기본 콘텐츠로 건너뛰기

매우 매우 매우 실망스러운 레일플러스 모바일 교통카드

우리 나라에서 버스나 지하철 같은 교통 수단을 이용하는 대부분의 사람들은 티머니와 같은 선불교통카드나 카드사와 연계된 후불교통카드를 쓰는 경우가 거의 대부분일 것입니다.

저도 현금으로 지하철이나 버스를 이용해본지가 언제인지 기억이 가물가물 합니다. (최근에는 현금을 들고 다닐 필요가 거의 없긴 하죠. 그러다보니 가끔 지방에 가서 카드가 안되는 가게나 주차장 등에서 난감하기도 하고요..)

그런데, 이런 카드 말고 스마트폰으로 교통 수단을 이용하는 사람들도 있습니다.

우리 나라에서 스마트폰으로 교통 수단을 이용하는 것은 심카드를 기반으로 구현된 기술로 문제는 해외 단말은 이 기능을 지원하지 않는 다는 것입니다.

해외 단말들이 이와 같은 기능을 구현하기 위해서는 HCE 라는 방식이 필요한데.. 이런 방식으로 결제 시스템을 구현은 할 수 있지만 지금까지는 이 기술로 구현된 사례가 없었는데, 얼마전 코레일에서 레일플러스 모바일 교통카드를 HCE 로 구현하여 서비스를 시작했습니다.

이로서 해외 단말을 사용하는 사람들도 스마트폰으로 버스나 지하철과 같은 교통수단을 이용할 수 있게 될것이라고 환호했습니다만, 실상은 그렇지 않다고 볼 수 있습니다.

저는 넥서스 5X 사용자로 심카드를 기반으로 하는 결제 시스템을 쓸 수 없었기 때문에 저도 코레일에서 저 서비스를 내놓았을 때 기대에 부풀어서 나오자마자 바로 설치해봤습니다. 처음 서비스 시작한 시점이 8월이었는데, 그 때에는 안드로이드 8.0을 지원하지 않아서 서비스는 시작되었지만 사용할 수 없었습니다.

그러다가, 9월 업데이트로 안드로읻 8.0(오레오)에서도 해당 앱이 정상적으로 동작하게 되어서 한번 사용해 본 소감을 남깁니다.

우선 현재 시점으로 해당 서비스를 이용하는 방법은 크게 2가지입니다.

하나는 레일플러스 모바일 교통카드 앱을 설치하여 이용하는 방법이고, 다른 하나는 신한 판(앱카드)를 설치하여 이용하는 방법입니다.

카드 종류는 선불과 후불 2가지 종류가 있는데, 레일플러스 모바일 교통카드 앱은 2가지를 모두 지원하고 신한 판은 후불만 지원합니다.

선불은 KTX 마일리지와 연계되는 특징이 있고, 코레일 측에서 제공하는 쿠폰이나 포인트와 같은 부가 서비스를 이용할 수 있습니다.

저는 먼저 레일플러스 모바일 교통카드 앱을 설치해서 선불, 후불을 모두 이용해보고, 앱 설치 공간의 낭비를 줄이기 위해 현재는 신한 판의 후불 교통카드를 이용하고 있습니다.

우선은 결제를 위해 항상 화면이 켜져 있어야 합니다. 여러번 시도해 본 결과 잠금 화면을 풀거나 앱을 실행할 필요 없이 말 그대로 화면만 켜저 있으면 결제가 됩니다.

그런데, 문제는 이 결제 방식이 NFC를 기반으로 하는데, 하드웨어 특성 상 정확한 위치가 아니면 인식이 되지 않습니다.

사람들이 길게 줄 선 버스나 지하철에서 속도가 중요한데, 매번 위치를 정확히 찾는 것이 쉽지가 않습니다.

더 큰 문제는 지금부터인데.. 이 모바일 카드를 인식하는 단말과 그렇지 않은 단말이 있다는 것입니다.

버스는 대부분의 단말기가 이상 없이 인식을 하지만 막상 지하철은 인식되지 않는 경우가 너무 많습니다.

때문에 환승에 문제가 생깁니다.

얼마전에는 신이문역에서는 카드가 인식이 되어서 지하철을 탔는데, 종로 5가 역이나 종로 3가 역에서는 모든 단말기가 카드를 인식하지 못해서 결국은 시간초과로 추가 금액을 지불해야 했습니다.

