기본 콘텐츠로 건너뛰기

애플 워치 수면 추적 기능에 대한 간단 리뷰

LG 폰이 지구상에서 사라지고.. 삼성폰은 사고 싶지 않아서.. 어쩔 수 없이 아이폰을 구매한지도 2년이 되어 갑니다.

아이폰을 구매하고 1년간은 애플 워치에 대한 필요성을 크게 느끼지 못하고 잘 살았습니다.

하지만 업무 중에 폰을 사용하지 못하는 상황에서도 타이머와 현재 시간을 보고 싶다는 이상한 필요성과 끊임 없는 뽐뿌에 시계는 좋아하지도 않고.. 손목에 무언가를 차는 것도 싫어해서 스마트 밴드도 안하고 다니던 제가 애플 워치를 질렀습니다.

이렇게 저도 앱둥이가 되어가고 있네요. 

4월 말에 애플 워치를 구매해서 이제 3개월 정도 사용해본 간단한 소감은..

내 건강과 건강한 습관을 유지하는데는 정말 좋은 선택이라고 생각합니다.

애플 워치를 구매하고 규칙적으로 몸을 움직이고 물을 마시고 손을 씻고 양치를 하게 되었습니다.

애플 워치를 사용한다고 해서 무조건 건강해지고 그런건 아니지만 적어도 내 몸을 돌아보고 규칙적인 습관을 가지는데 도움이 많이 되는건 분명합니다.

그리고 굳이 폰이 없어도 간단한 활동은 워치로 할 수도 있고 음악이나 동영상, 카메라의 리모컨처럼 쓸 수 있는게 너무 편합니다.

그 중에서 저는 수면 추적 기능에 참 관심이 많아졌습니다.

정확도는 모르겠지만 적어도 내가 잠을 어떻게 자고 있는지 볼 수 있어서 참 좋더라구요.

다만 이게 꼭 수면 모드를 활성화해야만 추적이 되는거라서..

중간에 오토슬립이나 Pillow라는 앱도 사용해보았지만 결국은 순정 수면 추적 기능만 사용하고 있습니다.

3개월 정도 사용해본 소감을 아래와 같이 짧게 남겨봅니다.

1. 우선 아이폰과 워치의 수면 추적 기능은 2가지 조건이 만족되어야만 추적이 됩니다. 첫번째는 수면 모드가 활성화되어야 하고 두번째는 최소한 4시간 이상 수면을 취해야 합니다. 때문에 4시간 이하로 수면을 취하는 낮잠과 같은 경우에는 추적이 되지 않습니다.

이게 문제가 되는 경우는 자다가 중간에 깨었다가 다시 잠이 드는 경우 그 시간이 적어도 2시간 이상은 되어야 연속으로 수면 추적이 됩니다. 

그러니까 예를 들어 새벽 3시에 깨었다가 다시 4시에 잠들고 다시 5시에 일어나는 경우 수면 추적으노 새벽 3시 데이터까지만 추적되고 그 시간에 기상한걸로 처리되어 버립니다. 결국은 푹 자는 경우만 수면 추적이 된다고 생각하시면 됩니다.

2. 수면 모드는 수동으로 활성화 하는 경우와 자동으로 시간을 지정해서 활성화 시킬 수 있는데.. 내가 규칙적으로 수면을 취한다면 자동으로 시간을 지정해서 활성화 하는게 분명 도움이 되지만.. 수면 시간이 불규칙하다면 수동으로 활성화 해야는데.. 만약에 깜박하게 되면 수면 추적이 되지 않는.. 이건 갤럭시 워치가 훨씬 좋은 것 같습니다. 어차피 움직임 추적도 가능한 워치가 사람이 일정시간 움직이지 않으면 자동으로 수면 추적 기능이 활성화되면 좋을 텐데 그런 기능이 없어서 불편합니다.

