기본 콘텐츠로 건너뛰기

Google Nexus 4 험난했던 구매 여정에 대한 기록

2012년 12월 29일 저를 그토록 애타게 했던 Nexus 4가 제 품에 들어왔습니다.

그 길고도 험난했던 구매의 여정에 대한 기록을 남겨보고자 합니다.

Google Nexus 4가 미국 Play Store 에 처음 등장했던 것은 2012년 11월 14일 새벽 2시..(미국 시간 따위는 모릅니다. 어쨌든..)

새벽 1시까지 버티던 저는 기다리다 지쳐 잠이 들었고.. 아침에 일어났을 때는 발매 30분만에 매진..간혹 취소되는 물량을 간간이 구매하는 사람들이 아침 7시까지 있었지만.. 결국에는 구매를 하지 못하고 포기..

2차로 물건이 등장한 것이 11월 27일..

이때는 웬일로 매진이 되지 않고 생각보다 쉽게 구할 수 있었습니다.

임시 계정을 2번이나 만들고 카드 정보를 등록하는 생쇼를 벌이면서 27일에 우선 주문 성공.. 28일 구글이 제 주문을 승인했습니다.

이 주문을 위해서 수많은 커뮤니티와 블로그를 통해 프록시 프로그램을 통해서 우회하는 방법, 카드 정보 등록하는 방법, 구매 대행 사이트를 통한 배대지 등록 등등 이제껏 경험해 보지 못한 신기한 경험 많이 했습니다.

그러면 왜 이토록 넥서스 4에 목을 메었는가?

쓰레기 같은 국산 안드로이드 단말에 질려 있었고, 구글의 레퍼런스 단말을 쓰고 싶었을 뿐이고, 삼성같은 부도덕한(LG가 도덕적이라는 말은 아님..) 기업에서 만든 레퍼런스가 아닌 레퍼런스를 쓰고 싶었을 뿐인데.. 이 작은 소망이 험난한 구매 여정의 시작이었을 줄은 이때까지 몰랐습니다.

주문은 성공했는데.. 이후로 배송은 시작되지 않고..

2주가 지나자 카드 결제가 자동으로 취소되더군요..

간간히 주문이 취소되었다는 메일을 받았다는 사람이 등장하기 시작하자.. 이젠 애가 타다 못해 정신이 붕괴될 지경에 이르렀지만.. 그래도 인내하고 인내하고 또 인내한 결과 12월 14일 사전 주문으로 상태가 변경되고 12월 17일 드디어 배송이 시작되었다는 메일을 받았습니다. 이 때의 기분은 그야말로 머라고 할 수 없었습니다. 정말 기뻤습니다. 아들 딸 손을 잡고 방방 뛰고 싶은 심정이었습니다.

 17일에 출발한 제 넥서스 4는 18일에 몰테일 배대지로 입고, 21일 배송비를 결제하고 22일 비행기 탑승

24일 한국 도착해서 부가세 결재

그리고 크리스마스가 지나고 27일 되어서야 통관장을 빠져나와 지옥과 같다는 대한 통운에 인계

28일 20시 이후 배송된다는 넥서스 4는 끝내 오지 않고, 29일 오후 9시 결국 젤리 케이스와 함께 제 품에 들어왔습니다.

그렇게 한달만에 저는 넥서스 4를 손에 쥐게 되었습니다.

아래는 넥서스 4를 개봉하는 역사적인 순간을 담은 동영상입니다. 이 동영상은 넥서스 4에자리를 물려주고 지난 2년간 저와 동고동락했던 옵티머스 큐가 수고해주었습니다. 옵티머스 큐는 이 동영상을 마지막으로 장렬히 전사하여 현재 제 아내의 게임기가 되었습니다. ㅡ.ㅡ


이 다음으로 조만간 넥서스 4의 부트로더 언락과 루팅하는 방법에 대해 올리도록 하겠습니다.

 XDA에 이미 올라온 자료이지만.. 영어 울렁증이 있으신 분들을 위하여 한번 써보긴 하겠지만.. 사실 굉장히 간단한지라...

그나저나 넥서스 4 한글 관련 자료 찾기가 쉽지 않군요. 네이버 계정이 없는 저로서는 정말 사막에 버려진 느낌입니다.

저와 같은 분들을 위해 넥서스 4에 관련된 정보를 간간이 올려보도록 하겠습니다. 궁금하신 점을 올려주시면 성심껏 글을 써보도록 하겠습니다.

그리고 몇일간 써본 결과 다른건 다 만족스러운데.. 불만족스러운게 딱 2가지입니다.

1. 카메라.. 눈이 썩는 느낌입니다. 무지 안찍힙니다. 초점도 잘 못잡습니다. 후우..
2. 액정이 배터리를 너무 많이 먹습니다. 쳐묵 쳐묵.. ㅠㅠ

그리고 혹시 젤리 케이스 찾으시는 분들은 저는

http://itempage3.auction.co.kr/DetailView.aspx?ItemNo=A680685478&frm3=V2

여기서 구매했습니다.

그냥 싸고 좋습니다. 정품 범퍼는 그냥 포기했습니다. 후우..

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 ...