기본 콘텐츠로 건너뛰기

소프트웨어는 자연스럽게 진화해야한다.


좋은 소프트웨어는 진화한다.

소프트웨어는 사용자가 사용하면서 문제점이 발견되고, 수정되고, 또다시 사용되면서 재수정되는 반복과정을 거치면서 진화한다.

소프트웨어를 개발한 회사가 망하거나 포기하지 않는 이상 이 활동은 끊임없이 반복된다.

하지만 모든 소프트웨어가 진화하지는 않는다.

소프트웨어가 진화를 하기 위해서는 충분한 시간이 필요하다.

하지만 최근에는 소프트웨어가 진화를 하기에 충분한 시간이 주어지지 않는다.

소프트웨어의 진화를 가로막는 많은 이유가 있다.

첫번째는 처음부터 소프트웨어를 너무 복잡하게 만드는 경우이다.

이런 저런 욕심으로 처음부터 소프트웨어를 너무 복잡하게 만드는 경우 소프트웨어는 진화를 할 여지를 찾지 못하게 된다.

소프트웨어가 진화하기 위해서는 사용자가 제품을 사용하면서 개선점을 얘기할 수 있어야 하지만 복잡한 소프트웨어는 그런 여지가 적다.

어떤 경우는 사용자가 그런 소프트웨어를 아예 사용조차 안하는 경우도 있다.

트위터를 기억해보자. 트위터의 처음은 무척 간단했고 트위터는 지금 현재도 진화중이다.

소프트웨어가 진화하기 위해서는 처음에는 간단하게 만들어질 필요가 있다.

두번째는 시간이다.

새로운 소프트웨어는 많은 경우 구 버전이 고객에게 선보이기도 전에 시작된다. 이런 경우 새로운 버전은 고객의 사용 경험을 듣거나 의견을 모을 수 없게 된다.

이것은 매우 치명적인 결과를 가져오게 된다.

세번째는 개선에 대한 압박이다.

대다수의 회사들은 자신들의 주력 제품 하나를 고집하거나 천천히 점진적으로 개선하여 좋은 제품을 만들어 가지 않는다.

애플의 아이폰은 정말 극히 드문 경우이다.

많은 회사들은 매년, 매분기마다 최신, 최고, 세계 최초를 외치며 더 좋은 모델이라는 광고와 함께 제품을 출시한다.

구형을 출발점으로 삼지 않고 매번 구형에는 없던 새로운 특징을 집어넣는다.

하지만 이런 경우 새로운 특징은 사용자를 베타테스터로 만들 뿐이다. 소비자는 피해를 볼 뿐이다.

네번째는 개성이다.

시장에 유사한 여러 제품이 있을 때 시장에서 살아남기 위해서는 다른 제품과 분명 차별점이 있어야 한다.

지금 모바일 업계에는 수십개의 안드로이드 폰이 있다. 그 안드로이드 폰에 탑재되는 운영체제는 거의 비슷하다. (논란의 소지는 있지만 어쨌든 기본이 되는 운영체제는 안드로이드이다.)

그렇다면 무엇으로 차별점을 가져야하는걸까?

어떤 경우에는 이러한 차별점에 대한 고민이 더 좋은 아이디어나 혁신을 가져오기도 하지만 많은 경우에는 불필요한 어려움만 가져오거나 혼란스런 재앙이 된다.

시장 경쟁의 원리에 따라 어떤 회사에서 정말 최고의 제품을 만들었다고 하더라도 다른 회사의 제품과 다르게 보이도록 하기 위해서 최고의 제품을 고쳐서 더 나쁘게 만들 수도 있다.

국내에 출시되는 안드로이드 폰을 본다면 좋은 운영체제를 가져다가 다르게 보이도록 한다면서 더 나쁘게 만들어버린 대표적인 경우라고 생각한다.

이러한 여러가지 이유로 요즘은 자연스럽게 진화하는 소프트웨어를 보기가 힘들게 되었다.

특히나 국내에서는 정말 씨가 말라버린 느낌이다.

이러한 상황을 타개하고 정말 좋은 소프트웨어를 만들기 위해서 우리는 무엇을 해야하는 것일까?

댓글

이 블로그의 인기 게시물

피드백 루프: AI 시대 테스터가 지켜내야 할 핵심 엔진

소프트웨어 개발과 테스팅 현장에서 가장 자주 언급되지만, 막상 시스템이 복잡해질수록 쉽게 경시되곤 하는 핵심 개념이 바로 '피드백 루프(Feedback Loop)'입니다. 코드를 수정하고, 빌드하고, 테스트 결과를 확인하고, 다시 개선하는 그 순환 과정의 속도와 정확도가 결국 소프트웨어의 품질을 결정짓기 때문입니다. 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "One Loop After Another" 아티클은 바로 이 피드백 루프의 다층적 구조와, AI 시대에 우리가 놓치지 말아야 할 품질 검증의 본질을 날카롭게 되짚어 줍니다. (출처: Quality Remarks - One Loop After Another / Matthew Heusser) https://qualityremarks.com/one-loop-after-another/ 매슈 하이저는 소프트웨어 개발 생태계가 단순히 하나의 커다란 테스트 루프로 돌아가는 것이 아니라, 시간 축과 관점에 따라 겹겹이 쌓인 '연쇄적인 피드백 루프들(One Loop After Another)'로 이루어져 있다고 설명합니다. 초단기 루프 (Inner Loop): 개발자가 코드를 작성하는 몇 초~몇 분 단위의 루프입니다. 단위 테스트(Unit Test)나 IDE의 Linter, AI 자동 완성이 즉각적인 피드백을 주는 영역입니다. 단기 루프 (Daily / CI Loop): 커밋과 푸시가 이루어지고, CI/CD 파이프라인에서 통합 테스트와 정적 분석이 실행되는 몇 시간 단위의 루프입니다. 중기 루프 (Iteration / Exploration Loop): 스프린트 단위로 탐색적 테스팅(Exploratory Testing)을 수행하고, 실제 사용자 시나리오나 엣지 케이스를 사람이 직접 검증하며 시스템의 유기적 작동을 확인하는 며칠~몇 주 단위의 루프입니다. 장기 루프 (Outer / Market Loop): 실제 ...

