기본 콘텐츠로 건너뛰기

리니어블(미아방지 IoT 제품) 사용 후기

블로그가 개점 휴업 상태이고..

요즘은 딱히 쓸 글도 없(다기보다는 쓰기 귀찮다는...)지만...

이 글은 쓸까 말까 무진장하게 고민하다가..

그냥 짤막하게 남겨볼까 합니다.

얼마전 휴가를 가면서 저희 집에 애가 셋이나 되다보니.. 통제가 안됩니다.

특히 둘째는 허구헌날 혼자 사라져서 정말 미칠것 같다는..

마트에서도 동네에서도 툭하면 사라져서..

아이의 위치도 감시하고 아이가 멀어지면 알람도 울리고..

요즘은 시대가 하도 좋아지고.. IoT같은 것도 유행하니 머 좋은게 없을까 검색 좀 해보았습니다.

그러다 눈에 띈 것인 리니어블..

우선은 가장 큰 장점은 싸다는겁니다. 단돈 5천냥..

거기다 완벽한(?) 방진, 방수 - 사실 여기에서 좀 불만인것이.. 산지 2주만에 작동을 멈추는 사태가.. 분명 방진, 방수로 1년동안은 동작한다고 했는데.. 확인해보니 개중에 불량품이 조금씩 있다고 하더군요.. 그렇다고 하더라도.. 킁.. 만약 구매 후 갑자기 동작하지 않는다면 고객센터로 연락해서 맞교환하시면 됩니다.

그래서 과감히 질러버렸습니다.

동작원리나 그런거는...

http://lineable.net/

에서 확인해보시기 바랍니다.

기본적인 원리는 블루투스를 이용해서 아이를 추적합니다. 주변에 앱을 깐 사람들이 많아지면 더 정확한 위치 추적이 가능한 구조로 되어 있습니다.

사용해보니 꽤 괜찮기는 합니다.

기본적인 기능은 꽤 잘 동작합니다.

다만 구매를 하시는 분들이 염두에 두셔야 할 몇가지만 남겨보고자 합니다.

1. 아이를 추적하기 위해서는 매번 앱에서 알람 기능을 껏다 켰다 해야합니다. 만약 바깥에 외출하러 나갈 때 해당 기능을 켜는 것을 깜박할 경우.. 난감합니다...

추적은 계속 하지만 알람이 울리지 않으니 아이가 멀어진걸 알 수가 없습니다. 저는 둘째가 리니어블을 빼버리고 한참이 지나서야 그 사실을 알아차렸을 때는 그 팔찌를 찾을 방법이 없더라구요..

마지막 위치 근처로 가서 찾는 방법도 있지만 그 마지막 위치라는게 정말 마지막 위치인지는 애매합니다. 그리고 실제 리니어블의 위치는 지도상의 위치에서 최소 반경 30미터 이내입니다. 30미터가 얼마 안되는 것 같지만 실제로는 전후좌우상하로 꽤 넓은 공간입니다. 산이나 아파트 같은 곳에 잊어버리면 방법이 없습니다.

반대로 집에 들어오거나 안전한 곳에 있을 때 알람을 끄는걸 깜박하면 가끔 벽 등으로 인해서 바로 옆에 있어도 우렁차게 울려서 사람을 깜짝 놀라게도 합니다.

2. 위에서 얘기했지만 실제로 아이가 멀어졌을 때 울리는 알람이 주변 지형 지물의 영향을 많이 받고 시간차가 꽤 있습니다.

멀어지자마자 울리는 게 아니라 실제로 리니어블과 스마트폰의 통신 시간 지연이 조금은 반영됩니다.

때문에 알람이 울리고 난 뒤 주변을 둘러보면 아이가 없는 경우가 자주 발생합니다.

그러면 정말 미치죠.. 주변에 리니어블 앱을 깐 사용자가 아직은 많지 않기 때문에 실제 아이 위치 추적하기도 어렵습니다. (이참에 이 글을 읽으시는 분들은 어차피 스마트폰에서 블루투스를 항상 켜 놓는다고 해도 배터리에 영향 거의 없으니 배터리와 블루투스로 재능 기부한다 생각하시고 리니어블 앱 많이 깔아주시면 좋을 것 같습니다.)

결론은 리니어블만 너무 밎지 말고 아이가 주변에 있는지 자주 신경을 써줘야 합니다.

제가 써보고 가장 크리티컬하다고 생각되는 문제는 위 두가지입니다. 하지만 이런 문제들은 사용자가 많아지고 업데이트를 하면 좋아질거라 생각됩니다. 그런 의미에서 아이 있는 집에서는 하나씩 장만해보시죠..

괜찮습니다.

