기본 콘텐츠로 건너뛰기

테스트 추정 - 지킬 수 없는 약속, 언제 끝내야 하나?

여러분은 테스트 추정을 하시나요?

많은 조직에서 테스트 수행을 위한 일자를 계산하고 일정을 세우지만...

과연 그 일정대로 테스트를 수행하고 종결하신 적이 얼마나 있으신가요?

우리는 항상 테스트를 언제 끝내야 할지에 대해서 고민합니다.

테스트를 끝낼 때쯤 되면 항상 들려오는 잔소리..

결함 없져? 아무 문제 없져?

그런 질문에 확신할 수 없는 대답이나 거짓말

일정을 초과해서 테스트를 수행할 때 흔히 하는 거짓말..

개발팀이 제 때에 결함 수정을 하지 않았습니다.

책임 회피, 불신, 반목

그렇지 않은 곳도 있겠지만 많은 조직에서 겉으로 꺼내놓고 말하지 못한 공공연한 비밀 중 하나입니다.

예를 들면 출시까지는 앞으로 한달.. 출시일은 바꿀 수 없습니다.

개발 예정은 앞으로 2주

그렇다면 테스트는? 선택권도 없이 당연히 2주..

하지만 개발은 자꾸 지연되고 출시일이 코앞으로 닥친 1주일 전 최종 빌드가 넘어옵니다.

하지만 최종 빌드의 3분의 1은 결함이 줄줄줄 쏟아지고 나머지 절반은 아예 구동도 안됩니다.

이 미칠듯한 상황에 철야로 주구장창 달리면서 개발팀과 미칠듯한 설전을 펼쳐 누덕 누덕 기운 제품이 결국에 출시일에 맞춰 고객에게 인도됩니다.

그리고 하루가 지나기도 전에 CS팀의 게시판과 전화기는 불이 납니다.

쉬는 시간도 없이 다시 패치를 위한 일정과 계획에 돌입합니다.

이 미칠듯한 행진이 언제 끝날지는 아무도 모릅니다.

여러분은 위와 같은 상황에서 만약 테스트 팀장이라면 어떻게 하시겠습니까?

왜 이런 일이 생기는 걸까요?

저는 이 모든 1차 책임이 관리자에 있다고 봅니다.

먼저.. 관리자가 단무지이기 때문입니다. 단무지가 무엇인지는 아시죠.. 단순, 무식, 지랄...

즉, 테스트를 수행할 수 있는 기간이 2주에서 1주로 단축되었습니다. 단무지 팀장님은 생각합니다. 기간이 절반으로 줄었으니 두배 열심히 일하면 되겠군.. 하루에 8시간 근무를 철야를 해서 16시간씩 작업해도 하루에 8시간이나 남잖아.. 8시간은 회사에서 자면 되.. 1주일인데.. 머..

하아.. 이게 가능이나 한 가정입니까?

사람은 기계가 아닙니다. 테스트가 고도로 자동화 되었다고 해도 저런식으로 작업해서 생산성과 효율성이 2배가 될수는 없습니다.

안되면 되게 하라는 군대식 사고에 쩔어있는 이런 단무지 팀장 및에 있다면 당신에게 미래는 없습니다. 지금 이직하시기 바랍니다.

아니면 관리층이 영웅 놀이에 심취해 있는 경우도 있습니다.

2주동안 작업할 분량을 1주일만에 성공한다면..

인사고과와 각종 성과급이 눈앞에 보이나요?

각종 감언이설과 당근으로 팀을 몰아붙여서 조직안에서 영웅 대접을 받는 관리자가 있습니다.

하지만 그런 관리자 치고 팀원 챙겨주는 관리자 못봤습니다. 팀원의 아이디어와 성과를 갈취하지나 않으면 다행입니다.

만약 여러분의 팀장이 이런 영웅놀이에 심취해 있다면 과감히 거부하시기 바랍니다.

이런 영웅놀이에 심취한 관리자의 팀의 결과물은 대체로 쓰레기입니다. 그리고 결과는 항상 다른 팀에게 책임이 전가됩니다.

2주동안 할 테스트를 1주일만에 해치운 결과물이 얼마나 좋을까요? 좋지 못한 테스트 결과는 항상 개발팀의 책임으로 미루는 영웅놀이 관리자.. 주변에 혹시 있으신가요?

마지막으로 생각해 볼 수 있는 관리자는 유유부단한 관리자입니다.

대화와 타협, 싸움 기피형이죠..

저는 회장님의 영원한 종입니다.. 딸랑 딸랑 유형입니다.

그냥 까라면 까는 유형이죠..

머 이런 관리자는 긴말이 필요없습니다.

앞서 3가지 유형의 관리자를 보았습니다.

이 3가지 유형의 관리자의 공통점이라 하면 말 그대로 무지하다는 것입니다.

추정에 관한 진실은..

불확실성을 인정하는 것입니다.

Man-Month의 미신에서 벗어나시기 바랍니다.

테스트 케이스 한두개 실행하는 문제라면 예측이 가능할 수도 있습니다.

하지만 예측 값은 추정해야 할 대상이 커지면 커질 수록 비례해서 불확실해집니다.

추정 단위를 너무 크게 잡지 않는 것이 좋습니다. 미례를 예측하고 싶은 유혹에서 벗어나시기 바랍니다.

관련 부서와 긴밀히 협조하고 끊임없이 점검하고 토론하고 검토하고 협의하시기 바랍니다.

물론 완료일은 중요합니다. 프로젝트는 출시일이든 무엇이든 간에 특정 날짜에 끝날 수 있다면 좋습니다.

목표를 명확히 하시기 바랍니다. 하지만 중간 중간 너무 세세한 작업 목록에 집중하지 마십시오. 세세한 작업목록에 집중하다 보면 전체를 볼 수 없게 됩니다.

지금 지연되는 작업때문에 팀이 놀고 있다면 당신은 추정을 잘못한 것입니다. 전체를 바라보고 일정을 조정할 수 있어야 합니다.

WBS를 개발 초기에 만들고 이것이 무슨 신주단지인양 떠받들며 일정을 맞추기 위해 미친듯한 경주를 지금 당장 때려 치시길 바랍니다.

WBS 같은 것은 갖다 버리십시오. 지금 현실에 충실한 추정을 할 수 있도록 노력하시기 바랍니다.

관련한 기법은 찾아보면 많이 있습니다.

결론은 하나라고 생각합니다.

추정은 신이 이땅에 다시 강림하지 않는 한 절대 불가능합니다. 전문가라고 해도 말 그대로 예측이지 확실한 대답을 해 줄 수 없습니다.

너무 작은 단위에 몰입하지 마십시오. 큰 단위로 모두와 함께 긴밀하게 대화하고 협의하십시오..

그리고 진실과 마주하시기 바랍니다.

할 수 없을 때는 확실히 할 수 없다 말하여야 하고, 포기할 것은 포기할 수 있어야 합니다.

진실해 질 수 없다면.. 100만년동안 추정만 수련한다 해도 당신의 추정치는 그냥 쓰레기일 뿐입니다.


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 ...

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...

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...