기본 콘텐츠로 건너뛰기

코딩 전에 디자인을 하라.

IT 업계 경력도 짧고 개발 경력도 없는 제가 이런 얘기를 하는 것이 좀 우스울 수도 있고, 제 얘기가 많은 분들의 경우와 다를 수 있습니다.

아래 글은 어디까지나 제 경험에 의한 것이고 관련된 의견들은 댓글로 주시면 고맙겠습니다.

제 일천한 경력으로 미루어보건데 소프트웨어의 개발에서 많은 경우 대체로 아래와 같은 순서로 진행된다고 생각됩니다.

먼저 요구사항을 수집하고 UML이나 기타 등등으로 설계를 합니다. 웹사이트의 경우는 화면 설계, DB 설계 등 각종 설계를 합니다.

그리고 코딩을 합니다.

코딩이 끝나면 테스트를 합니다.

테스트를 하기 위해서는 입력과 출력을 위한 UI가 필요합니다. (최근에도 CUI 기반의 소프트웨어들이 존재하지만 대다수의 경우에는 GUI 기반의 소프트웨어라고 생각됩니다.)

그런데, 이 UI는 코딩이 끝나가는 과정에 코딩과는 별도로 디자이너들이 개발하여 소스코드와 통합하는 작업을 합니다. (개발자분들이 디자인 작업을 하시는 경우도 있기는 합니다.)

그리고 이렇게 통합된 UI는 언제나 사용하기 불편하고 결함이 많습니다.

UI는 경직되어 있어 수정도 거의 불가능합니다.

개인적으로 그 이유를 곰곰히 생각해보니 UI가 소스 코드 위에 얹혀여 있어서 그런것이 아닌가 싶습니다.

소스 코드 상의 단위와 UI상의 단위는 분명 다릅니다.

UI 상으로는 분리되어 있는 기능들도 소스 코드 상으로는 하나의 기능으로 통합되어 있는 경우도 많습니다.

그런데 소스 코드 상에 UI가 얹혀져 있을 경우 UI를 변경하면 소스 코드를 같이 변경해야하는데 위와 같은 경우라면 당연히 거의 불가능합니다.

테스트를 수행함에도 이런 경우 문제가 발생합니다. 공통된 소스 코드를 가지고 여러곳에서 분산되는 UI를 한번에 파악하며 테스트하기란 무척 힘듭니다.

예를 들면 ID와 PW를 저장하는 DB는 회원가입, 회원정보 수정, 회원 탈퇴 등 여러곳에서 쓰입니다.

이러한 것들을 파악할 정보를 구하는 것도 새로 만드는 것도 쉬운 작업은 아닙니다.

일천한 제 경험에 비추어 보건데

유연하고 테스트 가능한 UI를 위해서는 설계 단계에서 UI를 설계하는 것이 훨씬 이득이라는 것입니다.

이런 개념은 프로토타이핑 에서도 찾을 수 있지만 프로토타이핑 역시 코딩을 해야합니다.

제가 이야기하는 것은 그러한 코딩을 배제하고 순수하게 UI를 먼저 만드는 작업이 필요하다고 봅니다.

흔히 말하는 와이어프레임 같은 것들 말입니다.

저는 실제로 역할극이나 페이퍼 프로토타이핑 같은 방법을 좋아합니다.

실제로 동작 가능하고 이해 가능한 상태를 만들어놓고 보면 실제 우리에게 정말 필요한 기능이 무엇인지 어떤 기능을 어떻게 배치하면 좀 더 효과적이고 효율적인지 한눈에 파악할 수 있습니다.

UI를 먼저 설계하면 UI를 단위로 구분하여 개발 가능한 단위를 추산하기도 쉽습니다.

항상 분명하지 않던 테스트 커버리지에 대한 개념도 조금 쉽게 가져갈 수 있습니다.

그런데 이렇게 UI를 먼저 개발하자는 개념을 개발자나 기획자에게 설명하면 많은 분들이 공감을 하지 못합니다.

제가 설득력이 떨어지는 것이 주된 원인일것입니다.

지금 쓰고 있는 글도 그냥 뜬구름 같은 이야기라고 생각됩니다.

하지만 일천한 경력이나마 이곳 저곳에서 테스트를 하다 보니 소프트웨어의 궁극적인 목적은 사용자가 쓰기 쉬워야 하는 것이라고 생각합니다.

사용자가 원하는 목적에 쉽게 도달하기 위해서 소프트웨어는 사용하기 쉬어야 하고 사용하기 쉬운 소프트웨어가 다른 모든 활동들보다 먼저 고민되어야 한다고 생각합니다.

그래서 저는 어떤 제품을 테스트 하기 전에 UI를 계층으로 구분하여 프로토타이핑을 하는 것을 좋아합니다.

그러한 프로토타이핑이 끝나면 데이터의 흐름과 기능의 연관관계가 좀 더 명확해지고 각 기능과 데이터간의 오류가 좀 더 쉽게 보입니다.

여러분들도 저의 이러한 개념에 동의하시나요?

혹시 이와 관련된 기존 이론이나 방법론을 알고 계시다면 소개해주시면 고맙겠습니다.

댓글

  1. 꼼순이8/6/12 11:38

    이제 설득과 동의란 단어보다는 필수라는 생각이 듭니다. 모르는 사람이 뒤쳐지는거라는거 인지해야겠죠. 그리고 사실 알고는 있을겁니다. 실제 적용을 안해서들 문제죠.

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

'자동화 편향'과 '대중적 불신' 을 고려한 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...

확률을 다루는 AI 시대, 시스템의 상호작용 능력과 사용 품질을 어떻게 측정할 것인가?

 20년 넘게 소프트웨어 품질과 테스팅, 그리고 UX를 다루어 오면서 최근처럼 "측정(Measurement)"이 모호해진 시기가 없었던 것 같습니다. 과거의 정적인 시스템은 '클릭 몇 번으로 목표 과업을 완료했는가(성공률)', '화면이 직관적인가'처럼 사용성(Usability)의 측정 공식이 비교적 명확했습니다. 하지만 입력값은 물론 출력값마저 매번 달라지는 생성형 AI 시대에, 도대체 "AI 제품의 UX가 좋다"는 것은 어떻게 정량화하고 평가해야 할까요? UX 리서치 및 측정 분야의 권위자인 Jeff Sauro와 Jim Lewis가 MeasuringU에 올린 "Measuring the UX of AI"는 이 매듭을 풀 수 있는 아주 실질적이고 구조적인 힌트를 제공합니다. (출처: MeasuringU - Measuring the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD ) 아티클에서는 기존 소프트웨어 사용성 평가의 표준 틀이었던 SUS(System Usability Scale)나 SUPR-Q 같은 지표만으로는 AI 시스템의 UX를 완벽히 담아낼 수 없다고 말합니다. AI 시스템은 단순한 수동적 도구가 아니라 "스스로 판단하고 결과를 생성하는 자율적인 주체(Agent)"에 가깝기 때문입니다. 따라서 AI 제품의 UX를 측정할 때는 일반적인 지표 외에 다음과 같은 AI 특화 요소들이 반드시 함께 측정되어야 합니다. 정확성과 신뢰성 (Accuracy & Trust): AI가 내놓은 답이 얼마나 정확한가? 그리고 사용자가 그 결과물을 믿고 실제 업무에 활용할 수 있는가? (환각 현상 감지) 투명성과 설명 가능성 (Transparency & Explainability): AI가 왜 이런 결론을 내렸는지 사용자가 이해할 수 있도록 과정을 보여주는가? 제어 가능성 (Controllability): AI가 잘못된 방향...

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...