기본 콘텐츠로 건너뛰기

신종플루와 판단의 기준 - 당신의 판단을 믿을 수 있습니까?

최근 뉴스에서 가장 큰 화두는 신종 플루이다.

항간에는 음모론까지 나돌 정도이다.

여기저기서 쏟아지는 정보에 정신이 없다. 무엇이 진실인지 거짓인지도 명확하지 않다. 인간의 공포는 무지에서 온다. 진실을 판단할 기준이 명확하지 않다 보니 혼란만 가중되는 것 같다.

강도의 차이는 있지만 영락없는 광우병 사태와 다름이 없다.

솔직히 나로서도 무엇이 진실인지 명확하게 판단하기가 쉽지 않다.

그런데 왜 이러한 혼란이 야기되는지에 대해서는 일부 추측해 볼 수 있다.

한가지 예로 현재까지의 신종플루의 사망율은 과연 얼마나 되는 것일까?

정확한 자료가 없기 때문에 딱 잘라 말할 순 없지만 공식적인 발표에서는 0.03%였다. 0.03%라 하면 1만명이 감염되어 3명이 숨졌다는 얘기이다.

반면에 대한결핵협회에 따르면 2008년 결핵에 의한 사망율은 인구 10만명당 4.7% 즉, 인구 1만명당 470명이라고 발표했다.

단순히 사망율만 놓고 비교해 본다면 신종플루는 결핵에 비하면 병도 아니다. 신종플루에 쏟아지는 관심과 비용등은 당연히 결핵과 같은 병에 쏟아지는 것이 더 옳다.

머 신종플루는 전염성이 강하다고 말씀하시는 분도 있으실텐데.. 결핵도 전염성이라면 만만치 않다.

그렇다면 왜 이런일이 생기는 것일까?

심리학자들은 이것을 '틀 짜기(framing)'라고 부른다.

잘 생각해보자. 사망율 몇%라는 방송과 금일까지 몇명이 죽었다는 방송 사이에서 여러분은 어떤 방송이 더 위험한 내용으로 인식되는가?

즉, 우리는 동일한 내용이라도 판단의 기준을 바꾸면 전혀 다른 내용으로 인식하게 된다는 것이다. 특히 이것이 어떤 것과 비교를 하게 되는 닻 내림 효과와 마주지면 그 효과는 더욱 상승하게 된다.

인구 1만명당 3명이 죽는 신종플루라고 표현한다면 인구 1만명이 일종의 기준점이 되고 사람은 그에 맞추어 판단하게 된다. 이러한 기준이라면 사람들은 신종플루가 그다지 위험한 질병이라고 판단하지 않게 될 것이다.

반면에 금일도 신종플루로 인하여 사망자가 발생하였으며 해당 환자는 신체 건강한 저위험군 환자였다는 뉴스를 접하게 된다면 판단의 기준은 신체가 건강하다는 것이 되고 그런 사람도 죽을 수 있는 그리고 날마다 사망자가 발생하는 아주 위험한 전염병이 되는 것이다.

이러한 것을 우리는 주변에서 아주 쉽게 접할 수 있지만 대부분 그것을 인식하고 사는 사람은 거의 없다.

비슷한 경우로 품질을 들 수 있다.

여러분은 품질을 측정가능한 지표라고 생각하는가? 나는 품질을 측정가능한 지표라기보다는 결정되는 지표라고 말하는 부류이다.

품질을 이루는 신뢰성, 유지보수성, 이식성, 사용성과 같은 비기능적 특성들에 대한 기준이 무엇인가? 그 기준은 정확한 것인가?

다른 예를 들어본다면 결함율 같은 것도 생각해 볼 수 있다. 일반적으로 품질을 측정하는 지표로 가장 많이 쓰이는 것 중 하나가 결함율이다.

결함 잔존율이 20%라고 적혀 있는 제품과 결함 수정 완료율 80%라고 적혀 있는 두 제품을 생각해 보자. 어떤 제품이 더 좋은 제품인가?

두 제품은 같은 제품이다.
하지만 우리가 판단할 때 결함 잔존율은 결함이 수정되지 않고 결함이 제품에 남아 있는 것이라고 생각한다. 하지만 결함 수정 완료율이라고 한다면 이것은 결함이 제거되어 안전하다고 판단한다.

이러한 두 지표 사이의 간극이 사람이 판단하기 어려울 정도로 작아진다면 틀 짜기의 효과는 극대화 된다.

