기본 콘텐츠로 건너뛰기

소프트웨어 테스터의 자격 요건? - Personal Test Maturity Matrix

어제 ISO/IEC 29119 테스팅 국제 표준을 제정중인 WG 26의 의장인 Stuart Reid 초청 강연이 있었습니다.

강연 주제는 Agile Testing 이었는데.. 근래에 들었던 강연 중에 가장 맘에 드는 강연 중 하나였습니다.

여러 내용이 있었는데, 그 중 하나 맘에 걸리는 것은 Agile 조직에서의 테스터는 개발 관련 지식을 반드시 알아야 한다는 것이었습니다.

혹시나 해서 여러번 비슷한 질문을 해봤었는데, 역시나 어떤 형태로든 개발 관련 지식을 아주 풍부하게 알고 있어야 한다는 의견이었습니다.

예전 우리 나라가 월드컵 4강 진출을 위업을 달성했을 때 우리 나라 대표팀을 이끌던 히딩크 감독이 원하던 선수는 멀티 플레이어였던 것처럼 최근 개발 프로세스가 Agile로 급속하게 이행하면서(외국 기준으로.. 좀 논란은 있지만..) 기존의 테스터의 입지가 좁아지고 개발자와 테스터의 Role이 불분명해지면서 테스터의 자격 요건으로 개발 관련 지식을 요구하는 경우가 매우 크게 늘어나고 있습니다.

우리가 잘 아는 MS와 구글은 테스트 엔지니어를 구인할 때, 자동화 도구 설계와 개발 관련 경력이 없을 경우 직원을 채용하지 않을 정도입다.

테스트 하나 잘하는 것도 힘겨운 마당에 개발까지 잘해야 한다는 건 거의 완전한 고문 수준인 것 같습니다.

하지만 주변의 의견들은 이미 테스터가 개발 관련 지식을 알고 있어야 한다는 것이 주류가 되어 가는 것 같습니다.

하지만 개인적으로 테스터가 개발 관련 지식을 습득을 할 수는 있겠지만 과연 이 두가지를 모두 잘 할 수 있을지는 의문이 든다.

개인적으로는 개발 관련 지식도 중요하지만 아키텍처 관련 지식을 습득하는 것이 테스트를 수행하는 것에 더 큰 도움이 된다고 생각하는 입장이다.

이렇게 주변에서는 테스터의 자격 요건에 대해 분분한 의견이 있는데요.. 아래 소개해 드리는 것은 스튜어트가 제안한 모델로 기존에 업무 능력이나 직업 능력을 측정하는 많은 모델이 있지만 직관적으로 이해하는 면에서는 이 모델이 아주 유용한 것 같습니다.

이름하여.. PTMM(Personal Test Maturity Matrix) 입니다.

PTMM은 조직보다는 테스터의 개인적인 자격이나 능력에 초점을 맞춥니다.

이러한 능력을 측정하는데 4가지 영역을 제안하고 있습니다.

1. 테스트 스킬
2. 소프트 스킬
3. IT 스킬
4. 도메인 지식

요구사항 리뷰어를 예로 들자면

1. 테스트 스킬은 리뷰 스킬이라고 할 수 있습니다. 여기서 말하는 리뷰 스킬은 ISTQB 실라버스를 참고하시기 바랍니다.

2. 소프트 스킬은 커뮤니케이션과 같은 스킬을 말합니다. 요구사항을 리뷰하는데 있어서 이해관계자와 많은 커뮤니케이션을 해야하고 결과를 도출해야할 때 필요한 스킬입니다.

3. IT 스킬은 요구사항에 대한 지식입니다. 요구사항이 무엇인지에 대한 지식이죠.

4. 도메인 지식은 어플리케이션의 요구사항에 대한 지식입니다. IT 스킬이 일반적인 요구사항을 수집하는 방법이라든지 그런 지식이라면 도메인 지식은 어플리케이션 자체에서 요구하는 요구사항에 관한 지식이라고 생각하시면 됩니다.

이러한 4가지 영역은 각 영역별로 능력 레벨과 요구하는 능력 기준이 있고, 그에 따라 측정하여 아래와 같은 형식에 표시하도록 되어 있습니다.


그럼 직관적으로 여러분이 생각하는 테스터는 각 영역마다 어느 정도의 지식을 가지고 있어야 한다고 생각하시는지 한번 칠해 보시기 바랍니다.

과연 테스터는 어떤 영역의 지식과 스킬을 더 많이 가져야 하는 것일까요?

일반적으로 대부분의 사람들이 도메인 지식을 더 많이 칠하는 경향이 있습니다.

스튜어트는 ISTQB Foundation 자격증을 취득한 사람은 아래 그림과 같은 정도라고 제시합니다.


이 모델은 개인의 능력과 레벨을 측정해서 해당 사람이 어느 영역에 더 많은 강점을 지니고 있는지 직관적으로 제시할 수 있는 점이 강점이라고 생각합니다.

그리고 이러한 데이터를 기준으로 조직안에서의 Role과 나아가 직업군을 제시하고 있습니다.

이것은 다른 말로 하면 자신이 목표로 하는 Role 과 직업군에 따라 자신이 더욱더 필요한 지식과 영역에 대한 정보를 얻을 수 있고 그에 따른 커리어 패스를 설계할 수도 있다는 것입니다.

이 모델에 대한 상세한 정보는 아쉽게도 구글링을 해도 검색이 되지 않고 있는데 국내에서 이 모델에 대한 정보를 얻는 방법은 STA에서 주관하는 Test Manager 교육 뿐인 것 같다.

마지막으로 어제 강연에서 스튜어트는 위 모델을 통해 Agile 조직에서의 테스터는 아래와 같은 능력이 요구된다고 하였다.

하지만 아무리 봐도 이런 인간은 존재할 수 없을 것 같다. 하지만 영국의 경우 불황의 여파인지 테스트 구직 광고 하나에 수백명의 사람이 몰려들고 있기 때문에 한두가지 스킬만 가지고는 취업하기 힘들다고 한다.

이래 저래 테스터로 살아남기 힘든 것 같다..

여러분을 위의 모델에 표시한다면 어떻게 표시될 것인지, 자기 조직의 테스터들의 역량이 어떠한지 한번 고민해 보시기 바랍니다.

댓글

  1. 김주봉22/6/10 18:46

    언제나 좋은 글 감사합니다.

    답글삭제
  2. Paragonofjoke6/8/12 20:07

    제 블로그에서 그림 사용하겠습니다. 혹시 문제가 있다면 이메일주세요 
    http://paragonofjoke.tistory.com

    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 ...