기본 콘텐츠로 건너뛰기

QA와 테스터

여러분은 회사에서 조직에서 테스터를 어떻게 부르고 계신가요?

테스터라고 부르고 있는 곳이 있나요? 테스트 조직을 정말로 테스트 조직으로 부르고 있는 곳이 있나요?

제 경험상으로 분명 그렇게 부르는 곳도 있지만, 많은 경우 테스트 조직을 QA로 부릅니다.

최근에는 TE(Test Engineering)라고 부르는 곳도 있더군요.

그럼 왜 많은 곳에서 테스트 조직을 QA라고 부를까요?

여러 이유가 있겠지만 가장 많은 대답은 속된말로 뽀대가 안난다였습니다.

테스터 조차 자기 자신이 테스터라고 부르는 것에 대해 심각할 정도로 자괴감을 느끼는 경우가 많았습니다.

테스터라고 자기를 소개하면 단순 노가다나 하는 무식한 사람을 비춰지기 때문에 QA라고 부른다는 것이었습니다.

과연 이것은 사실일까요?

이런 편견의 기저에는 테스트는 아무나 할 수 있다. 테스트는 전문직이 아니다. 라는 잘못된 생각이 깔려 있습니다.

그렇게 때문에 최대한 자기를 포장하게 된 것으로 보입니다.

하지만 테스트와 QA는 전혀 다른 업무를 하는 사람들이고 테스트는 아무나 하는 그런 쉬운 노가다 작업이 아니라는 것입니다.

관련해서 두 가지 정도만 말해볼까 합니다.

우선은 테스트는 여러분이 흔히 생각하는 완성된 제품의 기능의 정상 동작이나 확인하는 그런 단순 노무직은 아닙니다.

분명 테스팅 활동 중 가장 많은 부분을 찾지하는 것 처럼 일견 보이는 건 사실입니다.

하지만 최근에 테스팅 활동은 개발 전반에 걸쳐 확대되고 있으며, 많은 곳에서 테스터들에게 그런 능력을 요구하고 있습니다.

대표적으로 보면, 요구사항 분석 및 리뷰, 기술 명세서 리뷰, 테스트 설계, 자동화 도구 개발, 테스트 자동화 구축, 테스트 스크립트 설계, 리스크 분석 등등 정말 많은 작업이 테스팅 활동에 포함되고 있습니다.

외국에서는 관련 직종만 30여가지가 넘는 타이틀로 세분화되어 전문직으로 대우받는 것이 사실입니다.

우리 나라는 최근에서야 테스트 리드라는 타이틀이 더 추가되어 조금씩 테스트 활동에 대한 인식이 개선되어 가고 있는 실정입니다.

결론은 테스터 자신이 자신이 하는 일에 대한 전문성을 깨닫고 자신감을 가져야 한다는 것이고 그에 걸맞는 지식을 갖출 수 있도록 노력을 해야 한다는 것입니다.

다른 하나는 테스팅은 품질을 보장할 수 없다는 것입니다.

ISTQB에서는 오류 부재의 궤변이라고 합니다.

예를 들면 정말로 정말로 결함이 단 한개도 없는 소프트웨어가 있다고 가정을 합시다. 그런데 그 소프트웨어는 구동 하는데만 10분 정도가 소요되고, 한번에 단 하나의 작업만 수행할 수 있고 작업 결과를 출력하는데 3일 정도 걸린다고 한다면 이 소프트웨어를 정말 좋은 소프트웨어라고 할 수 있을까요?

즉, 결함이 전혀 없다고 해서 그 소프트웨어의 품질이 좋다고 절대로 절대로 말할 수 없다는 것입니다.

그렇기 때문에 테스트 조직을 QA라고 부를 수 없다는 것이고 테스터와 QA는 업무의 영역이 전혀 다르기 때문에 겸직을 하기 힘들다는 것입니다.

여기서 하나 더 짚고 넘어간다면 많은 사람들이 테스팅의 목적을 결함을 제거하는 것으로 착각하고 있다는 것입니다. 다른 말로 바꾸면 제품에 결함이 없다는 것을 증명하는 활동으로 착각하고 있다는 것입니다.

하지만 테스팅은 결함이 존재함을 밝히는 활동입니다. 테스팅을 통해서는 절대로 결함이 존재하지 않는 다는 사실을 증명하지 못합니다. 다만 결함이 발생할 확률을 극도록 낮추는 작업 그 모든 것을 테스팅이라고 합니다.

때문에 테스트가 끝나고 나서 결함이 없다는 것과 품질이 좋아졌다라는 사실을 요구하는 것은 어불성설입니다.

물론 테스트 결과를 통해 제품의 품질을 개선하는 작업을 할 수는 있습니다. 즉, 테스트는 QA의 전초 작업 쯤 된다고 볼 수 있습니다. QA에서 사용되는 많은 데이터가 테스트 활동을 통해서 제공되고 그런 면에서 특정 작업이 겹치는 것을 두고 테스터가 QA 활동도 할 수 있다는 오해를 하는 것입니다.

하지만 다시 한번 말하자면 QA와 테스트는 전혀 별개의 활동이고 두 활동은 목적 자체도 전혀 틀리기 때문에 겸직을 할 수 없다는 것입니다.

