기본 콘텐츠로 건너뛰기

새로운 자동화 도구는 쉽게 버림 받는다. - Shelfware

난 나름 얼리어답터라고 자부를 한다. 물론 경제적인 이유로 돈이 들어가는 하드웨어나 일부 상용소프트웨어나 게임 같은 것은 건들지는 않는다.

하지만 뉴스그룹이나 블로그 등을 매일 매일 보면서 새로이 소개되는 각종 오픈소스 프로그램이나 프리웨어는 내 컴퓨가 걸레가 되어도 꼭 사용해본다.

하지만 그 수많은 프로그램 중에서 내가 지속적으로 쭈욱 사용하는 프로그램은 많지 않다.

실제로 아이폰과 같은 스마트폰에 수만개의 어플리케이션이 있고 새로 구매한 사람들은 그중에서 많은 수의 어플리케이션을 시도해 보지만 실제적으로 꾸준하게 사용되는 어플리케이션은 몇개 되지 않는다는 것은 이미 잘 알려진 사실이다.

일전에 어떤 한 업체를 방문했을 때 선반 가득 진열되어 있던 생전에 한번 구경해볼까 생각했던 비싼 도구들이 가득 진열되어 있는 것을 본적이 있다.

너무 비싼 가격에 한번도 써보지 못했지만 주변에서 그 도구들의 엄청난 유요성과 효과에 들었던터라 그 도구를 실제로 업무에 적용하느냐고 물어보았을 때 대답은 '아니오' 였다. 너무나 의외의 대답에 참 놀랬던 기억이 있다.

그때는 왜 그러한 도구들을 제대로 사용하지 못하고 그렇게 전시품으로 쓰는 것인지 잘 알지 못했다.

이렇게 구매만 하고 잘 사용되지 않는 버려진 도구들을 가리켜 '쉘프웨어(shelfware)' 라고도 한다.

테스팅은 주로 사람이 하는 작업이 많지만 테스팅에도 분명 자동화 도구들이 있고 그러한 도구 중에는 테스팅의 생산성을 높일 수 있는 도구들이 있다. 품질을 높이는데 도움을 줄 수 있는 도구들도 있다.

하지만 많은 경우 그러한 도구들이 있다는 사실조차 모르는 경우도 있고 사용이 되지 않고 선반에서 먼지만 쌓이는 경우도 있다.(물론, 제대로 잘 사용하고 있는 업체들도 많다.)

왜 그런것일까?

역시나 문제는 학습곡선이다. 도구를 사용해야하는 사람이 문제다. 그리고 그러한 사람을 통제하는 성과지표와 정책 그리고 전략의 문제이다.

새로운 도구나 기술을 도입하는 경우 즉각적인 생산성 향상의 효과는 당연히 없다. 오히려 퇴행한다.

새로운 도구나 기술에 대한 열정과 광분이 식고 나면 특히 일정의 압박으로 인해 더 빨리 그러한 열정이 사그러들고 나면 그 도구를 배우는데 필요한 노력은 더 이상 의미가 없게 된다.

일정의 압박속에서는 기존에 하던 방법 즉, 우리가 이미 익숙한 방법이 가장 좋은 방법이 된다.

결함 보고를 위해서 지라나 맨티스 같은 도구를 도입한다고 해도 일정의 압박속에서는 기존에 하던 구두로 전달하거나 엑셀등의 문서로 작성하여 메일로 보내는 작업이 더 빠르게 느껴지고 그렇게 수행하게 된다.

커버리지 분석기가 아무리 좋다 한들 특정 커버리지에 도달하기 위한 작업 시간이 너무 오래 걸려 일정을 맞출 수 없다면 아무런 의미가 없다.

새로운 도구는 배울 때는 재미있지만 일을 할때는 또 다른 문제가 된다.

많은 경우 새로운 도구는 방해가 될 뿐이다. 아니 그렇게 느껴지게 되어 있다.

어떤 경우는 새로운 도구를 배우는 것이 재미가 없는 경우도 있다.

즉, 문제는 언제나 불가능할 일정을 추정하고 그것을 강제하는 우리의 문화가 자동화의 발목을 잡고 있다.

난 이것을 D.D.D 라고 부른다. Deadline Decision Development. 즉, 마감 기한을 정하고 하는 개발을 말하고 싶다.

이 썩어빠진 병폐가 사라지지 않는 한 우리 IT 업계에서 소프트웨어의 품질과 생산성의 향상은 없을것이라고 난 단언하고 싶다.

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....

'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...