기본 콘텐츠로 건너뛰기

Agile과 Waterfall

현재 소프트웨어 개발 모델을 대표하는 모델을 선택한다면 Waterfall과 Agile을 들 수 있습니다.

Agile은 일부에서는 점진적-반복적 개발모델이라고도 하죠.

저는 이 두 모델을 조금은 다른 시각에서 바라보도록 하겠습니다.

Push 개발 방식과 Pull 개방 방식입니다.

Push 개발 방식은 일방적인 전달을 특징으로 합니다. Waterfall 이 대표적인 Push 개발방식이라고 볼 수 있습니다.

Push는 미국의 포드에서 시작된 경영방식입니다. 그래서 미국식이라고 불립니다. Push 방식에서 추구하는 것은 효율입니다. 각 부분의 효율을 얼마나 끌어올리는가에 초점을 맞춰서 최적화를 진행합니다.

이 방식은 각 부분 부분이 비슷한 능력치를 가질 때 최대한의 성과를 낼 수 있습니다. 만약 전체 중 특정 부분의 능력이 떨어진다면 그 부분에서 지연이 발생하고 이것은 많은 손실을 내게 됩니다.

아래 그림에서 보면

A의 경우에는 Push 방식으로 작업을 진행해도 아무런 문제가 되지 않습니다. 하지만 두번째 단계의 효율은 50%이기 때문에 두번째 단계의 효율을 100%로 끌어올리게 됩니다.

그렇게 되면 그림 B와 같이 마지막 공정에서 전 공정에서 밀려온 일을 모두 처리할 수 없기 때문에 재고가 쌓이게 되고 이것은 일정의 지연이나 금액의 손해 등을 불러 일으키게 됩니다.

각 부분의 효율은 100%가 되었지만 생산 효율의 불균형으로 인해 열심히 일은 하고 있지만 계속해서 손해가 발생하는 상황이 되었습니다.

전체를 바라보지 못한 부분 최적화의 폐혜입니다.

위의 경우를 소프트웨어 개발로 생각해 보면 마지막이 테스팅 팀이 될 것입니다. 일반적으로 테스팅 팀은 요구사항 단계에서 배제되는 경우가 많습니다. 이러다 보니 요구사항에 대응하기 위한 자원 등의 배정등에서 우선순위가 밀리게 됩니다. 때문에 나중에 문제가 발생하여도 대처하기가 힘듭니다.

Pull 개발 방식은 후공정에서 필요한 만큼 전공정에서 요구하는 방식으로 낭비(재고)를 줄이는 것을 목적으로 합니다.

대표적인 곳이 도요타로 Lean 개발 방식이 Pull 개발 방식을 대표하는 방식 중 하나입니다. 그래서 일본식이라고도 불립니다.

Pull 방식에서 추구하는 것은 효과입니다.

자신이 할 수 있는 만큼만 함으로써 낭비나 지연을 최소화 하는 것이 목적입니다. 낭비를 줄일 수 있다면 효율은 상관하지 않습니다. 중요한 것은 목표를 설정하고 그 목표에 100% 도달하는 것입니다.

이 방식은 자신의 생산성이 어느 정도인지 확실히 알 수 있을 때 매우 좋은 방법임에는 분명합니다.

하지만 국내에서는 갑과 을로 대변되는 독특한 하청 구조와 여러 정치적인 이유로 전공정에 자신들이 할 만큼의 작업량을 요청하는 것을 생각하기 힘들기 때문에 국내에서는 널리 보급되지 못하는 방법 중 하나입니다.

Pull 방식의 단점이라면 전체 생산성은 생산성이 가장 낮은 곳에 맞춰지기 때문에 종속성이 강한 여러 단계의 조직에서는 문제가 될 수 있습니다.

간단하게 Push와 Pull 방식을 살펴 보았습니다.

각각의 부서의 능력이 비숫하고 특히 요구사항이 정해진 분량인 조직에서는 Waterfall 즉, Push 방식이 더 뛰어날 것입니다.

하지만 요구사항의 변화가 심하고 각각의 부서의 능력 편차가 심한 조직이라면 Pull 방식이 더 좋은 선택이 될 수도 있습니다.

