기본 콘텐츠로 건너뛰기

오류 부재의 궤변 - 좋은 품질의 제품을 만들려면..

여러분의 조직에서 품질은 어떻게 측정되고 있습니까?

품질이 좋은 것과 품질이 나쁜 것의 기준점은 무엇입니까?

고객이 찾는 제품과 고객에게 잊혀져 버린 제품의 차이는 무엇입니까?

제품의 품질을 측정하는 기준은 정말 많습니다.

대표적으로 ISO/OEC 9126 품질 메트릭을 생각해 볼 수 있습니다.

그리고 많은 조직에서 가장 많이 사용되는 품질 측정 지표 중 하나가 결함입니다.

결함은 제품의 신뢰성과 직결되는 가장 중요한 지표 중 하나입니다. 그만큼 테스트 활동 역시 중요합니다.(하지만 정말 중요하게 취급되는지는 잘 모르겠습니다.)

우리는 일반적으로 결함이 적은 제품은 품질이 좋다고 얘기합니다.

하지만 이것이 언제나 성립되는 진실일까요?

많은 사람들이 좋은 제품은 결함이 없어야 한다고 얘기하고, 테스트가 끝나고 나면 테스트 팀에 결함이 없느냐고 물어봅니다.

하지만, 진실은 결함이 없는 제품은 하나님이 만들지 않는 이상 절대 나올 수 없을 것입니다. 아니 어쩌면 하나님이 만드셔도 결함은 있을 것입니다.

인간은 완전 결함 투성이의 실패작처럼 보이니까요...

즉, 우리가 좋은 제품이라고 찬양하는 포토샵, 아이폰, 엑셀 등 많은 제품들은 모두 결함을 가지고 있습니다.

여러분은 포토샵이나 아이폰, 엑셀 등을 사용하면서 단 한번도 결함이 발생하는 것을 경험해 본적이 없으십니까?

내가 정말로 필요한 기능인데 왜 이런 기능은 없을까라고 고민해 보신적이 정말 단 한번도 없으신가요?

즉, 결함은 분명 품질을 측정하는 가장 중요한 지표 중 하나이지만 이것이 전부는 아닙니다.

정작 중요한 것은 사용자가 원할 때 정상적으로 동작하고 제품이 사용자에게 얼마나 쓸모있고 반드시 필요한 제품인가입니다.

하지만 우리가 주변에서 흔하게 접하는 품질 관리 프로세스들을 바라보면 대부분의 활동이 결함을 발견하고 결함을 제거하는 활동에 집중하고 있습니다.

많은 품질 관리 프로세스들이 무조건적으로 결함에만 집중하는 모습을 볼 수 있습니다.

그 정점에 있는 프로세스 중 가장 대표적인 것이 6시그마와 ZD를 꼽을 수 있습니다.

왜 그토록 많은 프로세스들이 결함에만 집중하는 것일까요?

그것은 결함이 가장 측정하기 쉽기 때문입니다.

가장 쉽고 실행 가능한 결함에만 집중하다 보니 막상 품질을 이루는 다른 많은 요소들이 무시되는 것이 현실입니다.(하지만 실제로 그런 것인지.. 우리 나라에서는 결함 투성이의 제품을 너무 쉽게 볼 수 있습니다.)

이렇게 결함에만 집중하는 품질 관리 프로세스가 가져오는 부작용으로 다음과 같은 경우를 생각해 볼 수 잇습니다.
  1. 결함을 제거하는 작업에 너무 집중한 나머지 시장에 출시할 적기를 놓쳐서 제품이 잊혀지는 경우도 있습니다.
  2. 혁신적인 신기술의 적용에 필연적으로 발생될 결함에 대한 두려움으로 신기술 적용을 지연하다 뒤통수를 맞는 경우도 있습니다.
  3. 새로운 시도는 리스크가 증가하기 때문에 조직 전체에서 새로운 시도 자체를 시도하지 못하도록 할 수 있습니다.
  4. 품질 관리에 들어가는 비용을 줄여보겠다고 QA 조직을 만들었지만 오히려 품질을 갉아먹어 들어가고 테스트도 제대로 수행하지 못할 수 있습니다.
  5. 가장 큰 문제점은 결함 이외의 논의 자체를 할 수 없게 될 수 있습니다. 최우선 과제는 결함을 제거하는 것이기 때문에 사용성과 같은 논의는 아예 할 수도 없게 됩니다.
여러분의 품질 관리 프로세스는 어떻습니까?