3. 낮잠 같은 경우 수면 추적 기능을 하려면 앱을 사용해야 하지만.. 이 경우 애플의 수면 추적 알고리즘이 아니라 앱의 알고리즘을 사용하게 되고 해당 데이터를 건강 앱에 연동시켜 불러오는 방식을 취하는데.. 이 과정에서 데이터가 꼬이는 경우가 많고 제대로 수면 추적이 되지 않는 경우가 너무 많습니다. 그나마 오토 슬립이 데이터는 깔끔하게 통합이 되는데 수면 추적 활성화가 복불복이고 pillow는 수면 추적 활성화는 잘 되는데.. 데이터를 앱의 알고리즘과 애플의 알고리즘을 선택할 수 있는데.. 그 과정에서 데이터가 자꾸 꼬입니다. 때문에 저는 그냥 낮잠 추적은 포기했습니다.

결론적으로 수면 추적 기능은 여러 제약과 불편함이 있긴 하지만.. 꾸준히 데이터를 모아보면 내가 어떻게 수면을 취하고 있는지 알 수 있어서 굉장히 유용합니다.

아이폰은 있는데.. 애플 워치는 없으신 분은 SE라도 구매해서 한번 사용해보세요. 좋은 습관을 가지는데 분명 도움이 되실 겁니다.


댓글

이 블로그의 인기 게시물

우리는 AI로 '더 빠른 말'을 키우고 있는걸까요? 아니면 '자동차'를 만들고 있는걸까요?

20년 넘게 IT 현장에서 뒹굴거렸는데... 요즘처럼 "우리가 지금까지 당연하게 여겨온 일하는 방식의 본질"에 대해 근본적인 질문을 던지게 만드는 때가 없었던 것 같습니다. 최근 읽은 UX 관련 글 하나가 가슴을 쿵 치고 지나갔습니다. UX 및 디지털 트렌드를 다루는 블로그 ux4dotcom에 올라온 "Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions"라는 글입니다. (출처: ux4dotcom - Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions ) 혁신을 말할 때 늘 인용되는 헨리 포드의 유명한 말이 있습니다. "사람들에게 무엇을 원하느냐고 물었다면, 그들은 '더 빠른 말'이라고 답했을 것이다." 사람들은 자신이 경험해 본 범위 안에서만 미래를 상상합니다. 말만 탈 줄 아는 사람에게 자동차는 상상 밖의 범주(Mental Model)니까요. 저자는 그동안 UX(사용자 경험)라는 학문과 필드 자체가 '더 빠른 말을 만드는 일(기존 과업의 효율화)'에 집중해 왔다고 지적합니다. 사용자의 행동을 관찰하고, 마찰(Friction)을 줄이고, 화면을 간소화하고, 기존 워크플로우를 최적화해 주는 작업 말입니다. 실제로 주변을 봐도 우리가 AI를 쓰는 방식도 대부분 이 범주를 벗어나지 못하고 있습니다. 더 빠르게 이메일을 작성하고, 문서 요약을 3초 만에 끝내고, 프레젠테이션 장표나 일정표를 순식간에 만들어내는 일. 분명 유용하고 저 역시 매일 요기하게 쓰고 있지만, 이건 어디까지나 '기존에 인간이 하던 일의 프로세스를 흉내 내어 속도만 올린 것(Faster Horse)'에 불과합니다. 정작 "이 워크플로우 자체가 과연 계속 존재해야 하는가?"라는 근본적인 질문은 던지지 못하고 있는 것이죠....