최근 지하철은 역무원도 없어서 도움을 받을 수도 없고 코레일 고객 센터는 연결조차 안되지요..

결론은 아래와 같습니다.

장점은 딱 하나, 외산 단말도 스마트폰으로 교통 수단을 이용할 수 있다.

하지만, 단점은

1. 정확한 위치가 아니면 단말이 카드를 인식하지 못한다. 정확한 위치를 찾는 것이 쉽지 않다.

2. 인식을 하지 못하는 단말기가 너무 많다. 그러다보니, 위와 같은 경우에 내가 위치를 잘못 선정해서 결제가 안되는건지 아니면 단말이 인식하지 못해서 결제가 안되는건지 판단을 할 수 없다는 것이 가장 큰 문제입니다.

3. 테스트 해본 결과로는 대부분의 시내 버스 단말은 카드를 인식하지만, 7호선은 모든 구간에서 인식이 되지 않으면 다른 구간도 역에 따라 구현 단말은 카드를 전혀 인식하지 못한다.

4. 도움을 받을 수 있는 방법이 없다.

의도는 좋았지만, 이왕 서비스 할거라면 제대로 된 서비스를 제공해야하지 이게 뭔가 싶습니다.

그리고 도움을 받고 싶어도 도움을 받을 수 없다면 누가 이 서비스를 믿고 쓸 수 있을지 모르겠습니다.

요즘은 삼성페이나 카카오페이처럼 굳이 카드가 없어도 스마트폰 하나면 일반 상점의 결제부터 교통 수단까지 가능한 시대가 되었죠.

물론, 아직까지는 많은 가게나 지방에서는 스마트폰으로 결제하는 것에 대해서 익숙하지 않지만, 카드가 현금을 대체했든, 스마트폰이 카드를 대체할 것이라고 생각됩니다.

그런데, 이런 식으로 어떤 스마트폰은 되고, 어떤 스마트폰은 안되는 식의 단말 종속성이 강한 서비스만 제공된다면 우리 나라만 기술적인 갈라파고스라 될거라고 생각됩니다.

단말에 상관없이 서비스를 믿고 사용할 수 있었으면 좋겠습니다.

의도는 좋았지만 지원이 아쉬운 레일플러스 모바일 교통카드 후기였습니다.

결론은 해외 단말 사용하는 사람들에게 단비가 될 뻔한 서비스였지만 시기상조였고, 앞으로 전망도 그다지 밝지 않다는 것입니다. 벌써 서비스가 제공된지 2달이 되었는데도 되는 곳보다 안되는 곳이 더 많다면 이것은 서비스를 지속적으로 업그레이드하거나 제공할 의지가 없다고만 생각됩니다.

지금이라도 코레일에서 인식 가능한 단말을 좀 더 빠른 시간안에 확장하고, 고객들에게 정확하게 안내해주었으면 합니다.

댓글

  1. 지하철 1호선, 4호선 서울역 모든 게이트도 카드를 인식하지 못하고 , KTX 승강장으로 바로 연결되는 게이트는 인식하네요.. 이런 식으로 인식하는 게이트를 매번 찾아다녀야하고, 고객센터에 전화 걸면 앵무새처럼 같은 소리만 하고 해결책은 없고.. 참 답 없는 서비스..

    답글삭제
  2. 부산 버스는 인식이 되는데.. 부산 지하철은 안되는군요.. 되는 것보다 안되는데가 더 마너은... 대충 보니 대체로 지하철 인식율이 폭망 수준..

    답글삭제
    답글
    1. 저는 갤7쓰고 sk기기에 kt유심이라 레일플러스 쓰는데 부산지하철 아주 잘되네요.

      삭제
  3. 선릉역 분당선 개찰구는 이제 인식하네요.. 하지만 7호선은 여전히.. 웃긴건 역무원을 부르면 역무원이 모바일 레일플러스를 몰라요.. 하하하..

    답글삭제
  4. 와 그래서 내가 왕 불편했구나. 오늘 문의할 계획이었지만 포기

    답글삭제
  5. 지하철에서 한번 써봤는데 환승이 안되어 고이접어두었습니다

    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...

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...