기본 콘텐츠로 건너뛰기

러닝과 플로깅, 친환경 운동이 일상이 되는 시대

 

달리면서 쓰레기를 줍는 운동, '플로깅(Plogging)'이 러닝 문화의 한 갈래로 자리잡고 있습니다. 스웨덴어로 '줍다'와 '조깅'을 합친 이 단어는 이제 한강공원이나 동네 러닝크루에서도 낯설지 않은 모임 형태가 됐습니다. 단순히 환경 캠페인 차원을 넘어, 러닝을 조금 더 의미 있게 즐기고 싶은 사람들 사이에서 자연스러운 선택지로 자리잡고 있는 것이죠.

플로깅이 늘어난 이유

기존에는 '완벽하게 실천해야 한다'는 부담 때문에 친환경 활동 참여가 망설여지는 경우가 많았습니다. 하지만 최근 흐름은 다릅니다. 완벽한 실천보다 '내가 할 수 있는 만큼만' 참여하는 방식으로 문턱이 낮아지면서, 러닝크루에서도 초보자를 위한 짧은 플로깅 모임을 운영하는 경우가 늘고 있습니다. 거창한 봉사활동이 아니라 '뛰는 김에 하나 더 줍는다'는 가벼운 마음가짐이 확산의 핵심입니다.

운동 효과도 놓치지 않는다

플로깅은 달리다가 몸을 숙여 쓰레기를 줍는 동작이 반복되기 때문에, 일반 러닝보다 스쿼트 동작이 자연스럽게 섞여 하체와 코어 근육을 함께 쓰게 됩니다. 단순히 '의미 있는 활동'을 넘어 운동 강도 측면에서도 나쁘지 않은 선택입니다. 실제로 플로깅을 규칙적으로 하는 러너들 사이에서는 일반 러닝보다 체감 운동량이 더 크다는 후기도 자주 나옵니다. 달리기, 줍기, 다시 달리기를 반복하는 과정에서 인터벌 트레이닝과 비슷한 효과를 얻을 수 있기 때문입니다.

처음 참여할 때 준비물

  • 집게 또는 장갑 (맨손 접촉 최소화)

  • 쓰레기를 담을 봉투 (분리수거 가능한 형태 추천)

  • 평소 러닝화 그대로 사용 가능

  • 유리조각이나 날카로운 쓰레기를 대비한 목장갑

플로깅 코스 짜는 법

처음부터 먼 거리를 계획하기보다, 평소 자주 뛰던 짧은 코스를 그대로 활용하는 게 좋습니다. 공원 산책로나 하천변처럼 사람들이 많이 오가는 곳은 쓰레기도 많이 발생하는 만큼, 굳이 특별한 장소를 찾지 않아도 충분히 의미 있는 플로깅이 가능합니다. 크루 단위로 진행한다면 구간을 나눠서 담당 구역을 정해두면 훨씬 효율적으로 움직일 수 있습니다.

어떻게 시작할까

거창하게 단체 행사를 찾지 않아도 됩니다. 평소 뛰던 코스에서 눈에 띄는 쓰레기 몇 개만 주워도 그 자체로 플로깅입니다. 익숙해지면 동네 러닝크루나 지자체·기업이 운영하는 플로깅 프로그램에 참여해보는 것도 좋은 다음 단계가 됩니다. 최근에는 기업들이 사회공헌 프로그램의 일환으로 대규모 플로깅 행사를 여는 경우도 늘고 있어, 혼자 시작하기 부담스럽다면 이런 프로그램에 먼저 참여해보는 것도 방법입니다.

정리

플로깅은 '완벽한 환경운동'이 아니라 '내가 뛰는 김에 하나 더 줍는' 가벼운 실천에 가깝습니다. 오늘 러닝 코스에서 눈에 띄는 쓰레기 하나만 주워보는 것부터 시작해보세요. 작은 실천이 쌓이면 러닝의 의미도, 동네 풍경도 함께 달라질 수 있습니다.


