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

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...