기본 콘텐츠로 건너뛰기

테스팅 프로젝트 추정 과연 누가 해야하는 것인가? - Deadline Decision Development

테스팅 프로젝트의 추정은 누가 하고 계신가요?

테스팅 팀장님이 하시나요?

음.. 그런곳도 있을 것 같습니다. 하지만 전 아직 들어보지 못했습니다.

제가 겪어 보고 일반적으로 들어서 알고 있는 테스팅 프로젝트의 일정은 아래와 같은 상황입니다.

몇몇의 경영자와 기획자 그리고 마케터들이 모여서 제품 출시일을 논합니다. 물론 개발자 분들도 있습니다.

잠시 열띤 토론 끝에 마케터 분들이나 경영자의 한마디로 회의가 끝납니다.

이 제품은 6개월 후에 출시합니다.

그 이후로는 전쟁입니다. Gantt 차트나 기타 여러가지 방법으로 척척 아름다운 추정들이 쏟아져 나와서 MS 프로젝트나 엑셀로 멋지게 그려집니다.

그리고 그걸로 끝입니다. 해당 일정은 가끔 기획자나 경영자들이 들여다보면서 이러면 안돼~~ 라는 외마디 비명을 지를때 외에는 다른 사람들은 그다지 관심이 없습니다.

우선 한 2달간 열심히 기획을 하면서 개발이 시작됩니다. 그리고 출시 한달 전까지 죽어라 개발만 합니다. 그리고 출시 한달을 앞두고 어느 정도 모양이 잡힌 실행을 할 수 있을 만한 제품이 테스트 팀으로 넘어옵니다.

하지만 곧바로 테스트를 할 수가 없습니다. 제품이 정상적으로 구동되지 않거나 환경이 제대로 갖춰지지 않은 경우가 많습니다. 개발팀에서 테스트를 요청할 때는 그냥 언제까지 끝내달라고만 말합니다. 야근과 철야로 어떻게든 일정에 맞춰주면 그 뒤로 수정되었다는 소식은 함흥차사입니다.

출시일은 제꺽 제꺽 다가오고 한달 정도 전쟁과 같은 테스트와 수정을 하던 제품은 우선 출시일에 출시가 됩니다.

그리고 나서 또 몇달 간의 전쟁과 같은 수정과 테스팅이 반복이 됩니다.

위 상황에서 누구도 테스트 팀에게 테스트 일정을 물어보지 않습니다.

테스트 팀의 일정은 전체 개발 기간에서 남는 시간동안 진행하는 것이거나 개발팀이나 다른 부서에서 정해준 시간까지인 경우가 제가 듣고 겪어본 일정 추정 방법입니다.

여러분은 어떠신가요?

이게 과연 제대로 된 일정 추정인가요?

추정이라는 것이 현실적이라고 생각하는 사람은 많지 않습니다. 추정은 현실이라기보다는 차라리 희망사항에 가까운 것이 사실입니다.

하지만 그러한 희망사항도 당사자의 희망사항이 아닌 경우가 많습니다.

우리의 추정이 부정확한 이유는 여러가지가 있지만(계획이 잘못된 경우도 있지만 진행 자체의 불확실성도 큰 몫을 합니다.) 그 중 하나가 바로 해당 작업을 수행할 당사자들이 일정을 추정하는 경우가 많지 않다는 것입니다.

대부분의 경우 추정은 경영진이나 마케팅, 또는 갑이라 불리는 사용자에 의해 이루어집니다.

그렇다면 도데체 왜 당사자가 아닌 다른 이해관계자가 일정을 추정하는 것일까요?

이것은 어쩌면 신뢰의 문제일 수 있습니다.

제품의 개발 일정에 대해 개발팀이나 테스팀과 같은 당사자들은 경영진이나 마케터와 같은 이해관계자가 추정한 일정에 대하여 불가능한 이유를 먼저 생각하고 이해관계자들은 그러한 당사자에 대하여 불평과 불만이나 늘어놓는 투덜이 스머프쯤으로 생각한다는 것입니다.

그런데 더 큰문제는 프로젝트의 성공과 실패의 기준으로 가장 중요하게 다뤄지는 요소가 바로 일정이라는 것것입니다.

물론 인터뷰를 해보면 품질과 같은 그런 고급스러운 얘기를 하지만 실제적으로 프로젝트의 성공과 실패는 일정과 이익인 경우가 많습니다.

그것은 단단한 것이 부드러운 것을 몰아내기 때문입니다.

하지만 이것은 경영진이나 마케터와 같은 사람들의 생각이고, 실제로 개발자나 테스터와 같은 당사자들의 생각은 어떨까?

Jeffry와 Lawrence는 1985년에 한 잡지에  "추정을 전혀 하지 않은 프로젝트가 생산성 측면에서 가장 성공적이었다." 는 기사를 개제했다. 그 다음은 기술자들이 추정을 수행한 프로젝트가 차지했고, 관리자가 추정을 수행한 프로젝트는 최악이었다고 한다.

우리가 알고 있는 생각과는 전혀 다른 사실에 어안이 벙벙하다.

하지만 이 개념이 최근에는 그렇게 낯선 개념은 아니다. 이와 비슷한 개념을 우리는 Agile의 자기 조직화에서 찾아볼 수 있다.

그렇다면 일정이 아닌 무엇으로 우리는 프로젝트의 성공을 논하고 관리를 제대로 할 수 있을까?

여러가지 다른 것들을 생각해 볼 수 있지만 Agile 이라면 구동 가능한 제품을 생각해 볼 수 있다.

그런데 최근의 애자일은 구동 가능한 제품보다 이터레이션이 더 강조되는듯하여 씁쓸함을 감출 수 없다.

Scrum 이 보급된 조직과 회사가 많아지면서 대략 2주 정도의 이터레이션이 마치 성배처럼 얘기되는 느낌을 지울 수가 없다.

개인적으로 나는 저 2주라는 시간을 강제하는 것은 Agile 의 몰락의 단초가 될 것이라고 생각된다.

우리는 일정을 강조할 경우 일정을 맞추기 위해 품질을 희생하는 경우를 이미 수도 없이 보아왔다.

2주라는 시간은 초기에는 개발부터 테스트까지 가능한 시간일지는 모르겠지만 분명 통합과 시스템 구성의 단계로 넘어갈 수록 기하급수적으로 늘어나는 복잡성과 여러 품질 이슈를 모두 충족 가능한 시간으로는 턱없이 부족하다고 생각한다.

그렇다면 정말로 추정을 전혀 하지 않고 제품을 개발하는 것이 최선인 것일까? 난 그렇지는 않다고 말하고 싶다.

일정은 추정되어야 한다.

단, 지금까지의 권력의 구조를 바꾸어야 한다. 이해관계자들이 정책적으로 책정하는 엉터리 추정은 없어져야 한다. 즉, 데드라인은 없어져야 한다.

실제적인 당사자들에 의한 일정이 수립되어야 하며, 그 일정들은 일정한 한계값을 가지고 있어야 한다.

예를 들어 3개월 개발이라면 최소한 2달의 테스트 기간과 수정 기간은 확보되어야 하며, 그 기간동안 개발팀이 모든 결함을 수정하지 못한다면 그에 대한 책임을 져야 한다는 것이다.

단순히 시장에 의해서 누군가에 의해서 만들어지는 일정이 아니라 실제적으로 수행할 수 있는 일정이 수립되어야하고 그 일정이 바로 정책적인 일정이 될 수 있도록 서로간의 신뢰를 쌓아야 한다고 생각한다.

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...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...