댓글

이 블로그의 인기 게시물

클로드 코드부터 로컬 모델까지, 성과를 내는 AI 코딩 도구 선택 기준 TOP 3

솔직히 말씀드릴게요. 저도 처음에는 AI가 코딩해준다는 말에 반신반의했거든요. '에이, 그래도 사람이 직접 짜야 정확하지'라고 생각했죠. 그런데 말이죠, 최근에 앤트로픽에서 나온 툴들이나 로컬 모델들을 직접 써보니까 생각이 완전히 바뀌었습니다. 이제는 단순히 코드를 짜주는 수준이 아니라, 아예 내 컴퓨터의 파일 시스템에 접근해서 업무를 처리하는 '에이전트' 시대가 온 것 같더라고요. 여러분은 지금 어떤 도구를 쓰고 계신가요? 챗GPT? 아니면 깃허브 코파일럿? 사실 도구가 너무 많아서 뭘 써야 할지 고민되실 거예요. 저도 작년 말부터 이것저것 테스트해봤는데, 단순히 유명한 툴을 쓰는 것보다 내 작업 환경(로컬인지 클라우드인지)에 맞는 도구를 고르는 게 생산성 차이를 2배 이상 가르더라고요. 오늘 그 이야기를 좀 편하게 나눠볼까 합니다. 디지털 IT 트렌드 & 최신 테크 이슈 인사이트 이제는 '바이브 코딩' 시대? 클로드 코드와 에이전틱 AI 요즘 개발자들 사이에서 '바이브 코딩(Vibe Coding)'이라는 말이 유행이더라고요. OpenAI의 창립 멤버인 안드레 카르파시가 언급한 개념인데, 쉽게 말해 복잡한 문법이나 소스코드의 세부 사항에 매몰되지 않고, 전체적인 분위기와 취향, 즉 '감각'으로 결과를 끌어내는 방식이에요. 예전처럼 세미콜론 하나하나에 집착하는 게 아니라, AI에게 내가 원하는 방향성을 정확히 전달하는 능력이 더 중요해진 거죠. 특히 앤트로픽이 선보인 '클로드 코드(Claude Code)'나 '클로드 코워크(Claude Cowork)' 같은 도구들이 무서운 점은, 단순히 텍스트를 뱉는 게 아니라 샌드박스라는 로컬 환경에서 직접 파일을 수정하고 실행한다는 거예요. 실제로 에이전트형 AI는 파일 시스템 접근과 데이터 분석까지 수행하며 단순 노동력을 대체하는 수준으로 진화했습니다. 물론 우려되는 부분도 있어요. 최근 보도에 ...

