기본 콘텐츠로 건너뛰기

Rapid Usbility Testing

Rapid Usability Testing를 언급하기 전에 지난 포스트에서 언급했던 사용성 테스팅의 분류를 다시 한번 살펴보도록 하겠습니다.

사용성 테스팅의 분류는 여러가지 방법이 있지만 대체적으로 아래와 같이 분류할 수 있습니다.

사용성 테스팅을 프로젝트 기간 중 언제 수행하느냐에 따라 '형성적(formative) 테스트'와 '총괄적(summative) 테스트'로 분류할 수 있습니다.

그리고 사용성 테스팅의 성격에 따라 아래 표와 같이 정리해 볼 수 있습니다.


물론 위와 같이 우리가 수행해야할 사용성 테스팅들이 물과 기름처럼 뚜렷하게 구분되지는 않습니다.

언제 어떤 사용성 테스팅을 수행하느냐에 따라 두 성격의 사용성 테스팅이 적절하게 조화를 이루어야 합니다.

이전 포스팅에서도 이야기 했지만 중요한 것은 조화입니다.

Rapid Usability Testing 은 위의 표에서 목적 중심의 사용성 테스팅의 성격이 강하지만 필요하다면 목표 중심의 사용성 테스팅 방법을 적절하게 혼용하여 적용할 수 있습니다.

Rapid Usability Testing 은 명백하게 정성적인 테스트입니다.

Rapid Usability Testing 은 우리가 개발하는 제품의 사용성을 개선하기 위한 단서를 얻기 위한 테스트로 필요하다면 참가자의 수가 적어도 되고, 진행자가 테스트 중간에 절차를 바꿀 수도 있는 비공식적인 성격이 강한 테스트입니다.

테스트 중간에 절차를 바꾼다는 얘기는 특정 참가자가 특정 과제를 수행하지 못하는 경우 그 이유가 합당하다면 진행자가 과제를 바꾸거나 심지어는 건너뛸 수도 있다는 얘기입니다.

또는 특정 참가자가 특정 과제의 수행이나 해당 사용성 테스팅에 부적절하다고 판명되는 경우(때때로 보상에 눈이 멀어 사용성 테스팅 참가자 기준을 과대 포장하는 식으로 진행자를 속이고 사용성 테스팅에 참가하는 참가자들이 있습니다.) 해당 사용성 테스팅의 세션을 끝내거나 해당 참가자가 수행 가능한 사용성 테스팅을 진행하거나 완전히 새로운 과제를 진행할 수도 있습니다.

이러한 것은 목표 중심의 기존의 사용성 테스팅에서는 절대 허용되지 않는 것입니다.

Rapid Usability Testing 은 여러가지 방법들이 있지만 진행자와 참가자가 한 방에 같이 앉아 진행자가 참가자에게 몇 가지 과제를 수행하도록 하고 과제 수행 동안 진행자가 참가자의 생각을 말로 표현하도록 요구하여 그 생각을 관찰실의 관찰자들과 같이 기록하는 방법이 가장 흔하게 사용됩니다.

관찰실에는 개발팀, 경영진, 여러 이해 관계자들이 참가하게 됩니다.

테스트가 끝나면 관찰자들과 진행자는 관찰 결과를 비교 분석하고 무엇을 개선할 것인지를 결정하게 됩니다.

이외에도 Rapid Usability Testing 에는 스케치 테스팅, 와이어프레임 테스팅, 페이퍼 프로토타이핑 테스팅, 퍼소나 테스팅, 카드 소팅, 소원의 나무 등 여러 방법들이 있습니다.

이러한 방법 중에는 정성적인 데이터보다는 정량적인 데이터의 성격이 강한 방법들도 있습니다.

하지만 Rapid Usability Testing 은 5~8 명 많게는 수천명이 참가하는 거대 사용성 테스팅의 반대 개념으로 개발 기간동안 지속적으로 적은 비용으로 적은 참가자를 대상으로 가볍게 수행할 수 있는 모든 사용성 테스팅 방법을 총괄적으로 지칭하는 개념으로 이해한다면 좀 더 쉽게 이해 가능하다고 생각됩니다.

다음 포스팅에서는 이러한 거대 사용성 테스팅과 Rapid Usability Testing 의 차이에 대해 언급하도록 하겠습니다.

댓글

  1. @OHEAN 님 제 블로그에도 댓글 좀.. ^^ (디스커스의 새로운 기능인데 테스트로 한번 해보고 있습니다.)

    답글삭제
  2. @OEHAN:twitter 님 제 블로그에도 댓글 좀 달아주세요. (디스커스의 새로운 기능 테스트로 한번.. ^^)

    답글삭제
  3. Rapid라는 단어가 앞에 붙으면 항상 엄청난 기대를 하고 보게 됩니다. 계속 연재 하실꺼죠? 기대하겠습니다! ㅎ

    답글삭제

댓글 쓰기

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...