[김병우] 이펙터를 걸지 않은 목소리와 일렉트로니카 자장 아래에 있는 소스의 병치가 의외의 시너지를 내고 있다. 굳이 힘주지 않아도, 기교를 부리지 않아도, 자신의 목소리만으로, 텐션을 조이고, 속삭이며, 그렇게 감정을 조절한다는 점에서 그녀의 보컬이 가지는 의미를 상기할 수 있다. 소스는 단순한 배음으로 작용하지 않고, 그런 그녀의 긴장에서 머물고, 조여지다, 한없이 풀어질 듯 하더니, 이내 거두어들인다. 그래서 이 곡은 상당히 경제적으로 자신의 감정을 풀고 당기는 곡이라 할 수 있을 것이다. 그렇게 효과와 효율 사이에서 정답만을 밟아나간다. 「Best Mistake (K)」의 가장 큰 장점은 이런 미니멀리즘에 있다. ★★★☆

[김성환] 「Sign」(2016)으로 데뷔한 후 지금까지 3곡의 디지털 싱글을 통해 알앤비 전문 보컬리스트로서의 행보를 지향하고 있는 아이디의 첫 번째 정규 앨범 『Mix B』의 타이틀 곡. 군더더기 거의 없이 깔끔하게 풀어지는 편곡 (Jason Derulo 등과 작업한 미국 프로듀서 Francis가 작곡과 편곡을 담당하고 있다.)이 일단 귀를 사로잡으며 자연스레 그루브를 타게 만든다. 많은 한국의 음악 리스너들이 가진 통념 중 하나인 '알앤비 여성보컬의 매력 = 파워풀한 성량의 디바형 목소리'의 편견을 깨는 그녀의 섬세함과 끈끈함, 섹시함이 담긴 보컬 톤이 이 곡에 몰입하게 만드는 가장 큰 장점으로 작용한다. 처음부터 해외 시장을 목표로 하고 해외 프로듀서들과 함께 완성된 안정된 메이저 R&B급 사운드이며, 무엇보다 실제 라이브 무대에서의 그녀의 모습을 빨리 보고 싶은 기대감을 안겨주는 곡이다. ★★★☆

[김정원] 「Best Mistake (K)」에는 몇몇 트렌디한 팝 디바들의 무언가가 섞여 있다. 쉽게는 Tinashe의 속삭이듯 부르는 보컬이나 Ariana Grande가 「Dangerous Woman」(2016)에서 Max Martin과 함께 만들어낸 묵직하고 단단한 사운드가 연상될 수도 있다. 이를 소화하는 아이디의 목소리는 파워풀함을 배가하는 건 아니지만, 구간에 맞춰 날카롭고 관능적으로 곳곳을 찔러 들어간다. 그사이에 근래 들어 소위 ‘EDM’이라 퉁쳐지는 전자음악들에서 볼 수 있는 빌드업과 드랍을 슬쩍 끼워 넣는 듯한 인상도 준다. 이어 터져 나오는 후렴은 은근히 레트로한 구석도 있는 기타 리프와 가늘고 얇은 톤으로 곡을 장악하는 아이디의 방식을 한데 섞어낸다. 여기에 효린이나 에일리 같이 한국에서 디바로 여겨지는 데 필요한 전형적인 성질은 없다. 그 사실만으로도 「Best Mistake (K)」와 『Mix B』는 충분히 재미있는 지점을 갖고 있다. ★★★★

[박상준] 야심찬 신인이다. 한번 더 확인하게 되는 피처링진과 프로듀서도 그렇지만 발매 직전까지의 행보가 상당히 조심스러웠고 그 의도가 사뭇 도전적이었다. 유치하지 않았으니 반은 성공인 셈. 나머지 반인 내용물 역시 예사롭지 않다. 「Best Mistake (K)」가 주도하는 레트로의 정체성은 빈티지한 소울과 브라스, 가스펠과 두왑의 접점에서 노려볼만한 팝적인 신파와는 거리가 멀다. 오히려 90년대 팝 소울을 충실히 따른다. 그토록 깔끔한 보컬의 선에 기대어 날카롭게 마무리 된 세션들은 마치 비트뮤직을 라이브 밴드로 재현하는 것처럼 빠르고 사나우면서도 단순하다. 요컨대 언제 춤을 춰야 하는지 아주 쉽게 알려준다. 매니아의 댄스뮤직과 팝의 댄스뮤직의 변별점이기에 앞서 리듬에 뿌리를 둔 블랙뮤직의 필수덕목이다. 가요에서 말하는 소울은 어쩐지 너무 풍성하고, 너무 스트링이 많고, 너무 아름다운 경향이 없지 않았는데, 이건 또 나름 새롭다. 뭣보다 정확한 포인트가 있다. 은근히 부재한 가요로서의 소울, 그 수요를 충족하며 트렌드를 벗어나지 않는다. 충실한 결과물에 박수를. ★★★☆

[차유정] 찰랑대면서도 흐릿하지 않은 리듬감이 인상적이다. 춤을 춘다기 보다는 흐느적거리기에 조금 더 어울리는 곡이다. 일반적으로 여성 보컬의 하이톤이 우울감을 뛰어넘기는 어려운 편인데, 장르의 특성때문인지 몰라도 평면적인 우울함 보다는 기묘한 신비함으로 목소리를 알리는데 주력하고 있다는 것이 느껴진다 현실적인 그루브안에 몽환적인 요소를 끄집어내는데 큰 역할을 한다. ★★★