우리는 일반적으로 Agile을 지지하는 쪽에서는 Waterfall을 Waterfall을 지지하는 쪽에서는 Agile의 단점만을 공격하는 모습을 많이 봅니다. 극단적인 경우 거의 신앙의 수준인 경우도 있습니다.

조직의 프로세스를 변화시키는 과정에서 발생하는 저항과 손실은 이렇게 특정 방법론에 대한 편견과 잘못된 오해 등으로 발생합니다.

그리고 조직 전체를 바라보는 시각이 부족한 것도 있습니다.

방법론의 적용에서 중요한 것은 조직과 문화의 특성에 대한 문제이지 어떤 방식이 꼭 좋은 방법이라고는 말을 할 수가 없는 것이 현실입니다.

만약 조직 전체를 바라보는 시각에 대한 요구가 있다면 TOC는 좋은 선택이 될 것입니다.

조직 전체를 바라보고 각각의 경우에 맞는 프로세스를 구축하기 위한 노력이 필요합니다. 각각의 방식에 대한 정확한 이해와 장단점을 정확히 파악하고 자신의 조직과 자신의 현재 상태를 정확히 파악할 수 있다면 언제 어디서든 정확한 판단을 내릴 수 있을 것입니다.



댓글

이 블로그의 인기 게시물

20년 차 테스터가 고른 최근 IT 소식: 기술의 속도, 그리고 사람의 자리

20년 넘게 IT 업계에서 테스팅하고 강의하고 공부하고 여러 일을 해왔지만... 정말이지 단 하루도 편하게 쉴 틈을 주지 않는 세상입니다. 특히 최근 4~5년 동안 가속화된 AI의 물결은 기술의 스펙트럼뿐만 아니라 우리가 일하고, 협업하고, 조직을 이끄는 방식 전체를 뒤흔들고 있습니다. 이번 주에도 수많은 뉴스레터와 아티클을 훑어보았습니다. 그중에서도 기술의 화려함 뒤에 숨겨진 ‘사람, 조직, 그리고 커리어의 본질’을 찌르는 글 몇 개가 눈에 띄어 메모해 둡니다. 제 평소 생각과 맞닿아 있는 6가지 이야기입니다. --- 1. 인지부채(Cognitive Debt): 바이브 코딩 시대에 우리가 지게 되는 진짜 빚 (출처: ROBOCO - 인지부채: 바이브 코딩 시대의 새로운 부채 관리법 / 정도현 수석 컨설턴트 ) 요즘 커서(Cursor)나 클로드 코드(Claude Code) 같은 에이전트를 붙여 "이거 만들어줘" 하고 승인(Approve) 버튼만 누르면 눈 깜짝할 사이에 코드베이스가 완성되는 '바이브 코딩(Vibe Coding)'이 유행입니다. 그런데 속도는 엄청나게 빠른데, 정작 서비스에 장애가 나면 "AI가 짜서 잘 모르겠는데요?"라는 답이 나오는 이상한 현상이 벌어집니다. 정도현 컨설턴트는 이를 '인지부채(Cognitive Debt)'라고 정의합니다. 코드는 쌓이는데, 정작 인간의 시스템 이해도는 쌓이지 않는 격차죠. * Human-in-the-loop의 환상: AI가 초당 수백 줄을 뽑아내는데 사람이 일일이 검토한다? 결국 검토자는 병목이 되고, 시간 압박에 쫓겨 영혼 없이 승인 버튼만 누르게 됩니다. 40년 전 자동화 연구(Bainbridge, 1983)가 지적했듯, 자동화될수록 사람은 감시만 하다가 정작 개입해야 할 결정적 순간에 숙련도를 잃어버립니다. * 부채는 0으로 만드는 게 아니라 '관리'하는 것: AI가 만든 모든 코드를 사람이 외울 수는 없습니다. 핵심은 ...

우리는 AI로 '더 빠른 말'을 키우고 있는걸까요? 아니면 '자동차'를 만들고 있는걸까요?

