기본 콘텐츠로 건너뛰기

과도한 친절은 없는것만 못하다. - 피드백의 중요성

인간은 누구나 실수를 한다. 실수를 하지 않는 사람은 없다.

만약 인간이 실수를 하지 않게 된다면, 테스터는 모두 백수가 되고 말 것이다.

왜냐하면, 인간이 실수를 하지 않게 된다면 결함이 발생하지 않을 것이기 때문이다.

아무리 잘 설계된 시스템이라고 할지라도 그것을 사용하는 것은 사람이기 때문에 개발자들의 의도와는 전혀 다른 방식으로 시스템을 사용하는 사람도 분명 존재를 한다.

만약 사용자가 개발 의도와 다른 용도록 시스템을 사용하게 된다면 시스템은 그에 걸맞는 적절한 메시지를 출력해 줄 수 있어야만 한다.

그렇지 않다면 사용자가 시스템을 신뢰하지 못하게 되거나 파괴하게 될지도 모른다.

그런 결과를 원하지 않는다면 시스템이 사용자의 반응에 적절한 피드백을 줄 수 있도록 설계해야 할 것이다.

문제는 이러한 피드백이 차고 넘치는 경우나 무의미한 경우를 생각해 볼 수 있다.

적절한 피드백이라면 사용자 하드 디스크의 남은 용량이 부족하다던지, 노트북의 배터리 잔량이 부족하다던지, 시스템에 무단으로 접근하는 사용자에 대한 경고 등 대부분 시스템이 사용자에게 전달하는 메시지는 매우 유용하다.

하지만 사용자들에게 아무런 피드백도 주지 못하는 경우도 있다. 일면 과도한 친절이라고 볼 수 있다.

대표적인 것이 파일을 삭제하는 경우나 인터넷에서 파일을 다운로드 하는 경우, 소프트웨어를 컴퓨터에 설치하는 경우에 사용자에게 선택문을 출력하는 경우 등이 그러하다.

이러한 경우의 공통점은 반복 작업이라는 것이다. 즉, 동일한 자극에 동일한 반응을 보이는 사람은 이러한 경고에 익숙해 지면서 경고 자체를 무시하게 된다.

휴지통에 파일을 삭제하거나 소프트웨어를 컴퓨터에 설치하는 경우는 그래도 사정이 좀 나은 편이다.

우리가 인터넷을 돌아다니면서 마주치는 여러 Active X 와 같이 보안과 직결되는 경고에 대해서도 너무 과도한 친절이 오히려 사용자들이 그러한 경고를 무시하게 되는 결과로 귀결되어 경고의 의미가 완전히 사라져 버렸다.

다른 경우는 아무런 의미가 없는 피드백이다.

가장 좋은 피드백은 사용자가 메시지를 통해 정보를 얻고 정보를 통해 행동을 선택할 수 있어야만 한다.

그런데, 우리가 윈도우 상에서 소프트웨어를 사용하다 보면 '알 수 없는 이유로 프로그램을 종료합니다.' 와 같은 유형의 메시지를 마주하는 경우가 종종 있다.

그런데 이러한 종류의 메시지는 그 메시지를 통해 우리가 어떤 정보를 얻을 수도 없고 우리가 어떤 행동을 취할 수도 없다.

이러한 종류의 메시지가 가장 악랄한 경우의 메시지라고 볼 수 있다.

두번째의 경우는 우리가 행동을 취할 수 있지만 그 정보가 충분하지 않은 경우고 마지막은 우리에게 정보도 충분하지 않고 행동 역시 선택할 수 없는 경우이다.

피드백이라는 것은 다양한 분야에서 다양한 방법으로 분명 개선될 수 있다.

좋은 피드백이라는 것은 사용자에게 적절한 정보를 제공하고 사용자가 그 정보를 정확히 인식하고 그 정보를 토대로 적절한 행동을 취할 수 있는 것이 좋은 피드백이다.

여러분의 소프트웨어의 피드백이 그렇지 못하다면 그것을 어떻게 개선시킬 수 있을지 고민해 보도록 하자.

내가 최근에 접한 가장 좋은 예는 전기 자동차였다.

본시 전기 자동차는 그 탁월한 정숙성으로 인해서 골목길과 같은 보행자가 다니는 길에서 보행자에게 적절한 피드백을 줌으로써 보행자가 자동차를 인식하고 그에 대한 대응을 할 수 있도록 하지 못했다.

때문에 전기 자동차에서 인위적으로 엔진 소리를 나게 함으로써 보행자에게 적절한 피드백을 제공하도록 하였다.

이것은 엔진 소리라는 자극에 대해서 보행자들은 피해야 한다는 반응을 보인다는 자극 반응 일치성에 부합하는 좋은 개선 사례라고 생각한다.

사용성을 개선하는 방법은 여러가지가 있겠지만 적절한 피드백을 제공하는 것은 가장 효과가 좋은 최선의 방법 중 하나이다.

댓글

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...