기본 콘텐츠로 건너뛰기

사용성 테스트는 언제, 어떤 목적을 가지고 누가 해야하는가?

여러분 조직에서는 사용성 테스트를 언제 어떤 목적을 가지고 누가 하고 계십니까?

제 짧고 미천한 경력으로 함부로 우리 나라에서는 대체로 이러 이러하다라는 결론은 일반화의 오류가 발생할 확률이 99.999%인지라 함부로 말씀드리지는 않겠습니다.

이후의 글은 제 개인적인 경험과 개인적인 의견이 마구 잡이로 섞여 있는 글로 읽어보시고 크게 한번 웃어버리고 잊어버리시거나 댓글 등으로 의견을 주시면 고맙겠습니다.

저는 사용성 테스트의 목적은 크게 3가지로 분류합니다.

첫째는 창조, 둘째는 개선, 셋째는 측정입니다.

첫째 창조는 디자이너들이 디자인을 할 때 행하는 사용성 테스트를 말합니다.

사용자 조사나 현장 조사, 퍼소나, 멘탈 모델 등이 여기에 해당된다고 생각합니다.

이 단계의 사용성 테스트는 개발 초기에 이루어지며 디자이너가 주체가 되어 수행됩니다.

말 그대로 UI나 UX등을 만들어 내기 위한 데이터를 수집할 목적으로 수행되는 테스트입니다.

둘째는 개선입니다.

개선은 만들어진 UI나 UX의 개발 가능성을 확인하고 개발 과정에서 지속적으로 사용성을 확인하여 부족한 부분을 반영하여 사용성을 개선하기 위한 목적으로 수행되는 테스트를 말합니다.

프로토타입, 와이어 프레임, 베타 버전등에 대해 수행되는 사용자 테스트가 여기에 해당된다고 생각합니다.

이 단계의 사용성 테스트는 개발 기간 전체에 걸쳐 이루어지며, 이 테스트에는 개발과 관련된 모든 이해관계자가 참석하고 사용성 테스터가 주체가 되어야 한다고 생각합니다.

셋째는 측정입니다.

측정은 개발 마지막에 그동안 창조하고 개선한 사용성이 실제로 제품에 제대로 내재화 되었는지 측정하는 테스트를 말합니다.

각종 통계적 방법을 동원하여 측정하는 수많은 방법들이 여기에 해당된다고 생각합니다.

이 단계의 사용성 테스트는 말 그대로 측정일 뿐 개선과는 연관이 없습니다.

이 단계의 사용성 테스느도 사용성 테스터가 주체가 된다고 생각합니다.

여기서 제가 말하고 싶은 내용은 아래와 같습니다.

1. 사용성 테스트를 UI가 확정되고 개발이 끝나가는 개발 마지막 단계에 수행하는 것은 사용성의 개선에 거의 도움이 되지 않는다. 사용성을 실제로 개선하고 제품에 내재화 하기 위해서는 개발 초반부터 개발 기간에 걸쳐 자주 수행되어야만 한다.

2. 사용성 테스트를 UX팀이나 디자이너에게만 전적으로 맡기는 것은 보이지 않는 것에 대한 믿음과 다를 바가 없다는 것입니다. 개발자가 개발한 코드와 결과물에 대하여 테스터가 교차로 검증하는 것과 마찬가지로 디자이너가 만들어낸 결과물에 대해서도 테스터가 그 결과물을 교차로 검증하고 서로 협력하여 개선하여야 한다는 것입니다.

그런데, 제 경험에 의하면 실제로 우리 현실은 아래와 같다고 생각합니다.

1. 사용성 테스트는 일반적으로 개발 마지막 단계에 수행하며, 개선해야한다고 보고되는 수많은 문제들은 실제적으로 해결되는 경우가 많지 않다.

2. 사용성 테스트는 UX팀이나 디자이너의 고유 업무로 테스터가 개입할 테스트가 아니다.

그래서 우리 나라 제품들의 사용성은 언제나 개판이라고 생각합니다.

저는 우리 나라 제품들의 사용성이 개선되기 위해서는 개발 전반에 걸쳐 사용성 테스트를 수행할 수 있는 능력있는 테스터의 육성이 필요하며 그런 테스터와 협업하여 사용성을 개선시킬 수 있는 능력있는 디자이너가 절대적으로 필요하다고 생각합니다.

여러분들은 어떻게 생각하시는지요?

저는 그래서 디자이너가 아닌 테스터들을 위한 사용성 테스팅 교육을 몇년째 해오고 있지만 박쥐나 계륵과 같이 취급당하는 것 같아 맘이 좋지 않습니다. 좀 더 많은 테스터들이 사용성 테스트에 관심을 가져주었으면 하는 바램입니다.

댓글

이 블로그의 인기 게시물

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 ...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...

AI가 만들고 사람이 고친 글, 과연 'AI 생성물'일까? — 무너지는 경계선과 각국의 표기 가이드라인

이미지, 음성, 텍스트를 가리지 않고 생성형 AI의 산출물이 전 세계 디지털 공간에 폭포수처럼 쏟아져 나오고 있습니다. 가짜 뉴스, 딥페이크 오정보, 저작권 침해 등 여러 사회적 문제를 일으키면서, 최근 EU를 비롯한 세계 각국의 규제 기관들이 "AI가 만든 콘텐츠에는 반드시 표시(Labelling)를 하라"는 강제 가이드라인을 잇달아 꺼내 들고 있습니다. 이와 관련해 Smashing Magazine에 비탈리 프리드만(Vitaly Friedman)이 기고한 아티클은 EU의 최신 규제가 실무 인터페이스(UI/UX)에 어떤 변화를 요구하는지 잘 보여줍니다. (출처: Smashing Magazine - New EU Guidelines For AI Labelling / Vitaly Friedman) https://www.smashingmagazine.com/2026/08/eu-guidelines-ai-labelling/ EU AI Act 제50조 투명성 규정에 따르면, 딥페이크나 AI 챗봇 대화, 인간의 검수 없이 AI가 100% 작성한 공공 텍스트 등에는 전용 AI 마크나 암호화된 메타데이터(Watermark)를 반드시 내장해야 합니다. 기존에 서비스들이 유행처럼 쓰던 모호한 '반짝이 아이콘(✨ Sparkles)' 수준으로는 법적 기준을 충족할 수 없게 된 것입니다. 하지만 현장의 개발자, 에디터, 테스터들이 마주한 진짜 혼란은 규제의 유무가 아닙니다. 바로 "도대체 어디까지를 AI가 만들었다고 볼 것이며, 어디서부터를 사람이 만든 것으로 정의할 것인가?"라는 근본적인 경계선의 모호함입니다. 프롬프트 한 줄 던져서 AI가 뽑아낸 초안을 사람이 문장 몇 개 다듬었다면, 이것은 AI 산출물일까요, 인간의 글일까요? AI가 코딩한 1,000줄의 소스 코드를 엔지니어가 한 시간 동안 디버깅하고 검수했다면 이 코드의 주인은 누구일까요? 글로벌 규제 기관들도 이 모호함을 인지하고 명확한 자격 기준을 세우기 위해 격렬한 논의를 ...