기본 콘텐츠로 건너뛰기

샤오미 Mi A2 구매 후기

작년에 구매해서 잘 쓰던 제 픽셀이 올 초부터 비실비실 대더니 이제는 아무리 충전을 해도 충전기를 뽑으면 1분도 못버티는 그런 상태가 되어서 어쩔 수 없이 울며 겨자먹기로 새로운 폰을 장만하게 되었습니다.

픽셀이 사진도 잘 찍히고 무엇보다 픽셀 1은 사진 원본 이미지로 평새 무제한 업로드라는 어마어마한 메리트 때문에 기기 변경 하고 싶은 생각은 1도 없었는데.. 살다 살다 배터리가 아주 나가버리는 진기한 경험을 했습니다.

누리망에 찾아보니 배터리 교체는 어려울 것 같더군요. 저는 똥손인지라.. ㅠㅠ

그래서 폰을 장만해야하는데.. 저는 가난한 유부남이기 때문에 픽셀 3 같은 고가 폰은 엄두도 못내겠고..

저는 구글 순정 오덕후라서.. 삼성이나 LG나 그런 폰 안좋아합니다. 샤오미는 더더구나 싫어합니다. MIUI 저는 적응 못하겠더군요.. 이젠 늙어서 그런가...

그래서 안드로이드 원 단말을 구해보자.. 라고 검색해 보니..

우리 나라에서는 샤오미의 Mi A1, 샤프의 아쿠오스 같은 폰이 있던데.. 흠.. 마음에 안듭니다.

최근에 LG에서 나온 Q9 One이 정말 정말 탐이 났는데.. 썩을 LG U+ 전용이라서 저는 가개통 중고를 어디서 구해야 하는데.. 중고 가격이 40만원입니다. 큽.. ㅠㅠ 이것도 비싸다면 비싼거고.. 가개통 중고라는 것이 찜찜해서.. 이것도 아닌 것 같고..

그래서 이것 저것 찾아보나 20만원이면 구매할 수 있는 샤오미 Mi A2를 구매하게 되었습니다.

구매 후 몇일 사용해 보니 싼 이유도 있지만 아주 몹쓸 폰은 아니네요.. 개인적으로 느낀점과 장단점에 간단히 적어보겠습니다.

디자인은 그냥 무난하다.. 정도입니다. 딱 옛날 디자인이네요. 노치가 없는 걸로 만족합니다. 위와 아래 베젤이 광활한 옛날 디자인입니다.

성능이라고 해봐야.. 저는 그냥 음악 듣고 메일 확인하고 그런 용도이기 때문에 크게 느끼지 못하겠네요.

배터리는 부족하다는 분들도 계시던데.. 저는 지금까지 중고폰만 쓰다가 정말로 한 5년만에 새폰을 만져보니 불만이 없습니다. 그냥 간단히 음악을 듣거나 동영상 보는 정도로는 아직은 새폰이기 때문에 하루종일 써도 배터리 게이지가 50% 정도는 남으니.. 매우 만족하고 있습니다.

반면에 픽셀과 비교해서 불만인게 딱 2가지입니다.

하나는 구글 카메라를 더 이상 쓸 수 없다는 것이고.. 사진 품질이 개판입니다. 픽셀로 사진 찍다가 이 폰으로 사진을 찍으니 눈이 썩을 것 같네요. 사진 정말 정말 구립니다. ㅠㅠ

두번째는 AOD(Always On Display) 기능과 노크 온 기능이 없습니다. 큽.. 있다 없으니까 무지 허전하네요.

세번째는 지문 인식인데.. 인식률이 폭망 수준입니다. 픽셀에 비하면.. 드럽게 인식 못하네요.. 킁.. 픽셀에서는 대충 대도 인식이 되었는데.. 킁.. ㅠㅠ

네번째는 픽셀은 전원 버튼 밑에 볼륨 버튼이 있었는데 Mi A2는 반대라서 익숙해지지를 않네요.. 큼...

그리고 나머지는 잘 모르겠네요. 그냥 무난한 폰인듯 합니다. 저렴한 비용에 안드로이드 순정에 가까운 OS를 원하시면 좋은 선택이 아닐까 싶습니다.

라벨:

댓글

  1. 단곰31/5/19 11:05

    안녕하세요~ 혹시 탐험적 테스팅 책을 읽다가 이렇게 블로그를 찾아 댓글드립니다!
    탐험적 테스팅에 이제 막 입문한 초보인데요.. 실무에 적용했던 사례들을 볼수있는 차터나 버그리포트, 기타 산출물들에 대한 샘플을 혹시 볼수있을까요?

    답글삭제
    답글
    1. Murian31/5/19 11:12

      탐색적(탐험적) 테스팅이나 RST는 공식적인 템플릿이 의미가 없지만 굳이 원하신다면 ISO/IEC/IEEE 29119-3 의 문서 표준을 테일러링 해서 사용하시거나 https://www.satisfice.com/downloads 에서 검색해 보시면 될 것 같습니다.

      아니면 관련 교육에 참석하시는 것도 좋을 것 같습니다.

      삭제

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 ...
댓글 쓰기
자세한 내용 보기

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...
댓글 쓰기
자세한 내용 보기

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 ...
댓글 쓰기
자세한 내용 보기