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

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 ...

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...

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 ...