댓글

이 블로그의 인기 게시물

피드백 루프: AI 시대 테스터가 지켜내야 할 핵심 엔진

소프트웨어 개발과 테스팅 현장에서 가장 자주 언급되지만, 막상 시스템이 복잡해질수록 쉽게 경시되곤 하는 핵심 개념이 바로 '피드백 루프(Feedback Loop)'입니다. 코드를 수정하고, 빌드하고, 테스트 결과를 확인하고, 다시 개선하는 그 순환 과정의 속도와 정확도가 결국 소프트웨어의 품질을 결정짓기 때문입니다. 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "One Loop After Another" 아티클은 바로 이 피드백 루프의 다층적 구조와, AI 시대에 우리가 놓치지 말아야 할 품질 검증의 본질을 날카롭게 되짚어 줍니다. (출처: Quality Remarks - One Loop After Another / Matthew Heusser) https://qualityremarks.com/one-loop-after-another/ 매슈 하이저는 소프트웨어 개발 생태계가 단순히 하나의 커다란 테스트 루프로 돌아가는 것이 아니라, 시간 축과 관점에 따라 겹겹이 쌓인 '연쇄적인 피드백 루프들(One Loop After Another)'로 이루어져 있다고 설명합니다. 초단기 루프 (Inner Loop): 개발자가 코드를 작성하는 몇 초~몇 분 단위의 루프입니다. 단위 테스트(Unit Test)나 IDE의 Linter, AI 자동 완성이 즉각적인 피드백을 주는 영역입니다. 단기 루프 (Daily / CI Loop): 커밋과 푸시가 이루어지고, CI/CD 파이프라인에서 통합 테스트와 정적 분석이 실행되는 몇 시간 단위의 루프입니다. 중기 루프 (Iteration / Exploration Loop): 스프린트 단위로 탐색적 테스팅(Exploratory Testing)을 수행하고, 실제 사용자 시나리오나 엣지 케이스를 사람이 직접 검증하며 시스템의 유기적 작동을 확인하는 며칠~몇 주 단위의 루프입니다. 장기 루프 (Outer / Market Loop): 실제 ...

에이전틱 AI 프로젝트에서 테스터의 5가지 핵심 원칙

AI 코딩 에이전트와 자율형 에이전트가 빠르게 개발 워크플로우에 통합되면서, 단순히 코드를 잘 짜는 것을 넘어 '에이전트와 어떻게 협업하고 통제할 것인가'가 개발자와 아키텍트들의 가장 큰 화두로 떠올랐습니다. 윤석찬 님의 아티클 "AI 에이전트 시대, 개발자는 어떻게 일해야 하는가? – 프론티어 엔지니어링의 10가지 원칙"은 에이전틱 AI 시대에 엔지니어가 마주하는 패러다임 변화와, 실무 현장에서 일하는 방식을 어떻게 재정의해야 하는지 아주 명확한 가이드라인을 제시해 줍니다. (출처: channy.creation.net - 윤석찬 님의 블로그) https://channy.creation.net/blog/1989 비록 대규모 에이전트 오케스트레이션이나 초거대 인프라 시스템을 개인이 직접 구축하고 운용하는 것은 비용적·기술적으로 현실적인 한계가 있습니다. 하지만 개인 프로젝트에서 AI와 바이브 코딩(Vibe Coding)을 활용하며 겪었던 맥락 손실, 환각, 통제 불능의 경험들을 떠올려보면, 이 아티클이 제시하는 10가지 프론티어 엔지니어링 원칙은 소규모 개인 개발 환경에서도 대단히 깊은 공감을 불러일으킵니다. 이 글은 단순히 "AI 도구를 잘 쓰자"는 수준에 머무르지 않습니다. AI 에이전트가 생성해내는 불확실성 속에서 인간 엔지니어가 시스템의 맥락을 주도하고, 오작동을 제어하며, 품질의 키(Steering Wheel)를 쥐기 위한 구조적 사고법을 다룹니다. 그렇다면 프론티어 엔지니어링의 원칙을 바탕으로, 시스템의 신뢰성과 안전성을 검증해야 하는 테스터는 과연 어떤 실무 원칙을 세워나갈 수 있을까요? 윤석찬 님이 제시한 엔지니어링 원칙을 테스팅 관점으로 재해석해 보면, 다음과 같은 5가지 원칙으로 정리할 수 있을 것 같습니다. 1. 결정론적 검증에서 '경계선 및 허용 오차(Boundary)' 테스팅으로 전환하라 에이전트 기반 시스템은 같은 입력을 주어도 매번 다른 추론 경로를 거치는 확률적(Stoc...

결국 테스팅은 어렵다

 AI 코딩 에이전트와 대형 언어 모델(LLM)이 코드를 순식간에 쏟아내고 테스트 스크립트까지 자동으로 만들어주는 시대가 되면서, 일각에서는 "이제 테스팅도 버튼 하나 누르면 끝나는 쉽고 단순한 일 아닌가?"라는 착각에 빠지곤 합니다. 하지만 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "Turns Out Testing is Hard" 아티클은, 기술이 아무리 화려하게 발전하더라도 소프트웨어의 '진짜 품질'을 검증하는 일은 여전히 지독하게 어렵고 복잡하다는 현실을 서늘하게 되짚어 줍니다. (출처: Quality Remarks - Turns Out Testing is Hard / Matthew Heusser) https://qualityremarks.com/turns-out-testing-is-hard/ 이 아티클이 말하는 핵심은 간단합니다. 단순한 스크립트 실행이나 표면적인 기능 작동 여부를 확인하는 '체크(Checking)'는 AI나 도구를 통해 얼마든지 자동화하고 속도를 높일 수 있지만, 시스템의 숨겨진 리스크를 탐색하고 비판적으로 질문을 던지는 '진짜 테스팅(Testing)'의 난이도는 오히려 이전보다 더 올라갔다는 점입니다. AI 코딩 에이전트가 단 몇 초 만에 수백 줄의 코드를 생성을 해내면서 당장 눈앞의 기능은 돌아가는 것처럼 보입니다. 하지만 그 이면에서는 오작동이 일어날 수 있는 엣지 케이스, 시스템 간의 미묘한 맥락 단절, 그리고 나중에 거대한 장애로 돌아올 인지부채가 순식간에 쌓여갑니다. 매슈 하이저는 왜 테스팅이 여전히 지독히 어려운 과제로 남아있는지 몇 가지 근본적인 이유를 제시합니다. 첫째, '모호함과의 싸움'입니다. 소프트웨어 요구사항은 언제나 비어있는 행간과 모호함을 품고 있습니다. AI는 주어진 텍스트 그대로 명시적인 조건만 테스트하지만, 실제 인간 테스터는 명시되지 않은 사용...