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

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 ...

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 ...