결론은 테스터 여러분 자기 자신을 QA와 같은 말로 자기 자신을 포장하지 마십시오. 여러분은 QA 말고도 할 수 있는 일은 무궁무진합니다. 여러분 스스로 자부심과 자신감을 가지시기 바랍니다. 그리고 그것에 어울릴 수 있도록 열심히 공부하시기 바랍니다.

여러 이해관계자 여러분, QA와 테스트를 같은 활동으로 착각하지 마십시오. 두 활동은 전혀 별개의 목적도 방법도 다른 전혀 다른 활동입니다. 테스터들에게 품질을 요구하지 마십시오. 그들은 당신의 제품이 고객에게 전달되었을 때 고객이 결함을 발견할 확률을 낮춰주기 위해 주야로 열심히 노력하는 사람들이지 고객이 제품을 사용하기 편하도록 고객이 제품에 감동을 얻도록 하기 위해 노력하는 사람들이 아닙니다.

지금 여러분의 조직을 다시 한번 점검해 보시기 바랍니다. 조직의 정체성과 업무에 혼란이 있다면 그것은 테스트와 품질 활동을 동시에 하고 있기 때문입니다. 두 조직을 분리시키십시오. 여러분의 조직이 훗날 더욱더 성숙된다면 두 활동을 같이 할 수도 있겠지만 그렇지 않다면 분리시키십시오.

그리고 테스터는 전문직입니다. 제발 어디서 듣보잡 계약직 불러다가 테스트 하지 마십시오. 그렇게 테스트 하는 것이 싸고 효율적으로 보일지 모르겠지만 그렇게 몇백년 노력해봐야 여러분의 제품이 고객에게 전달되었을 때 고객이 결함을 발견하지 못할 확률은 절대로 절대로 낮아질 수 없습니다.


댓글

  1. trackback from: QA와 테스터 #2
    트위터에서 @onsooyoung 님이 QA가 무엇을 말하는지.. 그리고 결론적으로 테스터와 QA의 큰 차이가 무엇인지에 대해 물어보셨다.. 내가 이전에 썼던 글이 그다지 친철하지 못했던 것 같아 반성해 본다.. 혹시나 했지만 역시나 글을 쓴다는 건 무척 어려운것 같다. 특히 나에게는 당연한 것을 다른 사람에게 전달할 때는 더 어려운 것 같다. 먼저 QA에 대해서 잠깐 말해보도록 하겠습니다. QA 는 Quality Assuranced의 약자를 말합니다..

    답글삭제
  2. 안녕하세요-

    트위터에서 좌절하셔서 와봤는데 IT쪽은 어렵네요^^;;



    저도 블로그를 운영하면서 댓글 안달리면 서운하고 ㅠㅠ



    그나저나 아가가 태어나서 힘드시지만 좋으시겠어요-

    저도 빨리 2세가 생겼으면 좋겠는데ㅋ

    아가가 건강하길 기원합니다

    좋은 하루보내세요^^

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

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...

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 ...

AI가 만들고 사람이 고친 글, 과연 'AI 생성물'일까? — 무너지는 경계선과 각국의 표기 가이드라인

이미지, 음성, 텍스트를 가리지 않고 생성형 AI의 산출물이 전 세계 디지털 공간에 폭포수처럼 쏟아져 나오고 있습니다. 가짜 뉴스, 딥페이크 오정보, 저작권 침해 등 여러 사회적 문제를 일으키면서, 최근 EU를 비롯한 세계 각국의 규제 기관들이 "AI가 만든 콘텐츠에는 반드시 표시(Labelling)를 하라"는 강제 가이드라인을 잇달아 꺼내 들고 있습니다. 이와 관련해 Smashing Magazine에 비탈리 프리드만(Vitaly Friedman)이 기고한 아티클은 EU의 최신 규제가 실무 인터페이스(UI/UX)에 어떤 변화를 요구하는지 잘 보여줍니다. (출처: Smashing Magazine - New EU Guidelines For AI Labelling / Vitaly Friedman) https://www.smashingmagazine.com/2026/08/eu-guidelines-ai-labelling/ EU AI Act 제50조 투명성 규정에 따르면, 딥페이크나 AI 챗봇 대화, 인간의 검수 없이 AI가 100% 작성한 공공 텍스트 등에는 전용 AI 마크나 암호화된 메타데이터(Watermark)를 반드시 내장해야 합니다. 기존에 서비스들이 유행처럼 쓰던 모호한 '반짝이 아이콘(✨ Sparkles)' 수준으로는 법적 기준을 충족할 수 없게 된 것입니다. 하지만 현장의 개발자, 에디터, 테스터들이 마주한 진짜 혼란은 규제의 유무가 아닙니다. 바로 "도대체 어디까지를 AI가 만들었다고 볼 것이며, 어디서부터를 사람이 만든 것으로 정의할 것인가?"라는 근본적인 경계선의 모호함입니다. 프롬프트 한 줄 던져서 AI가 뽑아낸 초안을 사람이 문장 몇 개 다듬었다면, 이것은 AI 산출물일까요, 인간의 글일까요? AI가 코딩한 1,000줄의 소스 코드를 엔지니어가 한 시간 동안 디버깅하고 검수했다면 이 코드의 주인은 누구일까요? 글로벌 규제 기관들도 이 모호함을 인지하고 명확한 자격 기준을 세우기 위해 격렬한 논의를 ...