위의 예를 각각 10%와 90%로 바꾸어서 생각해 보라. 이렇게 된다면 판단은 더욱 견고해진다.

이러한 틀짜기는 마케팅에서 가장 흔히 사용되는 기법 중 하나이다.

틀짜기는 판단의 기준을 흔들어 판단을 특정 방향으로 이끄는 효과를 지닌다.

테스터라면 이러한 것을 잘 알고 있어야 한다. 회사가 의도한 대로 제품을 판단하고 테스트 한다면 그 결과는 회사를 위한 제품일 뿐 절대 사용자를 위한 제품은 될 수 없다.

테스트 설계 기법과 같은 기법들이 계속 만들어지는 것은 이러한 인간의 판단이 제품의 테스트에 미치는 영향을 적게 하고자 하는 노력의 일환이라고 할 수 있다.

여러분의 여러분의 판단 자체를 믿을 수 있는가?

판단의 근거는 무엇인가? 우리는 정보의 홍수 속에서 살고 있다. 우리에게 지금 필요한 것은 정보를 찾는 능력이 아니라 정보를 해석하고 판단하는 능력이다.

여러분은 여러분이 접하고 있는 정보의 출처를 고민해 본적이 있는가? 그 정보를 정말로 믿을 수 있는 것인가?
가장 최근에 사람들이 가장 믿을 수 있는 정보의 1차 출처로 블로그를 꼽고 있다. 여러분은 블로거를 얼마나 신뢰할 수 있는가? 여러분이 어떤 블로거의 글을 신뢰하고 있다면 그 이유는 무엇인가?

한번 곰곰히 생각해 보기 바란다.

마지막으로 여러분이 만약 테스터라면 테스터가 되고 싶은 사람이라면 정보를 해석하고 판단하는 능력을 키울 것을 권장하고 싶다.

먼저 의심하고 다르게 생각하는 노력을 하기를 바라는 바이다.

댓글

  1. 솔직히 뉴스에서 단순히 몇 명 죽었다고 보도할 때부터 이미 '또 언론 플레이하고 있구만'이란 생각이 엄청 들더군요. 무슨 수치를 기준도 없이 발표하는지....

    답글삭제
  2. 김주봉19/8/10 18:50

    좋은 글 감사합니다~

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

피드백 루프: AI 시대 테스터가 지켜내야 할 핵심 엔진

소프트웨어 개발과 테스팅 현장에서 가장 자주 언급되지만, 막상 시스템이 복잡해질수록 쉽게 경시되곤 하는 핵심 개념이 바로 '피드백 루프(Feedback Loop)'입니다. 코드를 수정하고, 빌드하고, 테스트 결과를 확인하고, 다시 개선하는 그 순환 과정의 속도와 정확도가 결국 소프트웨어의 품질을 결정짓기 때문입니다. 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "One Loop After Another" 아티클은 바로 이 피드백 루프의 다층적 구조와, AI 시대에 우리가 놓치지 말아야 할 품질 검증의 본질을 날카롭게 되짚어 줍니다. (출처: Quality Remarks - One Loop After Another / Matthew Heusser) https://qualityremarks.com/one-loop-after-another/ 매슈 하이저는 소프트웨어 개발 생태계가 단순히 하나의 커다란 테스트 루프로 돌아가는 것이 아니라, 시간 축과 관점에 따라 겹겹이 쌓인 '연쇄적인 피드백 루프들(One Loop After Another)'로 이루어져 있다고 설명합니다. 초단기 루프 (Inner Loop): 개발자가 코드를 작성하는 몇 초~몇 분 단위의 루프입니다. 단위 테스트(Unit Test)나 IDE의 Linter, AI 자동 완성이 즉각적인 피드백을 주는 영역입니다. 단기 루프 (Daily / CI Loop): 커밋과 푸시가 이루어지고, CI/CD 파이프라인에서 통합 테스트와 정적 분석이 실행되는 몇 시간 단위의 루프입니다. 중기 루프 (Iteration / Exploration Loop): 스프린트 단위로 탐색적 테스팅(Exploratory Testing)을 수행하고, 실제 사용자 시나리오나 엣지 케이스를 사람이 직접 검증하며 시스템의 유기적 작동을 확인하는 며칠~몇 주 단위의 루프입니다. 장기 루프 (Outer / Market Loop): 실제 ...

