기본 콘텐츠로 건너뛰기

통메로부터의 자유를 허하라

저는 되도록이면 국내 스마트폰은 구매하지 말라고 권유하는 사람 중 하나입니다. 이유는 외국산 안드로이드 단말과 달리 국내 안드로이드 단말들은 표준적인 어떤 포맷을 따르지 않기 때문입니다.

그 중 대표적인 것이 SMS와 MMS입니다.

혹시 국내에서 출시된 단말 중 통메가 사용되지 않은 단말이 있으시다면 제보 부탁드립니다.

이 칼럼은 12월 28일 올라가서 조회수 1533 을 기록한 칼럼입니다. 2010년 마지막 칼럼이네요.

--------------------------------------------------------------------

오늘 할 이야기는 문자메시지 호환성에 대한 이야기입니다.

많은 사람들에게 일명 통메(통합메시지함)라 불리는 이슈이기도 합니다. 사실 통메라 하면 SMS와 MMS를 합쳐놓은 시스템이라 말할 수 있습니다.

초기에 국내 휴대폰 제조사들의 메시지 전송 프로그램은 대개 SMS만 지원했기에 SMS의 바이트 수 제한을 상회하는 대용량 문자 메시지나 사진과 동영상 등 멀티미디어 컨텐츠를 포함하는 MMS는 SK텔레콤의 컬러 메일, LGT의 Shot 메일 등 따로 통신사에서 제작한 프로그램을 이용해야 했습니다.

때문에 SMS와 MMS를 따로 관리해야 하는 불편함과 통신사가 개발한MMS 프로그램의 기능이 부족하였던 관계로 통합된 메시지함의 개발 필요가 요구되었고 그에 따라 SMS와 MMS를 하나의 메뉴에서 사용하게 되었습니다.

이렇게 단순히 SMS와 MMS를 같이 이용할 수 있도록 하는 시스템이었던 통메는 외산 안드로이드 단말이 들어오면서 SMS와 MMS를 외산 단말이 수신하지 못하거나 관련 앱이 작동하지 않는 호환성 문제까지 아울러서 보다 폭 넓은 의미로 사용되고 있습니다.

이유인즉 초기 SKT에 탑재된 통메가 표준규격에서 완전히 어긋난 SKT만의 독자규격을 사용한 시스템으로 소비자에게 많은 비난을 받았었는데, 외산 안드로이드 단말에서의 문제도 통메 때의 문제점을 그대로 답습하고 있기 때문입니다.

현재 LGT의 경우 MMS의 경우 OMA-MMS 라는 국제표준규격이 존재함에도 불구하고 LGT의 독자규격을 사용하고 있기 때문에 Handcent 와 같은 앱을 사용할 경우 MMS가 정상적으로 수발신이 되지 않습니다.

이것은 비단 MMS 뿐만 아니라 SMS도 같은 문제가 발생하고 있습니다.

문제는 LGT의 경우 EV-DO Rev. A 방식으로 3G를 제공하고 있기 때문에 외산 단말이 아닌 삼성, LGE, 팬텍과 같은 국산 단말만이 공급되기 때문에 LGT의 입장에서는 굳이 국제표준규격을 따라야 할 필요성이 크지 않다는 것입니다.

하지만 이로 인해서 소비자는 선택권이 제한되는 것이 문제라고 생각됩니다. 무슨 얘기인고 하니 마켓에서 SMS 등으로 검색되는 앱을 사용하지 못한다는 것입니다.

SMS의 백업이나 실시간 문자메시지로 가계부를 쓰는 그런 앱을 사용할 수 없다는 것입니다.

물론 국내 개발자분들의 엄청난 삽질로 일부 앱은 작동하는 경우도 있지만 외국에서 개발되는 앱들은 사용이 힘듭니다.

갤럭시 S와 같은 경우는 사용자층이 두텁고 외국에서도 출시된 단말이기 때문에 그나마 사정이 나은 편이지만 옵티머스의 경우에는 정말 암울하기 그지 없습니다.

국내 개발자분들도 LG 측에서 관련 API가 공개되지 않고 있기 때문에 힘들다고 얘기합니다.

제대로 된 안드로이드 단말의 활용을 위해서 국내 통신사와 제조사들이 좀 더 호환성에 신경을 써주던지 아니면 자사의 시스템에 접근 가능한 API를 공개해 주었으면 하는 바램입니다.

그래야 외국 개발자들에게 단말 지원이라도 요청할 수 있을 테니까요.

사실 스마트폰은 Kik 메신저나, Whatsapp 과 같은 앱들로 스마트폰 사용자들끼리는 문자메시지라는 것이 큰 의미가 없기도 합니다.

하지만 아직까지 문자메시지는 휴대전화 사용에 있어서 정말 큰 부분을 차지하는 중요한 기능인 것이 사실입니다.

그리고 스마트폰에서 문자메시지는 여러 가지 부가적인 기능을 구현할 수 있는 좋은 컨텐츠입니다.

스마트폰이라면 이러한 문자메시지를 좀 더 잘 활용할 수 있도록 지원되어야 하고 다양한 앱을 사용할 수 있어야 한다고 봅니다.

국내 통신사와 제조사들이 이러한 점을 이해하고 사용자들의 편의를 고려해 주었으면 하는 바램입니다.

댓글

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...

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 ...

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 ...