20년 넘게 IT 현장에서 뒹굴거렸는데... 요즘처럼 "우리가 지금까지 당연하게 여겨온 일하는 방식의 본질"에 대해 근본적인 질문을 던지게 만드는 때가 없었던 것 같습니다. 최근 읽은 UX 관련 글 하나가 가슴을 쿵 치고 지나갔습니다. UX 및 디지털 트렌드를 다루는 블로그 ux4dotcom에 올라온 "Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions"라는 글입니다. (출처: ux4dotcom - Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions ) 혁신을 말할 때 늘 인용되는 헨리 포드의 유명한 말이 있습니다. "사람들에게 무엇을 원하느냐고 물었다면, 그들은 '더 빠른 말'이라고 답했을 것이다." 사람들은 자신이 경험해 본 범위 안에서만 미래를 상상합니다. 말만 탈 줄 아는 사람에게 자동차는 상상 밖의 범주(Mental Model)니까요. 저자는 그동안 UX(사용자 경험)라는 학문과 필드 자체가 '더 빠른 말을 만드는 일(기존 과업의 효율화)'에 집중해 왔다고 지적합니다. 사용자의 행동을 관찰하고, 마찰(Friction)을 줄이고, 화면을 간소화하고, 기존 워크플로우를 최적화해 주는 작업 말입니다. 실제로 주변을 봐도 우리가 AI를 쓰는 방식도 대부분 이 범주를 벗어나지 못하고 있습니다. 더 빠르게 이메일을 작성하고, 문서 요약을 3초 만에 끝내고, 프레젠테이션 장표나 일정표를 순식간에 만들어내는 일. 분명 유용하고 저 역시 매일 요기하게 쓰고 있지만, 이건 어디까지나 '기존에 인간이 하던 일의 프로세스를 흉내 내어 속도만 올린 것(Faster Horse)'에 불과합니다. 정작 "이 워크플로우 자체가 과연 계속 존재해야 하는가?"라는 근본적인 질문은 던지지 못하고 있는 것이죠....

에이전틱 AI 시대의 소프트웨어 테스팅: 왜 '아키텍트' 역량이 필요한가?

최근 "프로그래밍이란 무엇인가?"라는 근본적인 질문에서 출발해, 하드웨어의 가장 밑바닥인 CPU 명령어 디코더의 원리부터 최근 화두인 에이전틱 AI(Agentic AI)와 바이브 코딩(Vibe Coding)에 이르기까지 AI와 함께 이런 저런 대화를 나누어 보았다.. 사실 내가 처음 컴퓨터를 공부할 때부터 컴퓨터가 내 명령을 어떻게 이해하고 처리해서 이런 결과가 출력되는지는 정말 이해하기 어려운 마법 같은 것이었다.  그래서인지.. 나이가 들어도 프로그래밍은 여전히 어렵다. 하지만 요즘은 AI와 함께 무언가를 만드는 재미를 만끽하고 있다.  어쨌든 AI와의 즐거운 대화의 끝에서 필연적으로 마주한 질문이 있다. "코드를 AI가 스스로 짜고 조립하는 시대에, 소프트웨어 테스팅은 무엇이며 우리는 어떤 역량을 키워야 하는가?" 지금까지의 고민을 바탕으로, 다가오는 AI 시대에 테스트 엔지니어가 나아가야 할 방향과 '아키텍트(Architect)' 역량의 중요성에 대해 정리해 본다. 현대의 소프트웨어 개발은 무(無)에서 유(有)를 창조하는 것이 아니다. 전 세계의 천재적인 엔지니어들이 만들어둔 수많은 라이브러리와 프레임워크라는 '레고 블록'을 조합해 원하는 서비스를 구축하는 과정이다. 내가 젋어서 이걸 잘 이해만 했었어도.. 테스터라는 직업의 세계에 발을 들이지는 않았을 텐데.. 어린 나이에 너무 생각이 많았었다. 그런데 에이전틱 AI가 등장하면서 거대한 변화가 일어났다. 이제는 인간이 직접 레고를 조립할 필요조차 없어지고 있다. "이런 기능을 만들어줘"라는 의도(Intent)만 던지면, AI가 기존에 학습한 방대한 오픈소스와 코드를 바탕으로 알아서 뼈대를 세우고 코드를 완성해 낸다. 개발자는 직접 코드를 타이핑하는 노동자에서, AI 에이전트를 부리는 총괄 기획자로 역할이 변하고 있는 것이다. 하지만 AI가 만들어내는 코드는 필연적인 한계를 지닌다. AI는 과거 인류가 작성한 코드를 학습하...