 사실을 보여줍니다. (출처: Gizmodo - Survey Finds Americans See AI as Comparable to Humans—It’s Making Them Trust It Less )   기사에서 언급된 설문조사의 결과는 AI가 사람을 닮아갈수록 완벽함에 대한 기대와 실수가 충돌하고 책임이 모호해져 대중의 신뢰는 오히려 떨어진다는 것이었습니다.  자세히 살펴보면 해당 조사는 일반 대중을 대상으로 AI에 대한 인지적 반응을 측정했습니다. AI가 인간과 유사한 대화/추론 능력을 보일 때 유저가 느끼는 '인지적 불쾌한 골짜기(Uncanny Valley)' 현상을 정량 지표로 포착해 냈다는 점에서 의미가 있다고 생각합니다. 단순히 "AI가 좋다/나쁘다"를 넘어, 의인화(Anthropomorphism)의 수준과 신뢰도(Trust) 사이의 음(-)의 상관관계를 입증했기 때문...