기본 콘텐츠로 건너뛰기

LG 스마트 조명 사용 후기

갓난아기가 울때마다 벽에 있는 스위치를 찾아 일어나기도 귀찮고 조명이 너무 밝아서 오히려 아기가 깨어버리는 부작용에 다시 재우기는 더 어려운 지옥 같은 상황을 탈출하고자 이런 저런 정보를 검색하다가 스마트 조명이라는 걸 설치해보기로 했습니다.

아무래도 머리맡에 스마트폰은 항상 놔두고 살다보니 스위치 찾아 일어날 필요 없고 조명 밝기도 조절할 수 있으니 딱 좋아보이더군요.

국내에서 구입할 수 있는 스마트 조명은 크게 LG 제품과 필립스 제품이 대표적입니다.

그런데, 필립스 제품은 너무 비싸고 거창한것 같아.. LG 제품을 구매해봤습니다.

몇일 사용해보고 좋은 점과 아쉬운 점을 적어봅니다. 혹시 필요하신 분들에게 도움이 되셨으면 합니다.

제품에 대한 자세한 정보는

http://www.lge.co.kr/lgekr/product/detail/LgekrProductDetailCmd.laf?prdid=EPRD.271413

에서 보실 수 있습니다.

좋은 점
1. 쉽게 키고 끌 수 있다.
2. 밝기를 조절할 수 있다.
3. 경쟁사 제품에 비해 그나마 저렴하다..
4. 기존 스텐드에 전구만 바꿔 끼면 되기 때문에 설정이 매우 간단하다.

그리고.. 끝... 몇일 써 보았지만 저 이상의 좋은 점을 못 느끼겠습니다.

그래서 아쉬운 점입니다.
1. 아이폰과 안드로이드 양쪽으로 연동하는 경우 한쪽이 먼저 연결이 되면 다른 한쪽은 잘 연결이 되지 않습니다. 예를 들면 아이폰에서 먼저 연결해서 조작하고 있는 동안 안드로이드로 연결을 시도하면 연결이 안됩니다. 이 상황에서 아이폰이 연결을 해제해도 안드로이드로 연결이 안됩니다. 조명을 해제했다가 다시 연결 설정을 해야만 합니다. 그것보다 스마트폰과 조명의 연결을 블루투스로 하게 되어 있는데.. 연결이 잘 안되는 경우가 더 많습니다. 앱에서 빠져나가면 그 즉시 연결이 해제되고 유지가 되지 않습니다. 그리도 재연결은 정말 드럽게 안됩니다. 마음 급한 사람은 해탈합니다. 그래도 아이폰보다는 안드로이드가 여러면에서 좀더 연결이 잘 되고 기능도 괜찮습니다.
2. 조명 밝기가 저장되지 않습니다. 조명을 키면 무조건 100% 밝기로 켜집니다. 물론 서서히 조명을 키는 방법도 있습니다. 해당 조명 아이콘을 0..8초 정도 눌렀다 떼면 해당 조명의 상세 화면으로 이동하는데.. 여기서 조명의 밝기를 조절하면 그 밝기만큼 켜집니다. 그런데.. 이걸 매번 하자니 은근 스트레스입니다.
3. 쓸데 없는 기능이 너무 많아서 앱이 복잡합니다.
4. 조명 하나 키기 위해서 매번 앱을 찾아서 키는게 슬슬 귀찮아집니다. 아이폰도 안드로이드도 위젯 정도는 지원해줄거 같은데.. (안드로이드는 위젯이 있긴 한데.. 이 녀석으로는 등록된 모든 조명을 한번에 키고 끄는 기능만 지원됩니다. 개별 조명을 조절하는 위젯은 없습니다. 그리고 역시나 무조건 100% 밝기로 켜지기 때문에 눈뽕 맞는 느낌입니다. ㅠㅠ)
아니면 앱이 백그라운드에서 실행된 상태에서 손뼉 소리 같은걸 인지해서 켜지거나 하면 그마나 좀 나을텐데.. 흠.. 안드로이드는 폰 같은 경우는 흔들어서 켜거나 끌 수도 있긴 한데.. 역시 앱을 실행한 상태에서 메뉴를 찾아 들어가 해당 기능을 매번 설정해야만 하는 귀찮음이 존재합니다.(흔들어서 끄는건 거의 제대로 동작하지 않습니다. 성질 납니다. 센서 민감도 역시 조절은 할 수 있지만 설정값이 유지되지 않습니다.)
5. 블루투스로 연결되다 보니 거리 제한이 생각보다 심합니다. 아기가 울면 조명이 반짝 거리게 해볼까도 했지만 방만 벗어나도 연결이 끊겨버립니다.
6. 구하기가 정말 어렵습니다. 심지어 LG 베스트 샵에서조차 주문을 해야만 구할 수 있는 상황이니.. 이건 팔겠다는 의지가 있는지 모르겠습니다.

그리고 여담으로 저는 주광색(하얀색)으로 구매했는데.. 밤에 쓰실거면 전구색(노란색)이 좀 더 괜찮습니다. 주광색은 솔직히 너무 밝아서...깜깜한 밤중에 켜보니 눈 아프더군요.. 머.. 아해 기저귀 살필때는 좋긴 하지만...

결론적으로 저렴한 비용에 쉽게 구축할 수 있는 장점은 있지만 당장 내가 원하는 밝기로 원하는 상황에 쉽게 키고 끄는 면에서 낙제에 가깝습니다. 이런것만 좀 더 개선하면 활용도가 더 높을 것 같지만.. 보아하니 관련 API도 공개된 것이 아니기 때문에 서드 파티 앱으로 구현도 할 수 없는 상황 같더군요. 여러면에서 좀 아쉬운 제품입니다.

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...

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...