20년 차 테스터가 고른 최근 IT 소식: 기술의 속도, 그리고 사람의 자리

20년 넘게 IT 업계에서 테스팅하고 강의하고 공부하고 여러 일을 해왔지만... 정말이지 단 하루도 편하게 쉴 틈을 주지 않는 세상입니다. 특히 최근 4~5년 동안 가속화된 AI의 물결은 기술의 스펙트럼뿐만 아니라 우리가 일하고, 협업하고, 조직을 이끄는 방식 전체를 뒤흔들고 있습니다. 이번 주에도 수많은 뉴스레터와 아티클을 훑어보았습니다. 그중에서도 기술의 화려함 뒤에 숨겨진 ‘사람, 조직, 그리고 커리어의 본질’을 찌르는 글 몇 개가 눈에 띄어 메모해 둡니다. 제 평소 생각과 맞닿아 있는 6가지 이야기입니다. --- 1. 인지부채(Cognitive Debt): 바이브 코딩 시대에 우리가 지게 되는 진짜 빚 (출처: ROBOCO - 인지부채: 바이브 코딩 시대의 새로운 부채 관리법 / 정도현 수석 컨설턴트 ) 요즘 커서(Cursor)나 클로드 코드(Claude Code) 같은 에이전트를 붙여 "이거 만들어줘" 하고 승인(Approve) 버튼만 누르면 눈 깜짝할 사이에 코드베이스가 완성되는 '바이브 코딩(Vibe Coding)'이 유행입니다. 그런데 속도는 엄청나게 빠른데, 정작 서비스에 장애가 나면 "AI가 짜서 잘 모르겠는데요?"라는 답이 나오는 이상한 현상이 벌어집니다. 정도현 컨설턴트는 이를 '인지부채(Cognitive Debt)'라고 정의합니다. 코드는 쌓이는데, 정작 인간의 시스템 이해도는 쌓이지 않는 격차죠. * Human-in-the-loop의 환상: AI가 초당 수백 줄을 뽑아내는데 사람이 일일이 검토한다? 결국 검토자는 병목이 되고, 시간 압박에 쫓겨 영혼 없이 승인 버튼만 누르게 됩니다. 40년 전 자동화 연구(Bainbridge, 1983)가 지적했듯, 자동화될수록 사람은 감시만 하다가 정작 개입해야 할 결정적 순간에 숙련도를 잃어버립니다. * 부채는 0으로 만드는 게 아니라 '관리'하는 것: AI가 만든 모든 코드를 사람이 외울 수는 없습니다. 핵심은 ...

'자동화 편향'과 '대중적 불신' 을 고려 AI 테스팅 시나리오 설계

최근 생성형 AI나 자율주행, 에이전트 기술의 테스팅 시나리오를 작성할 때 우리가 당연하게 전제(Assumption)로 깔고 가는 중요한 인간 행동 방식이 하나 있습니다. 바로 '자동화 편향성(Automation Bias)'입니다. 인간은 시스템이 자동화되고 스마트해질수록 기술을 과도하게 신뢰하고 주의력을 놓아버립니다. 차량을 운전하면서 운전자 보조 시스템을 켜고 전방 주시를 태만히 하고 스마트폰을 보거나 영상을 시청하는 운전자라던지 AI 의료 진단 보조 도구가 내놓은 결과를 의사가 깊은 의심 없이 그대로 승인해 버리는 현상이라던지 AI 챗봇이 추천한 잘못된 정보를 사용자가 사실로 믿고 행동하는 케이스 같은 게 있을 겁니다. 우리는 항상 이러한 "사람들이 AI를 너무 믿어서 발생하는 위험"을 핵심 리스크로 정의하고, 이를 검증하기 위한 안전장치(Safety Guardrail)나 경고 알림, 오용 방지(Misuse) 테스팅 시나리오를 도출해 왔습니다. 그런데 최근 Gizmodo에 보도된 미국 설문조사 결과는 매우 흥미로운 사실을 보여줍니다. (출처: Gizmodo - Survey Finds Americans See AI as Comparable to Humans—It’s Making Them Trust It Less )   기사에서 언급된 설문조사의 결과는 AI가 사람을 닮아갈수록 완벽함에 대한 기대와 실수가 충돌하고 책임이 모호해져 대중의 신뢰는 오히려 떨어진다는 것이었습니다.  자세히 살펴보면 해당 조사는 일반 대중을 대상으로 AI에 대한 인지적 반응을 측정했습니다. AI가 인간과 유사한 대화/추론 능력을 보일 때 유저가 느끼는 '인지적 불쾌한 골짜기(Uncanny Valley)' 현상을 정량 지표로 포착해 냈다는 점에서 의미가 있다고 생각합니다. 단순히 "AI가 좋다/나쁘다"를 넘어, 의인화(Anthropomorphism)의 수준과 신뢰도(Trust) 사이의 음(-)의 상관관계를 입증했기 때문...