품질은 단시간에 이루어질 수 있는 성질이 아닙니다.

우물에 가서 숭늉을 찾으면 안되는 것처럼 시간이 필요합니다.

하지만 많은 곳에서는 그저 빨리 빨리를 외치면서 말로만 품질을 외칩니다.

그리고 정장 중요한 요소들은 다 빼고 가장 쉬운 것만 합니다. 마치 알맹이는 빼고 오렌지 껍질만 씹고 있는 형국입니다.

품질이 정말 좋은 제품을 만들기 위해서라면 지금처럼 프로젝트 말미에 결함이나 제거해보겠다고 아웅거리는 활동에서 벗어날 필요가 있습니다.

제품을 기획하고 요구사항을 수집하는 단계부터 시간을 들여서 차근 차근 진행할 필요가 있습니다.

시야를 더 넓혀서 생각해 볼 필요가 있습니다.

리스크를 수용할 자세가 되어야 합니다.

그리고 여러분이 하는 일의 양을 줄이고 집중해야할 필요가 있습니다.

우리는 지금 애플의 성공을 보고 있습니다.

하지만 애플이 어떻게 성공했는지는 별로 관심이 없습니다.

스티브 잡스가 없던 애플을 기억하는 사람들이 있을까요?

그때의 애플은 각 사업부서들이 경쟁적으로 제품을 찍어내던 시절이었습니다. 사용자가 원하는 제품을 만드는 것이 아니라 각 사업부서들의 영리와 정치적인 이슈에 따라 제품을 찍어내던 시절의 애플을 기억할 필요가 있습니다.

그리고 스티브 잡스가 돌아온 이후 그가 한 일을 배울 필요가 있습니다. 그는 우선 모든 모델을 걷어버렸습니다.

기존에 애플이 생산하던 모든 제품을 걷어 버리고 특정 모델에 집중했습니다.

아이폰은 세대가 변하기는 하지만 단 하나의 제품군입니다.

애플의 제품 라인은 다양하지 않지만 우리에게 큰 기쁨을 줍니다. 우리가 진정 원했던 것을 만들어내고 있습니다.

올해 우리 나라의 핸드폰 제조사들은 수십종의 안드로이드 단말기를 출시하겠다고 합니다.

그 수십종의 단말기가 과연 어떤 가치가 있을까요? 어떤 차이가 있을까요? 결함이나 제대로 수정하고 내놓겠다는 것일까요?

갤럭시 S와 갤럭시 A의 차이를 말할 수 있는 사람은 많지 않습니다.

하지만 아이폰 3G와 아이폰 4의 차이를 우리는 아주 쉽게 이해합니다.

우리는 빨리 빨리 문화로 성장했습니다. 하지만 그것이 이익이 되었던 시절은 저물었습니다.

효율에 집착하는 조직은 오히려 품질을 희생시키는 프로세스를 구축했습니다.

도요타의 몰락은 이미 몇년전부터 예견되었던 일입니다.

전 그렇게 삼성이나 LG도 몰락할 수 있다고 봅니다.

우리 나라의 제조사들은 효율을 강조하면서 품질에 대한 많은 부분을 고객에게 떠넘겨버렸습니다.

고객을 베타테스터 쯤으로 생각하는 이상 좋은 품질이란 없습니다.

적은 예산으로 빠르게 제품을 만드는 유일한 방법은 제품의 결함을 발견하는 모든 작업을 고객에게 떠넘기는 방법입니다.

대체제가 없고 궁핍하던 시절에는 어쩔 수 없었지만 지금은 아닙니다.

지금은 삼성이나 LG가 당장 없어져도 우리 삶에 큰 문제가 없습니다.

때문에 품질에 대한 근본적인 고민부터 다시 해야합니다.

그리고 적은 것에 집중하고 천천히 차근 차근 진행할 필요가 있다고 봅니다.

여러분은 어떠신가요?

댓글

이 블로그의 인기 게시물

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....

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 ...

'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...