기본 콘텐츠로 건너뛰기

이놈들연구소(주)의 sgnl(WB-S50) 간단 리뷰

때는 바야흐로.. 2017년 2월 20일로 거슬러 올라갑니다.

인디고고에서 손가락을 귀에 대고 통화하는 웬지 멋있어 보이는 블루투스 헤드셋에 대한 펀딩이 올라와서 냅다 질렀습니다.

그 후로 43번의 소식이 업데이트 되었고...

나는 왜 안오는 거지.. 라는 조바심이 하루 하루 몸이 타들어갈 때쯤 SNS에 나에게는 왜 제품이 배송이 안오는 것이냐고 울부짖고 나니 배송이 시작되었다는 문자가 오더군요.

그리고 2018년 1월 10일 드디어 제품을 받았습니다.

정말 거의 2년이 걸렸네요.

인디고고에 펀딩하고 돈만 날리는 분이 많다는데.. 그래도 저는 성공했네요. 제품은 받았으니..

제품을 받았으니 사용을 해봐야겠죠.

저도 사용해 보고 아내와 부모님께도 사용을 권유해 본 결과 그냥 봉인하기로 했습니다.

그 얘기를 간단하게 적어보도록 하겠습니다.

우선 이 제품은 골전도 헤드셋과는 전혀 상관없는 다른 제품입니다.

인체 전도.. 뭐시기라 하는 기술을 사용했다고 알고 있습니다.

즉, 제품이 직접 귀 옆 부분을 때려서 소리를 전달하는 것이 아니라..

이 제품은 손목에 착용하는 제품이고 우선 제품이 손목에 진동을 전달하면 그 전동을 귀에 대고 소리를 듣는 그런 방식입니다.

그래서 애플 워치나 기타 다른 시계를 연결하는 시계줄 형태를 가지고 있습니다.

제품에 대한 자세한 내용은 http://www.mysgnl.com/kr/subpage.php?p=m51 에서 보실 수 있고, 손목에 착용하면 아래 같은 모습입니다.


그래서 착용해서 사용해 본 결과 제가 느낀 단점은 아래와 같습니다.

1. 소리가 너무 너무 작습니다. 뭘 해도 작습니다.

그래서 음량을 최대로 키우면 굳이 손가락을 귀에 대지 않아도 그냥 저 밴드를 귀 옆에 가져가도 소리가 들릴 정도가 됩니다. 그냥 외장 스피커가 됩니다. 킁...

아래 동영상을 잘 들어보시면 그냥 밴드 자체에서 소리를 들을 수 있습니다. (이건 골전도 헤드셋도 같은 문제가 있는데.. 귓바퀴에 거는 형태와 손목에 착용하는 형태의 느낌이 전혀 다릅니다. 귓바퀴에 거는 형태는 그냥 그 자체로 소리를 즐기는 거지만 손목에 착용하는 것은 귀 옆에 손을 가져가야 하는 액션이 추가되죠.. 좀 이상합니다.)


2. 장갑을 착용하면 소리가 (거의) 전달되지 않습니다.

때문에 한 겨울에도 맨손을 유지해야 합니다. 크흑.. 춥습니다.

3. 기본적으로 손가락을 귀에 대고 있어야 하기 때문에 음악 감상용은 힘듭니다. 뭐.. 불가능한 건 아니겠지만..

결론적으로 이 제품은 영업 쪽 일하시는 분들처럼 통화를 주로 하시는 분들 외에는 딱히 메리트가 있어 보이지는 않습니다.

장점은 뽀대는 그냥 최고입니다.

가능한지는 모르겠지만 스마트폰에 이 밴드와 헤드셋을 모두 연결할 수 있다면 한번 사용해 볼만할지도 모르겠습니다.

특히 시계 특히, 스마트 시계를 착용하시는 분들에게는 좋은 선택지가 될 수도 있을 것 같습니다.

하지만, 기존의 헤드셋을 대용해서 일상 생활에서 사용하기에는 조금 부족한 면이 많아서 개인적으로 아쉽습니다.

혹시 이 제품 잘 사용하시는 분이 계시다면 댓글 부탁드립니다.

저는 개인적으로 음량이 개선이 되지 않는다면 사용하기 어려울 듯 합니다.

그리고 스마트밴드처럼 걸을 수나 이런걸 측정하기 위해서 앱이 있는데.. 앱을 다운로드 해보니.. 좀 그런것이.. 앱 아이콘이 기본 아이콘이네용. 킁


그리고 최신 안드로이드 운영체제에서는 블루투스 장비의 배터리 잔량을 볼 수 있는데.. 이 녀석은 안보이네용.. 추후에 펌웨어가 업데이트 될 지 모르겠습니다.


이렇게 다른 장비들은 배터리 잔량이 나오는데 말이죠.


어쨌든 좀 기대를 많이 했는데.. 여러모로 20% 모자란듯한.. 아쉬움이 남는 장비입니다.

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...