기본 콘텐츠로 건너뛰기

테스팅에 관심있는 트위터 1만명 사귀기 - 그룹팔로우

다들 알고 계시겠지만 전 트위터를 통해 다른 사람들과 소통하기 위해 참 많은 노력을 기울이고 있습니다.

테스팅 뿐만 아니라 유용하다 싶은 정보를 쉼없이 물어서 옮기기도 하고, 제 짧은 식견이나마 열심히 떠들기도 합니다.

하지만 매일 같이 혼자 지저귀기만 한다면 심심하고 재미가 없습니다.

트위터에는 관심사가 비슷한 사람들의 트윗을 묶어서 볼 수 있는 리스트 기능을 제공하고 있습니다.

하지만 이 리스트 기능은 우선 제가 다른 사람들의 트윗을 쭉 훑어보고나서 나와 관심이 비슷하다고 생각되면 추가해야하는 기능이기 때문에 실제로 그 사람의 관심사가 나와 동일한지 알기 힘든 단점이 있습니다.

또한 리스트를 Follow 한다는 것은 리스트에 올라오는 트윗을 구독하는 것일 뿐 실제적으로 리스트에 속한 사람들과는 Follow/Following 관계가 맺어지는 것이 아니기 때문에 소통 자체에 약간 문제가 있습니다.

때문에 사람들은 트윗밋(http://twtmt.com)과 같은 서비스를 통해 모꼬지를 만들고 관련된 관심사를 가지고 있는 사람들을 찾고 있지만 이 역시 Follow/Following 관계를 맺기 위해서는 열심히 마우스를 클릭해야 한다는 불편함이 있습니다.

그런데, 이러한 불편을 일거에 해결해 주는 서비스를 발견했습니다.

이름하야 '그룹팔로우(http://twitaddons.com/group_follow)'

'그룹팔로우'는 한 때 트위터에서 많이 돌아다니더 맞팔율계산기를 만들었던 @twitaddons 의 서비스입니다.

'그룹팔로우'는 하나의 그룹에 소속된 모든 회원들을 자동으로 서로서로 Follow 해주는 서비스로 그룹팔로우 개설은 누구나 할 수 있게 되어 있습니다.

서로서로 Follow 한다고 해서 아무나 다 해주는 것이 아니라 그룹을 개설한 개설자가 승인을 하는 경우에만 서로서로 Follow 하기 때문에 스팸도 어느정도는 차단할 수 있다고 생각되는 좋은 서비스입니다.

거기다 자동으로 트위터 리스트로 묶어주기까지 합니다.

그래서 저도 2개의 그룹을 만들어보았습니다.

첫번째 그룹은 '테스팅에 관심있는 트위터 1만명 사귀기(http://twitaddons.com/group_follow/detail.php?id=51)'입니다.

트위터를 통해 각종 테스팅에 대한 이슈 및 정보 공유를 목적으로 하는 트위터 분들은 지금 가입해 주시기 바랍니다.

두번째 그룹은 'IT 업계에 제약이론을 퍼뜨릴 300인의 용사들(http://twitaddons.com/group_follow/detail.php?id=60)'입니다.

제약이론에 대해 알고 싶으시거나 IT 업계에 제약이론을 적용하기 위한 방법을 같이 논의하기 원하시는 분들은 지금 가입해 주시기 바랍니다.

트위터를 통해 참 여러가지 서비스가 쏟아지고 있습니다.

아직까지 국내에서는 특별히 어떤 SNS 서비스가 강세라고 확실히 말할 수 없지만 예전에 비해 트위터에 확실히 테스팅에 대해 이야기 하시는 분들이 많아지고 있는 건 사실인 것 같습니다.

만약 트위터를 하시고 계시지 않다면 이런 서비스들을 통해 다른 사람들과 더 많이 소통해 보시는 것은 어떠신가요?

댓글

  1. 이 서비스가 며칠동안 수없이 기능을 수정하고 업데이트 하고 있어서 제 포스트 내용이 조금은 틀릴 수 있습니다.

    이 덧글을 기준으로 그룹팔로우의 자동팔로우 기능이 트위터 본래의 취지를 해치고 있으며 악용의 소지가 있어 수동으로 팔로우 하는 방식으로 변경되었다는 군요..

    답글삭제

댓글 쓰기

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....

'자동화 편향'과 '대중적 불신' 을 고려 AI 테스팅 시나리오 설계

최근 생성형 AI나 자율주행, 에이전트 기술의 테스팅 시나리오를 작성할 때 우리가 당연하게 전제(Assumption)로 깔고 가는 중요한 인간 행동 방식이 하나 있습니다. 바로 '자동화 편향성(Automation Bias)'입니다. 인간은 시스템이 자동화되고 스마트해질수록 기술을 과도하게 신뢰하고 주의력을 놓아버립니다. 차량을 운전하면서 운전자 보조 시스템을 켜고 전방 주시를 태만히 하고 스마트폰을 보거나 영상을 시청하는 운전자라던지 AI 의료 진단 보조 도구가 내놓은 결과를 의사가 깊은 의심 없이 그대로 승인해 버리는 현상이라던지 AI 챗봇이 추천한 잘못된 정보를 사용자가 사실로 믿고 행동하는 케이스 같은 게 있을 겁니다. 우리는 항상 이러한 "사람들이 AI를 너무 믿어서 발생하는 위험"을 핵심 리스크로 정의하고, 이를 검증하기 위한 안전장치(Safety Guardrail)나 경고 알림, 오용 방지(Misuse) 테스팅 시나리오를 도출해 왔습니다. 그런데 최근 Gizmodo에 보도된 미국 설문조사 결과는 매우 흥미로운 사실을 보여줍니다. (출처: Gizmodo - Survey Finds Americans See AI as Comparable to Humans—It’s Making Them Trust It Less )   기사에서 언급된 설문조사의 결과는 AI가 사람을 닮아갈수록 완벽함에 대한 기대와 실수가 충돌하고 책임이 모호해져 대중의 신뢰는 오히려 떨어진다는 것이었습니다.  자세히 살펴보면 해당 조사는 일반 대중을 대상으로 AI에 대한 인지적 반응을 측정했습니다. AI가 인간과 유사한 대화/추론 능력을 보일 때 유저가 느끼는 '인지적 불쾌한 골짜기(Uncanny Valley)' 현상을 정량 지표로 포착해 냈다는 점에서 의미가 있다고 생각합니다. 단순히 "AI가 좋다/나쁘다"를 넘어, 의인화(Anthropomorphism)의 수준과 신뢰도(Trust) 사이의 음(-)의 상관관계를 입증했기 때문...