기본 콘텐츠로 건너뛰기

테스터가 가장 먼저 공부해야할 것은?

얼마전 인터넷에서 위대한(?) 테스터가 되기 위한 블라 블라.. 머 그런 글을 본 적이 있습니다.

세상 어떤 직업이든 그 직업에서 굳이 전문가가 아니더라도 그 일을 잘 해내기 위해서는 배워야 할 것도 많고 알아야 할 것도 참 많습니다.

그래서 직업에는 귀천이 없는 법이죠..

세상에 아무리 쉬워보이는 직업이라도 막상 해보면 익숙해지기까지는 참 많은 시간과 노력이 필요합니다.

그런 의미에서 굳이 테스터가 다른 직업보다 배워야 할 것도 많고 알아야 할 것도 많다고 얘기하고 싶지는 않습니다.

어떤 경로로 테스터라는 직업에 들어오셨는지는 모르겠지만 테스터라는 직업의 세계에 발을 들이밀고 일을 하다보면 참 막막합니다.

도데체 무얼 배워야 하고 무얼 알아야 하는건지..

답답한 마음에 인터넷도 찾아보고 책도 읽어보지만 수많은 사람들이 저마다 이것은 꼭 알아야 한다고 얘기만 할뿐.. 그 어느것도 정리된 것이 없습니다.

저 사람의 글을 읽어보면 그런 것도 같고 이 사람의 얘기도 맞는 것 같고..

코딩도 할 줄 알아야 하고, 개발 언어도 알아야하고, 디자인도 해야할 것 같고, 기획도 영업도 좀 알아야 할 것 같고..

대충 이런 상태가 되면 어떤 사람은 그냥 닥치는데로 살다보면 다 하게 되어 있다고 포기하기도 합니다.

이런 상황에 저도 테스터라면 이것은 꼭 알았으면 좋겠다라는 숟가락을 얹어보고자 합니다.

저도 같은 고민을 했었고 수없는 방황도 해보고 회사와 주변 사람들로부터 욕을 먹어가면 닥치는데로 이것 저것 세미나, 교육 등도 들어보면서 미천한 경력이지만 나름 이 바닥에서 9년 정도 구르다보니 제 뒤에서 처음 테스트를 시작하시는 분들은 꼭 이것만큼은 먼저 시작하시면 좋겠다라는 생각을 적어보고자 합니다.

먼저, 테스터란 결함이 존재함을 증명하는 사람이라는 것을 알아두셨으면 합니다.

많은 사람들이 여전히 테스터가 테스트를 하고 나면 제품이 결함이 없다고 믿습니다. 하지만 그런 일은 절대 일어나지 않습니다.

그런데, 재미있는 것은 이런 믿음이 테스터에게도 전염된다는 사실입니다. 어떤 극소수의 테스터분들은 자신이 제품에 결함이 없음을 증명할 수 있다고 믿으시는 분들이 계십니다. 역시 그건 거의 불가능한 일입니다.

문제는 이런 믿음에 기초해서 테스트를 수행하시는 분들을 관찰해보면 결함을 은폐, 은닉해버리는 경향이 있습니다. 결함보고서를 작성하지 않거나 일부러 결함을 누락시키기도 합니다.

이건 정말 최악입니다.

때문에 다시 한번 강조하는 것은 여러분들이 테스터로서 일을 하신다면 결함을 찾아내야하는 것이 테스터의 사명이라는 것을 명확히 인식하셨으면 합니다.

자.. 그러면 그 다음은 결함을 찾는 것이 결함이 존재함을 증명하는 것이 테스터의 사명이라면.. 결함이 무엇인가를 인식할 필요가 있습니다.

결함이란 여러가지로 정의될 수 있지만 저는 여기서 한 단계 더 나아가 결함이 왜 생기는 가에 집중했으면 합니다.

머.. 정확하지는 않지만 여러 연구에 의하면 결함의 원인을 분석해보면 대략 80%의 결함은 사람의 실수때문에 약 20% 정도의 결함은 여러 다른 정황에 의해서 발생한다고 합니다.

여기서 주목할 것은 많은 결함이 사람의 실수에 의해서 생긴다는 것입니다.

그렇습니다. 사람의 실수..

자.. 여기서 이제 정리하면 이렇게 됩니다.

테스터는 사람의 실수를 찾아내야 하는 사람이라고 할 수 있습니다. (논리적 비약이 심하다는 비평은 겸허하게 받아들이겠습니다.)

그러면 테스터는 어떻게 사람의 실수를 찾아낼 수 있을까요?

여기서 테스터가 가장 먼저 공부해야하는 것이 무엇인지 알 수 있습니다.

그렇습니다. 테스터가 가장 먼저 공부해야할 것은 사람입니다. 사람!!

많은 사람들이 테스터는 IT 지식이나 개발 지식을 포함해서 도메인 등 수많은 것들에 대해서 공부해야한다고 말하지만 저는 그보다는 사람을 먼저 공부해야한다고 생각합니다.

물론 IT 지식이나 개발지식, 도메인 지식등도 매우 중요합니다. 이런 지식들은 결함을 더 폭넓게 찾도록 도와줄 것입니다.

하지만 기초 없는 건물이 세워질 수 없듯이 사람에 대한 이해가 없다면 저는 테스터가 발견할 수 있는 결함이 매우 제한적일 수밖에 없다는 입장입니다.

사람이 어떻게 생각하고, 어떻게 행동하며, 어떻게 판단을 내리는지 그리고 어떻게 실수를 하는지에 대하여 잘 이해할 수 있다면 많은 부분에서 제품을 이해하고 테스트하는데에 도움이 됩니다.

이와 유사한 주장을 분명 예전에도 했었던 것 같은데..

길지 않은 블로깅 세월에 제 기억도 희미하고 블로그가 테스트에 대한 얘기가 너무 없이 휑한듯 하여 한번 적어보았습니다.

여러분은 어떠신가요?

(이 글은 사용성 테스팅에 여러해 매진하다보니 다소 편향된 의견이 들어 있을 수 있으므로 참고하시기 바랍니다.)

댓글

  1. Daehyun Kim6/3/13 10:58

    정답이라고 하기 민망하다면, 최소한 정답에 가장 가까운 답을 쓰신듯 합니다.

    답글삭제
  2. 사람에 대한 공부라... 너무 어려운 주제인데요... 근데 말씀하신 그 "사람"이 제품 사용자인가요? 개발자인가요? 일반적인 사람인가요?

    답글삭제
  3. 제품과 관련된 모든 사람을 말합니다.

    개발자, 기획자, 테스터, 마케터를 포함해서 우리가 정의한 고객과 그 외의 잠재적 고객을 포함한 모두를 말합니다.

    그 모든 사람들에 대한 일반적인 이해가 저는 필요하다고 생각합니다.

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

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...

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 ...

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 ...