기본 콘텐츠로 건너뛰기

결함 심각도에 집착하지 마라.

한 택시회사가 있다.

그 택시회사에는 100명의 운전기사가 있는데 99명은 친절하고 1명은 불친절하다.

한 승객이 그 회사의 택시를 몇번 이용해 보았는데 매번 운전기사들이 너무 친절하여 단골이 되었다.

그러던 어느날 그 승객은 여느때처럼 이 회사의 택시를 불렀는데 하필 불친절한 운전기사의 택시를 타게 되었다.

그리고 그 승객은 다시는 그 택시회사의 택시를 이용하지 않게 되었다.

게다가 주변의 다른 사람들에게 그 회사의 택시가 불친절하다고 소문을 내게 되었다.

근래에 트위터 덕분에 쫄딱 망했다던 냉면가게 사건을 듣다가 생각나는게 있었다.

사람들은 대체로 아무리 긍정적인 경험이 많다고 하더라도 단 한번의 불쾌한 경험을 더 강렬하게 기억하는 경향이 있다.

이 불쾌한 경험은 그 회사 입장에서는 마치 주홍글씨처럼 따라 붙어다니는 족쇠가 되는 경우가 많다.

우리는 아이폰에 열광하는 수많은 사람들의 미사여구를 접하지만 그것보다 더 강렬하게 남아있는 기억은 아이폰 4의 핸드 그립으로 인한 통화 품질 저하인 것처럼 말이다.

이와 유사한 것이 블랙 스완이다.

모든 백조가 하얗다고 생각했지만 단 한마리의 검은 백조만으로 그 모든 가정이 와르르 부서져 버린것처럼..

소프트웨어를 테스트 하면서 이와 같은 일이 발생하는 경우가 심각도에 따라 결함을 처리하는 경우이다.

심각도는 결함에 대한 데이터를 가공할 때 가장 많이 사용되는 매트릭 중 하나이다.

우리는 심각도와 리스크에 따라 결함 수정의 우선순위를 정하기도 하고 심각도가 높은 결함을 더 많이 발견하기 위해 노력을 한다.

하지만 조금만 더 생각해보면 심각도란 무척이나 애매모호한 매트릭 중 하나이다.

심각한 결함과 아주 심각한 결함의 경계는 어디일까? 많은 회사들이 나름의 기준을 가지고 있지만 모두가 납득할 만한 기준이 많지 않다. 그리고 그러한 기준들은 새로운 유형의 결함이 발견될때마다 바뀌고 가이드라인은 점점 더 복잡해진다.

더 큰 문제는 결함에 대한 여러 관점 중 심각도에 조금 더 매진할 때 많은 테스터들은 심각도가 높은 결함을 더 많이 발견하기 위해 노력하게 되고 개발자를 포함한 모든 이해관계자는 심각도가 높은 결함에만 집중하는 경향이 생기게 된다.

이러한 경우 우리가 심각하다고 생각한 결함이 실제로 사용자에게도 심각한 결함이라면 문제가 없지만 만약에 사용자에게는 그 결함이 그다지 심각하지 않은 결함이라면? 문제는 커진다.

우리가 테스트를 하고 결함을 수정하는 과정에서 심각도가 낮다는 이유만으로 수정이 미뤄지고 결국에는 잊혀지는 결함이 생각보다 많다.

출시 일정을 정해 놓고 개발을 하는 우리 나라의 고질적인 개판 개발환경에서 많은 결함들은 수정 우선순위에서 밀려나고 결국 결함을 수정되지 않고 출시되는 경우가 많다.

이러한 경우 핑계는 그 결함은 심각도가 높지 않기 때문에 괜찮다는 것이다.

그리고 그 결함은 유지보수 단계에서도 쉽게 잊혀진다. 유지보수 단계에서도 수정의 우선순위가 높은 결함은 고객들이 회사에 보고하는 결함들 뿐 그렇지 못한 결함들은 정말 쉽게 잊혀지고 고쳐지지 않는다.

그러한 결함 중 어떤 결함은 언젠가는 회사에 아주 큰 손실을 가져다 줄수도 있는데 말이다.

