기본 콘텐츠로 건너뛰기

xper 11월 정기 모임에 다녀와서

어제 정말 오랜만에 xper 정기 모임에 갔다 왔습니다.

오랜만에 반가운 얼굴들도 뵙고 재미있었습니다.

옛날 옛날 한 옛날에 했었던 PSL을 응용해서 애자일 시뮬레이션이라는 활동을 했는데.. 예전에 저도 참여했었다는데.. 전 왜 기억을 못하는 건지.. ㅠㅠ

머.. 자세한 내용은 아마 참여하신 다른 분들이 공유해 주실 거라 생각하고 그냥 간단히 제가 느낀 점만 몇자 적어볼까 합니다.

애자일에 관심 있고 애자일을 하고 있는 사람들이 모여서 애자일로 개발을 해도 되는 상황이 닥쳤는데.. 막상 애자일에 맞춰서 개발을 하지 못하는 모습이 못내 흥미로웠습니다.

왜 그런가? 했는데..

제 생각에는 시뮬레이션에서 각자에게 역할을 주고 역할극을 하게 했던게 원인이 아닌가 싶습니다.

역할에 몰입하다 보니 행동이 능동적이 되기보다는 수동적으로 변하는 것 같았습니다.

누군가 지옥행 급행열차에 몸을 실은 프로젝트에 제동을 걸고 올바른 길로 가야한다고 말을 해야하는 상황임에도 그런 역할은 PM이나 기획의 역할이라는 생각에 서로 얼굴만 마주보며 자기 역할에 충실할 뿐 선뜻 나서지 못한것은 아닌가 하는 생각입니다.

결국 역할이 강해지면 책임을 회피하게 되는 것 같습니다. 이것이 수평 구조의 조직과 자기 조직화와 맞물리는 것 아닐까요?

제 경험에 따르면 역할을 먼저 주고 책임을 묻는 것보다는 책임을 먼저 주면 역할은 각자가 잘 만들던 것 같습니다.

그리고 애자일에 맞춰 일을 하기 위해서는 먼저 움직이는 사람이 필요하다는 생각이 들었습니다.

마치 펌프질을 하기 위해서 마중물을 붇는 것처럼 말입니다.

어떤 기관도 외부의 힘이 없이 스스로 동작하는 기계는 없는 것처럼 말입니다.

그리고 지속적인 회고가 필요하다는 것을 느꼈습니다.

그리고 먼저 움직이는 사람에게는 그 사람에게 힘을 실어줄 수 있는 문화, 실패를 용인하는 문화가 필요하다는 생각도 들었습니다.

그리고 문제가 생기면 먼저 움직인 사람에게 책임을 묻는게 아니라 같이 책임을 질 수 있는 문화도 필요하다고 생각했습니다.

그런데, 많은 경우 공동 책임의 경우에는 먼저 시작한 사람 이외의 사람들은 내가 손해야라는 생각이 더 많이 드는 것 같습니다.

마치 동생이 잘못했는데 오빠가 동생을 잘 돌보지 못했다고 혼나는 것처럼 말입니다.

이런걸 극복할 방법으로는 머가 있을까요? 제 생각에는 회고와 지속적인 지식 공유가 그런 역할을 하지 않을까? 라는 생각을 해보았습니다.

짧은 시간이었지만 오랜만에 재미있는 시간이었습니다. 생각도 많이 해 볼 수 있었고.. 좋은 시간을 마련해준 분들과 김창준님에게 다시 한번 감사를..

마지막으로 김창준님이 말씀해 주신 개선(?)의 3가지 시점이 기억에 남습니다.
시작 시점에서는 팀 디자인 그러니까 역할, 규칙, 커뮤니케이션에 대한 개선이 효과가 있다.
중간 시점에서는 일하는 방식 즉, 전략의 개선이 효과가 있다.
끝나는 시점에서는 지식의 공유와 교육의 효과가 크다.

잊지 말고 다음에 꼭 적용해봐야겠습니다.

교육할때에도 적용해보면 좋겠네요.

여러분들도 xper 모임에 와보시면 많은 걸 배우실 수 있으실겁니다.

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 ...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...

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...