기본 콘텐츠로 건너뛰기

내가 생각하는 제로페이가 잘 보급이 되지 않는 이유..

어제 기레기들이 이런 똥글을 싸질렀더군요..

'제로페이' 한 달 결제총액 2억원 미달…카드의 0.0003%

뭐 지난 2년동안 기레기들이 매일 매일 싸질러대는 똥은 무조건 문재인 정부가 하는건 다 나빠요.. 였으니 뭐 새삼스러울 것도 없습니다.

하다못해 북미회담 결렬마저 환영한다고 잘 된 일이라고 싸질러대는게 기레기들이니.. 하아..

그런데, 제로페이를 기레기들의 시선이 아니라 실제 사용하는 사람의 시선으로 바라봤을 때 분명 한계가 있긴 있습니다.

엊그제 민주당 관계자들이 시장에 몰려가서 제로페이를 시연하는 영상을 보면 대충 감이 올 수 있습니다.

https://youtu.be/A32BcvtETWY?t=83

동영상 앞부분에 혐짤이 있어서, 링크로 삽입했습니다.

실제 사용해 본 사람으로 제로페이가 보급이 잘 되지 않는 이유를 몇 자 적어볼까 합니다.

1. 카드는 물리적인 도구로 존재하지만 제로 페이는 앱으로 존재합니다. 즉, 스마트폰이라는 물리적인 도구에 내 의지로 무언가를 설치해야 한다는 것이죠. 네.. 귀찮습니다.
그리고 설치만 한다고 바로 사용할 수 있는 것도 아니고.. 회원 가입도 해야 하고... 비밀번호도 설정해야 하고.. 초기 진입 장벽이 만만치 않습니다. 카드는요.. 그냥 전화하면 발급 됩니다.(물론 세부적인 작업이 더 있지만 그래도 앱을 설치하고 가입하는 것만큼은 아닙니다.)

2. 결제 과정에서 카드는 그냥 내가 카드를 결제를 진행하는 사람에게 넘기고 나면 나는 할 일이 없습니다. 나중에 영수증에 금액이 잘 찍혔는지, 한도 초과는 안되었는지.. 정도만 신경 쓰면 되지.. 딱히 신경 쓸게 없습니다.

하지만 제로페이는 결제 금액도 내가 입력해야하고, 제대로 지불되었는지도 확인해야하고 번거롭습니다.

우리가 상상했던건 QR코드만 딱 찍으면 그냥 결제가 되는걸 상상했던 건데.. 상상했던 거와 너무 다르고 번잡하고 귀찮습니다.

이건 기본적으로 비즈니스 프로세스가 제로페이는 카드와 같은 결제보다는 송금에 더 가깝기 때문입니다.

송금이라는 과정에서 우리가 금액을 입력하고 비번을 입력하는 건 굉장히 자연스럽지만 결제라는 과정에서는 이게 전혀 자연스럽지 않습니다.

그런데 이름이 제로페이니 사람들은 이걸 결제라고 생각했는데 막상 써보니 송금이네.. 혼란스럽습니다. 귀찮아요.

3. 딱히 혜택이 뭐가 있는지 모르겠습니다. 카드는 포인트 할인도 되고요. 적립되 되고요. 뭐 잡다하게 이것 저것 뭔가 있지만.. 제로페이는 아무것도 없어요..

수수료가 낮아졌다고 물건 값이 싸지는 것도 아니고요.. 연말 정산은 내년이나 되봐야 느낌이 오겠지만.. 과연 느낌이 오기는 할까요?

4. 주변에 쓸만한 곳이 없습니다. 저는 전통시장도 안가고 마트도 안가는 굉장히 특이한 소비 행태를 보이는데.. 쓸 곳이 없습니다. 여태까지 서울 의료원에서 써보고 다른 데서 써본적이 없네요. 인터넷 쇼핑에서 제로페이가 되는건 본적이 없고요.. 그러니까 자꾸 노출이 되어야 써보는데 노출 빈도가 현저히 떨어집니다.

이런 저런 여러 이유로 제로페이는 쉽지 않아 보입니다. 좀 더 사용자나 가맹자들을 고려하고 여러 정책적 보완이 되지 않는 이상.. 쉽지 않아 보입니다.

그런데, 서비스가 실행된지 얼마 되지도 않는 제로페이를 카드와 비교해가면 저런 똥을 싸질러대는 기레기는 제로페이보다 먼저 이 나라에서 사라졌으면 합니다. 그냥 자기 나라로 돌아갔으면 좋겠어요. 왜 남의 나라에 와서 사람을 힘들게 하는걸까요?

제로페이.. 인터넷 쇼핑도 좀 가능하게 해주고.. 자연 드림이나 한살림 같은 곳도 가능하게 해주고. 결제 과정도 좀 더 간편하게 바꿔주고 그랬으면 좋겠네요..

댓글

  1. 저와 소비패턴이 비슷하신것같네요ㅎㅎ 안타까워요 좋은 취지로 만들어진거 같긴한데... 요즘은 농협하나로마트에서 제로페이 가능하더라구요

    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 ...

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...

AI가 만들고 사람이 고친 글, 과연 'AI 생성물'일까? — 무너지는 경계선과 각국의 표기 가이드라인

이미지, 음성, 텍스트를 가리지 않고 생성형 AI의 산출물이 전 세계 디지털 공간에 폭포수처럼 쏟아져 나오고 있습니다. 가짜 뉴스, 딥페이크 오정보, 저작권 침해 등 여러 사회적 문제를 일으키면서, 최근 EU를 비롯한 세계 각국의 규제 기관들이 "AI가 만든 콘텐츠에는 반드시 표시(Labelling)를 하라"는 강제 가이드라인을 잇달아 꺼내 들고 있습니다. 이와 관련해 Smashing Magazine에 비탈리 프리드만(Vitaly Friedman)이 기고한 아티클은 EU의 최신 규제가 실무 인터페이스(UI/UX)에 어떤 변화를 요구하는지 잘 보여줍니다. (출처: Smashing Magazine - New EU Guidelines For AI Labelling / Vitaly Friedman) https://www.smashingmagazine.com/2026/08/eu-guidelines-ai-labelling/ EU AI Act 제50조 투명성 규정에 따르면, 딥페이크나 AI 챗봇 대화, 인간의 검수 없이 AI가 100% 작성한 공공 텍스트 등에는 전용 AI 마크나 암호화된 메타데이터(Watermark)를 반드시 내장해야 합니다. 기존에 서비스들이 유행처럼 쓰던 모호한 '반짝이 아이콘(✨ Sparkles)' 수준으로는 법적 기준을 충족할 수 없게 된 것입니다. 하지만 현장의 개발자, 에디터, 테스터들이 마주한 진짜 혼란은 규제의 유무가 아닙니다. 바로 "도대체 어디까지를 AI가 만들었다고 볼 것이며, 어디서부터를 사람이 만든 것으로 정의할 것인가?"라는 근본적인 경계선의 모호함입니다. 프롬프트 한 줄 던져서 AI가 뽑아낸 초안을 사람이 문장 몇 개 다듬었다면, 이것은 AI 산출물일까요, 인간의 글일까요? AI가 코딩한 1,000줄의 소스 코드를 엔지니어가 한 시간 동안 디버깅하고 검수했다면 이 코드의 주인은 누구일까요? 글로벌 규제 기관들도 이 모호함을 인지하고 명확한 자격 기준을 세우기 위해 격렬한 논의를 ...