에이전틱 AI 프로젝트에서 테스터의 5가지 핵심 원칙

AI 코딩 에이전트와 자율형 에이전트가 빠르게 개발 워크플로우에 통합되면서, 단순히 코드를 잘 짜는 것을 넘어 '에이전트와 어떻게 협업하고 통제할 것인가'가 개발자와 아키텍트들의 가장 큰 화두로 떠올랐습니다. 윤석찬 님의 아티클 "AI 에이전트 시대, 개발자는 어떻게 일해야 하는가? – 프론티어 엔지니어링의 10가지 원칙"은 에이전틱 AI 시대에 엔지니어가 마주하는 패러다임 변화와, 실무 현장에서 일하는 방식을 어떻게 재정의해야 하는지 아주 명확한 가이드라인을 제시해 줍니다. (출처: channy.creation.net - 윤석찬 님의 블로그) https://channy.creation.net/blog/1989 비록 대규모 에이전트 오케스트레이션이나 초거대 인프라 시스템을 개인이 직접 구축하고 운용하는 것은 비용적·기술적으로 현실적인 한계가 있습니다. 하지만 개인 프로젝트에서 AI와 바이브 코딩(Vibe Coding)을 활용하며 겪었던 맥락 손실, 환각, 통제 불능의 경험들을 떠올려보면, 이 아티클이 제시하는 10가지 프론티어 엔지니어링 원칙은 소규모 개인 개발 환경에서도 대단히 깊은 공감을 불러일으킵니다. 이 글은 단순히 "AI 도구를 잘 쓰자"는 수준에 머무르지 않습니다. AI 에이전트가 생성해내는 불확실성 속에서 인간 엔지니어가 시스템의 맥락을 주도하고, 오작동을 제어하며, 품질의 키(Steering Wheel)를 쥐기 위한 구조적 사고법을 다룹니다. 그렇다면 프론티어 엔지니어링의 원칙을 바탕으로, 시스템의 신뢰성과 안전성을 검증해야 하는 테스터는 과연 어떤 실무 원칙을 세워나갈 수 있을까요? 윤석찬 님이 제시한 엔지니어링 원칙을 테스팅 관점으로 재해석해 보면, 다음과 같은 5가지 원칙으로 정리할 수 있을 것 같습니다. 1. 결정론적 검증에서 '경계선 및 허용 오차(Boundary)' 테스팅으로 전환하라 에이전트 기반 시스템은 같은 입력을 주어도 매번 다른 추론 경로를 거치는 확률적(Stoc...

결국 테스팅은 어렵다

 AI 코딩 에이전트와 대형 언어 모델(LLM)이 코드를 순식간에 쏟아내고 테스트 스크립트까지 자동으로 만들어주는 시대가 되면서, 일각에서는 "이제 테스팅도 버튼 하나 누르면 끝나는 쉽고 단순한 일 아닌가?"라는 착각에 빠지곤 합니다. 하지만 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "Turns Out Testing is Hard" 아티클은, 기술이 아무리 화려하게 발전하더라도 소프트웨어의 '진짜 품질'을 검증하는 일은 여전히 지독하게 어렵고 복잡하다는 현실을 서늘하게 되짚어 줍니다. (출처: Quality Remarks - Turns Out Testing is Hard / Matthew Heusser) https://qualityremarks.com/turns-out-testing-is-hard/ 이 아티클이 말하는 핵심은 간단합니다. 단순한 스크립트 실행이나 표면적인 기능 작동 여부를 확인하는 '체크(Checking)'는 AI나 도구를 통해 얼마든지 자동화하고 속도를 높일 수 있지만, 시스템의 숨겨진 리스크를 탐색하고 비판적으로 질문을 던지는 '진짜 테스팅(Testing)'의 난이도는 오히려 이전보다 더 올라갔다는 점입니다. AI 코딩 에이전트가 단 몇 초 만에 수백 줄의 코드를 생성을 해내면서 당장 눈앞의 기능은 돌아가는 것처럼 보입니다. 하지만 그 이면에서는 오작동이 일어날 수 있는 엣지 케이스, 시스템 간의 미묘한 맥락 단절, 그리고 나중에 거대한 장애로 돌아올 인지부채가 순식간에 쌓여갑니다. 매슈 하이저는 왜 테스팅이 여전히 지독히 어려운 과제로 남아있는지 몇 가지 근본적인 이유를 제시합니다. 첫째, '모호함과의 싸움'입니다. 소프트웨어 요구사항은 언제나 비어있는 행간과 모호함을 품고 있습니다. AI는 주어진 텍스트 그대로 명시적인 조건만 테스트하지만, 실제 인간 테스터는 명시되지 않은 사용...