기본 콘텐츠로 건너뛰기

일본 출장 갔다 온 후기

어쩌다 보니.. 우연치 않게.. 일본으로 2박 3일 짧은 출장을 다녀왔습니다.

태어나 처음으로 일본을 가보게 되었고..

한 6년만에 나가본 외국이라서..

난리도 아니었습니다.

출장 일정을 착각해서 1박 2일로 잡았던 항공편 일정 변경하고 숙박업소 찾느라.. 에휴..

어쨌든 오랜만에 나가본 외국이고 처음 가본 일본이라 다녀오고 알게 된 몇가지 사실은 이미 인터넷을 찾아보면 쉽게 찾을 수 있지만 그래도 기록으로 남겨보고자 합니다.

1. 여행용 멀티 어뎁터를 더 이상 공항 로밍 센터(김포 공항 기준)에서 무료로 대여를 안해주더라구요. 로밍 요금을 가입해야 빌려준다는데.. 쩝....

가장 가까운 다이소도 롯데몰까지 걸어가기에는 멀고..

공항 편의점에서 파는데 정말 더럽게 비싸더라구요.

그러니 미리미리 다이소에서 구매하시거나 인터넷에서 싼걸로 장만하시는게 좋습니다.

일본에서도 편의점이나 100엔샵 뒤져보았지만 안팔더라구요. 돈키호테에서는 판다고 하는데.. 거기까지 가기에는 출장 일정 상 이동하기 쉽지 않아서.. 정말 무겁게 노트북 들고가서 켜보지도 못했습니다.

물론 웬만한 모텔급 이상 숙박업소에서는 프론트에 얘기하면 무료로 빌려주기는 하는데.. 낮에는 플러그가 없으니 충전이.. ㅠㅠ

그래서 만약에 한국에서 준비를 못해간걸 일본에서 깨달았다면.. 어떻게 하느냐...

이미 공항을 떠나셨다면 주변에서 BIC 이라는 전자 제품 파는 곳에서 구매하시면 되고.. 

하네다 공항 3번 터미널 출국장 위쪽 4F에 가시면 BIC 가게가 있고 거기서 구매하실 수 있습니다. 한 300엔 했던 걸로 기억합니다. 

2. 애플 페이로 교통카드를 하시려면 현재로는 현대카드 마스터 카드가 있어야 합니다. 비자 카드로 충전이 안되어서 애플 페이로 교통카드를 만들 수 없습니다. 일본에서 지하철을 애플 페이로 타보고자 했던 저의 꿈은 파사삭...

스이카 앱으로는 비자 카드로 충전이 된다고 하는데.. 귀찮습니다. ㅠㅠ

한국에서 스이카 웰컴 카드를 구매해 가시는 것도 방법인데.. 이 카드는 애플 페이에 등록을 못하고 충전도 안됩니다.

고로.. 현금 없이 일본을 가시는건 자제하시기 바랍니다.

어쨌든 현금은 있어야 하더라구요.

대신 하네다 공항 출국장 면세점은 모두 애플 페이가 됩니다. 

애플 페이만으로 일본 여행은 쉽지 않더라구요.

다른 건 너무 짧은 출장이라 특별히 기억에 남는건 없네요.

그냥 평행 세계에 있는 서울 갔다 온 느낌이랄까요.. 허허허허...

댓글

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 ...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...

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...