기본 콘텐츠로 건너뛰기

이해관계자에게 이쁨 받는 테스터가 되어보자.

테스트란 기술은 아무리 좋게 포장한다고 하더라도 다른 사람에게 있어서는 자신을 비방하며 괄시하는 기술로 보이는 것이 사실이다.

왜냐하면 결함이라는 것이 제품의 결함처럼 보이지만 실상은 그 제품을 만든 사람들의 실수를 지적하는 것이기 때문이다.

즉, 테스터는 결함보고서를 통해 누군가를 꾸짖는 사람이라고 볼 수 있다.

꾸짖음은 많은 경우 부정적인 측면을 만들기 마련이고, 그것을 좋아하는 사람은 많지 않다.

그만큼 결함을 보고한다는 작업은 참 하기 힘든 작업 중 하나이다.

하지만 누군가 그런 실수를 지적해주지 않는다면 결국 만들어진 제품은 비효율적이고 한단계 더 나은 단계로 발전할 수 있는 기회조차 잃어버리게 될 것이다.

그렇기 때문에 테스터가 갖춰야 할 덕목은 여러가지가 있지만 그 중 하나가 다른 사람을 잘 꾸짖는 법을 아는 것이 중요하다.

우리가 흔히 하는 실수 중 하나가 자신은 남보다 더 잘난 듯 말한다는 것이다. 남을 질책할 때 자신이 기준이나 표준인것처럼 얘기한다는 것이다. 더 재미있는 것은 다른 사람들은 얘기를 하고 있는 사람의 단점이나 결점을 알고 있는데도 그렇게 얘기한다는 것이다.

사정이 그렇게 되다보면 당연히 신뢰를 잃게 되는 것은 당연지사이다.

왜 이런 실수를 하는 것일까? 거기에는 오만과 우월감을 과시하고자 하는 우리의 작은 욕망 때문에 그런 것이다.

이런 실수를 극복하기 위해서는 우선 자신을 질책하는 것에 익숙해질 필요가 있다. 물론 자아비판이란 매우 하기 힘든 행동이다.

왜냐하면 우리는 자기 자신에게 무척 관대하기 때문이다.

때문에 더 좋은 방법은 남의 질책을 받아들이는 것이다. 남의 비판을 수용하고 그것을 수용할 수 있는 능력이 절실하다.

하지만 대부분의 사람들은 역시 비판을 좋아하지 않는다. 이로 인해서 발전 가능성을 손상시키고 결국에는 고만고만한 지극히 평범한 수준에 자신을 제한해 버린다.

이것이 우리 나라에 아이폰이나 아이패드와 같은 혁신적인 제품이 나오지 못하는 이유 중 하나라고 생각한다.

테스터가 제품의 혁신과 품질의 향상에 대한 이해관계자의 무관심, 무성의, 평범함을 제대로 비판하지 못했다는 결론이다.

질책이란 매우 중요한 활동이다. 질책은 장기적인 성공을 위해 반드시 필요한 행동이다.

그리고 질책이나 비판은 기술이다. 계속적으로 갈고 닦아야만 하는 기술이다.

혹자는 결함보고서 쓰는거는 쉽다고 생각하지만 결함보고서 작성 역시 테스터가 일평생 갈고 닦아야만 하는 기술인 것이다.

이러한 비판에는 몇가지 원칙들이 있다. 이러한 원칙들이 비판이라는 하나의 기술에 대한 든든한 주춧돌이 될 것이다.

원칙들을 살펴보면 아래와 같다.
  1. 자기 자신에게(자신의 부서와 조직에) 적용할 높은 기준을 수립해라.
  2. 자기 자신에게 엄격해라. 자기 자신을 끊임없이 비판하라.
  3. 질책과 비판은 믿을 수 있는 전문가에게 구해라.
  4. 전문가들의 질책과 비판을 겸허히 수용해라.
  5. 전문가들의 질책과 비판으로부터 배워라.
  6. 다른 사람을 질책하기 전에 자신에 대한 질책을 더 많이 받아들여라.
  7. 질책하고자 하는 분야에서 전문가가 되어라.
  8. 질책하기 전에 그들로부터 신뢰를 얻어라.
  9. 질책의 목적은 상대방을 돕는 것이 되어야 한다.
  10. 질책은 모든 사람들이 동의하고 수긍하는 높은 기준에 초점을 맞춰야 한다.
  11. 질책은 결코 개인적이어서는 안되며, 사람의 감정을 상하게 할 목적으로 해서는 안된다.(다른 사람의 감정, 자기 정체성, 자존심을 건들지 말아라.)
  12. 질책의 목적이 확연하고 명백하게 드러나야 한다. (결함보고서의 목적은 결함을 제거하는 긍정적인 결과에 도달해야 한다.)
  13. 모든 질책은 칭찬과 균형을 이루어야 한다.
이외에도 생각해 볼 수 있는 원칙들은 더 많을 수 있다.

하지만 중요한 것은 결함을 찾고 결함을 수정하도록 설득하는 작업은 절대 포기해서는 안되는 작업이라는 것이다.

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...