숏폼 크리에이터 주목! 고프로 미션1로 세로형 고화질 영상 정복하기

요즘 인스타그램 릴스나 틱톡, 유튜브 쇼츠 안 보시는 분들 거의 없죠? 저도 사실 작년부터 숏폼 콘텐츠에 꽂혀서 이것저것 찍어봤거든요. 그런데 스마트폰으로 찍다 보면 화질이 아쉽고, 그렇다고 무거운 DSLR을 들고 다니자니... 솔직히 너무 짐스럽더라고요. 특히 밤에 찍으면 노이즈가 자글자글하게 껴서 속상했던 적이 한두 번이 아니었습니다. 그러다 이번에 고프로 미션1(MISSION 1) 이라는 녀석을 알게 됐어요. 처음 봤을 때는 '어? 내가 알던 그 작고 귀여운 고프로가 맞나?' 싶을 정도로 묵직하고 투박한 느낌이더라고요. 근데 이게 웬걸, 직접 써보니까 단순한 액션캠이 아니라 거의 '시네마캠' 수준이라는 생각이 들었습니다. 세로형 영상 촬영에 진심인 분들이라면 무조건 관심 가질 만한 포인트들이 많거든요. 오늘은 제가 공부하고 분석한 고프로 미션1의 특징과 숏폼 제작 시 어떤 이점이 있는지 아주 솔직하게 얘기 한번 해볼게요. 디지털 IT 트렌드 & 최신 테크 이슈 인사이트 액션캠의 한계를 넘은 1인치 센서와 GP3 프로세서 사실 그동안 액션캠의 가장 큰 고질병이 뭐였나요? 바로 '빛'이었죠. 낮에는 괜찮은데 조금만 어두워지거나 실내로 들어오면 화질이 뚝 떨어지는 그 느낌, 다들 공감하실 거예요. 저도 예전에 실내 카페에서 브이로그 찍다가 노이즈 때문에 영상을 통째로 버린 기억이 있거든요. 그런데 고프로 미션1은 대형 1인치 센서와 새로운 GP3 프로세서 를 탑재해서 이 문제를 광학적으로 해결했더라고요. 이제는 야간 촬영이나 광량이 부족한 실내에서도 시네마급의 결과물을 뽑아낼 수 있게 됐습니다. 단순히 소프트웨어로 뭉개는 게 아니라 센서 자체가 커졌다는 건 정말 엄청난 차이거든요. 시네마틱한 숏폼 영상이 가능해진 이유 최근 스트레이 키즈 같은 글로벌 아티스트들이 숏폼 드라마 형식의 콘텐츠를 선보이는 걸 보면, 이제 숏폼도 단순한 기록을 넘어 '작품'의 영역으로 가고 있다는 ...

AI 성능만 좋으면 장땡? 이제는 '경량화'와 '최적화'가 돈이 되는 이유

여러분, 혹시 챗GPT나 제미나이 같은 AI 써보시면서 '와, 진짜 똑똑하다'라고 느끼신 적 많으시죠? 그런데 말이죠. 정작 이 AI를 만드는 기업들은 지금 엄청난 고민에 빠져있다고 해요. 왜냐고요? 성능이 좋아질수록 들어가는 돈, 즉 '추론 비용'이 상상을 초월하거든요. 솔직히 말씀드리면, 저도 처음엔 AI 모델이 크고 복잡할수록 무조건 좋은 건 줄 알았어요. 그런데 최근 업계 돌아가는 꼴을 보니 그게 아니더라고요. 아무리 똑똑해도 대답 하나 하는 데 전기료랑 서버비가 너무 많이 나오면 결국 사업성이 없잖아요. 그래서 요즘 핫한 게 바로 AI 모델 경량화와 최적화 입니다. 이게 단순한 기술적 업그레이드가 아니라, 사실상 '생존 전략'에 가깝거든요. 디지털 IT 트렌드 & 최신 테크 이슈 인사이트 성능 향상이 곧 비용 절감은 아니다? AI 자본의 냉혹한 현실 우리가 흔히 착각하는 게 있어요. AI 모델의 성능이 올라가면 자동으로 효율성도 좋아질 거라고 생각하죠. 하지만 현실은 정반대입니다. 모델이 커질수록 연산량은 기하급수적으로 늘어나고, GPU 가동률을 잡는 게 정말 보통 일이 아니거든요. 앤트로픽 같은 기업의 몸값이 수천 조 원에 달하는 시대지만, 결국 핵심은 '잉여현금흐름'을 얼마나 만들어내느냐에 달려 있습니다. 그렇다면 어떻게 비용을 줄일까요? 단순히 모델 크기를 줄이는 게 아니라 양자화(Quantization)나 모델 압축, 그리고 프롬프트 및 키값 캐시 재사용 같은 고도의 기술이 들어갑니다. 쉽게 말해, 복잡한 문제는 똑똑한 고성능 모델에게 맡기고, 간단한 질문은 가벼운 소형 모델(sLLM)이 처리하게 하는 '모델 라우팅' 전략이 필수적이에요. 이렇게 해야 작업당 원가를 낮출 수 있거든요. 온디바이스 AI의 핵심, 경량화가 만드는 일상의 변화 최근 구글이 공개한 '제미나이 로보틱스 2' 사례를 보면 경량화가 왜 중요한지 확 와닿습니다. ...