기본 콘텐츠로 건너뛰기

표준에 대한 단상

어제 하루 종일 블로그에 올리고 싶었던 글을 머리 속에 깔끔하게 정리했었는데..

인터넷을 할 수 없는 환경에 하룻밤을 자고 일어나니 말끔하게 포맷이 되어 버렸다..

블로그를 하려면 이제는 노트와 볼펜이라도 들고 다녀야 할런가 보다.

그래서 원래 하고 싶었던 얘기는 다음으로 미루고..

짧은 글 하나 남겨볼까 한다..

주제는 표준이다.. 영어로 Standard

우리 주변의 모든 사물은 알게 모르게 무수히 많은 표준이 적용되어 있다. 심지어 여러분의 찬장에 짱박혀 있을 포도주 잔도 엄연한 표준이 있다.

소프트웨어 테스팅은 현재 ISO/IEC 29119 표준은 제정중이고, IEEE829 라는 문서 표준, ISTQB 라는 비영리 조직의 de facto 표준, 영국의 BS, ISEB 등 여러 표준이 있다.

그런데 이런 표준에 대하여 주변의 인식을 보면 무슨 신주단지 모시듯 한다. 표준에 대한 깊은 이해도 없이 그저 형식적이고 수박 겉핡기 식으로 따라하면 자기가 그 수준에 도달한 것인양 착각하는 사람들이 은근히 많다.

가장 대표적인 케이스가 CMMI, SPICE, ISO 9000 시리즈 같은 것들이다.

저런 인증을 받은 조직은 정말 저 인증에 걸맞는 것일까?

그런 곳도 분명 있지만 많은 경우 일종의 TF 팀을 조직해서 인증을 취득하고 인증 부산물은 그대로 창고로 직행하고 인증은 마케팅 용도로만 활용하는 경우도 다반사다.

왜 이런 일이 발생하는 것일까?

개인적으로 표준은 2가지 정도로 요약된다고 생각됩니다.

하나는 기술적인 표준입니다. 웹, 이메일, 코딩 룰 등 우리 주변은 다른 어떤 것과의 호환성 등을 이유로 반드시 반드시 지켜야 하는 표준이 있습니다.

익스플로러와 아웃룩, MS 오피스 등은 표준을 안지키기로 아주 악명이 높은 것들이죠.. 지배적 사업자라는 특혜를 누리는 변종들이라고 할까?

어쨌든 기술적인 표준은 정말로 정말로 지켜야 하는 표준입니다.

다른 하나는 프로세스 계열의 표준들입니다.

위에서 말한 CMMI, SPICE 등이 여기에 해당되죠.

이러한 표준은 반드시 반드시 지켜야 하는 표준일까요?

만약 이 질문에 "Yes"라고 답하신다면 좀 더 많이 공부하시기 바랍니다.

만약 여러분의 조직에 어떤 영업사원이나 컨설턴트가 와서 표준이 어쩌구 저쩌구 하면서 이거는 꼭 꼭 이대로 따라하시면 생산성이 어쩌고, 효율이 어쩌고... 이런 말을 한다면 쫓아내십시오. 그 사람들은 사기꾼이나 진배 없습니다.

TMMi 뿐만 아니라 대체로 프로세스 계열의 표준들은 Best Practice일 뿐입니다. 이런 표준들이 가지고 있는 의미는 어떤 목표에 도달하기 위해 오랜 기간동안 삽질을 해야 가능한 것을 이미 그런 삽질을 많이 해본 많은 경우들을 참고해서 삽질은 피하고 짧은 기간에 그 어떤 목표에 도달하기 위한 참고용 도서일 뿐입니다.

이런 것을 무슨 Bible인양 떠 받들고 따라해 봐야.. 표준에서 얘기하는 그 어떤 것을 얻을 수는 없습니다.

지금 힘들고 어려우신가요? 테스트는 체계적으로 수행되지도 않는 것 같고, 무엇을 해야할 지도 모르겠고 혼란스럽고 어렵기 때문에 표준을 찾고 계신가요?

아니면 떨어지는 품질을 포장할 포장지로 표준을 찾고 계신가요?

만약 그렇다면 여러분의 회사와 제품은 조만간 망할겁니다.

표준은 기본적인 지식 체계가 없다면 이해하기 어렵습니다. 적용하는 것은 더더욱 어렵습니다.

왜냐하면 표준은 무수히 많은 세월동안 무수히 많은 케이스에서 실패하고 성공한 사례를 집대성 해 놓은 것이기 때문입니다.

그리고 표준은 범용성이란 측면에서 무수히 많은 케이스를 커버하기 위해 매우 비대하기도 합니다. 때문에 자기 자신의 조직과 회사의 문화적인 어떤 특성을 고려하지 않고 표준을 무리하게 도입한다면 100% 실패합니다.

그래서 표준을 적용하기 원하신다면 정말로 정말로 열심히 공부하시기 바랍니다. 알량한 인증 몇개 얻는 건 그다지 중요하지 않습니다. 제대로 이해하지도 못하고 어설픈 뜨내기 컨설턴트나 영업사원의 농간에 놀아나 인증 몇개 얻었다 해서 여러분의 조직이 그 수준에 도달한 것은 아닙니다.

만약 여러분 스스로 표준을 도입하기 어렵다고 느끼신다면 정말 좋은 컨설턴트를 찾기 바랍니다.

단순히 우격다짐으로 표준 대비 당신은 여기니 이것도 하고 저것도 해야 한다고 거품을 무는 컨설턴트는 믿지 마십시오.

표준에 대하여 깊이 이해하고 표준을 커스터마이징 해서 당신의 조직에 맞는 옷을 만들어 줄 수 있는 컨설턴트를 찾기 바랍니다.

주저리 주저리 글이 길어졌지만 결론은..

표준을 맹신하지 마십시오. 인증은 필수 불가결한 것일 수도 있지만 인증의 획득에만 여러분의 목표를 두지 마십시오.

인증의 획득 보다는 여러분 조직이나 회사 전체가 아주 자연스럽게 표준에서 말하는 그 수준까지 도달할 수 있도록 끊임없이 공부하고 고민하고 노력하십시오.

혼자서 어렵다면 유능한 컨설턴트를 찾으십시오. 표준만을 고집하는 컨설턴트가 아닌 표준을 이해하고 표준을 당신에게 맞게 재단해 줄 수 있는 컨설턴트를 찾으십시오.

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...

'자동화 편향'과 '대중적 불신' 을 고려한 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...