심각도는 분명 아주 유용하고 필요한 매트릭임에는 분명하다.

하지만 테스터라면 결함에 대해 최소한 공평하게 대우를 해줘야 한다.

열손가락을 깨물어 아니 아픈 손가락이 없고 아무리 많은 자식이 있다 한들 누구만 이쁘고 누구는 이쁘지 않은 경우는 없다.

열손가락이라도다 쓰임새가 틀리고 많은 자식들 중에서도 누구는 좀더 이쁘고 누구는 좀더 미울수도 있지만 결국 모두가 소중한 것임에는 변함이 없다.

정해진 시간과 예산에서 효과적이고 효율적으로 소프트웨어를 개발하고 테스트하고 결함을 수정하기 위해서는 객관적인 기준이 필요하고 심각도는 그러한 기준  가장 유용한 기준임에는 분명하지만 결국에는더 중요한 결함과 덜 중요한 결함은 없는 것이다.

모두가 잊는다 하더라도 테스터만은 잊지 않고 해결되지 않은 결함을 일깨워주고 찾아내기 위한 노력을 게을리 하면 안된다고 생각한다.

나는 최소한 테스트를 수행할 때 심각도만 높은 결함을 찾기 위해 애쓰기보다는 좀 더 많은 다양한 결함을 발견하기 위해 애를 쓴다.

결함은 모두 소중하니까...

댓글

이 블로그의 인기 게시물

스위치봇 & 스위치봇 허브 미니 간단 사용기

제 블로그에 예전부터 오셨던 분들은 제가 사브작 사브작 홈 오토메이션을 어설프게 해온 것을 아실겁니다. 작년부터 너무 하고 싶었던 도어락 자동화에 도전해봤습니다. 우리 나라에 자체 서비스로 앱을 통해 도어락을 제어하는 제품은 꽤 있습니다. 게이트맨도 있고, 키위도 있고, 삼성도 있죠.. 그런데.. 전 그것보다 구글 어시스턴트를 지원하는 도어락이 필요했는데... 그런건 안만들더라구요.. 꼭 필요한건 아니지만 웬지 해보고 싶은데... 언제 제품이 출시될지도 몰라서.. 가능한 방법을 찾아보다가.. 스위치봇이라는 제품으로 도어락을 버튼을 꾹 누르는 방법을 찾아서 스위치봇이 직구가 아닌 국내에 출시되었길래 낼름 구매해서 도전해봤습니다. 스위치봇 제품에 대한 내용이나 구매는  https://www.wakers.shop/  에서 하시면 됩니다. 저는 스위치봇에 스위치봇을 구글 홈에 연결시키기 위해 스위치봇 허브 미니까지 구매했습니다. 스위치봇 허브 미니가 없으면 스위치봇을 외부에서 제어하거나 구글 홈에 연결할 수 없습니다. 그리고 제가 스위치봇 허브 미니를 구매한 이유 중 다른 하나는 이 제품이 RF 리모컨 기능이 지원됩니다. 집에 있는 모니터를 제어할 필요가 있어서 이참 저참으로 같이 구매했습니다. 제품 등록은 어렵지 않습니다. 여기서는 스위치봇 허브 미니에 RF 리모컨을 등록해서 구글 어시스턴트로 제어하는 방법을 소개해드릴까 합니다. 제가 스위치봇 허브 미니로 모니터를 제어하고 싶었던 부분은 컴퓨터에서 크롬캐스트로 외부 입력을 때에 따라 바꿔야 하는데.. 그때마다 리모컨을 찾는게 너무 불편해서였습니다.  어차피 리모컨은 외부 입력 바꿀 때 빼고는 쓸 일도 없는지라.. 매번 어디로 사라지면 정말 불편해서 이걸 자동화 하고 싶었습니다. 그런데, 처음에 스위치봇 허브 미니를 등록하고 여기에 리모컨을 등록하니.. 구글 홈에 등록된 리모컨이 자동으로 등록이 됩니다. 그런데, 등록된걸 확인해보니 전원 On/Off만 제어되는 것이고, 나머지 버튼은 구글 홈...

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....