에이전틱 AI 프로젝트에서 테스터의 5가지 핵심 원칙

AI 코딩 에이전트와 자율형 에이전트가 빠르게 개발 워크플로우에 통합되면서, 단순히 코드를 잘 짜는 것을 넘어 '에이전트와 어떻게 협업하고 통제할 것인가'가 개발자와 아키텍트들의 가장 큰 화두로 떠올랐습니다. 윤석찬 님의 아티클 "AI 에이전트 시대, 개발자는 어떻게 일해야 하는가? – 프론티어 엔지니어링의 10가지 원칙"은 에이전틱 AI 시대에 엔지니어가 마주하는 패러다임 변화와, 실무 현장에서 일하는 방식을 어떻게 재정의해야 하는지 아주 명확한 가이드라인을 제시해 줍니다. (출처: channy.creation.net - 윤석찬 님의 블로그) https://channy.creation.net/blog/1989 비록 대규모 에이전트 오케스트레이션이나 초거대 인프라 시스템을 개인이 직접 구축하고 운용하는 것은 비용적·기술적으로 현실적인 한계가 있습니다. 하지만 개인 프로젝트에서 AI와 바이브 코딩(Vibe Coding)을 활용하며 겪었던 맥락 손실, 환각, 통제 불능의 경험들을 떠올려보면, 이 아티클이 제시하는 10가지 프론티어 엔지니어링 원칙은 소규모 개인 개발 환경에서도 대단히 깊은 공감을 불러일으킵니다. 이 글은 단순히 "AI 도구를 잘 쓰자"는 수준에 머무르지 않습니다. AI 에이전트가 생성해내는 불확실성 속에서 인간 엔지니어가 시스템의 맥락을 주도하고, 오작동을 제어하며, 품질의 키(Steering Wheel)를 쥐기 위한 구조적 사고법을 다룹니다. 그렇다면 프론티어 엔지니어링의 원칙을 바탕으로, 시스템의 신뢰성과 안전성을 검증해야 하는 테스터는 과연 어떤 실무 원칙을 세워나갈 수 있을까요? 윤석찬 님이 제시한 엔지니어링 원칙을 테스팅 관점으로 재해석해 보면, 다음과 같은 5가지 원칙으로 정리할 수 있을 것 같습니다. 1. 결정론적 검증에서 '경계선 및 허용 오차(Boundary)' 테스팅으로 전환하라 에이전트 기반 시스템은 같은 입력을 주어도 매번 다른 추론 경로를 거치는 확률적(Stoc...

결국 테스팅은 어렵다

 AI 코딩 에이전트와 대형 언어 모델(LLM)이 코드를 순식간에 쏟아내고 테스트 스크립트까지 자동으로 만들어주는 시대가 되면서, 일각에서는 "이제 테스팅도 버튼 하나 누르면 끝나는 쉽고 단순한 일 아닌가?"라는 착각에 빠지곤 합니다. 하지만 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "Turns Out Testing is Hard" 아티클은, 기술이 아무리 화려하게 발전하더라도 소프트웨어의 '진짜 품질'을 검증하는 일은 여전히 지독하게 어렵고 복잡하다는 현실을 서늘하게 되짚어 줍니다. (출처: Quality Remarks - Turns Out Testing is Hard / Matthew Heusser) https://qualityremarks.com/turns-out-testing-is-hard/ 이 아티클이 말하는 핵심은 간단합니다. 단순한 스크립트 실행이나 표면적인 기능 작동 여부를 확인하는 '체크(Checking)'는 AI나 도구를 통해 얼마든지 자동화하고 속도를 높일 수 있지만, 시스템의 숨겨진 리스크를 탐색하고 비판적으로 질문을 던지는 '진짜 테스팅(Testing)'의 난이도는 오히려 이전보다 더 올라갔다는 점입니다. AI 코딩 에이전트가 단 몇 초 만에 수백 줄의 코드를 생성을 해내면서 당장 눈앞의 기능은 돌아가는 것처럼 보입니다. 하지만 그 이면에서는 오작동이 일어날 수 있는 엣지 케이스, 시스템 간의 미묘한 맥락 단절, 그리고 나중에 거대한 장애로 돌아올 인지부채가 순식간에 쌓여갑니다. 매슈 하이저는 왜 테스팅이 여전히 지독히 어려운 과제로 남아있는지 몇 가지 근본적인 이유를 제시합니다. 첫째, '모호함과의 싸움'입니다. 소프트웨어 요구사항은 언제나 비어있는 행간과 모호함을 품고 있습니다. AI는 주어진 텍스트 그대로 명시적인 조건만 테스트하지만, 실제 인간 테스터는 명시되지 않은 사용...